1815万元，中远海运AI算力大单东方有线中标

项目概况：

在2023年已经建设的MVP****中心基础上，扩容国产AI算力20P和配套算力网络，构建算力集群，满足集团航运物流大模型及各级单位的人工智能应用建设需求，支撑****中心全面建设。

项目背景：

基于“十四五”集团数字化转型规划总体思路，****集团在航运人工智能建设方面，主要以业务、客户、技术为驱动，将传统航运管理手段与新型信息技术相融合，以云、网、算力、数据、模型和服务为行业人工智能的发展基础，通过示范应用实现人工智能技术在产业的落地，形成国家/行业/团体标准，从而逐步拓展为行业提供智能化升级、数字化转型、创新融合等智慧化服务，同时，推动航运产业人工智能的生态建设，服务行业的数字化转型。

基于航运行业人工智能技术的发展现状及未来展望，即需要全球范围海量航运数据（人、船、货、装载机具、海洋气象环境、**作业条件等）的采集和汇集，需要针对全球航运骨干物流供应链整体布局，需要形成船岸一体的智能化应用，需要适应全球船岸卫星通信条件，需要逐步向全产业链开发，并产生切实的行业竞争力与经济效益的原则，按“智能物联、云边协同”的模式，通过****计算中心+五个人工智能示范子工程，推动人工智能基础设施、数据**、软件平台、边缘应用及运营体系、标准体系的建设，实现30+行业通用人工智能场景、模型、算法的有效落地和推广。

项目总体工作要求和内容：

本项目拟采购20P国产AI训练服务器，在MVP项目基础上，进一步扩容现网国产AI算力集群，具体建设方案如下：

（1）训练服务器**池

AI训练**直接支撑人工智能的训练任务，是人工智能算力平台的核心算力**。

AI训练**系统应采用具有高计算密度、高能效比、高网络带宽、易扩展、易管理等特点的AI服务器进行交付，并能够满足当地机房部署要求。AI训练**应具备如下能力：

高计算密度：采用适合张量计算的创新AI芯片架构，提供面向深度学习训练的高性能AI算力；

高速互联技术：集成多级芯片高速互联系统，提升整个集群的通讯效率与业务效率，使集群部署灵活、可扩展；

高能效比：具备全方面优化的系统散热设计，智能调节功耗，降低系统散热能耗；

在一期已构建的AI算力基础上，增加8台昇腾910B训练推理服务器，每台算力服务器提供2.5P FLOPS@FP16的算力，整体增加20P的算力。

（2）参数面网络

在一期已构建的AI集群高速网络框架基础上进行扩容。增加2台400G汇聚交换机及2台200G接入交换机，形成汇聚和接入两层架构，实现集群训练任务的高带宽低时延集群通信，同时能支撑单一算力集群未来可扩容到30PB以上。

每台服务器提供8个200GE端口，上联到参数面接入交换机，并在汇聚交换机完成汇聚，实现集群训练任务的高带宽低时延集群通信。打造全互联无阻塞专属参数同步网络，降低网络时延，缩短参数同步时延，使得AI模型的训练过程更加高效。

AI****数据中心交****数据中心网络，为AI集群提供高吞吐、高可靠低时延的转发能力，提供低时延业务转发。

采用二层架构构建AI计算集群的参数平面网络，部署高性能盒式交换机作为机柜接入交换机节点。每台服务器200GE上连本机柜接入交换机，接入交换机通过400GE上连汇聚交换机，设计收敛比1:1，保证高性能计算网络的性能最优，汇聚无上连。

（3）存储

建设AI算力集群训推存储池，增加1台高性能NAS存储设备，统一接入所有AI训练服务器中。采用高性能NAS存储存放训练数据及提供存储底座；存储系统提供60TB的存储容量，关键设备采用冗余配置，满足对可靠性的需求；同时，考虑到后续业务增长带来的扩容需求，需要系统采用模块化设计，在不影响现有业务运行的情况下，可以快速简单地进行扩容；为方便管理员和用户对集群系统的管理和使用，提供完善的管理和维护方案，简化管理、使用和维护操作；针对集群耗电量大的特点，选用高能效、低PUE的IT设备和基础设施，打造绿色节能的高性能集群系统。

在算力集群交付实施过程中，要提供AI训推集群的存、算、网能力的高效协同和配置优化，保证现网算力可以具备30P及未来更高需求的技术及服务支持保障。

第1中标候选人：****；

第2中标候选人：****公司；

第3中标候选人：******公司；