某實訓室 GPU 集群專案，涵蓋高效能存儲系統的供應、實施與調優，旨在為客戶的 AI 應用提供穩定、高效、高速的數據存儲支撐。優力網絡為客戶量身定制解決方案，除滿足性能要求外，並按客戶對作業調度與資源管理的特殊要求完成平台化交付。

客戶背景

客戶為面向 AI 與高效能運算教學實訓的實訓室。與一般企業自用集群不同，實訓室場景需要在同一套平台上承載多班次、多課題、多用戶的並行使用，既要保證算力與存儲性能，也要具備清晰的資源分配與使用邊界。

面臨挑戰

1. 高並發算力與存儲：GPU 集群與後端存儲需同時支撐多用戶、多任務的高並發讀寫，並為前後處理應用提供穩定頻寬。
2. 作業調度要求：除性能要求外，需對任務實現作業排隊、提權、搶占等綜合策略，確保有限算力被公平且有效率地使用。
3. 私有雲化管理：需對前後處理應用任務實現純集群私有雲化操作，讓使用者以統一入口提交與取回任務。

解決方案

優力網絡以 2124 全閃存儲為數據核心，配合兩台 8 卡 GPU 伺服器構建 GPU 集群，並在集群之上部署作業調度與資源管理平台，形成「算力 — 存儲 — 調度」三位一體的架構：

• 算力層：2 台 8 卡 GPU 伺服器（8 × L20），面向 AI 訓練與推論任務提供算力。
• 存儲層：2124 全閃存儲，配置 16 × 7.68TB NVMe SSD，為模型與數據集提供低延遲、高頻寬的數據支撐。
• 調度層：作業佇列、優先級、搶占與提權策略，配合用戶分組與分域管理，實現純集群私有雲化操作。

平台界面

平台交付後，管理員可透過統一界面完成節點狀態管理與資源分配，師生則可透過私有雲化入口提交前後處理與求解任務，並即時查看作業狀態與資源佔用。

圖 1：前後處理應用（求解器）運行界面

圖 2：GPU 集群節點管理界面（節點名稱、IP、BMC 位址與節點狀態一目了然）

圖 3：作業佇列與資源分配界面（作業編號、狀態、分區、節點與資源佔用）

配置清單

客戶收益

• GPU 算力與全閃存儲統一納管，實訓任務的提交、排隊與取回在同一平台完成，教學組織效率明顯提升。
• 作業排隊、提權與搶占策略落地，突發與高優先級任務可即時取得資源，避免算力長時間被低效佔用。
• 前後處理應用實現純集群私有雲化操作，使用者無須關心底層節點分佈，降低使用門檻與運維成本。

說明：本案例依據客戶專案資料整理，界面截圖用於說明平台功能，具體型號、數量與性能表現以實際檢測報告及最終報價方案為準。