息壤智算一体化

天翼云基于多个单集群万卡智算中心项目实践，整合原计算加速平台云骁、智算服务平台慧聚和算力服务平台息壤，从算力基础设施到算力平台一体化构建了基础大模型训练解决方案。

立即开通

咨询专家

立即开通

咨询专家

适用客户

既要大模型能力、有要求数据不出域、还要国产化可控的用户

无需自建复杂训推平台、希望开箱即用的政企与科研机构

有异构算力纳管与运营变现需求的地方智算中心、园区与算力运营用户

我们能帮您解决以下问题

性能和成本挑战

智算项目中，大模型训练推理耗费算力多，对性能要求高，算力利用率理论优化空间很大。常用的GPU、服务器价格高昂，单次训练、推理任务占用的成本高

稳定性挑战

大模型训练时间长、集群规模大、技术架构复杂，GPU、RDMA网卡、服务器、磁盘、内存等硬件故障，计算挂起、通信故障、梯度故障等软件故障，都会导致集群不稳定、业务中断

平台搭建挑战

智算平台集群构建复杂。以十几台服务器的小型集群为例，部署管理服务器，整合打通算存网，配置安全加固措施，可能需要2-3天的时间部署，人力投入和时间成本高

国产化适配挑战

国产化的场景，对智算集群的GPU、服务器、网络、操作系统、软件都提出了适配挑战，除了完成基本的国产化智算集群搭建，还需要持续优化国产化智算集群的性能与效率

息壤智算一体化的核心优势

两弹一优AIDC

底座由弹性DC模块舱、分布式磁悬浮制冷系统、一体化HVDC电源、智慧IDC平台等部分构成，采用能源弹性、制冷弹性、气流优化，具备成本极致、安全可靠、绿色低碳、高效智能四大优势

自研紫金系列基础硬件

推出自主可控、行业领先的紫金山JDM服务器，内置400G紫金DPU产品、紫金桥白盒交换机等设备，实现智算算力的弹性供给和云服务的高性能接入

超大规模异构算力集群

建设国内首个万卡全液冷智算集群，采用超大规模集群调度技术，异构算力统一管理和调度；超大规模集群加速技术，读写、存储、RDMA网络通信全面加速；超大规模集群运营管理，集群长稳运行

高效运维，快速排障

运维监控能力丰富，沉淀大模型场景百余种故障，训前软硬件一体化健康检查、训中流量路径观测、训练中断故障快速定位；慢节点检测，卡级的精准故障定位；Hash碰撞、拥塞时可用带宽不下降

多样化的解决方案应用场景

超大规模训练

行业模型训推一体服务

超大规模训练

通过异构算力统一纳管、跨域调度与并行文件系统加速，解决“万卡级集群难调度、数据读写慢、断点续训难”三大瓶颈、让千亿参数模型训得更快、更稳、更省

满足更大算力需求

一个万亿参数大模型训练至少单集群6000卡，配套同等规模亚毫秒延时的RDMA网络，训练中有PB级数据存取，这些都需要在算力层进行突破和解决

提供更高性能需求

解决训练中生成的checkpoint文件大，读写慢；大规模的分布式训练中算力、存储、网络协同难；性能问题导致大模型训练综合效率低等问题

支撑高高稳定需求

规避AI基础设施软硬件软件栈复杂，硬件故障率高，故障发现难，恢复慢，严重影响大模型训练效率等风险

天翼云产品，支撑您的各类上云业务场景

即刻开启，您的简单上云第一步

立即咨询

免费试用

息壤智算

应用商城

定价

合作伙伴

开发者

支持与服务

了解天翼云

息壤智算一体化

活动

息壤智算

应用商城

定价

合作伙伴

开发者

支持与服务

了解天翼云

息壤智算一体化