常见问题

问题列表

  • 现有的 GPU 服务器也能部署 AstraGo 吗?

    可以。AstraGo 能够部署在现有的 NVIDIA GPU 服务器及 NPU(FuriosaAI、DeepX)上,异构 GPU 也可在同一平台统一管理。我们会先分析现有基础设施环境与需求,再设计并搭建适合贵司环境的 GPU 集群架构。

  • 想了解 AstraGo 支持哪些 GPU 环境。

    AstraGo 支持 NVIDIA GPU 全系列型号,并可按本地化部署环境进行设计。它同时支持 AI 训练与推理工作负载,可对由多台服务器组成的 GPU 集群进行统一管理。

  • 希望在隔离网络环境中使用 AstraGo。

    AstraGo 可在隔离网络等对安全性要求较高的环境中使用。我们会结合贵司的安全与网络环境进行部署,并支持贴合本地化部署环境的运维方式。

  • 部署后如何获得技术支持?

    部署时将指派 1 名专属开发人员,直接提供技术支持。发生故障时,专属工程师也会查明原因并进行处理,并提供远程或现场技术支持。我们还提供运营培训、系统配置变更、集成与应用部署等运营所需的技术支持。

  • 希望同时运行 AI 训练与推理工作负载。

    AstraGo 同时支持 AI 训练与推理工作负载。可按工作负载切分并分配 GPU 资源,优化资源利用率,使一块 GPU 能够同时运行多个工作负载。

  • 引入前可以先验证效果吗?

    可以。可在贵司环境中进行概念验证(PoC),先行验证效果。PoC 的周期与范围等具体条件将另行协商。

  • 部署需要多长时间?

    视安全、网络、存储、外部系统对接等定制化程度而定,大约需要 2 周至 2 个月。

  • 费用是如何构成的?

    费用由年度订阅许可与按节点计算的服务器安装费构成。如需定制开发,将另行协商。

  • 能否安装在正在运行的服务器或 Kubernetes 环境中?

    对于正在运行的服务器,会先安装 Kubernetes,再安装 AstraGo。已在运行 Kubernetes 的环境也可以安装,但可能与现有软件发生冲突,因此安装前将由负责人员事先确认。

  • 电源管理是如何运作的?

    在训练、微调等批处理任务运行期间,会自动调整 GPU 功耗上限。任务结束或功能停止后,GPU 设置会自动恢复为默认值。

  • 支持哪些 NPU?

    目前支持 FuriosaAI 与 DeepX 的 NPU,可用于 DeepX ModelZoo 中视觉模型(目标检测、图像分类)的推理服务。

  • AI Agent 可以连接哪些 AI 工具?

    通过 MCP 方式连接,已在 Claude Code 中完成验证,同时也支持 Codex 与 ChatGPT。