江蘇
——以統一調度破解算力資源分散、架構復雜、利用率低三大難題，為 AI 應用落地提供更高效、更靈活、更普惠的算力底座
在智能體和行業 AI 應用加速落地的當下，算力已成為 AI 產業的核心生產要素。然而，企業面臨的真正瓶頸并不只是算力總量不足，而是算力難以被高效調用。圍繞這一行業痛點，云工場科技打造異構算力調度平臺，面向多地域、多架構、多芯片路線的算力資源，實現統一接入、統一管理和統一調度，助力企業把分散的算力硬件轉化為可按需調用的基礎服務。
算力供給的新挑戰：資源越多，不等于越好用
隨著訓練、微調、推理和數據處理等任務對算力類型、性能、成本和響應速度的要求日益分化，算力資源本身也正在變得高度異構——CPU、GPU、NPU、FPGA 多種架構并存，英偉達、AMD、昇騰、沐曦、寒武紀、摩爾線程等不同芯片路線共同發展。企業在實際使用中普遍遇到三類痛點：
資源分散——算力分布在不同地域、不同機房、不同集群中，難以統一管理；
架構復雜——不同芯片、不同驅動、不同框架之間差異明顯，無法簡單按“卡數”或“顯存”匹配任務；
利用率不高——調度粒度過粗，容易出現高性能資源被低效占用、任務排隊、資源閑置等問題。
“如果說智算中心解決的是‘算力從哪里來’的問題，那么算力調度平臺解決的就是‘算力怎么被用好’的問題。”云工場科技相關負責人表示。
一個平臺：連接算力供給與 AI 應用落地
云工場科技正在構建的異構算力調度平臺，通過統一納管、資源抽象、任務識別、智能調度和彈性分配，將分散在不同區域、不同架構、不同集群中的算力，組織成一個可管理、可調度、可計量、可服務的算力資源池。
平臺向下連接智算中心、邊緣節點和多元異構算力資源，向上支撐算力超市、模型服務和行業 AI 應用，形成從算力接入、任務調度到服務輸出的一體化能力：
在資源層，平臺幫助分散算力形成統一資源池，讓企業清楚看到可用算力、資源狀態和使用情況；
在調度層，平臺根據任務類型、模型規模、資源需求、成本要求和服務等級，匹配更合適的算力資源，避免簡單按卡數分配帶來的性能錯配和資源浪費；
在服務層，平臺將底層復雜的異構算力轉化為企業和開發者可直接使用的算力服務，支撐模型訓練、微調、推理部署和行業應用落地。
算力不是分散的硬件資源，是可以按需調用、彈性使用、統一管理的基礎服務。對產業而言，異構算力調度平臺的價值不只在于提升資源利用率，更在于推動算力從“建設導向”走向“運營導向”，從“資源供給”走向“服務交付”。
云工場科技表示，將持續圍繞 AI 算力服務需求推進異構算力調度平臺的建設與迭代，讓不同架構、不同地域、不同類型的算力資源真正流動起來，為 AI 產業的規模化落地構筑更高效、更靈活、更普惠的算力底座。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
