1）GPU集群概述：随着人工智能产业的飞速发展，单台服务器已无法满足技术发展所带来的巨大的计算需求，通过集群将多台服务器通过软件与硬件结合起来，形成一个统一的系统对外提供服务越来越成为趋势；同时服务器集群还可以实现负载均衡，从而避免一台服务器因为负载过高而出现故障，更好的保障服务器整体工作运转；

2）GPU集群应用定位：面向大规模异构计算基础设施管理，实现深度学习计算资源管理、调度、应用的自动化，广泛应用于教育、科研、医疗、政府等行业领域，大幅提升计算基础设施利用率，降低数据中心总体拥有成本，提升人工智能研发创新效率；

3）GPU集群实现功能：资源统一管理；资源利用率实时监控，单机多卡任务、多机多卡任务，性能线性增长GPU服务器；通过自研服务和 docker 容器技术相结合，帮助用户托管深度学习训练作业；前期数据标注模块；后期模型部署模块；多租户管理；用户组管理；计费系统；兼容Intel、AMD平台；支持NVIDIA、FPGA运算卡；

4）分布式存储集群概述：分布式存储管理系统，支持Gb、10Gb、25Gb、40Gb、56Gb、100Gb、200Gb以太网网络；支持56Gb、100Gb、200Gb infiniband网络；支持RDMA/OPA传输；支持主流的文件访问协议，包括iSCSI/CIFS/NFS/FTP/WebDAV/POSIX；单个集群支持至少扩展到256个存储节点；中英文操作界面；

5）高性能存储概述：存储管理系统，将针对不同应用场景可选配不同的方案。

    6）GPU集群架构