北京某生物医疗单位国产 AI 计算集群项目落地，助力蛋白质科研创新

项目需求

为满足蛋白质工程领域的高精度科研实验需求，需构建基于高性能 CPU 和 GPU 服务器的异构计算平台，支撑 AI 训练、推理及复杂科学计算分析。随着科研数据量的指数级增长，亟需解决以下问题：

痛点分析

当前实验室依赖多台桌面工作站进行 AI 计算，存在显著瓶颈：

解决方案

基于国产化技术路线，部署 ‌3 台管理节点+12 台计算节点+AI 异构资源管理软件‌ 的集群架构，实现以下功能：

‌项目价值‌：为生物医疗领域提供首个国产化 AI 集群标杆案例，推动蛋白质工程研究向智能化、高效化迈进。

基本规格如下：

-管理节点：双路 Hygon 5380 管理服务器 3 台；

-计算节点：双路 Hygon 7285 + 四路昆仑芯 R200-8F GPU 服务器 12 台；

-网络部分：24 端口千兆交换机 1 台，48 端口 25GbE 以太网交换机 1 台；

-集群附件：配备多台 42U 标准服务器机柜、PDU、KVM 显示器、UPS 不间断电源等设备；

-集群管理：LtAI 异构资源管理平台，搭建统一 AI 计算资源池，其平台的主要特性如下：

• 支持集群管理及资源池虚拟化，构建统一资源池；

• 支持 X86/ARM 芯片，兼容国产 AI 集群；

• 整体功能方面，支持容器管理、作业管理、镜像创建与管理、分布式存储管理、用户管理、数据处理标注、模型开发、作业建模、模型纳管、部署；

• 资源监控方面，支持集群详情查看，支持系统组件监控、CPU 监控；支持自动识别加速卡类别，并根据识别结果对加速卡信息进行自适应展示：

软件部署架构：

用户收益  

实验室在部署验收完成和半年的试运行后，用户对本次方案的使用情况和具体服务高度赞赏，其具体用户收益如下：

-计算能力上，原有单机 4 卡 18 年发行（FP32：53.6TFlops），现有性能（12 台 4 卡 R200-8F，单卡 FP32:32TFlops，总计 1.5PFlops）可达原有工作站 AI 训练理论性能的 28 倍以上，并且兼容 INT8/INT16，可以更广泛的应用到 AI 推理任务当中。

-平台使用方面，LtAI 异构资源管理平台，搭建统一 AI 计算资源池，按需分配对应的 AI 算力资源，解决AI计算资源孤岛问题；

-软件框架兼容方面，兼容 Tensorflow/Pytorch/pandle 等框架，代码无需修改，可无缝移植；

-大规模数据 AI 分布式训练方面，兼容 Horovod，MPI 等分布式调度方式，结合 25GbE 网络，极大的提升了训练效率。