训推一体机:十几万起,用完就闲置
- 01动辄十几万到上百万的硬件投入,买回来用不好又怕浪费
- 02自己部署很麻烦,上线遥遥无期
- 03使用方法固定,算力无法复用,白天上课时闲置
青葡萄的做法用同一套 GPU 服务器:白天做云桌面,晚上做算力,硬件不用重复买。
白天上课做云电脑,晚上空闲当算力一体机
把服务器上的 GPU 池化,按时间片预约给教学和科研:切分颗粒度精细到 1GB,也可以整卡直通;白天是云桌面机房,16:30 之后变成 AI 算力平台。

AI 进课堂是趋势,但学校通常不清楚该建在哪、建多大、谁来用;一体机又贵又只能干一件事。
青葡萄的做法用同一套 GPU 服务器:白天做云桌面,晚上做算力,硬件不用重复买。
青葡萄的做法GPU 池化 + 桌面派生,按课程创建不同配置的桌面;软件统一激活,环境不再固化。
从资源怎么切、时间怎么排,到模型怎么交付、使用记录怎么查。
同一台服务器上,1GB 粒度的虚拟显存与整卡直通可以同时存在,按课程需求分配。
用户按预设算力模型自助预约:预约的是显卡穿透,模板提前预制好;可分配多个账号。
镜像里预置人工智能教学与科研所需的模型,统一分发到桌面,用户不用自己搭环境。
应用分层 + 个性化配置保存,CAD、3ds Max 这类绑定硬件信息的软件激活一次即可,更新镜像不用重新激活。
CPU、GPU、存储、虚拟机、内存全程监看,教学与科研的使用记录留存可查,支持监控告警。
管理员配置各业务场景的时间周期,平台自动把算力分时调度到教学、科研、图形设计之间。
底层是 GPU 服务器,上层是云桌面与算力平台,终端可以是胖终端、云终端或传统 PC。
图形图像、视频剪辑类课程,按需分配显存
预置模型环境,统一分发到桌面
16:30 后开放预约,跑模型训练
设计类软件吃显存,按课程切分
二次虚拟化、USB 管控、内置云盘
账套创建加速,一人一桌面
| 时间 | 用途 |
|---|---|
| 8:00 – 16:30 | 云桌面上课,按课程模板派生桌面 |
| 16:30 – 次日 8:00 | 开放算力预约,跑训练与推理 |
| 算力饱和时 | 上课与预约同时进行,按剩余资源分配 |
这就是「高复用」的实际含义:同一台服务器,白天给一个班上课,晚上给另一个课题组跑模型。
学校买一体机的顾虑通常不是「买不起」,而是「买回来用不好」。这套方案把算力放在已经在用的云桌面服务器上:上课时间照常上课,空闲时间才拿去预约,硬件投入不重复,AI 能力也不用另建一套运维体系。