你的 GPU 到底在忙什么？Windows 任务管理器只会冷冷地告诉你“15 GB 已用”，却不肯说这 15 GB 是被模型权重吃掉了，还是被浏览器、桌面合成器悄悄瓜分。2026 年 11 月 6 日，微软与 GitHub 副总裁斯科特·汉塞尔曼把答案做成了一个开源工具：gputaskman。它像 htop 一样钻进 GPU 内部，按进程把显存、温度、功耗、编解码活动和 PCIe 流量摊开给你看，还能认出你本地跑的大语言模型，告诉你每个模型的权重、KV cache 和计算缓冲各占了多少。
这不是微软官方产品，而是一个挂在汉塞尔曼个人 GitHub 账号下的开源项目。但恰恰是这种“个人项目”的身份，让它比任何官方工具都更直白地戳中了一个正在变大的痛点：当本地 AI 从极客玩具变成日常负载，操作系统却还停留在“显卡很忙，但不知道在忙什么”的盲盒时代。
现象：任务管理器给不了的进程级答案
gputaskman 的定位非常具体。它的 README 开篇就写着一句口号：“An htop for what's inside your GPU, not just how full it is.”（它是 GPU 内部世界的 htop，而不只是告诉你显存有多满。）紧接着是一段自问自答，几乎可以当作这个工具的诞生宣言：“Task Manager says '15 GB used.' This tries to answer: by what? Model weights? KV cache? Your browser? The desktop compositor? And why is so much GPU memory in system RAM?”
这四个问号，正是 Windows 任务管理器和英伟达监视器长期留下的空白。今天的 Windows 任务管理器固然能在进程列表里显示 GPU 占用，英伟达的 nvidia-smi 也能列出进程，但它们都只回答了“谁在用”，回答不了“用来干什么”——模型权重占了多少、KV cache 涨了多少、计算缓冲又是谁的。结果就是，一个在本地跑 Ollama 的用户看到显存红了，仍然不知道是哪个模型、哪一层缓存、哪个后台进程在吃资源。
gputaskman 试图补上这一层。它面向 Windows、Linux、WSL 和 Apple Silicon Mac 平台，以终端 UI 的形式，把每个进程的 GPU 显存占用和引擎活动，与已加载的运行时、映射的模型文件、LLM 缓冲细分对应起来。据 DoNews 报道，它能监控的指标还包括 GPU 使用率、显存、温度、功耗、编解码活动、PCIe 流量，以及对本地运行的大语言模型进程及其详细参数的识别。
从汉塞尔曼自己的动机也能看出这个需求的普遍性。2026 年 11 月 3 日，他在 X 上写道：“There's a lot going on in my GPU. I'm making a GPU Taskman to get insights to where my GPU memory is going.”（我的 GPU 里发生了太多事。我正在做一款 GPU Taskman，想搞清楚显存都去哪儿了。）三天后，工具开源发布。
为什么是现在，为什么是本地 AI
gputaskman 出现的时机并不偶然。两三年前，普通用户的 GPU 负载主要是游戏和渲染，来源单一，任务管理器的“总占用”基本够用。但过去一年多，本地大语言模型推理快速普及，Ollama、LM Studio、LLaMA.cpp 让在消费级显卡上跑大模型成为常态，Unsloth 一类的工具又把微调门槛压得更低。
负载一变，监控需求就变了。游戏占满显存是理所当然的，但本地 AI 是多进程、多运行时、多模型文件的混合体：一个推理请求可能牵动 Python 解释器、CUDA 运行时、模型权重文件、KV cache 增长，还可能和浏览器、桌面合成器共享同一块 GPU。这时候，“显存还剩多少”已经不够，用户需要知道“是谁、在干什么、还能撑多久”。
gputaskman 把范围划得很清楚：它只看本地 GPU 工作负载——决策模型、视觉、语音、LLM 推理、训练和微调、图形、视频都在范围内；CPU-only、NPU-only 和云端负载则不在范围内。这个边界本身就是一种判断：本地侧的 GPU 可观测性，已经到了需要一个专门工具来填补的阶段。
它能做什么，不能做什么
开源项目的诚实，往往体现在它对自己局限性的说明上。gputaskman 在 README 里明确写道：“Early, experimental software. Device and process counters are measurements; classifications and GGUF-derived breakdowns are estimates.”（早期实验软件。设备和进程计数器是测量值；分类和 GGUF 派生的细分是估算。）它还特意提醒：一个 PyTorch 或 CUDA 的 DLL 本身并不能识别一个模型，也不能证明某个进程正在训练；一个被映射的文件，也不等于该模型已经驻留在 GPU 上或被实际使用。
据 DoNews 报道，工具目前处于早期实验阶段，部分硬件下温度刷新存在延迟。这些说明不是客套，而是这类底层监控工具的真实处境：不同厂商、不同驱动、不同操作系统版本的接口差异极大，要做到跨平台、跨硬件的一致准确性，本身就是个深坑。
但这并不削弱它的价值。gputaskman 的模块划分已经相当完整：pdh.py 和 dxgi.py 负责 Windows 计数器和适配器枚举，linux.py 走 NVML 并处理容器 PID 匹配与 WSL 检测，macos.py 用 IOKit 和 libproc 做 Apple Silicon 上的按进程 GPU 时间与内存映射，nvml.py、adl.py、amdsmi.py 分别对应 NVIDIA 和 AMD 的设备读取，procinfo.py 做运行时与进程发现，stores.py 对接 Ollama、LM Studio、Hugging Face 的模型存储，gguf.py 解析模型元数据，llm.py 做 buffer 日志和本地服务器探测。
它不是套了个壳的 nvidia-smi，而是一套真正跨后端、能关联进程与模型的可观测性方案。发布形式也降低了尝试门槛：Releases 页面提供 windows-x64 和 windows-arm64 两个便携 ZIP，解压即用，不需要 Python、uv、CUDA Toolkit 或任何安装步骤。实测硬件包括 RTX 4080 SUPER、Windows ARM64 上的 RTX Spark N1X，以及 AMD Radeon 860M Graphics。
它也有明确的克制。README 写道：“This does not dump VRAM or enumerate a game's textures.”（它不 dump 显存，也不枚举游戏纹理。）这既是对能力的界定，也是对隐私和安全边界的自我约束——它看的是“谁在用、用了多少”，而不是“用的是什么内容”。
开源个人项目，为什么值得大厂关注
gputaskman 目前挂在汉塞尔曼的个人 GitHub 账号下，不是微软官方产品。但汉塞尔曼的身份让这件事多了几层意味：他是微软与 GitHub 副总裁，也是开发者社区里最有影响力的布道者之一。LinkedIn 资料显示，他自 2026 年 1 月起担任微软 VP、技术团队成员。
一个微软高管以个人名义开源这样一个工具，本身就是一种信号。它说明在微软内部视角里，Windows 端的 GPU 可观测性确实存在缺口，而这个缺口因为本地 AI 的普及正在被放大。X 上有用户看到这个项目后的第一反应是：“Now it makes me want that kind of information in the built-in task manager.”（这让我想要内置任务管理器里也有这种信息。）这句评论，可能就是微软产品团队最该听进去的一句话。
更大的背景是，GPU 监控正在从“开发者工具”变成“大众需求”。云侧有 Datadog 这类厂商推出 GPU 监控工具，帮平台工程和 ML 团队优化 AI 基础设施成本、避免过度采购；Yandex 开源了能节省 GPU 资源的 LLM 训练工具。而在用户本地这一端，gputaskman 填补的是一个更贴近日常体验的空位：我不是要优化集群成本，我只是想知道为什么我的笔记本风扇在狂转、显存为什么红了。
AI 时代的任务管理器，应该长什么样
gputaskman 还远未成熟。早期实验阶段、部分硬件温度刷新延迟、构建尚未签名、没有安装程序——这些都是它作为个人开源项目的现实约束。但它指出的方向是明确的：在 AI 负载成为日常的时代，操作系统级别的资源监控必须从“总量可见”进化到“进程级、用途级可见”。
短期内，gputaskman 更可能作为一个受欢迎的开源工具和社区标准存在，它的模块设计、GGUF 解析、模型商店对接，都可能被更多工具借鉴。长期看，真正的赢家应该是把它的能力吸收进操作系统的公司——无论是微软把这类视图做进 Windows 任务管理器，还是其他平台跟进。
对普通用户的建议很直接：如果你经常在本地跑大模型，gputaskman 值得现在就试用；它不需要安装，解压即用，能帮你第一次真正看清自己的 GPU 里发生了什么。对大厂产品团队的建议更直接：用户已经用脚投票了，他们想要的不是又一个 nvidia-smi，而是一个能回答“被谁用了、为什么”的任务管理器。
当 AI 从云端落到每个人的电脑里，操作系统欠用户的不只是一个数字，而是一份能看懂的账单。gputaskman 的意义不在于它已经有多完美，而在于它第一次把“我的 GPU 到底在忙什么”这个问题，摆到了任务管理器的桌面上。
快报