标签： 算力调度

中科曙光作为中国高性能计算领域的领军企业，其最新推出的官方网站展示了算力服务网络智能调度方案的完整架构。该方案基于自主可控的异构计算资源池，通过深度学习算法实现算力负载的动态预测与实时分配，显著降低了数据中心运营成本。

核心功能与技术优势

该智能调度系统具备三大核心功能：多维度资源感知、自适应负载均衡和故障自愈机制。系统能够实时监测CPU、GPU、NPU等异构计算单元的利用率与能耗，结合历史数据建立预测模型。当检测到某一节点负载超过阈值时，自动触发任务迁移至闲置资源，整个过程对用户透明。

智能资源池化技术

通过虚拟化层将分散的物理算力整合为统一资源池，支持按需切片和弹性扩展。用户无需关心底层硬件细节，仅需通过API或Web界面提交计算任务，系统自动优化调度路径。

能耗优化算法

引入深度强化学习框架，在满足服务等级协议（SLA）的前提下，动态调整节点运行频率和电压，实测表明可降低数据中心PUE值达15%以上。

典型应用场景

该方案已在多个领域实现落地：

• AI大模型训练：为千亿参数级模型提供持续稳定的算力供给，将训练时间缩短30%；
• 科学计算：支持气象模拟、基因测序等大规模并行任务，资源利用率提升至92%；
• 云游戏渲染：毫秒级响应延迟，满足实时交互需求。

部署与使用流程

实施该方案通常分为三步：第一步，部署曙光自研的调度中心软件，与现有基础设施对接；第二步，通过图形化控制台设定资源策略和优先级；第三步，系统自动进入自适应优化阶段，运维人员可随时查看实时仪表盘。

值得注意的是，近期中科曙光与国内多家超算中心联合宣布，将该调度方案应用于新一代算力互联网建设，并计划于2025年开放部分源代码，推动行业生态共建。这一举措不仅提升了国产算力基础设施的智能化水平，也为“东数西算”工程提供了关键技术支撑。

在人工智能大模型与高算力需求井喷的当下，中科曙光凭借其在高性能计算领域二十余年的深厚积累，重磅推出中科曙光算力服务网络智能调度方案。该方案以“统一调度、弹性供给、绿色高效”为核心理念，致力于解决算力资源碎片化与供需错配的行业痛点。欢迎访问官方网站了解更多详情。

核心功能与技术架构

方案基于自研的智能调度引擎，实现跨地域、跨厂商的异构算力资源统一纳管。关键技术包括：

• 多级路由调度：支持CPU、GPU、NPU等异构算力节点的实时感知与动态路由，自动匹配任务类型与最优计算节点。
• 智能负载均衡：通过机器学习模型预测算力需求曲线，提前预判波动并弹性伸缩资源池，高峰时段响应延迟降低至毫秒级。
• 全栈安全隔离：基于安全容器与可信执行环境，保障多租户数据与模型训练的独立性与机密性。

核心优势

该方案在行业内率先实现了四大突破性优势：

1. 资源利用率提升60%以上

通过精细化碎片资源聚合与动态碎片整理，将数据中心平均资源利用率从行业平均的不足30%提升至90%以上。

2. 降低算力使用门槛

提供“算力即服务”模式，支持按需计费、分钟级交付，中小企业无需自建机房即可获取国家级算力支持。

3. 绿色低碳运营

智能调度算法融入PUE优化策略，在非峰值时段自动迁移负载至绿电比例更高的节点，单次训练任务碳排放平均降低35%。

典型应用场景

• AI大模型训练与推理：为千亿参数级模型提供多机多卡分布式训练调度，支持断点续训与自动容错。
• 科研计算与仿真：满足气象、基因、材料等领域的高通量计算需求，任务排队时间从小时级缩短至分钟级。
• 工业数字孪生：实时联动边缘算力，完成产线仿真与质量预测，时延低于100微秒。

如何使用

用户可通过曙光算力服务网络统一门户或API接口接入。具体流程：登录官网注册账户 → 提交算力需求（描述任务类型、算力规格、预期时长） → 系统自动匹配最优资源池并生成报价单 → 确认后自动部署环境并执行任务 → 任务完成后输出结果并生成计费账单。全程支持可视化监控与日志追踪。