智能算力集群的案例
中國電信聯合上海打造國內首個超大規模國產算力液冷集群
近日，中國電信上海公司聯合上海市徐匯區人民政府22日共同舉辦“算力惠模都萬兆連速城”人工智能公共算力服務產品發布會并啟動“大規模算力集群暨人工智能公共算力服務平臺”、啟用“雙萬兆接入暨一跳入算服務”，助推上海搶占全國算力發展制高點。
“大規模算力集群暨人工智能公共算力服務平臺”是全國首個國產單池萬卡液冷算力集群，該集群采用新一代國產人工智能（AI）算力，實現全棧自主創新和技術突破，通過高速遠程直接數據存取（RDMA）連接各物理機節點，提供低延時、高吞吐量、無損通信網絡和強大的并行計算能力，擁有目前規模最大的全國產液冷機房，多項技術指標領跑全國。2024年上半年，中國電信將在上海規劃建設算力規模到達15000卡，其中單池新建國產算力達10000卡，總算力超4500P（每秒一千萬億次浮點運算）。
位于上海市徐匯區的“模速空間”是全國首個大模型專業孵化和加速載體、大模型創新高地和生態集聚區。中國電信上海公司在“模速空間”啟用“雙萬兆接入暨一跳入算服務”，將為相關企業提供雙萬兆網絡和“一跳入算”服務，以及算力算網免費試用和優惠商用資費。中國電信上海公司總經理龔勃介紹，上海電信將與上海市徐匯區人民政府一起，共同推動“模速空間”成長為配套最好的、最具競爭力的大模型創新社區。
中國電信上海公司還發布一系列人工智能公共算力服務產品。“我們將公共普惠、創新領先的算力供給，算、存、運一體的綜合算力服務模式，全面賦能上海市人工智能產業生態。”龔勃說。
業界認為，隨著ChatGPT掀起人工智能發展新高潮，以AI為主要應用的智能算力成為未來算力增長點，支撐數字經濟蓬勃發展的重要底座。大模型參數量和訓練數據復雜性的快速增長，對智算系統提出大規模算力擴展需求。
展開 從 “算力供給” 到 “智能驅動”：Agentic HPC 開啟創新范式
隨著人工智能驅動方案的介入，下一次飛躍已然來臨——具備自主適應、優化與決策能力的系統，正不斷放大這份“隱形的創新力量”。
當資源配置與需求實現精準匹配時，高性能計算才能釋放最大價值。這不僅關乎算力供給的充足性，更核心的是在恰當的時間、以合理的成本，將合適的資源精準交付給對應的用戶或主體。唯有這些要素協同發力，高性能計算才能從“原始算力”轉化為“實際影響力”。
傳統高性能計算系統固然能提供強大的算力支持，但這一能力往往伴隨著極高的復雜性——需要專業知識儲備、持續的系統監控與動態調優，才能維持穩定性能。資源分配過程向來錯綜復雜，新用戶面臨陡峭的學習曲線，而適配多樣化工作負載的擴展操作更添一層難度。
計算領域的轉型變革
計算領域已發生根本性轉變：從傳統的通用型高性能計算工作負載，演進為大規模支撐人工智能、數據分析、仿真模擬及量子計算負載的全新形態。高性能計算的角色不再局限于通用算力供給，而是拓展為更廣泛的基礎支撐——為人工智能訓練、大規模數據分析，以及跨領域復雜問題的解決提供核心動力。這一轉型絕非單純的“設備提速”，更反映了市場對“適應性強、可擴展、智能化”計算能力的迫切需求。如今，高性能計算已從專屬工具，轉變為各行業探索創新、提升競爭力的核心基石。
當下的人工智能工作負載、海量數據集及日益復雜的業務問題，僅靠“漸進式進步”已難以滿足需求。高性能計算不僅要持續深耕幕后創新，更需進一步強化自身能力，以應對未來在規模、速度與智能化層面的更高要求。
展開 【開局2021】“算法、數據、算力”驅動人工智能三要素
云計算是互聯網中一切的基礎，為大數據對海量數據的處理提供了算力支持；人工智能或者說智能系統不僅在一定程度是上達到了對數據進行智能化、自動化的采集、表示、存取和處理，同時還能在各種不同的應用場景中完成特定的功能設定。大數據本質上是一種從海量數據中加工出有價值數據的處理技術，它用來處理智能設備產生的海量數據；5G作為互聯網中一條快速傳輸的通道，為快速、海量、多樣和低價值密度的數據提供了快速穩定傳輸的保障。
中國信息通信研究院發布的《全球人工智能戰略與政策觀察（2020）》報告稱，截至2020年12月，全球已有39個國家和地區制定了人工智能的戰略政策、產業規劃文件。人工智能對新經濟發展的驅動作用日益受到重視。
隨著算法的創新、算力的增強、數據資源的累積，傳統基礎設施將實現智能化升級，人工智能技術有望推動經濟發展全要素的智能化革新。截至2020年6月底，我國人工智能核心產業規模達770億元，人工智能企業超過2600家。
我國人工智能產業快速發展的同時，關聯產業也迎來巨大發展機遇。預計2021年，圍繞算法、數據和算力人工智能的三要素，人工智能產業鏈建設力度將持續增大。
《2020-2021中國人工智能計算力發展評估報告》指出，人工智能三要素中，算力成為驅動AI產業化發展的關鍵要素。服務器是人工智能基礎設施的核心。該報告顯示，我國人工智能基礎設施市場規模在2020年達到39.3億美元，同比增長26.8%。其中，AI服務器市場規模占整體人工智能基礎設施市場的87%以上。
但目前我國整體在人工智能算力基礎設施方面準備不足，體現在芯片端對外依賴較大，服務器市場國內企業份額有限。
在算力方面，相關行業對算力的需求將更為龐大。2021年我國5G通信網絡部署加速，數據的增長速度越來越快，人工智能訓練所需的計算量將進一步呈現指數增長。
展開 下載 | 2021中國智能汽車算力發展研究報告
下載 | 2021中國智能汽車算力發展研究報告
國內首款存算一體大算力芯片，瞄準智能駕駛！
為了幫助客戶更好的落地，后摩智能同步推出了基于鴻途 H30芯片打造的智能駕駛硬件平臺——力馭（Sailing，寓意早日揚帆起航）。僅依靠一顆H30芯片，力馭平臺的CPU算力高達200 Kdmips，AI算力高 256Tops，足夠支撐智能駕駛所有的傳感器。而且力馭平臺的功耗僅為85W，可采用更加靈活的散熱方式，實現更低成本的便捷部署。
基于鴻途H30芯片后摩智能自主研發了一款軟件開發工具鏈—后摩大道，支持 PyTorch、TensorFlow、ONNX等主流開源框架，編程兼容CUDA前端語法，同時支持SIMD和SIMT 兩種編程模型，兼顧運行效率和開發效率，進一步實現了鴻途?H30 的高效、易用。
目前后摩智能的鴻途H30芯片將于6月份開始給Alpha客戶送測。同時，后摩智能的第二代產品鴻途H50 已經在全力研發中，將于2024年推出，支持客戶 2025年的量產車型。
存算一體技術優勢已然顯現
當下，在各國都在爭搶加速進入人工智能時代的時間節點下，算力是AI技術角逐的源動力。然而持續緊張的地緣關系，國內在先進工藝采用方面的掣肘，使得國產算力的提速面對著多方面的難題，不僅是算力的需求，功耗也是行業所面臨的挑戰。此次后摩智能率先在存算一體大算力芯片上的突破，可以說用實際產品證明了存算一體技術的優勢和潛力。
計算效率高，工藝依賴度低：我們可以看到，后摩智能鴻途H30芯片，所采用的12nm的工藝并不是最先進的，但卻能達到超過200TOPS的算力。
展開 Cloudam云端，云上高性能算力平臺助力人工智能
人工智能的數據分析與預測往往需要進行大量的高性能計算，大規模的高性能計算則需要消耗大量的計算機時。云E算力平臺為人工智能提供的高性能計算一站式解決方案，全面使用閑置資源代替按量資源，將多個云資源整個成統一的獨享計算資源池，對于現有的云端異構資源進行合理化管理和分配。
云端Cloudam通過統一化的整合、管理資源，將現有資源的計算能力最優化。云E采用自動化數據上傳，充分利用帶寬，讓用戶快速上傳、海量下載數據，提高了傳輸效率。同時，自動化的部署集群能夠讓同一時間內無需所有機器都打開，除了任務運行時期需要讓云資源滿負荷外，在數據處理和數據上傳階段只需開啟部分機器，其他準備時間不需要開啟機器。
值得一提的是，任務完成以后會及時下載結果并自動釋放資源，防止資源的浪費。云E能夠自動監控用戶提交的任務數量和資源需求，動態的開啟、管理所需算力資源，在提升效率的同時有效降低成本。此外，用戶還可以根據自身需求，設置自動化調度集群規模上下限。若在實際操作中，遇上某個可用區資源暫時短缺的情況，云E會嘗試從別的區域開啟資源，或者選擇配置相近的實例來補充。
在這個案例中，我們可以看到，云E算力平臺確實有效的解決了算力需求不夠的問題以及資源管理復雜的問題，為有高算力需求的企業提供了統一化解決方案。
展開 行業熱點丨從 “算力供給” 到 “智能驅動”：Agentic HPC 開啟創新范式
隨著人工智能驅動方案的介入，下一次飛躍已然來臨——具備自主適應、優化與決策能力的系統，正不斷放大這份“隱形的創新力量”。
當資源配置與需求實現精準匹配時，高性能計算才能釋放最大價值。這不僅關乎算力供給的充足性，更核心的是在恰當的時間、以合理的成本，將合適的資源精準交付給對應的用戶或主體。唯有這些要素協同發力，高性能計算才能從“原始算力”轉化為“實際影響力”。
傳統高性能計算系統固然能提供強大的算力支持，但這一能力往往伴隨著極高的復雜性——需要專業知識儲備、持續的系統監控與動態調優，才能維持穩定性能。資源分配過程向來錯綜復雜，新用戶面臨陡峭的學習曲線，而適配多樣化工作負載的擴展操作更添一層難度。
計算領域的轉型變革
計算領域已發生根本性轉變：從傳統的通用型高性能計算工作負載，演進為大規模支撐人工智能、數據分析、仿真模擬及量子計算負載的全新形態。高性能計算的角色不再局限于通用算力供給，而是拓展為更廣泛的基礎支撐——為人工智能訓練、大規模數據分析，以及跨領域復雜問題的解決提供核心動力。這一轉型絕非單純的“設備提速”，更反映了市場對“適應性強、可擴展、智能化”計算能力的迫切需求。如今，高性能計算已從專屬工具，轉變為各行業探索創新、提升競爭力的核心基石。
當下的人工智能工作負載、海量數據集及日益復雜的業務問題，僅靠“漸進式進步”已難以滿足需求。高性能計算不僅要持續深耕幕后創新，更需進一步強化自身能力，以應對未來在規模、速度與智能化層面的更高要求。
Agentic HPC 的發展之路
試想這樣一種高性能計算：能夠持續自適應、自主優化、彈性擴展，以更高效率、更強韌性與更快速度，助力企業突破復雜性與人工干預的束縛，加速探索與創新進程。
展開 新聞︱神工坊受邀出席無錫人工智能產業園“AI賦能研發設計”主題活動，共探算力與AI時代下的CAE范式革新
</p><p> 在“AI+研發設計”場景案例分享環節，神工坊?創始人&CEO 任虎先生 以《算力與AI時代下的CAE》為題，向與會嘉賓分享了神工坊?<strong>在算力與AI時代下，如何通過超算與AI技術融合推動工程仿真發展。</strong></p><p><br></p><p><img referrerpolicy="no-referrer" crossorigin="anonymous" data-referrer-policy-set="true" src="https://pic-out.zhimg.com/v2-4e4eda383b114c70e8035e92e33ff8f8~resize:1440:q75.jpg?
展開 