青云以AI智算平台应对算力中心五大挑战

AI引发的算力需求到底有多大？各种预测数据虽然并不统一，但可以肯定的是AI和大模型又将带来新一轮的生产力的变革，在这个技术催生的市场变化中，企业的应用变得更加复杂，业态会更加丰富，底层架构单一的CPU或者GPU已经不能满足需求。总而言之，企业面临的技术和平台挑战将是空前的。

青云科技(qingcloud.com)CEO林源分析说：“从算力建设的角度去看，现在是算力集中建设的阶段。大量的算力中心如雨后春笋般出来，成本和技术是最大的挑战。如果说建设期就是盖机房、购买设备，那么中长期的运营则是更专业、更复杂的问题。这些问题都需要解决，青云也给出了自己的答案，这就是青云最新推出的AI智算平台。”

首先，解决行业多元资源统一调度管理的问题。

在AIGC领域，行业面临的普遍问题是大文本和大量行业数据加速，不同的资源需要统一平台进行管理。比如，一个影视渲染行业的用户，需要渲染一部大电影，他们可以通过青云的平台进行分发，即时构建环境调度需要用到的渲染资源。

在AI训练方面，用户通过开源的人类自然语言模型训练图片、数据，做模型微调，再加上自己的行业知识，也能通过青云统一的多源资源调度管理平台进行分发管理。

对于管理员来说，通过青云的平台，只要通过一个管理界面、一个大屏，就能看到其分布在全国的2000台资源，3000个存储节点等等，以最少的人力大大提升管理运维效率。

第二是解决AI应用的网络瓶颈。青云通过多种方式来解决网络瓶颈的问题。在高速组网方面，青云基于传统的云计算领域，增加了高速网络，并针对不同种类和型号的网卡做了网卡虚拟化和完全的子网隔离，以确保用户无论是按卡申请还是按节点申请，都能保证数据的安全隔离，保证用户之间不存在这种数据的风险。

在通信链路方面，这也是青云在AI算力调度平台着力最多的地方。青云将所有的节点、服务器、存储设备都做出了路径标签，设置最佳路径距离。通过算法，投入调度最短链路，计算最短链路，保证最好是两个节点在一个交换机内，这样不跨交换机，又减少一些数据的传输损耗。

针对AI训练，青云提供了在线训练平台。把高性能计算、GPU卡等汇集成起来，在专属的环境上，提供GPU服务器在线申请构建集群，所有的网络和环境都可一键生成。并且青云会根据行业内常用的模型和小工具，进行集成。同时，青云在每个区域都有一个小型的容器镜像中心，与镜像节点和推理服务进行内网连接，这使得训练过程更快，远比在公网上拉数据等要快得多。

第三，解决环境搭建的复杂性问题。算力中心面向众多的终端用户，这就注定了它的复杂性。在环境搭建方面，青云有两种方式为客户提供常用的镜像或者容器。

第四，解决多业务整合的瓶颈问题。青云目前已将更多的业务以松耦合的模式嵌入整合到青云云平台。

第五，解决运维平台的复杂管理问题。青云提供了更多的运营服务，尤其是算力中心服务。以国家超算济南中心为例，其后端团队，既要运维软件还要负责客户的各类运维问题，这就需要投入大量的人力还耗时耗力。青云通过一套运维平台，让其定价、打折、促销等，只需要在页面上点击按钮就可实现，而不再需要通过申请表的传统方式实现。