pai

管好 GPU 集群，让 AI 训练快人一步

pai 是一个面向 AI 场景的资源调度与集群管理平台，主要解决 GPU 等异构计算资源在深度学习训练和推理任务中的分配效率问题。它支持多种 AI 框架（如 Chainer），提供统一的资源抽象和调度策略，能够动态管理集群中的 GPU 节点，实现任务的排队、抢占和弹性伸缩。核心能力包括：多租户资源隔离、优先级调度、故障转移、以及细粒度的 GPU 分配。通过简化集群运维，帮助团队更高效地利用昂贵算力，缩短模型迭代周期。

开源 free 基础设施

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 2694

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类基础设施

开发团队microsoft

所属国家

官网地址

GitHubhttps://github.com/microsoft/pai

定价模式free

价格说明开源免费

访问状态

是否开源是

开源协议MIT

主要语言JavaScript

技术栈/模型ai,artificial-intelligence,chainer,cloud,cluster-management,cluster-manager,gpu,gpu-cluster,gpu-computing,gpu-scheduler,jupyter,kubernetes,machine-learning,model-training,on-premise,pytorch,resource-management,scheduling,tensorflow

GitHub 星标★ 2694

30天Star增速

HF 下载量

上线时间2017-09-25 00:00:00

最近更新2026-09-28 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-16

浏览次数10

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

正在加载星标数据…

使用教程

难度：高级约 60 分钟部署方式：本地安装 4 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

需要理解 OpenPAI 的部署形态：本地（on-premises）、混合或公有云部署
试用用户可准备单机（single-box）环境进行部署验证
如需 GPU 调度能力，需要具备 GPU 节点等异构算力资源
仓库已进入稳定模式且为只读（对应 v1.8.1），无需期待新功能更新

安装与启动步骤

1确认部署形态

README 说明 OpenPAI 是全栈方案，支持本地、混合、公有云部署，也支持单机部署供试用，先据此选定形态。
2查阅仓库与发布说明

访问 GitHub 仓库并阅读 RELEASE_NOTE.md，确认当前稳定版本为 v1.8.1 及其说明，README 未给出安装命令。
3按形态准备运行环境

根据选定的本地/混合/公有云/单机形态准备对应环境；README 未列出具体系统、硬件与依赖版本要求。
4联系维护方获取支持

仓库已改为只读模式，如需协作、部署协助或技术资料，请直接联系仓库管理员。

如何确认成功

README 未提供启动校验方法，需以官方部署文档中的集群健康检查或管理页面结果为准。

常见问题

Q：OpenPAI 还在持续更新吗？

A：v1.8.1 发布后项目已进入稳定模式，不再计划重大功能发布，仓库已改为只读模式。

Q：支持单机部署吗？

A：支持。README 明确说明除本地、混合、公有云部署外，还支持单机部署供试用用户使用。

Q：仓库只读后如何参与协作？

A：README 建议直接联系仓库管理员进行协作沟通。

Q：这篇教程为什么没有可执行安装命令？

A：README 节选中未给出任何安装命令、端口或路径，为避免误导未做任何推测性补全。

注意事项

本教程仅依据 README 节选整理，README 未提供安装命令，故步骤中不含可复制执行的命令。
项目已进入稳定模式并转为只读，部署前请确认版本与维护状态是否满足需求。
具体硬件、系统依赖、端口和配置项需查阅官方部署文档，切勿自行猜测参数。

核心亮点

支持细粒度 GPU 分配，避免算力浪费
多租户隔离与优先级调度，适合团队协作
故障转移机制提升集群稳定性

不足之处

文档/社区待观察
对非 GPU 资源（如 CPU/内存）调度支持可能较弱

适用场景

企业内部 AI 训练平台搭建
云服务商提供 GPU 算力租赁
科研机构管理多用户 GPU 集群

替代项目

Kubernetes + Kubeflow、Slurm、YARN

项目介绍

pai 是基础设施领域的开源项目，由 microsoft 开发，2017 年首次发布。

在全站 13,366 个收录项目中，它的 GitHub 星标数（2,694）位列前 30%，在基础设施分类中处于中上游。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-28。开源免费。

它主要面向的使用场景是：企业内部AI训练平台搭建。同类可对比的替代方案包括 Kubernetes + Kubeflow、Slurm、YARN。

上一篇：sglang-omni

下一篇：harnessrouter

pai