环境信息： 硬件：8卡 DCU K100_AI (gfx928) 软件：Ollama (基于 llama.cpp)，ROCm/DTK 24.04/25.04 模型：deepseek-r1:32b (约 20GB 显存) 启动参数：ROCR_VISIBLE_DEVICES=0,1...7 现象： 运行 32b 模型时，发现只有 GPU 0 有负载（显存占用约 20GB，功耗较高），其余 7 张卡处于空闲状态。 问题： 默认行为确认：当单张 K100 (32GB) 显存足以装下模型时，Ollama/llama.cpp 是否默认不进行 Tensor Parallelism (TP) 切分，而是优先单卡运行以保证性能？ 强制多卡：如果我希望利用多卡算力加速推理（TP模式），是否有环境变量（如 LLAMA_SPLIT_MODE 或 OLLAMA_NUM_GPU）可以强制将模型切分到 8 张卡上运行？ 高并发部署：如果我想利用 8 张卡提升并发能力（每张卡加载一个模型副本），Ollama 是否支持自动分配？还是需要我手动启动 8 个 Ollama 实例绑定不同的卡？