SemiAnalysis指出部分GPU集群健康检查存在逻辑死锁

SemiAnalysis于2026年9月29日发布了一段关于GPU集群健康检查的短视频。该机构指出，其进行的最基础测试是检查健康机制在纸面上是否可行，而结果令人担忧：多个被测试的集群方案在逻辑上根本无法工作。

视频内容显示，这些有缺陷的健康检查比没有检查更糟糕，因为它们会主动干扰正在运行的作业。以Amazon HyperPod Slurm为例，SemiAnalysis提到首次测试时发现一个健康检查需要节点先处于健康状态才能运行，但该检查本身又是将节点重新加入集群所必需的，从而形成了逻辑死锁。

SemiAnalysis表示，在整个测试过程中发现了大约五到十个此类例子，其中健康检查从未有机会成功执行。这一现象引发了对该类工具在交付给客户前是否经过严格实际测试的质疑。