浪潮信息参加2025开放计算技术大会,发布超节点与MW整机柜方案

科技快报网讯】近日,2025开放计算技术大会(OCTS25)在京举行,浪潮信息作为OCTC创始成员和OCP核心成员受邀参会,重磅发布超节点AI服务器“元脑SD200”,单机即可运行超万亿参数大模型,并在多个全参模型实测中,实现64卡整机推理性能的超线性扩展;同时面对未来高功率、高密度算力场景的散热难题,浪潮信息推出MW级泵驱两相液冷AI整机柜方案,单芯片解热突破3000W,解热能力高达每平方厘米250W以上。

  开源开放聚焦系统创新,加速AI创新与普惠

  当前,模型算法开源、算力系统开放,已经成为AI时代的主流趋势。开源大模型大幅降低了获取、部署和定制先进AI能力的门槛,推动“智能平权”的实现。而公共云平台和模块化AI基础设施的普及,则为开源模型的规模化落地和应用创新提供了至关重要的开放算力基础。二者相辅相成,进一步加速AI普惠的实现。

  在这一趋势下,算法和算力、硬件和软件的协同创新变得日趋重要,系统化思维已经成为产业共识。浪潮信息副总经理赵帅表示,开源开放的AI发展趋势下,开放计算所构建的全球化协作平台将发挥更加重要的作用。开放计算社区的核心目标就是利用生态力量打破性能瓶颈,推动业务创新发展,本质上就是一种系统化思维与应用价值导向。特别是随着混合专家模型(MoE)的快速迭代与多智能体协同的兴起,算力形态向高密、高效、绿色发展,数据中心规模日益扩张并追求极致算效和能效,产业将从“机柜级密度革命”迈向“数据中心级系统工程挑战”,更需要全球产业链开放协同,以系统化思维共同应对挑战。

  面向万亿参数大模型,重磅发布超节点AI服务器“元脑SD200”

  当前,混合专家模型(MoE) 的高效架构正在驱动大模型参数规模持续扩展,国内外前沿大模型的参数量快速突破万亿规模,这给算力系统架构提出新的挑战,需要具备超大显存空间、更低通信时延、更强计算性能。

  为此,浪潮信息发布面向万亿参数大模型的超节点AI服务器“元脑SD200”,创新研发多主机低延迟内存语义通信架构,基于开放总线交换技术构建,在单机内实现了64路GPU芯片的高速统一互连,成功解决万亿大模型对超大显存空间和超低通信时延的核心需求。在开放架构之上,元脑SD200通过智能总线管理和开放的预填充-解码(Prefill-Decoder)分离推理框架实现软硬件深度协同,智能化管理复杂AI计算任务。

  元脑SD200超节点AI服务器通过软硬协同系统创新,成功向上扩展突破芯片性能边界,在大模型场景中展示出优异的性能表现。结合优化的PD分离框架,SD200超节点满机运行DeepSeek R1全参模型推理性能超线性提升比为3.7倍,满机运行Kimi K2全参模型推理性能超线性提升比为1.7倍。

  赵帅强调,超节点架构的核心价值在于软硬件高度协同,本质上也是系统化思维的产物。它不是某一个点的突破,而是在现有技术、生态和成本约束下,从系统层面去打破芯片本身的性能边界,最大化用户价值。作为社区的一员,浪潮信息后续将向社区成员开放自研的超节点架构设计以及PD分离框架,推动开放超节点架构的发展。

  推出前瞻MW级泵驱两相液冷AI整机柜方案 实现四大关键技术突破

  算力的高密发展趋势,使得单机柜功率将从当前的100+kW跃升至未来的1MW以上,对液冷解热能力提出更高要求。随着芯片功耗、单机柜功率密度的持续攀升,单相冷板液冷解热必须提供更低的二次侧供液温度,自然冷却方式受到更多限制甚至无法继续使用,导致数据中心能耗问题加剧,逐渐难以满足散热需求。

  针对于此,浪潮信息在会上推出了前瞻的MW级泵驱两相液冷AI整机柜方案,采用高效相变散热技术,单芯片解热突破3000W,解热能力高达每平方厘米250W以上。该方案还提升了液冷系统的安全可靠性,两相冷媒绝缘且无腐蚀性,规避了电气短路风险,保障IT设备安全运行,同时可杜绝微生物滋生,无需定期水质检测,极大提升运维便捷性,减少部件的老化和故障概率,有效提高系统可靠性并降低成本。

  浪潮信息MW级泵驱两相液冷AI整机柜方案实现了四项关键技术突破,一是攻克相变液冷系统中相变温度,压力调控的核心瓶颈,自研瞬态热-压-流多参数协同技术,消除系统中气蚀隐患;二是针对多应用并存和多芯片并行带来的负载跳变时流量易失衡,芯片易超温的难题,成功开发出节流调控模块及主动式压降约束技术,在200颗芯片同时并行负载跳变工况下,实现流量分配偏差小于10%,温差小于2℃;三是创新的冷板微纳尺度仿生拓扑构形与复合制程设计,大幅提升两相冷板解热性能;四是专属配方的绿色环保低压冷媒获得独家商用验证,0泄漏风险的同时,系统运行工作压力低于1MPa,与单相液冷深度趋同。

  浪潮信息同时发布算力密度更高的超节点AI服务器与MW级泵驱两相液冷AI整机柜方案,不仅可以满足当下MoE大模型对算力系统的需求,更是前瞻布局未来的GW级AI数据中心。目前,浪潮信息积极参与"GW级开放智算中心OCP中国社区小组"成立的筹备工作,OCP与OCTC积极合作,探讨将OCP领先的AI基础设施技术架构、参考方案、前沿研究成果等在中国市场落地,在中国建立GW级AI数据中心的全球性标杆。

  赵帅表示,万亿参数大模型带来的系统架构变革、MW级机柜的密度革命、GW级数据中心的工程挑战……人工智能为数据中心产业带来的不仅仅是技术的演进,更是结构性的变革,需要以更加开放的理念构建更加开放的生态,通过开放的人工智能基础设施来实现算力普惠、加速智能平权。

内容概要:本文系统研究了基于豪猪优化算法(CPO)的多无人机协同集群在三维空间中的避障路径规划问题,聚焦于实现以最低成本为目标的航迹优化,综合考虑路径长度、飞行高度、威胁规避及转弯角度等多个关键因素。通过构建精细化的三维环境模型多无人机协同机制,采用Matlab平台实现CPO算法的仿真验证,充分展示了该算法在复杂动态障碍环境下的高效搜索能力全局优化性能。研究不仅涵盖了路径规划的数学建模目标函数设计,还深入探讨了算法的收敛特性鲁棒性,为智能群体系统在实际场景中的应用提供了理论依据技术支撑。; 适合人群:具备一定编程基础和优化算法背景,从事无人机系统控制、智能路径规划、群体协同、人工智能自动化等相关领域的科研人员、高校研究生及工程技术人员。; 使用场景及目标:①应用于多无人机协同执行侦察、灾害监测、应急救援、区域巡检等复杂任务中的自主路径规划;②为智能优化算法在三维动态环境下的路径决策问题提供可复现的技术范例;③支持研究人员对CPO算法其他主流群智能算法(如PSO、GWO、WOA等)进行性能对比改进研究,推动路径规划技术的发展。; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点理解目标函数的多维度建模方式CPO算法的迭代优化流程,可通过调整环境参数约束条件进行仿真实验,对比不同算法在相同场景下的路径质量收敛速度,从而深入掌握其优势适用边界。
内容概要:本文围绕电动汽车参电力系统运行备用的能力评估展开深入研究,利用Matlab代码实现对电动汽车集群提供运行备用服务的建模仿真分析。研究重点在于量化电动汽车作为分布式灵活资源参电网辅助服务的潜力,通过构建精细化的数学模型,分析其可调功率容量、响应速度、时空分布特性及聚合能力,并采用多面体聚合、内近似模型闵可夫斯基和等先进方法精确刻画其可调度能力边界。研究进一步结合大规模电动汽车接入场景,探讨其在多时间尺度调度框架下参调峰、调频等辅助服务的优化策略,评估其对提升高比例可再生能源电网灵活性稳定性的贡献,最终通过仿真验证所提模型方法的有效性实用性。; 适合人群:具备电力系统分析、智能电网、新能源汽车或优化调度等相关专业背景,熟悉Matlab/Simulink仿真工具,从事科研、工程应用的高校研究生、科研人员及电力行业工程师。; 使用场景及目标:①精确评估大规模电动汽车集群在不同约束条件下可提供的运行备用容量;②研究电动汽车在日前、日内及实时调度中的动态响应能力优化调度策略;③为高渗透率新能源电力系统提供基于移动储能的灵活性资源解决方案,支撑电网安全经济运行。; 阅读建议:建议结合Matlab代码技术文档同步学习,重点关注多面体聚合建模、能力边界计算及优化调度算法的设计实现,可进一步拓展至V2G(车辆到电网)、需求响应等互动场景进行二次开发应用验证。
打开链接下载源码: https://pan.quark.cn/s/a4b39357ea24 OpenCV(开源计算机视觉库)中的DNN(Deep Neural Network)模块是一种功能强大的工具,其目的是用于深度学习模型的操作。该模块使得开发人员能够在OpenCV环境中直接运用已经训练好的深度学习网络,以执行图像识别、目标检测、图像分割等多种功能。DNN模块能够兼容多种深度学习框架的模型,包括TensorFlow、Caffe、ONNX等。 一、DNN模块概述 OpenCV的DNN模块是为了简化深度学习模型的集成过程而专门设计的,它允许开发人员加载预先训练好的神经网络模型,并在图像数据上执行前向传播操作。借助这个模块,用户可以选用GPU或者CPU来提升计算效率,从而构建出高效的应用程序。 二、目标检测案例 在OpenCV的DNN模块中,目标检测是一个常见的应用情形。例如,可以选用SSD(Single Shot Multibox Detector)、YOLO(You Only Look Once)或者 Faster R-CNN 等模型进行实时的目标检测。这些模型能够识别并定位图像中的多个对象,并返回每个对象的类别和边界框坐标。 三、模型转换:PB到PBTXT 在OpenCV中运用TensorFlow模型时,通常需要处理的是`.pb`格式的模型文件,这是TensorFlow的二进制模型文件格式。然而,为了能够读取模型的结构信息,我们需要`.pbtxt`格式的文本文件。转换过程涉及解析`.pb`文件并将其结构信息导出为`.pbtxt`格式,这样做可以让人清晰地了解网络层和参数的配置。在OpenCV中,可以使用`tf.train.write_graph()`函数将.pb...
内容概要:本文围绕虚拟同步发电机(VSG)接入弱电网的序阻抗建模稳定性分析开展研究,基于Matlab/Simulink平台搭建详细的仿真模型,系统复现并验证相关理论方法。研究重点包括VSG在弱电网条件下的正负序阻抗特性建模、基于小信号分析的扫频法建模流程、系统阻抗交互特性及潜在的失稳机理分析。通过具体仿真案例,深入探讨了VSG控制参数对系统稳定性的影响,旨在为新能源并网系统的稳定运行提供理论依据技术支撑。该内容属于电力电子电力系统稳定性交叉领域的前沿课题,具有重要的学术价值工程应用前景。; 适合人群:具备电力系统分析、电力电子变换器控制等基础知识,熟悉Matlab/Simulink仿真环境,从事新能源并网、微电网控制、电力系统稳定性研究的研究生、科研人员及工程师;有志于复现高水平期刊论文中阻抗建模稳定性分析方法的技术开发者。; 使用场景及目标:① 掌握虚拟同步发电机在弱电网中的序阻抗建模理论实现方法;② 理解并实践基于扫频法的小信号稳定性分析全过程;③ 应用于构网型变流器、虚拟同步机等先进并网技术的稳定性研究仿真验证。; 阅读建议:建议结合所提供的Simulink仿真模型技术资料,按照文档结构循序渐进地学习,重点关注建模原理、仿真参数设置结果分析过程,同时参考链接中的完整资源进行代码调试深入探究。
内容概要:本文系统阐述了基于主从博弈理论的配电网-多微网双层优化模型,构建了以配电网为领导者、多微网为追随者的非合作博弈框架,旨在实现多方利益均衡下的协同优化调度。模型充分考虑了分布式能源接入背景下电力市场环境中配电网多个微网间的能量交互关系利益冲突,通过建立上层配电网成本最小化下层各微网收益最大化的目标函数,并结合系统运行约束条件,形成完整的双层优化问题。研究采用多种智能优化算法(如遗传算法、粒子群算法等)对模型进行求解对比分析,验证了所提模型在提升系统经济性、促进新能源消纳方面的有效性,同时评估了不同算法在收敛速度、求解精度和稳定性方面的性能差异。所有模型构建仿真分析均通过Matlab编程实现,为现代主动配电网多微网系统的协同运行提供了科学的决策支持技术路径。; 适合人群:具备电力系统分析、优化理论、博弈论基础及相关数学建模能力,熟悉Matlab编程工具,从事能源互联网、微电网调度、电力市场、分布式能源管理等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于含高比例分布式电源的配电网多微网协同优化调度实际场景;②为研究主从博弈在能源系统多主体决策中的建模方法提供理论参考实例支撑;③对比分析不同智能优化算法在复杂非凸双层优化问题中的适用性性能表现;④服务于学术论文复现、科研课题攻关、工程项目方案设计及教学案例开发。; 阅读建议:建议学习者在理解博弈论基本概念的基础上,结合所提供的Matlab代码逐模块研读,重点关注上下层模型的迭代求解机制、约束处理方式及算法实现细节,鼓励动手修改参数、更换求解算法或拓展模型结构以深化理解并开展二次创新研究。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值