采购项目信息

项目名称	工作站	项目编号	JJ202300937
开始时间	2023-08-03 14:39:49	截止时间	2023-08-08 14:39:49
联系人	********	电话	********
支付方式	货到验收后付款	合同签订时间	竞价成交后3工作日
交货时间	合同签订后3 工作日
送货地址	湖北 武汉市 洪山区 武汉市华中科技大学新光电大楼C748
供应商资质要求	1.符合《政府采购法》第二十二条规定的供应商基本条件;具有独立承担民事责任的能力；2.具有良好的商业信誉；3.具有履行合同所必需的物资和专业技术能力；4.有依法缴纳税收和社会保障资金的良好记录；5.参加高校采购经营活动中没有重大违法记录.
售后服务	要求原厂未拆装的全新正品行货，原厂直发华中科技大学，厂商官网可查最终用户是为“华中科技大学”，保修信息、出厂配置信息与招标参数要求一致，机器出厂日期不早于招标截止日期。整机及配件必须均为原厂全新正品，拒绝第三方配件、水货、二手货。交付时逐项核对验收，不符合竞价要求的一律做退货处理，同时追究相关责任，并赔偿以此造成的一切损失, 原厂提供随机五年的 （24*7）4小时上门的人工+备件免费白金质保服务。

采购货物信息列表

序号	品目	商品名称	参考品牌	参考型号	数量	计量单位	质保期（月）	是否允许其他 品牌型号报价
1	工作站	工作站	五舟/超微	五舟/超微	1	台	60	否
	技术参数	1）系统采用最新系列EPYC/XEON Platinum系列并发处理器，并发处理器数2个，单颗处理器核心线程数量不低于64个； 2）提供至少4.95万亿次每秒的浮点计算能力，工作频率不低于2.9GHz动态频率不低4.6GHz：系统采用高效数据系统，工作频率至少3200MHz，可分配容量每个处理核心至少4 GB的容量； 3）高速处理模块：为提高系统的运行效率，需要额外增加专业高速图形处理模块，处理模块采用主动散热模式，供电环境由系统统一供应，处理模块至少需要提供16.2万亿次每秒的单精度浮点计算能力以及130.4万亿次每秒的Tensor计算能力，加速缓存空间总共需要4GB的容量，GPU模块4个，最大可扩展至8个，4）系统存储：不少于1块1TB 企业级 NVME SSD硬盘；不少于4T 企业级 7200转 SATA 一块；5）内存模块数量：支持4TB内存，需要提供第二代傲腾非易失性内存与DDR4内存搭配使用≧256GB，主频3200GHZ; 网络：板载不低于两个万兆电口； 6）供电模块：为了确保平台的稳定可靠运行，需要提供≧2000 w0+1冗余的1、2+2冗余供电模块；7）规格：5U塔士，需机器运行噪音低于50分贝 ； 8）GPU计算卡，后期支持可扩展3个NVIDIA RTX /TESLA双宽显卡,必须支持扩展最新英伟达单涡轮原厂专业计算卡4090/3090 ≧4块，显存≧24GB ，RTX 4090 /GPU卡及带GPU风扇 显卡温度控制70度以下； 9）带键鼠套件一套，控制器- SW RAID 0, 1,5,10 6，支持SSD优化技术，专用启动盘≥2，有启动盘RAID，SD卡数量≥2，SD卡可组成RAID； 10）服务器出厂自带如下性能系统： 1．采用轻量级容器虚拟化技术和Kuberates管理平台，实现对CPU、内存、磁盘等资源的虚拟化和统一管理。针对人工智能领域的特定需求，提供GPU等异构计算资源管理接口，实现对GPU等异构计算资源的虚拟化统一管理，支持为容器以直通方式挂载GPU等异构计算资源； 2. 支持容器间infiniband高速通信 3. 允许用户上传自定义的代码程序和数据文件，通过在线提交计算资源需求即可启动训练任务，支持单机多GPU和多机多GPU的训练任务。支持在Web界面通过jupyter、远程图形桌面直接访问虚拟环境。支持通过pycharm方式上传代码和数据，提供功能截图证明； 4. 支持输出损失率、准确率等动态可视化监控图表，同时支持输出训练过程日志，并提供日志下载功能； 5.具有硬件加密功能，服务器支持采用硬件加密的方式接入集群； 6. 具有镜像管理功能，支持私有镜像仓库，集中化管理用户的镜像。能够提供新建项目、设置用户权限等功能。支持用户对本地镜像的编辑，镜像推送，删除等操作，提供功能截图证明； 7. 系统支持管理员和普通用户两种角色用户，管理员可以为普通用户创建一个或多个独立的GPU集群环境，并可以限制CPU、GPU、内存等资源量的大小，将资源分割成多个独立的集群，方便为多个部门提供服务，提供功能截图证明型号、插槽位置、显存使用量、电压使用量、温度、风扇转速、负载状况等指标、图标显示界面刷新率为秒级； 11）监控模块国产自主可控并提供软/硬件证书； 12） Ubuntu Linux CENTOS 7.8/ 18.04及以上操作系统： 1.GPU CUDA 编译环境 ：CUDA Toolkit ，GPU Driver； 2.深度学习框架：Tensorflow，mxnet，pytorch, caffe 等等； 3.NVIDIA DIGITS™ GPU 训练系统； 4.Deep Learning SDK ：深度学习原生库 CuDNN，深度学习推理引擎（TensorRT）； 5.NVIDIA Docker 容器平台:包括编程、运行、系统工具、系统函数库等都打包到一个完整的文件系统中，可安装到任何一台服务器上； 6.深度学习加速库：cuBLAS， cuSPARSE , NCCL。

华中科技大学
2023年08月03日