随着大模型爆发,针对科研与产业算力稀缺、昂贵且难以调度的痛点,本平台旨在通过分布式算力聚合,解决高性能计算资源供需失衡问题,助力数智化转型,行业前景极广。
点击空白处退出提示
随着大模型爆发,针对科研与产业算力稀缺、昂贵且难以调度的痛点,本平台旨在通过分布式算力聚合,解决高性能计算资源供需失衡问题,助力数智化转型,行业前景极广。
本平台集成异构算力调度、资源池化管理、AI模型开发及自动化运维四大模块。实现GPU/NPU资源弹性分配与虚拟化监控,提供从数据准备到模型训推的一站式工作流,显著提升计算资源利用率,降低科研与企业AI研发成本。
核心功能模块明细:
资源调度层: 异构算力并网、动态资源编排、弹性扩缩容。
管理运维层: 算力监控告警、多租户配额管理、计费统计。
开发环境层: 交互式Notebook、预置镜像库、分布式训练框架支持。
应用服务层: 一键部署推理服务、模型仓库管理。
参与公司核心产品 去中心化计算网络(Decentralised Compute Network) 的设计与开发,实现链上与链下计算任务调度与执行逻辑。
负责算力租赁平台与核心服务的端到端开发,包括 API、智能合约系统、任务调度机制和跨链激励机制设计。设计并开发与区块链智能合约交互的应用层组件,使平台能够调用分布式 GPU 资源进行 AI 计算任务。
构建和优化 资源提供者(Resource Provider) 的算力贡献、结算与奖励机制,实现算力节点的利润激励与智能合约结算。
协同团队推进平台测试网与激励网络(Incentivized Testnet)发布,为多机环境下算力调度、节点激励和容错提供技术支持与实现方案。
参与平台模块化架构的设计,使 AI 模型部署、容器化计算任务运行(通过 Docker / Bacalhau 集成)与链上调度系统可扩展、高可用。
撰写系统设计文档与技术规范,协助 QA 团队编写测试用例以及部署自动化流程。





评论