本次数据中心云平台规划将预满足后期业务扩展需求提供适量冗余的计算资源与存储，支 撑业务应用层、平台服务层、数据服务层等所有业务所需资源供给，满足现有应用迁移上云需 求；通过对IT基础资源的云化管理，实现资源的弹性伸缩和按需分配，满足各类业务和数据的 计算资源需求。 云平台需要支持根据业务应用的不同特点分配不同的计算资源，包括采用合理的物理服务 器。能根据业务应用的特点对服务器或存储进行配置满足应用对计算和存储的需要（CPU、内 内存、网络带宽、硬盘性能及空间进行定制配置。并通过平台可对虚拟机进行创建、启动、停 止、删除、快照、备份、恢复等。 稳定性：支持云服务器迁移、系统性能报警。 安全性：支持网络访问控制策略、弹性IP绑定。 自由弹性：5分钟内升/降级CPU和内存。 多种部署架构，满足各类可用性要求 易用性：支持批量创建操作，同一镜像可以一键创建多台云服务器；创建时自由选择硬盘； 支持Windows和Linux多种镜像。 提供基本的云计算服务。其中，计算资源池可 提供高可用的弹性云主机和裸金属服务，基于分布式存储技术的存储资源池，可提供满足DAS、 NAS和SAN等架构的存储解决方案，全面支持SCSI、FC，iSCSI，NFS、CIFS等存储协议，对外可 提供块存储、文件存储和对象存储服务。网络资源池是对网络设备的虚拟化，可对外提供虚拟 交换机、弹性负载均衡和虚拟路由器。这些虚拟化设备通过开放的基于OpenStack的云平台管

这种部署方式看似极简，却隐藏着巨大的隐患。 所有服务依赖外网与云端服务 采用混合云或本地化分布式部署，保障课堂业务连续性 卓越服务 智慧校园 混合云部署模式：适用于小量智慧部署的机构，通过核心一体机本身的弹性计算机制，形成智能微型弹性计算集群，为业 务打造可靠性较高的基础架构。 教室一体机：直接通过外网与卓智教育云平台进行服务对接，由云平台提供基础服务框架，核心一体机提供业务数据缓 存、自动教室录播、教室设备接入、物联智能控制等本地化服务。 体机 校内智能微型弹性计算集群 卓智教育云平台 混合云部署架构 采用混合云或本地化分布式部署，保障课堂业务连续性 卓越服务 智慧校园 教室一 体机 教室一 体机 教室一 体机 教室一 体机 教室一 体机 校内智能微型弹性计算集群 核心一体机 卓智教育云平台 本地化分布式部署架构 本地化分布式部署模式：适用于超过 5 台云魔方部署 的机构，在智能弹性计算集群的基础上，通过配备智

Android ， IOS ， Windows 。 2. 硬件 + 云平台（云计算 + 云存储） + 解决方案应用模块化 + 定制服务 基础模块化解决方案设计 + 云平台 可使系统更具有弹性，更灵活，能针对不同的园所组 合不同的方案；定制服务针对高端园所，属于增值服务。硬件主要包括：数据采集硬件（像接 送设备，测温设备，定位设备、智能手环等） 3. 多种技术手段的组合应用 Android ， IOS ， Windows 。 2. 硬件 + 云平台（云计算 + 云存储） + 解决方案应用模块化 + 定制服务 基础模块化解决方案设计 + 云平台 可使系统更具有弹性，更灵活，能针对不同的园所组合不同的方案； 定制服务针对高端园所，属于增值服务。硬件主要包括：数据采集硬件（像接送设备，测温设备，定位设备、 智能手环等） 3. 多种技术手段的组合应用

centos/redhat/ubuntu ） 资源 管理 层 资源 引擎 系统层 物理 资源 计算资源 CPU 服务器 GPU 服务 器 集群弹性伸缩 GPU 资源管 理 模 型推理 资源调度管理 分组管理 容器管理 存储资源管理 集群管理 网络资源管理 网络资源 万兆网 更多 主机管理 镜像管理 存储资源 共享式 并提供高效的算力资源分配和任务调度策略。 资源绑定：用户组绑定资源组；用 户 或用户组配额资源 分配灵活：按需动态分配 ，即用即 有、 用完即收 user4 user3 弹性共享：按复用数量进行资 源共 享分配 迁移便捷：用户应用“ 0” 侵入， 代码迁移便捷 资源调度：设备、 网络、 GPU 负 载调度等 策略灵活：用户优先、任务优 先、 均衡使用等 生态”的理念 ，结合大模型、 服务编排等技术 ，实现推理能力的快速调用与跨场景复用 ，通过多种推理能力 的调用模式 ，满足不同模态数据、 不同业务场景的 AI 能力需求。 异构资源适配 ，模型加速优化 ， 弹性扩缩容 ，容器化部署 视频推理 能力调用 任务编排 视频抽帧 视频解码 视频接入 语音处理 智能小巴 智能机器人 视频 安 防 API 调 用 固件包部署 人体

...................................................................................150 3.1.5.4、 具有弹性的存储................................................................................................150 智慧校园大数据平台建设关键技术 大数据平台的构建借鉴了开源系统的先进理念，采用了 Hadoop 开源系统，充分利用 HDFS 的可靠性，MapReduce 的引入大大加强了平台在数据分析方面的弹性，使平台在可扩 展性、可靠性、易用性和性能方面都有良好的表现。 2.13.1、 Hadoop 技术 Hadoop 框架是一个开源的大规模数据处理平台和工具， 主要来源于 Google 公司提出的 云计算和互联网的蓬勃发展，带来用户对不可预见的 IT 资 源需求。互联网架构就是面向业务快速增长的敏捷 IT 需求而设 计，是一种面向基础架构和计算资源的全新计算架构方式， 可 以实现互联网规模的弹性架构能力。 但是数据中心不会走向 Google、阿里这样的大规模，而且有其他在高可用等方面的特 定需求。目前很多流行的融合架构、软件定义的智能化、分布 式系统、基于 API 的自动化等概念，正是在互联网架构下衍生

...................................................................................150 3.1.5.4、 具有弹性的存储................................................................................................150 智慧校园大数据平台建设关键技术 大数据平台的构建借鉴了开源系统的先进理念，采用了 Hadoop 开源系统，充分利用 HDFS 的可靠性，MapReduce 的引入大大加强了平台在数据分析方面的弹性，使平台在可扩 116 智慧校园大数据云平台建设和运营整体解决方案 展性、可靠性、易用性和性能方面都有良好的表现。 2.13.1、 Hadoop 技术 Hadoop 框架是一个开源的大规模数据处理平台和工具， 云计算和互联网的蓬勃发展，带来用户对不可预见的 IT 资 源需求。互联网架构就是面向业务快速增长的敏捷 IT 需求而设 计，是一种面向基础架构和计算资源的全新计算架构方式， 可 以实现互联网规模的弹性架构能力。 但是数据中心不会走向 Google、阿里这样的大规模，而且有其他在高可用等方面的特 173 智慧校园大数据云平台建设和运营整体解决方案 定需求。目前很多流行的融合架构、软件定义的智能化、分布

，从数据保护升级到业务数据生命周期管理 ，面向各类业务提供数据供 给能 力 ，成为一个准生产系统。 AnyBackup 领先的备份数据湖架构实现诸多创新： • 完整的分布式架构 ，支持 Scale-out 弹性扩展与负载均衡 ，无单点瓶颈； • 支持备份恢复专有协议 ，与 NFS 、 SAN 、 S3 、 HDFS 、 CSI 等标准协议访问 ，支持 跨协议 数据互通； • 支持防勒索病 以“数据”和“知识”双擎驱动智慧校园，释放高校数据价值 高校用户分布： 用户数量级在 1W-20W+ 管理层 管理及服务人员 高校教师，科研人员 高校学生 AnyShare 云原生架构 应对高校大规模用户并发访问 弹性、可靠 提供从文档整合 ，存储 ，处理 ，共享等全生命周期立体安全体系建设； 避免由于大规模用户使用而造成的安全合规风险 ，简化安全治理 ，降 低 业务合规风险 1000 - 2000 -

在家学 偏远校区学 多媒体学习 移动多媒体学习 录播 一级 二级 校园虚拟云 校园虚拟云 校园实体云 校园实体云 1. 云播智慧教 育 二级一中心”分布式云架构 21 高弹性教育云数据中心 Linux /Windows Server 连横： FusionSphere 合纵： FusionCube 协作： FusionAccess • 融合致简、简化业务部署

管理可视化。 5.4.5 云数据中心 通过云计算技术，构建云资源池，做到资源弹性扩展，按需分配，承 载校园综合管理平台等业务，实现校园内教学、科研、管理、服务的数字 化、智慧化；利用存储虚拟化等先进技术实现数据本地高可用；根据实际 情况可选双活云数据中心解决方案，整个存储系统架构全冗余，实现故障 热切换，弹性模块化，弹性云存储，最大化提高了业务连续性，同时可以 在两个站点实现业务系统负载均衡。

和能力画像，实现精准的因材施教与个性成长。 在内容层面，AI 技术打破传统学科壁垒，促进课程内容重组和交叉融合，动态对接行业前沿需求，强化实践创 新模块以培养复合型人才。在制度层面，智能平台支持弹性学制、自主选课与分层学习，数据驱动的管理评价 体系实现全程质量检测和管理和多元化能力评估。在关系重构层面，大模型作为智能中介深度改变了教育主体 角色：教师从知识传授者转为学习引导者，借助 AI 研究的实验需求。这要求硬件设施高效协同，支持动态扩展和动态调度，提升模型训练的效率和灵活性。 教育大模型算力获取需兼顾性能、成本与安全性。教育大模型通常采用混合架构与资源协同策略。一是通过“本 地 + 云端”混合方案平衡实时性与弹性扩展：本地算力中心保障低延迟交互，云端应对突发高并发需求。如广 东省深圳市云端学校采用“1+N”共同体模式，以总部实体学校为核心，联动分布于全市各区的十几所入驻学 47 大模型背景下高等教育数智化转型研究报告 的开 发工具矩阵，分别在算力调度、数据处理、模型开发、智能体构建等关键环节发挥着重要作用。 算力架构平台：构筑教育大模型的智能底座。作为教育大模型开发的基础设施层，专注于为模型训练与推理提 供弹性算力支持。平台集成分布式训练框架与异构计算资源调度系统，支持 GPU/TPU 集群的动态扩展与任务 编排。通过容器化部署与混合云管理技术，实现计算资源利用率提升。内置智能任务调度算法，可根据模型参