[JJ202400395]计算服务器网上竞价公告
发布时间：2024年04月08日
阅读量：327次
剩余时间：
0
0
天
0
0
:
0
0
:
0
0
采购项目信息
| 项目名称 | 计算服务器 | 项目编号 | JJ202400395 |
| 开始时间 | 2024-04-08 11:09:59 | 截止时间 | 2024-04-11 11:09:59 |
| 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4 工作日 | ||
| 送货地址 | 湖北 武汉市 洪山区 洪山区珞喻路1037号东八楼201室 | ||
| 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。 |
||
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 | 服务器 | 计算服务器 | 戴尔 | PowerEdge R750 | 2 | 台 | 36 | 否 |
| 技术参数 | 1）本系统采用最新系列EPYC/XEON Platinum系列并发处理器，并发处理器数需要2个，单颗处理器物理核心不低于32个；至少需要提供4.95万亿次每秒的浮点计算能力，工作频率不低于3.5GHz：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； 2）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NVIDIA T1000，处理模块采用被动散热模式，加速缓存空间总共需要4GB的容量； 3）系统存储：通过vsan ready node认证节点，3.5寸硬盘插槽，12个硬盘盘位配置1块960G企业级SSD和3块8TB SAS 12Gbps 3.5寸热拔插硬盘，并支持在服务器生命周期结束或者挪作它用时，服务器集成的管理工具支持图形界面和命令行方式擦除物理磁盘/SSD 的数据； 4）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≧512GB，主频3200GHZ; 网络：板载不低于两个万兆电口； 5）供电模块：为了确保平台的稳定可靠运行，需要提供≧1400 1+1冗余供电模块； 6）RAID 支持：缓存≥8GB NV支持软件定义存储直通功能，RAID 卡在 VMware vSAN 官方兼容可查（提供官方证明）； 7）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；监控模块国产自主可控并提供软/硬件证书； 8） Linux CENTOS 9/Ubuntu 22.04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
2024年04月08日