北京2021年9月23日 /美通社/ -- “一直以來，將教學、科研以及咨詢等工作做到更高質量且更有價值，都是我們持續追求的，過程中有成績也有不少困惑，例如產學研用如何高效聯動、科技轉化怎樣加速落地，確實長期困擾我們?！编嵵荽髮W電氣工程學院某研究院大數據與人工智能實驗室表示。

受制難度大+收效低

如何擺平兩大痼疾？

「產學研聯動難度大」由于目前高校教育方式以及學生固有知識結構等傳統原因，大多數畢業生因缺乏實踐經驗而不能無縫銜接企業的用人需求；在此環境下，作為高校自然無法更好帶動技術與產業的深度融合，很難達成校企優勢互補、資源共享、互惠互利等效果……“這可謂是當下教育界與企業界都必須面對的關鍵問題！”

「科技轉化受困低效」盡管在各類科研探索中，很多高?？蒲腥藛T都有自己獨特且創新的技術理念，但受限于傳統軟件開發中服務器申請、環境部署、工具安裝等很多前置操作的復雜工作，更多專家無法直接關注并研究擅長領域，此舉不但帶來科研資源的浪費，更無法有效加速科技成果的轉化。

所以無論是更好聯動產學研還是加速落地實踐轉化，根本都要從基礎實驗環境入手，結合當下云數智一體化發展的技術需求來下工夫。如此看來，建設一套以云數智高度融合為基礎的資源共享平臺再適合不過，但亟需攻克的困難也不少。

“我們需要滿足大家原有環境中的實踐要求以及研發習慣，還得做到匹配多行業的應用開發體系，所以將開源技術架構作為實驗平臺的基礎是比較適合的！”但如何在開源基礎上實現多種技術架構的融合？怎樣助攻硬件基礎有效集成 KVM、 OpenStack、 Kubernetes 、Hadoop，打造完整的云基礎設施解決方案？不容易！

基礎架構齊備，能力一體也要到位！產學研用一體化勢必要求實驗平臺能力的升級，比方說多樣算力需求的滿足、多種計算環境的兼容等，如何將復雜能力一體化也是本次平臺建設需要攻克的關鍵問題之一。

以此類推，多架構、多能力融合之后對運維管理的工作量以及難度系數也會相應提升。既要降低管理難度，還得提高管理效率，是否能夠成功建設一套多維度一體化的管理體系，做到管理運營不分家，讓建設完成的善后工作變得棘手。

基礎架構全面融合

鎖定“深度、多元、一體化”

經過多方深入探討，鄭州大學電氣工程學院某研究院大數據與人工智能實驗室最終決定采用浪潮云海云數智融合智能實驗室解決方案，實力打樣基礎實驗環境，加快產學研用一體化技術技能創新服務進程的同時加強技術推廣以及成果轉化，達成基礎架構、數智能力、運維運營“三位一體”不是簡單說說！

浪潮云海云數智融合智能解決方案，將云計算，大數據，人工智能多種技術架構深度融合，實現資源多元化、架構輕量化、管理運維統一化。 

將傳統只能獨立建設的虛擬化、容器，大數據，人工智能等科研實驗常用的技術架構深度融合，創建云數智一體化平臺底座，為校內師生提供了多元化資源，比方說虛擬機、容器、裸金屬、文件存儲、大數據處理等各組件資源，還包括深度學習框架、分布式算法等AI計算資源，有效應對了不同應用及開發環境。 

高效解決了過去基礎實踐平臺因架構割裂帶來的獲取資源不便捷、實驗科研流程繁瑣、資源利用率低以及運維難度大等問題，提供了高效便利的資源獲取能力、靈活彈性的可擴展能力以及穩定可靠的業務支撐能力。 

數智能力高效融合

“采、存、管、用、算”無負擔

通常，架構割裂往往會將需要人工智能技術處理的數據“被迫”一并存放在大數據平臺上，這就造成數據重復存儲帶來的資源浪費現象，對貫徹數據處理完整生命周期產生很大影響。 

為更好推進“采、存、管、用、算”，浪潮云海云數智融合智能解決方案將具備大數據處理和人工智能計算深度融合能力的浪潮InsightHD納入其中，可實現在大數據平臺上提供CPU/GPU的一站式數據預處理到模型訓練推理能力，滿足人工智能處理所需要的多種深度學習框架，例如TensorFlow、PyTorch、Keras等，并提供大量的優化的分布式算法，尤其在圖像推理方面的效率可提升87%。

做到大數據和人工智能共享底層數據資源池，并通過智能存儲能力可智能感知數據熱度，充分發揮了大數據平臺多樣化存儲介質能力，實現全生命周期數據智能管理，降低存儲空間占用，提升數據訪問效率。整體來看，資源利用率提升95%以上，計算性能提高50%，開發效率提升40%。 

運維運營深度融合

兩個“統一”、一個“全?！?/b>