AI 开发面临的挑战

• 问题 1：管理难题

  • 资源管理难：算力资源昂贵，但是缺乏有效管理，闲置情况严重。
  • 用户管理难：多租户下，难以科学合理的分配资源，难以确保数据安全。

• 问题 2：开发难题

  • 环境搭建难：深度学习对算力、数据、框架的复杂要求，导致配置环境需要付出大量时间精力。
  • 模型训练难：AI 技术架构多而复杂，工程难度高，严重影响模型开发与调优的效率。
  • 团队协作难：开发环境缺乏协同合作，导致大量重复工作，业务进展缓慢。
  • 开发资源管理难：缺乏对代码、镜像、模型数据的统一管理，容易形成资源孤岛。

定位

趋动云平台是一款一站式全流程人工智能平台。
平台打通模型开发与训练，原生支持多机多卡训练环境，优化 AI 场景下 IO 吞吐、持久化、结构化维护模型生产信息，优化数据资源共享路径，最终提高平台整体资源利用率，消除信息孤岛，大幅提高 AI 算法工程师工作效率，使其聚焦于算法与模型开发的核心工作，利用有限的资源更快挖掘商业价值与远见洞察。

商业价值

提高企业对于 AI 应用的研发效率。

• 平台支持数据共享、模块复用，为团队协作提供了便捷。
• 平台提供的对于 AI 资源的管理简单、便捷、灵活。

主要功能

趋动云主要功能如下：

• AI 模型在线开发

  • 深度整合算法开发环境，支持 JupyterLab/网页终端/ssh 登录等多种开发调试工具。
  • 一键快速提交训练任务和保存镜像。
  • 支持主流 TensorFlow、PyTorch 等 AI 框架。
  • 实时监控开发环境资源用量(CPU，内存，GPU)。
  • 支持使用 VSCode、PyCharm 工具远程 SSH 连接开发环境进行代码调试。

• 模型训练
  支持单机训练、分布式训练。

• AI 资产管理
  包括对镜像、数据、代码的整合与管理，支持外部数据源的接入和外部代码仓库的连接。支持代码、数据、镜像的多层级共享，方便 AI 开发工程师相互之间相互协作。

• 排队管理
  用户可以同时提交多个任务，资源不足时自动进入等待队列。

  • 其他任务训练结束后自动释放资源给排队等待的任务，从而可以充分利用夜间、周末训练任务，延长GPU的使用时间，提高训练效率，有效提升人效。
  • AI 任务队列优先级可灵活调整

典型应用场景

核心竞争力

• 优化生产力
  • 一站式开发、训练、管理平台，化繁为简，有利于大幅缩短模型开发周期。
  • 精细化、结构化的任务管理，结合配额、可视化、作业调度器，最大化提高效率。
  • 多种机制结合，灵活管理多租户场景下计算资源的统一合理分配。
  • 强化的安全机制，优化的协同平台，有利于团队成员间分享成果与开展合作。
• 算力质优价廉
  • 任务自动排队机制，有效避免资源闲置，降低人工守护成本。
  • 多场景自由切换，低配环境开发、高配环境训练、高效利用资源。
• 支持敏捷开发
  • 统一的开发环境，一站式帮助用户完成在线开发，模型训练，代码分享，模型调优等核心功能。
  • 结合硬件资源配额，支持用户自定义开发环境。
  • 平台支持多种数据存储方案，统一管理个人数据与开发数据，支持数据协同共享。
  • 平台集成镜像管理、代码管理，支持模型快速迭代。