Beaver 在 H200 上让 vRAN 与 Llama-3.3-70B 共享 GPU，保住 1.5ms 上行时延并保留 74% 吞吐

Beaver 提出一种同时管理计算与内存资源的 GPU 共享系统，用于在共享 GPU 上共置时延关键的 vRAN 与尽力而为的 ML 负载，并保护 vRAN 的严格处理截止时间。 该工作针对 AI-and-RAN 中共置场景的固有不对称性：vRAN 是时延关键负载，而 ML 是面向吞吐的尽力而为共租户；Beaver 将计算与内存两个维度纳入同一套共享管理，而非只处理其中一侧。 摘要说明该系统已实现，并使用 NVIDIA Aerial、异构多小区负载、真实蜂窝轨迹、生产推理内核与全栈 LLM 服务进行评估。

Beaver 依据每个时隙的调度负载来确定 vRAN 的 SM 分配，并以时隙为粒度重新划分 SM 分配。 分配粒度与 vRAN 的时隙调度节奏对齐，使 SM 资源随每个时隙的调度负载变化而调整，而不是采用静态或粗粒度的划分。 摘要将该机制列为系统的核心组成，并在 H200 上以 p99.9 时延是否落在 1.5ms 上行截止时间内作为评估指标。

Beaver 改写已编译的 ML 内核，使其在 vRAN 的内存关键阶段让出 HBM 带宽。 该机制把内存带宽作为可让出的共享资源来处理，与 SM 分配机制并列，构成对计算与内存的联合管理。 摘要将其列为系统机制之一，并在评估中报告在回放蜂窝轨迹下未观察到截止时间违约、且保护 375us 下行截止时间。

在 H200 上，Beaver 在保持 vRAN p99.9 时延处于 1.5ms 上行截止时间内的同时，保留 Llama-3.3-70B 服务吞吐的 74%，并可推广到 A100、GB10 与 GH200。 该结果同时给出时延保护与 ML 吞吐保留两方面的量化表现，并报告跨多种 GPU 的推广性。 摘要报告的具体数值为 74% 吞吐保留、1.5ms 上行截止时间、375us 下行截止时间，以及 A100、GB10、GH200 上的推广；这些是摘要层面的报告值。

该工作面向 AI-RAN 中 AI-and-RAN 的共置设定：在同一 GPU 上同时运行虚拟化无线接入网（vRAN）负载与 AI 服务，其中 vRAN 为时延关键方，ML 为面向吞吐的尽力而为共租户。Beaver 的适用前提是 vRAN 具有按时隙组织的调度负载，因而可以按每个时隙的调度负载确定 SM 分配并以时隙为粒度重划分；同时 ML 侧的内核可被改写以在 vRAN 的内存关键阶段让出 HBM 带宽。摘要报告的保护目标包括 1.5ms 上行截止时间与 375us 下行截止时间，评估环境为 H200 上的 NVIDIA Aerial、异构多小区负载、真实蜂窝轨迹、生产推理内核与全栈 LLM 服务，并称可推广到 A100、GB10 与 GH200。对希望在同一加速器上叠加时延关键无线处理与 AI 服务的工程团队，这提供了可复现的机制方向：以时隙为节拍调整 SM，并在内存关键窗口让出带宽。

本次读取范围仅为摘要，因此 SM 分配的具体算法、内核改写的实现方式、时隙粒度重划分的开销、以及 74% 吞吐保留与各截止时间数值背后的完整实验设置（负载规模、轨迹长度、对照条件）均未在文本中展开，需查阅原文确认。摘要报告的是 p99.9 时延与回放轨迹下未观察到截止时间违约，这类尾部指标在更长轨迹、更多小区或不同 ML 负载组合下的表现仍是开放问题。此外，摘要称可推广到 A100、GB10 与 GH200，但未给出各平台上的对应数值，跨平台一致性有待原文数据支持。