HAMi 的走红，被形容为开源世界的“烟火”——绚烂却难以为继。两年前，在 KubeCon 大会上，李孟轩目睹成熟项目的盛况，而彼时的 HAMi 仅是个名字，社区寥寥，未入 CNCF，被他自嘲为“小卡拉米”。与此同时，张潇在企业交付一线深受 GPU 资源管理之困：整卡分配导致浪费、多租户隔离难、故障定位复杂。
两人视角互补：一个看见开源潜力，一个洞察生产痛点。2026 年 7 月 2 日，HAMi 正式通过 CNCF 技术监督委员会评审进入孵化阶段，被数百家企业采用，汇聚了厂商与开发者。然而，进入孵化只是起点。当代码与治理移交基金会，围绕项目成立的密瓜智能如何生存？李孟轩给出克制判断："HAMi 成功是密瓜成功的必要条件，但非充分条件。”
被整卡分配困住的 GPU
HAMi（Heterogeneous AI Computing Virtualization Middleware）旨在解决企业 GPU 资源闲置与分配僵化的问题。传统模式下，任务往往独占整张显卡，即便仅使用部分显存，剩余资源也无法共享，造成极大浪费。HAMi 充当“资源管理员”，将物理 GPU 切分为多个虚拟资源，实现细粒度调度与多任务隔离共享，显著提升利用率。
项目地址：https://github.com/project-hami/hami
早期 AI 负载虽模型较小，但迭代频繁。Kubernetes 已能精细调度 CPU 与内存，GPU 却长期被视为特殊设备实行“整卡分配”。2021 年前后，张潇与李孟轩基于对云原生异构算力演进的共识，推动 HAMi 诞生。李孟轩侧重底层技术虚拟化，张潇聚焦工程化落地。随着 DaoCloud、第四范式及多家芯片厂商加入，HAMi 从单一功能组件演进为具备完整工程体系的基础设施项目。
开源不仅是代码公开，更是持续运作的工程协作体系。密瓜智能团队承接了持续集成、兼容性测试、文档建设等重任，推动项目从技术雏形走向生产级基础设施。
左：密瓜智能联合创始人& CTO 李孟轩；右：密瓜智能创始人& CEO 张潇
缺的不是又一个调度器，而是跨厂商生态
市场上不乏 GPU 虚拟化方案，但多受限于特定硬件或云平台边界。英伟达方案绑定自家 GPU，云厂商能力深度耦合自有设施，独立软件商难以跟上全厂商迭代速度。面对企业中多代际、多品牌（如昇腾、AMD 及国产芯片）共存的复杂现状，单点适配如同推石上山。
HAMi 试图完成“依赖反转”：不再由项目团队被动适配，而是吸引芯片厂商主动扎根社区，在新品发布时同步提交代码，实现 Day 0 支持。目前，已有众多厂商投入研发资源，主动贡献设备能力。HAMi 定位为 Kubernetes 与异构设备间的中间层，将不同硬件抽象为统一资源，赋予企业选择权，避免被单一厂商锁定。
异构算力生态需要中立土壤。HAMi 进入 CNCF 并非仅为背书，更是为了证明其中立性。交由基金会治理意味着代码、商标及所有权遵循开放规则，降低了企业用户面临的项目停更、闭源或许可变更风险。对李孟轩而言，这标志着 HAMi 真正“跨过鸿沟”，从概念走向生产基础设施。
生产级系统开始为开源项目投票
开源项目的价值最终由生产系统验证。HAMi 早期用户包括某上市互联网金融公司，部署后 GPU 利用效率提升超一倍。随后，顺丰科技等企业合作发表行业白皮书。真正让团队看到商业闭环的，是一家大型股份制银行。该银行面临多厂商 GPU 共存、私有环境高稳定性要求等挑战，急需统一管理异构算力。
在此项目中，银行、国产 GPU 厂商、HAMi 社区与密瓜智能形成闭环：厂商借 HAMi 进入客户环境，银行降低管理复杂度，生产需求反哺社区迭代，密瓜智能提供交付保障并获取收入。这一案例证明，大型企业愿为跨厂商适配与生产保障付费。
生产用户的需求也重塑了 HAMi 的技术路线：从专注英伟达虚拟化扩展至全异构算力，从设备侧切分深入至 Kubernetes 控制面调度，进而支持多集群管理、可观测性及计量计费。张潇表示，这是一个个具体生产需求将项目推向完整基础设施的过程。
HAMi 之外，为什么还需要密瓜智能
随着应用场景深入，仅靠社区难以承担生产系统的全部责任。社区擅长汇聚通用需求，而企业生产环境需要稳定版本、故障响应、现场支持及明确责任主体。密瓜智能的成立，正是为了补上这一缺口。
李孟轩关注技术架构与社区边界，确保项目通用性；张潇则聚焦商业逻辑，回答为何客户愿意付费。密瓜智能确立基本边界：跨厂商兼容等通用能力进入开源主干，面向具体场景的生产保障、系统集成则由企业产品承接。
密瓜智能并非将 HAMi 闭源，而是建立责任主体。通过将项目交给 CNCF 保证中立性，同时成立公司集中资源确保持续维护，解决了开源项目的持续性与信任问题。
把 GPU 利用率变成一笔能算清楚的账
在大模型时代，算力成本高昂。密瓜智能位于驱动之上，通过池化与虚拟化屏蔽硬件差异。其核心价值在于经济账：通过细粒度切分与超卖策略，将单卡资源供给多个任务。数据显示，部分场景下 GPU 综合利用率可从不足 20% 提升至 40%-50%，企业版目标更是接近 70%。
不同用户诉求各异：银行关注承载能力与国产适配，互联网关注并发与成本，云厂商关注资源售卖率。HAMi 将设备转化为可编排资源，密瓜智能则将其转化为可量化的 ROI。只有当效率提升变为可计算收益，开源使用者才可能转化为付费客户。
没有哪项技术可以永久领先
面对开源商业化壁垒问题，张潇认为技术本身易被复制，真正的护城河在于生态位置与“真机验证”。AI Infra 组件更换成本高，客户倾向选择生态广泛、持续维护的项目。HAMi 聚集了多方厂商与用户，形成生态飞轮。
更关键的是繁琐的真机验证工作。新卡上线需真实环境测试，老旧设备需兼容回归，跨厂商问题需协调修复。这些“脏活累活”构成了难以复制的上下文经验：为何如此设计、哪些参数引发故障、如何在多厂商间协调。这正是密瓜智能不可替代的价值所在。
一个必要不充分条件
展望未来，李孟轩希望 HAMi 继续向下深耕设备驱动，向上保持中间件定位，不与上层平台竞争。张潇则 envision 建立类似 Linux 内核的开放层，核心技术回馈社区。
理想需经商业检验。AI 行业日新月异，创业公司面临多重压力。回顾初心，李孟轩自评“干得不错”，张潇则认为“差强人意”。HAMi 进入 CNCF 孵化验证了问题存在与生态基础，但密瓜智能仍需完成终极考题：在技术免费的前提下，证明团队能创造不可替代的商业价值。这或许是 HAMi 跨越下一道鸿沟的关键。
