2025 2026 训练的算力需求将持续增长，算力结构从“预训练为主” 走向 “预训练 + 后训练 / 二次训练” 关注高效、稳定、开放的底座 • 极致性能、稳定可靠的 AI 集群 • 深度开放的平台和生态 • 极致的端到端性能效率优化 关注便捷、易用、性价比的平台 • 开箱即用的强化学习套件 • 兼顾成本与性能的蒸馏 / 微调方 案 • MindSpore PyTorch / TensorFlow / Caffe...... 异构计算架构 CANN Atlas 及昇腾伙伴系列硬件 模组 / 小站 / 加速卡 / 服务器 / 集群 昇腾处理器 昇腾 310 系列 / 昇腾 910 系列 ... 应用使能 应用使能套件 / SDK AI 计算框架 PyTorch / TensorFlow / Caffe...... Distribution 昇腾硬件使能 Ascend Runtime 模型训练：算网 / 算存深度协同是大模型分布式并行训练的基 础 大模型技术发展方向 支持 2 级框盒、框框组网，适用于大规模及超大规模集群 3 、 AI 任 务信 息 任务、通信域 … 1 、控制器获取网络拓扑， 下 发路径 信息 2 、 AI 任 务调 度 以全部通信关系和拓扑信息作为输入 通过算法计算出最优结果，实现 AI

https://dblab.xmu.edu.cn/blog/5816/ 4.4 本地部署大模型方 案 DeepSeek R1 671B （满血版） 部署成本 1. 硬件采购成本 • 服务器集群 ：含 8 张 NVIDIA A100/H100 显卡的服务器 ， 市场价格约 80-120 万元 • 配套设备 ：液冷系统、 冗余电源等附加成本约 15-25 万元 2. 运维成本 • 电费 for Science ，仍需大量算力。 过去 ，传统的高校算力 建 设方式 ，往往是不同院系、 研究小组 ， 自行采购和 管理各 自的计算资源 ， 一个学校内可能存在多个小型计 算集群。 赛尔网络的一份报告显示 ，全国近 2000 所高等 学校中， 91.6% 的高校未建设校级算力平台。 这显然难以匹配大 模 型时代的要求 ，容易出现算力资源分散管理、 忙闲不 均、 共享不畅等问题