NVIDIA A100 80GB
8 卡节点 · CUDA 12.2 · 团队共享队列
矩池云同款体验 · 用在本地资源
用本地资源，搭建只服务你团队的矩池云
帮拥有本地 GPU、集群、存储和数据资源的团队，把分散资源统一管起来，成员像用矩池云一样直接开机用，管理员用 AI agent 看住运维和日常管理。
本地资源池
私有研发云 / 上海实验室
14:32:08
最近同步
- 运行主机
- 2 / 3台
- 可用 GPU
- 11 / 18张
- 活跃成员
- 5人
资源状态可用卡数
NVIDIA H800 80GB
高性能训练资源 · 项目组预约使用
RTX 4090 24GB
推理与调试资源 · 空闲优先调度
Core promise
把团队已有的资源，变成随手可用的算力
矩小池把分散在不同机器上的 GPU、集群、存储和数据集统一纳管，让成员像使用矩池云一样，直接查看、申请和开机使用本地资源。
统一资源目录
把分散在不同机器上的 GPU、集群、存储和数据集统一纳管，团队从一个入口使用。
团队权限边界
按实验室、项目和成员角色分配权限，共享资源的同时保持边界清晰。
镜像与环境
沉淀常用镜像和开发环境，减少环境交接、重复配置和管理员支持成本。
数据留本地
适合对数据访问、权限边界和本地化管理有要求的团队和组织。
Agent 运维
管理员可以围绕资源状态、异常发现和日常管理动作获得 AI agent 辅助。
Resource cockpit
把资源变成一个可统一使用的平台
真正的问题通常不在资源是否存在，而在资源是否有统一入口、是否能服务内部成员、是否能被低成本地稳定管理。
01
注册主机把本地 GPU 服务器或集群接入矩小池。
02
注册网盘存储接入本地存储，集中管理数据与镜像。
03
邀请成员邀请团队成员，按角色分配权限。
matpool.local
readyagent/
01
instructions.md
资源纳管规则
02
resources.ts
发现 GPU / 存储
03
policy.md
成员权限边界
04
tools/
host register
resources
9 / 18 GPU
3 volumes
5 members
agent output
prepare workspace from local resources
Local control
数据留在本地环境，使用体验接近矩池云
矩小池更适合对数据访问、权限边界和本地化管理有要求的团队。资源仍在本地，成员使用入口、权限和运维方式变得更统一。
成员身份
实验室成员、企业内部团队按角色进入
资源策略
GPU、存储、镜像和数据集按团队规则分配
本地边界
资源和数据继续保留在团队自己的本地环境中
管理记录
资源接入、成员使用和运维动作持续可追踪
运维与管理记录记录资源接入、成员使用和 agent 提示
audit/loglive
主机资源已注册
本地 GPU 服务器纳入统一管理
网盘存储已接入
团队共享数据和镜像集中管理
Agent 完成资源巡检
发现空闲 GPU 并提示管理员处理
成员权限已同步
新增研发成员完成角色绑定
空闲资源已回收
释放训练任务占用的闲置显卡
主机资源已注册
本地 GPU 服务器纳入统一管理
网盘存储已接入
团队共享数据和镜像集中管理
Agent 完成资源巡检
发现空闲 GPU 并提示管理员处理
成员权限已同步
新增研发成员完成角色绑定
空闲资源已回收
释放训练任务占用的闲置显卡
signals
实验室团队
管理课题组 GPU 与存储资源，共享资源但保持边界清晰，降低申请与环境交接成本。
课题组 GPU共享存储边界清晰
企业内部团队
统一纳管企业自有算力与集群，服务研发成员直接使用，减少平台团队重复支持投入。
自有算力成员直用减少支持
Get started
三步，即可开始使用矩小池
不需要复杂部署，按下面三步把资源和成员接进来，团队就能马上用起来。
01
注册主机
把本地 GPU 服务器或集群接入矩小池。
matpoolite host register --zone lab-a10002
注册网盘存储
接入本地存储，集中管理数据与镜像。
matpoolite volume attach /data/team03
邀请成员
邀请团队成员，按角色分配权限。
matpoolite workspace publish