填补行业空白，科大讯飞助推“智算运维标准化”建立

近年来，新一代人工智能快速发展，智算需求快速增长，智算基础设施和智算服务的发展质量已成为影响AIGC发展的关键因素。大模型训练、推理场景关联人工智能应用布局，新需求的快速崛起对智算运维保障提出了更高要求。近日，在北京举办的2024第五届IT新治理领导力论坛上，科大讯飞携手中国信息通信研究院和中国移动集团、华为共同发布《智算运维发展研究报告(2024)》，全面剖析智算运维的现状与挑战，详细阐述智算运维的关键技术与实践经验，为智算中心运维标准的构建提供指导。

填补行业空白科大讯飞助推“智算运维标准化”建立

据工信部等六部门联合印发的《算力基础设施高质量发展行动计划》发展目标，我国2023-2025年算力规模复合增长率预计达到18.5%，2024年新增算力规模将接近40EFlops，算力核心产业规模有望突破2.4万亿元。算力的“爆发式”增长，使得智算中心已成为数字经济增长、带动数字产业化发展、助推产业数智化转型升级的“超级工厂”。然而，技术层面的不断革新、服务流程的不断重构、应用层面需求的快速崛起，“超级工厂”在算力使用效率、故障管理难度、资源监控精度、资源需求匹配难度、全局可观测性和运维沉没成本等方面也有着更高的要求。2023年10月24日，科大讯飞发布了国内首个全国产算力平台“飞星一号”，真正意义上突破和实现了技术的自主可控。业界尤其是国产化算力领域，当前缺乏体系化设计来指导集群的长稳训练，因此，科大讯飞联合华为智算运维团队对集群稳定性运维进行专项攻关，以大模型训练黄金指标体系为起点，共同打造“智算运维体系”。中国信息通信研究院认为这一“智算运维体系”的建立，填补了智算运维领域空白标准。该套标准从底层基础设施、到算存网、再到AI工程化，全方位梳理影响集群长稳的关键指标，并通过流程优化和平台构建来快速定位和解决问题。在该套标准执行下，科大讯飞自研超大集群智能运维和调度系统，保障“飞星一号”从2023年10月上线至今，基础设施零重大故障，计算设备集群性能也从 30%提升到95%，软硬件故障均收敛，NPU月均利用率平均可达95%以上，故障自动重训率97%以上，中断损失时长30分钟以下，算力可用度98%以上，已常态化支持星火大模型的高效训练。

国产算力突围智算集群规模跃迁搭乘“飞星”加速度

作为首个国产万卡智能算力集群，“飞星一号”助力多个地方智算中心构筑了坚实可靠的“算力底座”。在利川，基于“飞星一号”自主创新的算力底座，为政府、企业、高校、科研院所等提供智能算力、模型训练以及运营服务。在此基础上孵化的“利川文旅大模型”，结合算力底座训练工具链与利川产业优势，将文旅行业与人工智能深度结合，赋能广大游客、文旅企业与政府机构，促进文旅产业智慧化升级和高质量发展。在竹溪，“飞星一号”为“国芯一号”注入新动能。全栈自主创新算力底座，为竹溪政务大模型、农业大模型等提供了算力“温床”，助力政务、农业、文旅研学等领域创新发展，繁荣当地数字产业生态。在温州，“飞星一号”为开源开放的城市AI公共服务平台提供了坚实的算力底座，助力凝聚产业链上下游的各方力量，加速大模型技术的创新和工程化进程。在沈阳，“飞星一号”推进大东区数字产业与传统产业融合发展，让更多的人工智能应用在“老工业”与“新产业”中落地生花。2024年10月24日，“飞星二号”宣布正式启动，其算力规模将是“飞星一号”的4倍以上。在需求不断变化和技术迭代革新的当下与未来，“飞星二号”将会持续适配新模型新算法，实现智算集群规模的再次跃迁。*文中数据来源于项目实际应用

(科大讯飞)