搜索: 集群运维

2026-07-13 23:14:53 0 阅读

昇腾910C集群扩容时，卡能点亮只是起点。版本矩阵、算子验收、HCCL拓扑、数据链路、故障恢复和机房条件，决定了多机任务能否稳定跑完。

2026-07-12 07:05:32 0 阅读

北京某 8000P 算力园区在 2026 年 5 月发生冷媒切换引发的集群级掉卡事故。本文面向一线运维，拆解昇腾 910C 液冷集群在漏液、分水器温差与缓蚀剂离子浓度上的预测性维护阈值，提供需提前 30 天干预的信号清单

2026-07-08 09:49:39 0 阅读

2026年各地8000P智算中心密集交付，但混合部署昇腾与海光时，算力利用率普遍低于60%。本文直击异构集群的真实运维痛点：跨架构算力分配不均、显存碎片化、通信拓扑不匹配。提供代码级实操方案，包括华为CANN与海光DTK

2026-07-07 03:39:21 0 阅读

8000P智算资源进驻园区后，真正考验不在机柜数量，而在调度、成本和稳定性。算法团队要弹性，运维团队要可控，双方需要一套能对账、能分级、能追责的协作方式。

2026-07-06 11:42:24 0 阅读

基于河套学院千卡集群训练1.6万亿参数DeepSeek-V4-Pro的实战经验，拆解网络拥塞、显存碎片化、CANN算子迁移与故障自愈中的具体陷阱，提供可复用的配置参数和监控看板搭建方法，帮助一线运维工程师少走弯路。

2026-07-06 11:14:09 0 阅读

深圳河套学院AI训练平台项目团队等基于昇腾910C集群完成1.6万亿参数DeepSeek-V4-Pro全参数后训练。比起“跑通”，1500余步无中断、MFU超过30%、故障率控制在0.3‰，更能说明这类国产算力集群的工程

站内搜索