AWS Batch 为 SageMaker 训练任务推出配额管理，支持团队间借调算力
AWS 发布 AWS Batch 配额管理功能，可按团队或项目划分 GPU 容量配额，并通过出借、借用与抢占策略提升闲置算力利用率，适用于 SageMaker 训练任务的排队与调度。
核心事实
AWS 在其官方博客中介绍了 AWS Batch 面向 Amazon SageMaker Training 任务的配额管理（quota management）能力。管理员可以把计算容量按团队、项目或工作负载划分为多个配额份额（quota share），每个份额包含容量上限和闲置算力的共享策略。共享策略有三种：RESERVE 表示闲置容量保留至本份额有任务到达；LEND 表示闲置容量出借给其他有任务的份额；LEND_AND_BORROW 表示既可在闲置时出借，也可在本份额有任务时借用。配额份额以虚拟队列形式嵌套在关联的任务队列中，并支持跨份额抢占与份额内基于优先级的抢占。
背景与影响
据博客介绍，AWS Batch 支持 SageMaker Training 任务后，用户可以用托管方式排队、调度和重试机器学习训练负载，无需自建基础设施。随着团队增多，共享 GPU 容量的协调成本上升，管理员需要分别建队列、调容量上限并安排任务时序。博客称，配额管理正是为回应客户「按团队或项目定义配额、自动共享闲置容量、优先运行高优先级任务」的诉求而构建，目标是提升既有算力的利用率。博客示例中，三个配额份额均以单台 ml.g5.xlarge 为容量单位，分别演示借用、仅出借和保留三种配置。
限制与来源
上述内容来自 AWS 官方博客，属于产品功能说明，未披露定价、可用区域或性能数据。配额管理需要创建包含 quotaSharePolicy 的调度策略、指定实例容量上限的服务环境，以及连接两者的 SageMaker Training 任务队列；示例使用 SageMaker Python SDK v3，并要求账号具备管理 AWS Batch 资源的权限。具体功能范围、区域支持与计费方式请以 AWS 官网当前信息为准。