开启全网商机
登录/注册
| **** |
| 210000 |
| 2026-05-15 09:59:36 | 公示截止日期2026-05-16 09:59:36 | |
| **** | 付款方式货到付款 | |
| 到货时间要求 | ||
| **大学**校区生科院N8-121 |
| 服务器(显卡) | 2 | 台 |
| 英伟达 | 规格型号* 80G PCIE | |
| 主要功能: 1、功能强大的端到端 AI 和 HPC 数据中心平台 NVIDIA * ****中心 AI 计算和高性能计算场景的重要 GPU 平台,可作为 NVIDIA 数据中心解决方案的一部分,与硬件、网络、软件、加速库以及 NGC 中经优化的 AI 模型和应用协同使用。****中心提供强大的端到端 AI 和 HPC 计算能力,帮助研究人员和企业用户快速完成模型训练、科学计算和应用部署,并支持大规模生产环境中的稳定运行。 2、深度学习训练 当今 AI 模型在大语言模型、对话式 AI、计算机视觉和多模态学习等方向不断发展,模型参数规模和训练数据量持续增长,对 GPU 算力、显存容量和并行扩展能力提出了更**求。NVIDIA * 能够为大规模深度学习训练提供强大的计算能力和较高的显存带宽,适用于大模型训练、分布式训练、模型微调以及复杂神经网络的高效训练任务。 3、深度学习推理 NVIDIA * 支持从 FP32、TF32、FP16、BF16 到 INT8 等多种精度计算,可针对不同类型的 AI 推理任务进行加速。借助 TensorCore 等硬件加速能力,* 能够在自然语言处理、推荐系统、图像识别、语音识别和生成式 AI 等场景中提供高吞吐、低延迟的推理性能。同时,多实例 GPU 技术可将单个 GPU 划分为多个独立实例,使多个推理任务能够并行运行,从而提升 GPU **利用率并降低部署成本。 4、高性能计算 在科学计算和工程仿真领域,研究人员通常需要处理大规模矩阵运算、分子模拟、气候建模、流体力学、结构分析和生物信息学计算等高复杂度任务。NVIDIA * 基于 Ampere 架构,支持双精度计算和 TensorCore 加速,能够为 HPC 应用提供强大的浮点计算能力。结合大容量高速显存,* 可以帮助研究人员加速复杂仿真和数据密集型计算任务,提高科研计算效率。 5、为企业提高**利用率 NVIDIA* 支持多实例 GPU 技术,可将一块 GPU 划分为多个独立的 GPU 实例,不同用户或不同任务可以共享同一块物理 GPU **。该功能特别适用于云计算、AI 推理服务、多用户****数据中心,有助于提高**利用率、降低空闲浪费,并提升整体计算平台的灵活性和可管理性。 附件:* 性能参数表 | ||
| 服务网点:外地;质保期限:3年;响应期限:报修后24小时;报修后24小时; | ||
****管理部
2026-05-15