与趋动科技对比

TensorFusion 与趋动科技 OrionX 在许可、使用方式和公开功能上的差异，以及各自适合的场景

OrionX 是趋动科技（VirtAI Tech）的 GPU 池化软件。在本系列对比的产品里，它和 TensorFusion 的定位最接近：两者都为容器切分 GPU，也都能让应用通过网络使用另一台机器上的 GPU。最明显的区别在许可方式和工作负载申请 GPU 的写法：OrionX 是闭源软件，提供免费的社区版；TensorFusion 的控制面是开源的。

和本系列的其他产品相比，OrionX 公开的技术细节较少。本页标注“公开文档未说明”的地方，表示我们没能从趋动科技官网和公开手册里确认，选型时请向厂商核实。

一览

	TensorFusion	趋动科技 OrionX
许可	controller、调度器、hypervisor 为 Apache 2.0；各厂商 limiter 库以及远程 client 与 worker 不开源。	闭源。有免费的社区版和商业版。
运行环境	Kubernetes Pod；宿主机到虚拟机的用法另有一套安装方式。	厂商资料称支持容器、虚拟机和裸机。
加速卡	NVIDIA，以及支持部分模式的华为昇腾、摩尔线程、阿里 PPU。	厂商资料称支持多厂商芯片，官网没有公开列表。
Pod 如何申请 GPU	在 Pod 模板上加标签和注解，或引用 `WorkloadProfile`。	在容器里设置环境变量，申请扩展资源，并使用 OrionX 的调度器。
资源单位	算力用 TFLOPS 或百分比，显存用 `Mi`、`Gi`；请求和限额分开设置。	vGPU 个数、每个 vGPU 的显存（MiB），以及占单张 GPU 算力的百分比。
通过网络远程使用 GPU	支持，以 NVIDIA GPU 为主，见支持矩阵。	支持。
硬件分区	`partitioned` 模式：NVIDIA MIG 和昇腾 vNPU。	公开文档未说明。
超额分配	按资源池设置：算力超卖倍数，以及主机内存、磁盘计入可调度显存的比例。	厂商宣传资料提到显存超分，公开手册未说明。
调度	基于 kube-scheduler 的自有调度器：紧凑装箱或负载均摊、GPU 拓扑感知、Gang 调度、命名空间配额、四级 QoS。	自带 vGPU 资源调度器，调度策略公开文档未说明。
自动伸缩	根据用量调整 GPU 请求与限额；通过 Karpenter 或云厂商 API 增减 GPU 节点。	公开文档未说明。
热迁移	商业版功能，不在开源版本里。	厂商发表过 GPU 热迁移的文章，各版本是否提供公开文档未说明。
可以阅读的源码	调度器、controller、hypervisor 和 NVIDIA limiter。	无。

主要差异

许可与开放程度

OrionX 的两个版本都是闭源的。社区版免费，商业版价格没有公开。

TensorFusion 的 controller、调度器和 hypervisor 开源，调度和分配的决策逻辑可以直接阅读，也可以修改。远程 GPU 的 client 和 worker 不开源，这一点和 OrionX 一样。见许可。

申请 GPU 的方式

按照 OrionX 的 Kubernetes 手册，工作负载要在容器里设置环境变量、申请扩展资源，并指定调度器。手册的示例还在 Pod 上设置了 hostIPC: true。

TensorFusion 把 GPU 相关的设置放在 Pod 模板的 metadata 里，容器部分不用改，调度器由 webhook 设置。

与 Kubernetes 的集成

TensorFusion 用 Kubernetes 自定义资源描述资源池、节点、GPU、配额和工作负载，并通过 Karpenter 或云厂商 API 管理 GPU 节点容量。OrionX 的公开手册覆盖了在 Kubernetes、Rancher 和 OpenShift 上的部署，没有提到对应的节点管理能力。

申请 GPU 的写法

OrionX，写法取自它公开的 Kubernetes 手册。手册对应的版本较旧，变量名请以你使用的版本为准：

spec:
  schedulerName: orion-scheduler
  hostIPC: true
  containers:
    - name: app
      image: pytorch/pytorch:2.6.0-cuda12.4-cudnn9-runtime
      env:
        - name: ORION_VGPU      # vGPU 个数
          value: "1"
        - name: ORION_GMEM      # 每个 vGPU 的显存，单位 MiB
          value: "4096"
        - name: ORION_RATIO     # 每个 vGPU 占单张 GPU 算力的百分比
          value: "50"
        - name: ORION_RESERVED
          value: "0"
        - name: ORION_CROSS_NODE
          value: "0"
        - name: ORION_GROUP_ID
          valueFrom:
            fieldRef:
              fieldPath: metadata.uid
      resources:
        limits:
          virtaitech.com/gpu: 1

TensorFusion：

metadata:
  labels:
    tensor-fusion.ai/enabled: "true"
  annotations:
    tensor-fusion.ai/compute-percent-request: "25"
    tensor-fusion.ai/compute-percent-limit: "50"
    tensor-fusion.ai/vram-request: "4Gi"
    tensor-fusion.ai/vram-limit: "4Gi"
spec:
  containers:
    - name: app
      image: pytorch/pytorch:2.6.0-cuda12.4-cudnn9-runtime

全部注解的说明见创建工作负载。

怎么选

以下情况选 OrionX：

需要用同一个产品在容器、虚拟机和裸机之间共享 GPU。
使用的加速卡 OrionX 支持而 TensorFusion 不支持。具体列表请向厂商确认。
免费的社区版已经够用，并且不需要看源码。

以下情况选 TensorFusion：

希望能阅读、审计或修改调度器和 controller。
工作负载都在 Kubernetes 上，希望 GPU 设置只写在注解里，不改容器部分。
需要请求与限额分开设置、QoS 等级、命名空间配额或 Gang 调度。
需要在云上自动增减 GPU 节点。

OrionX 的很多行为没有公开文档，无论倾向哪一个，都建议先用自己的工作负载做一次概念验证再决定。

参考资料

核对时间为 2026 年 10 月：

趋动科技官网：产品版本与介绍。
OrionX 用户手册：Kubernetes 部署、环境变量、资源名。

一览

	TensorFusion	趋动科技 OrionX
许可	controller、调度器、hypervisor 为 Apache 2.0；各厂商 limiter 库以及远程 client 与 worker 不开源。	闭源。有免费的社区版和商业版。
运行环境	Kubernetes Pod；宿主机到虚拟机的用法另有一套安装方式。	厂商资料称支持容器、虚拟机和裸机。
加速卡	NVIDIA，以及支持部分模式的华为昇腾、摩尔线程、阿里 PPU。	厂商资料称支持多厂商芯片，官网没有公开列表。
Pod 如何申请 GPU	在 Pod 模板上加标签和注解，或引用 `WorkloadProfile`。	在容器里设置环境变量，申请扩展资源，并使用 OrionX 的调度器。
资源单位	算力用 TFLOPS 或百分比，显存用 `Mi`、`Gi`；请求和限额分开设置。	vGPU 个数、每个 vGPU 的显存（MiB），以及占单张 GPU 算力的百分比。
通过网络远程使用 GPU	支持，以 NVIDIA GPU 为主，见支持矩阵。	支持。
硬件分区	`partitioned` 模式：NVIDIA MIG 和昇腾 vNPU。	公开文档未说明。
超额分配	按资源池设置：算力超卖倍数，以及主机内存、磁盘计入可调度显存的比例。	厂商宣传资料提到显存超分，公开手册未说明。
调度	基于 kube-scheduler 的自有调度器：紧凑装箱或负载均摊、GPU 拓扑感知、Gang 调度、命名空间配额、四级 QoS。	自带 vGPU 资源调度器，调度策略公开文档未说明。
自动伸缩	根据用量调整 GPU 请求与限额；通过 Karpenter 或云厂商 API 增减 GPU 节点。	公开文档未说明。
热迁移	商业版功能，不在开源版本里。	厂商发表过 GPU 热迁移的文章，各版本是否提供公开文档未说明。
可以阅读的源码	调度器、controller、hypervisor 和 NVIDIA limiter。	无。

spec:
  schedulerName: orion-scheduler
  hostIPC: true
  containers:
    - name: app
      image: pytorch/pytorch:2.6.0-cuda12.4-cudnn9-runtime
      env:
        - name: ORION_VGPU      # vGPU 个数
          value: "1"
        - name: ORION_GMEM      # 每个 vGPU 的显存，单位 MiB
          value: "4096"
        - name: ORION_RATIO     # 每个 vGPU 占单张 GPU 算力的百分比
          value: "50"
        - name: ORION_RESERVED
          value: "0"
        - name: ORION_CROSS_NODE
          value: "0"
        - name: ORION_GROUP_ID
          valueFrom:
            fieldRef:
              fieldPath: metadata.uid
      resources:
        limits:
          virtaitech.com/gpu: 1

TensorFusion：

metadata:
  labels:
    tensor-fusion.ai/enabled: "true"
  annotations:
    tensor-fusion.ai/compute-percent-request: "25"
    tensor-fusion.ai/compute-percent-limit: "50"
    tensor-fusion.ai/vram-request: "4Gi"
    tensor-fusion.ai/vram-limit: "4Gi"
spec:
  containers:
    - name: app
      image: pytorch/pytorch:2.6.0-cuda12.4-cudnn9-runtime

全部注解的说明见创建工作负载。

怎么选

以下情况选 OrionX：

需要用同一个产品在容器、虚拟机和裸机之间共享 GPU。
使用的加速卡 OrionX 支持而 TensorFusion 不支持。具体列表请向厂商确认。
免费的社区版已经够用，并且不需要看源码。

以下情况选 TensorFusion：

希望能阅读、审计或修改调度器和 controller。
工作负载都在 Kubernetes 上，希望 GPU 设置只写在注解里，不改容器部分。
需要请求与限额分开设置、QoS 等级、命名空间配额或 Gang 调度。
需要在云上自动增减 GPU 节点。

OrionX 的很多行为没有公开文档，无论倾向哪一个，都建议先用自己的工作负载做一次概念验证再决定。

参考资料

核对时间为 2026 年 10 月：

趋动科技官网：产品版本与介绍。
OrionX 用户手册：Kubernetes 部署、环境变量、资源名。

一览

主要差异

许可与开放程度

申请 GPU 的方式

与 Kubernetes 的集成

申请 GPU 的写法

怎么选

参考资料

目录

与趋动科技对比

一览

主要差异

许可与开放程度

申请 GPU 的方式

与 Kubernetes 的集成

申请 GPU 的写法

怎么选

参考资料

目录