算力是人工智能的底座，而算力集群好比AI世界的“發(fā)電機(jī)”，其高效調(diào)度與穩(wěn)定運維，直接決定了大模型等產(chǎn)業(yè)的發(fā)展速度。在上海儀電，一支平均年齡僅32歲的智算科技萬卡集群青年突擊隊，從零起步、邊干邊學(xué)，不僅建成了國內(nèi)第一批萬卡集群，更實現(xiàn)了集群99.99%的高可用性，在算力這一全新領(lǐng)域跑出了屬于自己的速度。

最近一段時間，萬卡集群團(tuán)隊一直在“養(yǎng)”一只“龍蝦”，這只“龍蝦”并非OpenClaw，而是他們自主開發(fā)、面向技術(shù)領(lǐng)域工業(yè)場景的智能體。這一智能體將服務(wù)于企業(yè)的智算運維平臺，使其能更高效地應(yīng)對故障。

上海智算科技系統(tǒng)平臺部負(fù)責(zé)人翟雨佳指解釋，芯片具有高附加值，一分鐘甚至一小時的故障都可能造成數(shù)百萬元的損失，這一成本對任何企業(yè)而言都難以承受，因此他們的任務(wù)就是確保有限的資源發(fā)揮出最大的效能。

走進(jìn)上海儀電智算中心的機(jī)房，數(shù)萬張GPU設(shè)備整齊排列，高速網(wǎng)線交織運行。每張芯片每秒執(zhí)行67萬億次運算，它們匯聚的能量相當(dāng)于三峽水電站一臺機(jī)組一小時的發(fā)電量。團(tuán)隊的主要任務(wù)，就是調(diào)度這些芯片，讓一萬張不同架構(gòu)、不同代際、不同技術(shù)參數(shù)的GPU精確協(xié)同。其難度好比讓上萬架無人機(jī)在密集的空域中高速穿梭。更難的是，這一萬張卡組成的集群必須全天不間斷提供服務(wù)，因為在大模型訓(xùn)練過程中，哪怕僅一分鐘的故障中斷，都可能導(dǎo)致數(shù)十小時的訓(xùn)練成果付諸東流。

上海智算科技系統(tǒng)工程中心總監(jiān)、萬卡集群攻堅團(tuán)隊負(fù)責(zé)人胡寶群表示，他們的客戶主要是上海知名的AI企業(yè)以及一些科研機(jī)構(gòu)，而他們是這些客戶的基座，只有自己做好了，客戶才能在此基礎(chǔ)上進(jìn)行科研突破。為此，團(tuán)隊成員常常連續(xù)兩三個月泡在機(jī)房里不斷調(diào)試，不斷尋找最優(yōu)解。

在團(tuán)隊的努力下，目前萬卡集群已實現(xiàn)99.99%的高可用性，相當(dāng)于全年總故障時間縮短到1小時以內(nèi)。這有力支撐了多模態(tài)大模型保持全球領(lǐng)先的訓(xùn)練進(jìn)度，保障了自動駕駛模型每天100萬公里的虛擬路測數(shù)據(jù)進(jìn)化，以及氣象大模型提前7天預(yù)警極端降雨。

儀電集團(tuán)人工智能產(chǎn)業(yè)發(fā)展部副總經(jīng)理、智算科技董事長孫躍介紹，除了打造更高效率的基礎(chǔ)設(shè)施，他們還將構(gòu)建一個更加彈性、更加靈活的智算云平臺，從而更好地賦能千行百業(yè)。

作為一家平臺型鏈主企業(yè)，團(tuán)隊還在生態(tài)建設(shè)上持續(xù)發(fā)力，希望牽引產(chǎn)業(yè)鏈上下游，共同構(gòu)建自主可控的算力生態(tài)。