客户挑战

1本地服务器长期被其他课题组占用，超算排队时间长，机器利用率不高且缺乏技术支持，使用体验不佳

2单机运算，任务运行效率低，迫切想要提升科研效率

3使用者基础不同，不想改变原先的本地使用习惯

4希望能简化任务流程，把精力专注在科研项目上

客户挑战

1用户需在2天内对200000个分子进行模拟，当前机房资源缺口极大，至少需要一周以上才能完成任务

2用户目前有16008个任务需使用Amber进行自由能计算，估算使用本地CPU资源可能要1年，使用单块GPU需要至少4个月，周期过长，课题等不了

3因课题组有多名学生，需要一个既能快速启用，同时又操作简单便于管理的解决方案

客户挑战

1单机训练，本地多台机器无法进行统一管理，资源利用率低

2GPU资源分散，只能单机使用，难以进行分布式训练

3缺乏资源使用管理流程，日常使用基本靠抢

4模型、数据集和镜像散落在单机上，没有统一的平台管理，维护工作繁琐

5训练任务环境配置复杂、费时费力，移植难度高

6难以对训练效果进行评估分析和调优

客户挑战

1用户本地集群环境资源有限且缺乏GPU，算力不足导致任务排队，严重影响课题研究进度

2GPU资源采购周期长且单价高，一次性采购投入太高

3用户对软件的安装、配置、调优等工作较陌生，希望能有专业技术支持

客户挑战

1涉及IC研发全流程，需对多个EDA工具做管理和维护

2项目需要灵活地调配不同规格、数量的资源

3实训中需以集群化方式进行仿真计算

4整体平台的架构与设计要基于私有云