Grace Blackwell 需要新的调度器：同一机架提升 27% 可用 GPU

SkyPilot 通过拓扑感知调度让多节点训练任务保持 rack-local，在同一批 NVL72 机架上多出 27% 可用 GPU。跨节点走 InfiniBand 会使训练吞吐下降 43%，vLLM 基准中张量并行到两块 H100 后 KV cache 块数增至 13.9 倍、吞吐提升 3.9 倍。平台靠原地故障恢复和共享集群自动碎片整理，维持 NVLink 域内通信优势。