返回案例列表
学术 / 科研 训练
中科院某研究所
多学科交叉科研（材料 + 能源），需同时跑多个异构训练任务
76%
集群利用率
4月
论文提前完成
11月
持续服务
项目概况
集群规模 4090 × 192 + 昇腾 910B × 64
技术栈 Colossal-AI + Slurm 混合调度
运行时长 服务 11 个月
关键亮点 国产卡混合训练 + 多团队资源隔离
关键指标
项目核心数据全景
集群利用率
76%
+47pp
论文提前
4月
持续服务
11月
昇腾占比
25%
课题组
5+
总规模
256卡
客户证言
客户证言
材料、能源、环境三个所都要用算力，但又不能互相抢。ZaiCloud 的 Slurm + K8s 混合调度让多团队高效流转，集群利用率从 29% 提到 76%，关键论文提前 4 个月完成。
钱文涛
计算中心主任 · 中科院某研究所
多团队隔离 利用率 76% 论文提前 4 月
技术架构
从应用到基础设施的四层方案
L4
应用层
材料模拟 能源计算 环境模型
多学科交叉科研，多种模拟与训练框架并存
L3
调度层
Slurm 批任务 Kubernetes 长任务 团队配额
Slurm 与 K8s 混合调度，支持批任务和长时任务混合运行
L2
算力层
4090 × 192 昇腾 910B × 64 独立部署
4090 主力 + 昇腾 910B 异构部署，统一管理
L1
基础设施层
多团队隔离 资源优先级 统一监控
按课题组独立配额与优先级，公平调度
顶层为应用层，底层为基础设施层
挑战
项目要解决的核心难题
研究所内有材料、能源、环境等多个课题组，每个课题组有独立的研究方向和资源配额。同时有部分任务需要使用国产昇腾芯片进行适配训练。
解决方案
ZaiCloud 的核心策略
- 1
ZaiCloud 的多租户隔离方案：
- 2
按课题组设置独立配额和优先级；
- 3
Slurm 与 Kubernetes 混合调度，支持批任务和长时任务混合运行；
实施过程
从集群规划到正式生产的关键里程碑
- Month 1
多租户体系建立
- Month 2
混合调度系统部署
- Month 3
昇腾集群接入
- Month 4+
持续服务与优化
业务影响
集群利用率从 29% 提升至 76%，关键论文提前 4 个月完成
利用率提升
混合调度 + 多团队配额，集群利用率从 29% 提升至 76%
76%
进度加速
关键论文提前 4 个月完成，多团队并行不阻塞
4 月
国产化
昇腾 910B 混合训练，国产化率持续提升
25%