典型任务
本地部署
安全隔离
运维交付
FAQ
咨询前常见问题
这些问题用于帮助你整理任务条件，具体资源、周期和交付深度仍按项目确认。
CPU 节点、GPU 节点和 NPU 节点怎么选？ +
CPU 更适合大量通用并行计算、批处理和部分传统仿真；GPU 更适合深度学习训练、GPU 加速求解和可视化；NPU 通常用于国产化 AI 训练、推理或适配验证。具体选择需要看软件和任务规模。
显存不够时一定要增加 GPU 卡数吗？ +
不一定。显存不足可能需要降低 batch、使用混合精度、模型切分或更换更大显存卡。增加卡数是否有效取决于训练方式、互联网络和代码并行能力。
资源规格表里的配置是否代表实时库存？ +
资源规格表用于说明可评估的资源类型和配置口径，不等同于实时库存、排队策略或固定交付时间。正式使用前仍需结合任务和当前资源安排确认。
AI 训练任务需要提前准备什么？ +
建议准备模型框架、训练脚本、数据规模、预期显存、运行方式和目标结果。如果已有日志或历史运行配置，也可以一起提供，便于判断瓶颈。
私有化服务器选型为什么要看散热和电源？ +
多 GPU 服务器长期高负载运行时，散热、电源、机箱空间和噪声会直接影响稳定性。只按显卡型号选型容易忽略整机约束。
能否支持国产算力适配？ +
可以先评估国产算力适配路径。需要确认模型框架、算子支持、数据格式、目标硬件和推理或训练目标。是否能迁移以及工作量需要按项目验证。