公告摘要
项目编号jj202301377
预算金额7.85万元
招标公司华中科技大学
招标联系人-
中标公司武汉韬亿科技有限公司7.85万元
中标联系人-
公告正文
成交信息
成交供应商:
武汉韬亿科技有限公司
成交金额:
¥78,500.00
成交理由:
符合要求,价格最低
采购项目信息
项目名称 工作站 项目编号 JJ202301377
开始时间 2023-10-16 11:41:16 截止时间 2023-10-19 11:41:16
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2 工作日
送货地址 湖北 武汉市 洪山区 珞喻路1037号华中科技大学机械学院
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;
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, 原厂提供随机三年的 (24*7)4小时上门的人工+备件免费白金质保服务

成交货物信息列表
序号 品目 商品名称 品牌 型号 数量 计量单位 质保期(月) 单价(元)
1 工作站 大显卡工作站 CXUN T640 1 36 78500.0
技术参数
本系统采用最新EPYC 7542系列并发处理器,并发处理器数需要1个,单处理器核心线程数量64个,至少需要提供3.95万亿次每秒的浮点计算能力,工作频率不低于3.1GHz动态频率不低4.2GHZ:本系统采用高效数据系统,由于需要提供处理器直接数据读取工作频率至少需要3200MHz,可分配容量每个处理核心至少需要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,供电环境由本系统统一供应,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1个,最大可扩展至4个, 4)系统存储:2块1T 企业级 NVME SSD硬盘,2块8T 企业级SATA; 5)内存模块数量:支持4TB内存,需要提供傲腾非易失性内存与DDR内存搭配使用256GB,主频4800GHZ; 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2000w1+1冗余的1、2+2冗余供电模块; 7)规格:4U塔式,需要机器运行非常静音,机器运行噪音低于60分贝 ;8)GPU计算卡,后期支持可扩展4个NVIDIA RTX A6000 48G单涡轮原厂专业计算卡,配置A6000 48G 2块,显存≧48GB ,GPU卡及带GPU风扇;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;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;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10月19日
返回顶部