典型案例 CONTENTS 加入星球获取更多更全的数智化解决方案 智算中心是以 GPU 、 AI 加速卡 [1] 等智能算力为核心、 集约化建设的新型算力基础设施，提供软硬件全栈环境， 主要承载模型训练以及适合中心推理、多媒体渲染等业务，支撑各行业数智化转型升级 具有较强的普适性，可服务于 toB/toC 适合有智能化转型需求行业，如自动驾 驶、智慧城市， toB 为主 专用性强，主要面向地球物理、分子力 专用性强，主要面向地球物理、分子力 学等基础学科以及军工研究 注 [1] ：行业中 GPU 是一个较为泛化的概念，从功能角度划分， GPU 特指具备图形渲染能力的硬件， AI 加速卡特指用于 AI 推理或训练的硬件。本材料主要针对 AI 加速卡进 行分析 TaaS 是指 TensorFlow asa Service ，深度学习平台及行业大数据解决方案 智算中心定义 建设目的 应用领域 主要特征 智算中心典型需求场景 智慧电网 智慧油田 遥感测绘 新闻、视频、购物 App 内容推荐 金融、通信、物流 客服 风险分析 精准营销 AI 主要应用场 景 多媒体渲染 模型训练 智慧医疗 自动驾驶 智慧运营 科研应用 AI+ 视频 元宇宙 智能客服 推荐 智慧金融 智慧能源 第 5 页 l 场景： 利用无人机搭载高清摄像 头采集输电线路影像，

《关于促进全国一体化算力网络国家 ( 贵州 ) 枢纽节点建设的若干激励政 策》 建设支持：奖励新建算力中心 ，发放“贵州算力券 ”， 打造算力高地。【申请 “贵州算力券” 800 万】 数据流通： 归集数据集 ，建设训练基地 ，奖励数据交 易 主体。 产业发展：培育产业生态 ，发展云服务 ，汇聚算力资源。 场景开放：推广典型案例 ，奖励优秀应用项目。 主体培育：打造产业链 ，奖励落户企业 ，落实税收优惠。 频理 解等 ）参数超 1 万亿 。 • 采用 AllReduce 协议， 每台服务器传 输 ≈ 7GB 数据 ， 400G 网络（ 50GB/s ）耗时 < 0.14 秒 ，满足 训练效率 • 架构支持 3 年内算力翻倍 (≈300 台 GPU 服 务器 ) ，无需重构网络 ，满足“东数西渲 ” 业务量增长的算力弹性需求 • 承接 10 部院线电影、 50 优先部署 GPU 服务器 + 交换机 ，存储 复 用 政务云 数据中心剩余容量 “ 渲染 + AI” 双盈 利 双机热备 + 冗余网络 超微算力 + 华三 网络 多模态大模型 训练 架构支持弹性 扩展 • 支持软件定义算力 ( 容器化调度 ) ，切入 AI 推理 ( 智慧城市视频分析、工业质检 ) • 指标： MTBF( 平均无故障时间 )>10 万

以产业创新 升级为目标 智能计算中心主要内涵及功能定位 算 力 数 据 和算法的 融合平台 算力公共 基础设施 产业创新 聚集平台 算力生产 供应平台 生态成熟 计算架构 AI 训练服务器 AI 推理服务器 算力机组 算力芯片 算力生态 算力输出 CPU 最新 人工智能理论 领先 人工智能计算架构 AI 推理算力 AI 训练算力 Benchmark 模 型文 件 在 线服 务 开 发接 口 高吞吐 推 理引 擎 AI 产业 化 产业 AI 化 语音 数据处理服务 开发训练服务 模型推理服务 强大 高效 易用 生 产 算 力 服务 平台 语 音 交 互 语音交互算法的训练语料数据量将很快突破百万小时 ，训练数据包含大量不同用户的口 ，涉及农林渔牧副各产业的多种数据。 针对农林渔牧副产业的不同特点 ，个性化定制智能解决 方案变得尤为重要。需要有配套的智算中心作为支撑， 实现农林感知数据的大规模存储 ，借助强大的算力支持 农林数据的高效计算、训练和推演 ，最终实现快速和智 能化的农林生产决策 智 慧 物 流 智慧物流产业的发展需要应用先进的 AI 算法、软 硬一体的机器人产品与操控系统和整仓集成的完整生态。 通过 AI 技术从图像和视频数据里获得高层次、可理解的

智算中心 算力基础——寒武纪自主研发设计的人工智能芯片 寒武纪人工智能软件开发环境 采用端云一体的智能处理架构 可同时支持寒武纪端、边、云全系列产品 在云端 开发调试调优推理训练 在终端 快速部署 Cambicon Neuware · 南京麒麟科技创新园投资建设的重大算力基础设施 · 寒武纪联手浪潮共同打造 · 智能计算服务、交叉研究和产业创新三位一体 · 立足南京、面向长三角、辐射全国 智能数据中心 模型市场 项目合作研发 智能计算展厅 训练平台 智能社区平台 云边一体 教 育 云 智 慧 城 市 工 业 视 觉 智 边缘智能计算 loT 物联设备 Docker 容器化 训练推理系统 智能板卡管理插件 Kubernetes 容器编排 系统 Ceph 分布式存储 口罩检测良品 鼻梁条缺失 异物、污点检测 耳带长度检测 工业制品检测 云端智能计算平台 边缘智能计算平台 电路板检测 终端用户 训练层 数据管理 用户管理 算法定制 推理层 模型管理 云端管理 算法商城 场景管理 边缘管理 应用层 中间层 管理层 整 体 框 图 AiC D 产业发展——工业视觉检测智能处理中

用人工智能”的跃迁；同时，也是计算机技术在自 然语言方向研究的一次重大突破。 3. 不得不谈的“ChatGPT” ChatGPT 这个词是由两部分组成的，我们首先来看“GPT”，它是“生成型预训练变换模型 （Generative Pre-trained Transformer）”的缩写，是一种可以执行较为复杂任务的语言模型，如： 回复问题、生成文章和程序代码，或者翻译文章内容等。而 ChatGPT 通常是指具有数百万到数十亿参数的神经网络模型。这些模型需要大量的计算资源和存储空间来 训练和存储，并且往往需要进行分布式计算和特殊的硬件加速技术。大模型的设计和训练旨在提 供更强大、更准确的模型性能，以应对更复杂、更庞大的数据集或任务。大模型通常能够学习到 更细微的模式和规律，具有更强的泛化能力和表达能力。 大语言模型是一种基于深度学习技术的大型预训练神经网络模型，深度学习指的深度神经网 络模型，是人工智能的分支 “AIGC”才是“王者” 人工智能生成内容（Artificial Intelligence Generate Content，简称 AIGC）是指可生成全新 内容的人工智能技术。AIGC 可以基于训练数据和生成算法模型，自主生成创造新的文本、图像、 音乐、视频、3D 设计等各种形式的内容和数据。 AIGC 作为一种新型的内容生产方式，被视为继 PGC（专家生成内容）、UGC（用户生成内容）

国家数据基础设施技术路线发展研究报告 化的数据标注与合成技术正成为海量非结构化数据成为高质量数据集的关键核心技术。第二个方向是向深度拓展，即从公域 数据领域向私域数据领域拓展。随着人工智能大模型的快速发展，全球可供大模型训练的公域数据即将耗尽，而原先由于涉 隐涉密（国家机密、企业秘密、个人隐私）而被尘封的海量私域数据，正在成为人工智能高价值数据集的重要数据源。传统 意义上的不可流通数据将随着隐私计算、区块链、智能合 （3）联邦学习 联邦学习是一种创新的机器学习框架。它是一种分布式机器学习方法，允许多个参与者在不共享原始数据的情况下共同 训练模型。这种方法在保护数据隐私的同时，利用多方数据进行模型训练，适用于数据孤岛场景，使企业能够在保护用户隐 私的同时，使用分散的数据源进行模型训练。在Google Cloud的架构中，联邦学习嵌入整个数据处理流程，与BigQuery和 EDC紧密配合。当服务提供商利用E Quick- Sight生成商业智能仪表板。用户可以利用Amazon SageMaker提供的服务来实现机器学习和数据检索，使用Amazon SageMaker，用户可以通过在数据空间的更大组合数据集上训练模型来运行预测分析。用户通过使用AWS身份和访问管理 （IAM）、AWS密钥管理服务（AWS KMS）、AWS Lake Formation、AWS控制塔等服务来实现对数据的控制和访问。用户 可

中国电子院 A 奥意建筑 三方 应用 HARIX RDK 可视化蓝图及 多语言编译器与 多平台开发 IDE 大世界构建工 具 机器人构建工具 深度学习训练平 台工具 动作舞蹈表情 采编工具 数字人构建工具 训练师真身 安全监控 在环干预 应用层 框架层 服务层 核心层 HARIX 应用技能集 多模态交互技能 个性化聊天 移动抓取 双臂协作 容器化 元 宇 宙 应 用 深度 学习 训练 平台 服务 硬件 实 施 层 机器人 云渲染 loT 联动 仿真推演 三维重建 导航规划 语义知识库 大世界 网格化服 务 机器人操作系统架构 系统 应用 跟我来 带我去 系统设置 场景角 色应用 运营大屏 训练师工作站 安全运营中心 数据标注 多模态交互 操作增强 服务器计算资源池

超大规模AI计算框架LMS，可实现单GPU超大算力支撑，支 持70亿参数的NLP智能语言模型训练，相比主流Bert模型参 数量提升20倍。 第 二 是 聚 合 算 力 。 在 训 练 方 面 ， 浪 潮 优 化 了 TensorFLow框架，在全球首次实现在512个GPU卡上90%的 扩展效率，打破Imagenet训练时间全球最快纪录；在推理 方面，针对高并发推理集群进行架构优化，构建了高性能 的NVMe存储池，深度优化了软件栈，性能提升了3.5倍以 上。 第三是调度算力。浪潮AIStation 计算资源平台支持AI 训练和推理，可以提供AI模型开发和部署一站式交付，是 业界功能最全的AI管理平台，赋能更多的创新者。 最后是释放算力。浪潮自动机器学习平台AutoML Suite ，可自动建模、自动模型压缩、自动超参调整，降低 AI应用门槛，快速落地进化AI。同时，它还支持本地化和

25%：25%：50%。由于各个阶段的设计任务书不同，具 有不同的特点，其中方案设计多为创意构思，以效果图的方式呈现，对方案的精 度以及细节要求较低，此阶段可以通过大量的历史数据对 AI 算法进行训练，而后 通过输入指定的参数或要求，快速生成多个设计方案，从而极大提高方案设计阶 段的效率；初步设计是在方案设计基础上，进行方案细化，对设计师的经验依赖 程度较高；施工图设计是对初步设计各子项进行详细设计，AI AI+设计产品典型应用 ➢ AI ROAD 交通快速方案设计系统 AI ROAD 是华设集团控股子公司江苏狄诺尼发布的一款基于人工智能技术的交 通市政方案设计软件，基于 AIGC 模型进行训练，初步形成了交通市政设计领域 的 AI 内容生成能力。目前在路线和立交设计中得到应用，初步能够提升方案设计 效率 7～8 倍，提升整体工作的综合效率 20～30%。2023 年 2 月，AI ROAD 院整理 ➢ TransBIM 施工图智能生成 第三维度开发的 TransBIM 平台能将输入参数转化为 BIM，经过可行性分析，一 键生成施工图。AI 基于强大学习能力，经过海量模型训练，实现自动制图，大幅 提升设计效率。用 3～7 天便可以交付建筑施工图、结构施工图、给排水施工图、 暖通施工图、电气施工图等全套图纸。根据第三维度官网数据，通过 TransBIM 设 计，协同效率可以提升