结论先行：多团队共享GPU实例靠用户隔离和任务调度实现，但不建议关键生产任务共享。共享适合开发测试，生产环境各用各的。
一、共享方式
同一实例创建不同Linux用户，各自conda环境。用nvidia-smi看GPU利用率，谁在用一目了然。任务排队用tmux或slurm调度，避免同时跑两个大任务把显存占满。
二、避免冲突
每人分配独立工作目录，不要互相覆盖文件。训练任务用screen后台跑，不要前台阻塞。显存不够时先协商，不要硬抢。
三、什么时候不该共享
生产推理服务不能共享，别人跑个大训练会把你服务挤崩。关键训练任务不要共享，跑到一半被别人抢占前功尽弃。
四、成本分摊
多人共享一张卡，成本分摊后每人每月几百元，比各自租卡便宜。但要约定使用规则，否则反而因为互相干扰浪费更多时间。
补充：共享实例前先约定使用规则，写在团队文档里。谁什么时候用、跑什么任务、显存怎么分，提前说清楚。否则互相干扰反而更浪费。
需要多规格GPU实例供团队共享，可在GPU算力平台选择多卡实例。
