ModelScope 魔搭社区 AMD GPU 免费实例反复启动失败，长时间卡在“启动中”后自动关闭

一、问题描述

近期使用 ModelScope 魔搭社区提供的 AMD GPU 免费实例时，多次出现实例无法正常启动的情况。

点击启动后，页面提示“实例启动预计 2 分钟，请稍等”，但实际等待约 10 分钟后，实例仍未成功启动，反而自动关闭。

期间实例状态始终为“启动中”，没有进入“运行中”状态，也没有展示明确的启动失败原因。

多次重新尝试后，部分请求提示“资源繁忙”，部分请求则能够进入启动流程，但最终仍然自动关闭，无法正常使用。

二、运行环境

• 平台：ModelScope 魔搭社区
• 实例来源：PAI-DSW
• 实例类型：AMD GPU 免费实例
• CPU：23 核
• 内存：200GB
• GPU 显存：192GB
• 系统：Ubuntu 22.04
• ROCm：7.2.3
• PyTorch：2.12.0
• 预装镜像：ubuntu22.04-rocm7.2.3-py312-torch2.12.0-1.40.1
• 剩余 AMD GPU 免费额度：约 65 小时

目前该实例类型仅提供一个预装镜像，没有其他可选镜像用于排查。

三、复现步骤

1. 进入 ModelScope 魔搭社区免费实例页面。
2. 选择 AMD GPU 类型。
3. 保持默认实例来源及预装镜像。
4. 点击启动实例。
5. 页面显示“实例启动预计 2 分钟”。
6. 等待约 10 分钟，实例始终处于启动中状态。
7. 最终实例自动关闭，未能正常进入开发环境。

四、实际结果

• 多次出现“资源繁忙”提示。
• 部分启动请求被接受，但始终卡在“启动中”。
• 等待时间明显超过预计的 2 分钟。
• 约 10 分钟后实例自动关闭。
• 页面未明确说明关闭原因。
• 重试多次，问题依旧存在。

五、预期结果

1. 实例能够在合理时间内正常启动。
2. 如当前 GPU 资源不足，希望平台明确提示资源不足，而不是进入无法完成的启动流程。
3. 如启动失败，希望展示具体错误原因，例如资源调度失败、镜像初始化异常或节点故障。
4. 希望提供可查询的启动日志，便于用户自行判断问题。
5. 如相关免费算力暂时无法使用，希望平台明确告知服务状态。

六、已经尝试的方法

• 多次重新启动实例。
• 等待超过页面预计的启动时间
• 在实例自动关闭后重新申请
• 检查免费额度，确认仍有充足的剩余额度
• 检查镜像选项，确认当前仅提供一个预装镜像，无法切换测试

以上操作均未解决问题。

七、希望官方协助确认

1. 当前 AMD 192GB 免费 GPU 资源池是否存在资源不足或调度异常？
2. 实例长时间停留在“启动中”后自动关闭，是否属于后台启动超时？
3. 是否可以提供实例初始化失败的具体日志或错误代码？
4. 当前预装镜像是否存在已知的启动兼容性问题？
5. 是否存在相关故障公告或预计恢复时间？

免费实例虽然不一定能够保证随时有可用资源，但希望平台至少能够准确反馈资源状态和启动失败原因，避免用户反复申请、长时间等待，却始终无法正常使用

希望官方能够协助排查，谢谢