摘要随着人工智能与高性能计算的快速发展,图形处理器(graphics processing unit,GPU)已成为算力中心的核心资源。现代算力中心往往同时部署多厂商、不同架构的GPU,而传统基于硬件切分或驱动绑定的方案仅支持单一厂商,难以在多架构环境中实现高效共享与隔离。提出一种面向异构GPU的资源池化与应用程序接口(application program interface,API)沙盒机制设计方案SandGPU,在资源抽象层构建统一的虚拟GPU三维资源模型,引入厂商级折算系数,对不同架构GPU的计算能力、显存容量和带宽进行等效表征;在执行层通过基于API的沙盒机制,利用显存配额门、带宽令牌桶和计算节流门实现按配额限流和跨任务干扰抑制。基于自研离散时间仿真平台的实验表明,在保持平均算力利用率且在一定时延内完成任务的比例不下降的前提下,所提方案将干扰率分布的P95值平均降低22.4%,显著收敛尾部干扰。