AuroraCore 3.0 发布：调度延迟进入个位数毫秒

我们在今天正式发布 AuroraCore 3.0。这次迭代的核心目标只有一个：让大规模集群的算力不再被「等待」浪费。

三个关键变化

• 拓扑感知调度：把 NVLink、RDMA 与机架亲和性纳入统一评估，跨机通信开销下降 41%。
• 增量重排：任务到达时不再全量重算队列，仅对受影响区间重排，调度决策延迟稳定在 8ms 以内。
• 可观测性：新增卡时利用率热力图与排队归因分析，运维可以直接看到「算力卡在哪」。

在某头部大模型团队的生产集群中，3.0 版本把万卡规模下的平均排队时间从 22 分钟压到 8 分钟，集群有效利用率从 78% 提升到 92%。

如何升级

3.0 与 2.x 保持 API 兼容，控制面支持原地滚动升级。存量集群可在维护窗口内完成切换，任务无需重新提交。