AI（人工智能）产业高速发展正催生海量算力需求，但全球算力资源利用率偏低的问题日益凸显，“算力资源浪费”成为产业发展的关键桎梏。其具体表现为，小模型任务独占整卡导致资源闲置，大模型任务单机算力不足难以支撑，大量缺乏GPU（图形处理器）/NPU（神经网络处理器）的通用服务器甚至处于算力“休眠”状态，供需错配造成资源浪费。

　　11月21日，在2025AI容器应用落地与发展论坛上，华为公司副总裁、数据存储产品线总裁周跃峰发布了AI容器技术——Flex:ai。据悉，Flex:ai通过算力切分技术，将单张GPU/NPU算力卡切分为多份虚拟算力单元，切分粒度精准至10%。此技术实现了单卡同时承载多个AI工作负载，在无法充分利用整卡算力的AI工作负载场景下，算力资源平均利用率可提升30%。

　　在面临先进制程受限、单颗AI芯片性能与国外存在差距的现实下，Flex:ai延续了华为“以软件补硬件”的发展路径。

　　值得一提的是，华为这项新技术还将对标英伟达2024年底收购的以色列公司Run:ai。Run:ai的核心产品是基于“Kubernetes”（开源容器编排平台）构建的软件平台。其可通过动态调度、池化和分片等手段优化GPU资源使用。例如，自动驾驶公司Wayve就借助Run:ai将GPU集群效率从不足25%提升到80%以上。华为的Flex:ai同样聚焦于通过软件创新实现对英伟达、昇腾等其他第三方算力的统一管理与调度，屏蔽底层硬件差异，为AI应用提供更高效稳定的资源支撑。

　　此外，相比Run:ai主要服务于英伟达GPU生态，Flex:ai并没有生态限制，英伟达的GPU和华为昇腾NPU等算力卡都可以使用。

　　Flex:ai的能力已在真实产业场景中得到验证。瑞金医院与华为联合打造的多模态病理大模型“RuiPath”，被用于识别病理切片病灶区域，覆盖19个常见癌种。该模型基于103万张病理切片数据训练而成，但仅用16张昇腾910B算力卡便可完成大规模训练。这背后离不开Flex:ai的技术支撑，其通过算力资源切分、智能任务调度等技术，将XPU（CPU、GPU、DPU等芯片的统称）资源可用度从40%提升至70%，破解了有限算力下的大规模训练难题。

　　IT研究与咨询公司“Gartner”的分析师表示，目前AI负载大多都已容器化部署和运行。据预测，到2027年，75%以上的AI工作负载将采用容器技术进行部署和运行。

　　华为方面称，Flex:ai将在发布后同步开源在魔擎社区中，并与华为此前开源的多款AI工具共同组成完整的ModelEngine（华为推出的AI训推全流程工具链）开源生态。