需求侧：算力需求爆发与使用门槛
AI 训练推理、大模型应用与教学实训逐步覆盖更多师生；非专业用户对环境配置、命令行与任务提交仍有较高门槛。
先解决阻碍落地的关键问题
供给侧：资源分散与异构演进
校级与院系资源分散建设，CPU、GPU 与国产芯片并存，多阶段扩容还需兼顾利用率、电力与制冷条件。
管理侧：运维与运营机制待完善
专业运维人员有限，资源配额、计费、服务目录与数据管理需要形成可持续、可审计的公共算力运营模式。
从业务入口到底层资源的分层协同
把任务提交、环境启用、资源申请和结果查看，与异构计算资源统一管理和融合调度放在同一建设框架中。
-
高校科研业务入口
- 任务提交
- 环境启用
- 资源申请
- 结果查看
-
Unify 融合计算平台
统一纳管
把校级与院系异构计算资源纳入共同管理视野
融合调度
围绕科研任务组织不同类型资源之间的调度关系
运营管理
把配额、计费、服务目录与数据管理纳入持续运营
-
校级算力资源
- 中心集群
- 院系既有集群
- 国产芯片集群
- 外部算力中心
形成高校科研算力建设的四项支撑
从真实场景、组织规则、平台底座到算力资源，按建设层级展开。
