企业级GPU 资源池化云平台解决方案​

• 业务挑战：​

伴随着金融科技的不断创新，人工智能、大数据等新兴技术已成为金融行业的重要驱动力，正在引发新一轮产能革命，场景营销配套“智能化”服务，金融科技推动数字化转型。但由于缺乏高效经济的 AI 算力资源池化解决方案，导致绝大部分金融机构只能独占式地使用昂贵的 AI 算力资源，带来居高不下的 AI 算力使用成本；由于缺少对异构算力硬件支持，用户不得不修改 AI 应用以适应不同厂商的 AI 算力硬件。这会加剧 AI应用开发部署复杂性、提高 AI 算力投入成本并导致供应商锁定。 ​

​

• 方案简介：​

随着云原生成为云计算的新内核，在以容器为应用运行载体的 Kubernetes 平台上运行 AI 训练和推理任务，成为 AI 应用在企业落地的热点和首选。趋动科技&DaoCloud 提供的基于GPU资源池化的云平台联合方案，基于云原生架构全面整合虚拟化、网络、存储、安全等能力，实现 GPU 资源池化、动态伸缩和灵活调度，实现了在容器云平台上进行 GPU 资源细粒度管理和监控的目的。借助云原生天然的分布式、弹性扩展和轻量虚拟化能力，此方案能够提供超强的算力，屏蔽硬件基础设施管理的复杂性，有效缓解计算压力，大幅提升 AI 应用的业务效率并避免供应商锁定，因此可被广泛应用于深度学习训练、科学计算、图形图像处理等场景。​

​

• 方案价值：​

1. 业务并发量规格化提升：采用 GPU 资源池方式调度资源，以“化整为零”的方式细粒度分配GPU，用户定义算力+显存的双维度，极尽贴合业务需要。​

2. 异构支持：支持多种芯片异构池化，统一调度。​

3. 可视化编排：在容器云平台用户界面即可管理 CPU 和 GPU 资源。​

4. 降本增效：GPU 利用率提升3-5倍；GPU算力资源按需调度、动态调整，支持AI 应用运行时才分配GPU资源，相同的GPU资源能支持更多的算法工程师进行开发。​

5. 多场景：支持推理、开发、训练等多种 AI 应用场景。​

6. 易用性：开发环境无需人工协调资源分配，提升算法工程师使用体验，降低管理成本。​

7. 多云管理： 一键式创建/接入容器集群，实现大规模集群跨云/跨集群的统一管理；图形化创建流水线，满足多场景需求；一站式应用分发，兼容多形态应用；全面打造一站式生产就绪云原生管理平台。​

8. 完善的用户权限体系： 整合 Kubernetes RBAC 权限体系，支持为不同用户设置细粒度权限，实现资源隔离，保证业务数据安全性。​

​

• 解决方案架构图:​

​