近日，博云公司旗下的人工智能操作系统AIOS成功完成与海光信息技术股份有限公司（以下简称“海光”）自主研发的人工智能加速卡DCU系列的兼容性认证，并获得了海光合作认证书。此次认证标志着博云AIOS与海光DCU系列及海光3000、5000、7000系列CPU的兼容性良好，为双方进一步合作奠定了坚实基础。
海光DCU产品认证及合作认证书
博云AIOS可覆盖深度学习业务全流程，加快模型从研发到上线速度。深度学习训练任务通常包含多个阶段，从数据处理、算法开发、模型训练、超参调整、模型管理与部署等，AIOS提供全流程支持，是一款集成了高效算法和强大算力管理能力的人工智能操作系统，专注于提升人工智能训练和推理过程中的计算效率和稳定性。AIOS通过优化资源调度和任务分配，实现了多任务并行处理和资源最大化利用，能够广泛适用于智能制造、智慧城市、医疗健康、金融科技等多个领域。
海光作为国内知名的信息技术企业，其自主研发的DCU系列人工智能加速卡在深度学习训练场景中表现优异，具备处理复杂神经网络训练的能力，特别适用于电信、金融、教育、科研、人工智能等重要领域。
通过此次联合测试，博云AIOS与海光DCU系列产品展现出良好的兼容性，双方将在多个领域展开深入合作，共同推动人工智能技术的发展。此次认证的通过，将进一步提升博云在人工智能领域的技术实力，为用户提供更优质的产品和服务。
博云与海光的合作意义重大。双方的合作不仅能够提升各自产品的市场竞争力，还能够为客户带来更多价值。在模型开发、模型训练、模型推理、模型微调、算力调度、异构GPU管理、GPU监控和GPU虚拟化等多个方面，博云与海光将发挥各自优势，助力客户提高数据处理速度、增强系统可靠性安全性、实现业务边界的不断扩展，推动各行业的数智化转型升级。
未来，博云将继续深化与海光的合作，探索更多应用场景，为人工智能技术的发展贡献力量。博云AIOS与海光DCU系列产品的成功认证，将成为双方合作的新起点，共同开创人工智能发展的新局面。
合作方介绍
中科可控GPU服务器采用异构解耦合设计架构，搭载国产处理器和国产加速卡，性能强劲，架构灵活，是PCle扩展密度最高的深度学习训练平台，能够针对不同算法引擎提供性能加速。中科可控国产服务器所采用的CPU具备高性能、高扩展、全生态等特点，同时满足中国安全信息测评中心的评测标准。中科可控国产GPU是基于通用 GPGPU 架构设计的全精度加速卡，应用生态完善，覆盖全精度场景。具备完善的软件栈DTK，迁移成本低，基于 PyTorch、TensorFlow、Transformer 等主流框架实现的代码无需转码，可直接使用，是构建AI 算力和科学计算算力的不二之选。
相关产品介绍
AIOS是博云专为AI应用推出的企业级一站式人工智能操作系统，屏蔽底层异构算力差异，面向大规模分布式计算，在计算、网络、存储、调度等基础能力全面增强，为AI应用提供稳定、高效、极简的底层支撑能力。同时AIOS支持主流的分布式AI深度学习框架，可满足算法、模型、组件的可视化开发，覆盖数据标注、算法开发、模型训练、模型推理的全生命周期。AIOS可以帮助企业和开发者自主构建人工智能业务，助力企业保持行业领先能力
强大的底层掌控能力
AIOS的核心在于其强大的ACE算力引擎，支持高达5000个节点的稳定调度，以及异构GPU池化管理，确保了多租户算力的强隔离和全方位监控。
功能特性
覆盖深度学习业务全流程，加快模型从研发到上线速度。
深度学习训练任务通常包含多个阶段，从数据采集、算法开发、模型训练、超参调整、模型管理与部署等，AIOS提供全流程支持。
快速部署计算环境并启动训练任务，提高研发效率
深度学习框架和模型众多，依赖各不相同，对开发环境的要求比较复杂， AIOS可以实现资源和工作环境的隔离及快速部署。
支持数据集统一管理，提升数据标注效率
数据集种类众多，数据标注工具不一。AIOS支持多种标注场景，覆盖文本、图片、音频和视频标注，支持人工标注、协同标注、智能标注等多种业务场景，极大提升数据标注效率。
支持多种建模方式，方便算法工程师快速构建复杂模型
支持交互式建模，内置Jupyter、VScode和Pycharm建模工具，方便算法工程师对代码进行调试；支持通过拖拉拽方式实现可视化建模，平台内置多种算法组件，极大降低建模门槛。
训练过程可视化，掌握训练进度及质量
深度学习模型训练周期较长，训练结束后才发现模型质量问题。借助AIOS，可以实现对训练过程实时监控并可视化训练过程，实时观测损失函数值的日志、训练误差或测试误差等。
动态分配 GPU 资源，充分利用资源，提高资源利用率
支持 GPU 资源细颗粒度调度能力，最低可划分1%资源。同时支持众多国产GPU算力。单一计算集群可以统一管理异构的多种GPU算力。
全面的集群监控管理，实时掌握 CPU/GPU 资源使用情况及运行状态
实时监控集群的使用情况，合理安排训练任务；及时发现运行中的问题，提高集群的可靠性。
方案优势概览
