中国石油大学（华东）

海空学院海空

AI

云平台校内招标公告

项目编号：

ZSDZB2022-033

中国石油大学（华东）依据学校管理规定，并参照《中华人民共和国政府

采购法》及其他相关法规，就下述采购项目进行校内招标，邀请合格投标人进

行投标。

一、招标人名称：

中国石油大学（华东）

二、招标人地址：

山东省青岛市黄岛区长江西路

66

号

三、本次招标内容如下：

名称：海空学院海空

AI

云平台

数量：

2

套

预算：

38

万元

技术要求：详见附件。

四、资格要求

1.

投标人必须具有标的物的制造或合法的供货能力（进口产品必须取得生

产厂家针对本项目的授权），具有履行合同和售后服务能力。

2.

投标人须符合《中华人民共和国政府采购法》第二十二条的相关规定。

3.

投标人未被列入“信用中国”网站（

www.creditchina.gov.cn

）“失信被执

行人”、“重大税收违法案件当事人名单”、“政府采购严重违法失信名单”

；

不处于中国政府采购网（

www.ccgp.gov.cn

）“政府采购严重违法失信行为信息

记录”中的禁止参加政府采购活动期间。

4.

本项目不接受联合体投标。

五

、采购文件的获取

1.

供应商应先进入中国石油大学（华东）采购与招标办公室主页

（

https://zbb.upc.edu.cn

），点击右上角“供应商登录”，再点击“微信登录”

或“账户登录”，按系统提示进行登记注册，注册后拨打

**********

进行审核

，

审核通过后点击采购公告下方的“我要报名”，填写真实准确报名信息后提交

。

报名缴费时选择“在线支付”方式，缴费成功一小时后依据系统提示下载采购

文件。

注：如有问题可咨询

0532-********

（汤老师）。

2.

报名起止时间：

2022

年

4

月

6

日

-2022

年

4

月

11

日下午

17:00

前

(

北京时间

，

节假日除

外

)

。

3.

工

本费

:

100

元（售后不

退

，未购

买

采购文件的投标人不具

备

参加投标资

格，如

需开

具

发票

，请于交费后一

周

内

到财

务处收入管理

科领

取。）

六

、投标文件提交起止时间、地点

提交起止时间：

2022

年

4

月

18

日

14:00-14:30

（北京时间）。

提交地点：中国石油大学（华东）

西北

门门

口（体

育馆门

）

。

提交方式：投标人必须于投标文件提交

截

止时间前

派

投标

代表凭

本人

身份

证原

件并

持

法定

代表

人授权

委托书

提交投标文件，

逾

期不再受理，

传

真、

邮寄

等

方式提交的投标文件

概

不接收。

七

、

开

标时间：

2022

年

4

月

18

日

15:00

（北

京时间）

开

标地点：

中国石油大学（华东）行政办公

楼

0921

室。

八

、

投标

保证金

：

本项目不

需

要缴

纳

投标

保证金

。

九

、联系方式：

项目联系人：

徐

老师

联系

电话

0532-********

汤老师

联系

电话

0532-********

邮箱

：

zhaobiao@upc.edu

.cn

采购与招标办公室网址：

https://zbb.upc.edu.cn

招标

监督电话

：

0532-********

中国石油大学（华东）采购与招标办公室

2022

年

4

月

4

日

具体要求

一、功能及用途要求

(1)

教学方面：针对多学生同时在线使用深度学习进行海洋探测、遥感、测

绘、

GIS

等应用相关的数据处理，提供动态、灵活、弹性、共享、高效的计算机虚

拟资源服务，满足各学生实训需求。

(2)

科研方面：针对各专业的海量数据处理及深度学习等需求，使用现代化虚拟

化技术，优化整合设备资源，实现计算、存储及网络等资源的虚拟化、智能化，提

供学科专业涉及到的大数据分析、机器学习、模拟仿真等技术方向的平台支撑。

二、技术要求

1

、基础硬件参数：

架构：标准

4U

机架式服务器，（含导轨、安装、调试服务）

CPU

：

Intel Xeon Silver 4210R 2.4G/10Core/13.75M/100W/ * 2

颗。

内存：

32GB ECC DDR4-2933 RDIMM

内存

* 10

根。

内存扩展：可支持

24 x DDR4 DIMM

内存插槽，最大可支持

6TB 3DS ECC

DDR4 2933MHz RDIMM/LRDIMM

。

机械硬盘：

14TB/7200RPM/SATA/3.5

寸企业级机械硬盘

* 1

块。

数据固态盘：

2TB SATA 2.5

寸固态硬盘

* 2

块。

固态系统硬盘：

2TB NVMe PCIe M.2

固态硬盘

* 1

块。

存储扩展：

24 x 2.5"+6 x 3.5" SAS/SATA

热插拔硬盘位

,

其中支持

2 x

U.2

，

1 x NVMe M.2

（

2260, 2280, *****

）。

显卡：

Nvidia GeForce RTX 3090 24GB GDDR6X * 6

片。

显卡扩展：最多可以支持

8GPU

计算机装置技术（需提供相关证明）。

网络接口： 板载双万兆以太网端口

+RJ45

智能管理口。

电源：

2000W (2+2)

冗余高效电源。

其他：支持电磁仿真的

GPU

高性能计算平台技术等等（需提供相关证明）。

预装系统：支持预装

Linux Windows

等市场主流操作系统。

预装软件：支持预装深度学习相应的框架、加速库、

Nvidia

显卡驱动，等依据

客户具体使用版本情况而定（仅限开源）

.

保修：三年原厂质保，出厂提供

ATA

系统配置确认；

ATA

压力测试报告；

ATA

功能测试报告；

GPU

设备测试报告；

GPU

矩阵运算测试报告；

IPMI

测试报告。

2

、软件平台参数：

1

）用户接口：

GUI

界面：提供统一的中文

web

管理界面，支持

web

界面中英文切换

命令行客户端：客户通过

pip

安装命令行客户端，连接集群进行操作

Restful API

：系统所有功能均对外提供

Restful API

，方便用户进行二次开发

SDK

：

Java

开发者可以使用已封装

好

的

SDK

进行二次开发，方便

快捷

2

）

权

限管理

用户

组

管理：对用户

组

进行管理。支持用户

组创建

、

删除

，

角色

设定，

将

用户

加

入或移

出用户

组

等

用户管理：对用户进行管理。支持用户

创建

、

删除

、用户

组

、分

区

、存储

卷和

资源配

额

设定

资源限

额

：对用户的

CPU

、

GPU

、

Mem

和

存储配

额

进行设定，限定用户能使

用的资源数量

角色

管理：针对系统各功能模块，定

义不

同的

角色

。通过用户

组

的

角色

设定

为

不

同的用户设置

不

同的

角色

功能

授权

：系统对

不

同的

角色

有

不

同的功能

授权

，

只

有

特

定

角色

的用户

才

能

访

问

系统

特

定的功能（对所有用户接口

都

有效）

数据

访问

：用户的数据存储

空间

相

互隔离

，

每个

用户

只

能

访问

各

自空间

中的数

据，

无法越

界

访问未授权

的数据

资源配

额

修

改

：用户可修

改

资源配

额

与存储

卷

3

）

镜像

管理（需提供

截图

证明）

容

器

镜像

：运行中

容

器保存

为镜像

镜像

分享：管理

员

可以提

升私

有

镜像为

公共

镜像

，

普

通用户可以分享

私

有

镜像

给

其

它

用户；

被

分享的

镜像

保持一

份拷贝

，

只

有在同

步后产

生

新

的

拷贝

本

地镜像

：本

地环境

pull

和

push

镜像

Docker exec console

：通过

Docker exec console

配置

镜像并

保存

自

定

义

python

包

：

镜像制

作功能

允许

用户

自

定

义

python package

机器学习

镜像

库：

订制

版

Tensorflow-gpu

、

Caffe

、

PyTorch

、

Mxnet

的各

个

版本

镜像

，对外提供

下

载

NGC

镜像下

载：用户可以

从

Nvidia NGC

下

载

镜像

镜像

Label

：

启

动

任

务时通过

label

匹

配

正

确的

镜像

，加载

列表

镜像仓

库：系统

自带

docker

镜像仓

库，实现

镜像

的保存，

推送和下

载

镜像列表

：

查看镜像仓

库中的

镜像列表

，

查看镜像

的

名称

、标

签

、

创建

时

间

等

信息

镜像元

数据

查看

：

查看镜像

的

OS

类型

、

kernel

的版本、

python

版本以及安装

的

packages

、

python3

版本以及安装的

packages

镜像上传

：

上传

docker

镜像

tar

包并

保存到

镜像仓

库；

上传

Dockerfile

，系

统生

成镜像并

保存到

镜像仓

库。

镜像下

载：

从

docker hub

搜索

、

下

载

镜像并

保存到

镜像仓

库。

镜像

定

制

：

选

定

基础镜像和

需

要

安装的

python packages

，

制

作

新

的

镜像并

保

存到

镜像仓

库。

显

示镜像

操作进度：对

镜像上传

、

下

载

和

定

制

，显

示详细

进度

和消息

。

自由镜像

：

启

动

选

定

镜像为容

器，用户通过

ssh

登录

到

console

，安装

packages

，配置

环境

，

完成后

提

交为新

的

镜像

。

镜像隔离

：

镜像

分

为

公共

镜像和私

有

镜像

，公共

镜像由

管理

员维护

，所有用户

均可

读取

。用户

私

有

镜像

相

互隔离

，

无法

相

互访问

。

预置

镜像

：系统内置

tensorflow

，

caffe

，

pytorch

，

tensorboard

等

镜像

4

）资源管理（需提供

截图

证明）

节点伸缩

：

增

加、

删除

系统

节点

节点

资源配置：

查看节点

硬件资源配置，

包括

CPU,GPU

，

Mem

和

磁盘

节点剩

余资源展

示

：

创建任

务时，用户可以

查看节点上剩

余资源，

避免因单个

节点

资源

不

足导

致任

务调度

失败

资源分

区

；

将

集群资源在

逻辑上划

分

为不

同的分

组

，

不

同的分

组

设置

不

同的资

源数量，满足

不

同项目

组

的资源使用

和隔离

需求

资源配

额

：支持对用户

和

分

区

设置资源的配

额

，

包括

CPU

、

GPU

、

Mem

，用户

使用的资源

总和不

能

超

过配

额

，分

区任

务

消耗

的资源

总和不

能

超

过配

额

异常

显

示

：

当

服务器，网络，

GPU

卡等硬件发生

异常

时，

Web GUI

上会

显

示

相

应的

异常信息

，提

示

用户进行处理。

节点

IPMI

链

接：通过

节点

IPMI

链

接

查看

IPMI

详细信息

，

帮助

管理

员

定位硬件

故障和问题

节点

服务

监控

：

监控节点

服务运行

状

态，可以在

Web GUI

上查看节点上重要

服

务

是否

运行

正常

。

分

区

配

额

关

联

GPU

类型

：

创建

分

区

时，可以针对具体的

GPU

卡

类型

限定数量

个人

配

额

关

联

GPU

类型

：编

辑个人

配

额

时，可以针对具体的

GPU

卡

类型

限定

数量

空闲交互

式

任

务

释放

：

交互

式

任

务支持

空闲

时

间属

性，

当空闲超

过设定的时

长

，显

示警

告提

示

管理

员

进行

删除

节点

资源

监控

：

监控节点

资源使用

率

，

包括

CPU

使用

率

，

GPU

使用

率

，内存，

硬盘等

信息

，

并记录

日

志

，可以在

web

界面

上

以

图表

方式

查看历史信息

。

5

）数据存储

分

布

式存储：支持

常

用的分

布

式存储

例如

gluster

、

lustre

等

IB

存储网络：分

布

式存储支持

IB

高速网络

和

RDMA

，数据

读写

效

率

高。

NAS

共享存储：支持

NAS

共享存储。

本

地

数据

缓

存：

NFS

数据支持本

地

数据

缓

存，提高

IO

性能

创建卷

：支持

创建

分

布

式

卷

、冗余

卷

以及

条带

化

卷

。

多存储

卷

：支持

基于

GlusterFS

和

NFS

的多

个卷

同时共存

和

使用

查看卷

：

查看卷

的使用

百

分

比

，展

示卷

关

联

用户的使用

空间

统计

排名

。

数据管理：支持数据

上传

、

下

载、

删除

、压

缩

、

解

压、

复制

、

移

动

和

内

容浏览

FTP

接口：支持通过

ftp

上传和下

载大数据

公共数据：

自

动

创建

公共数据

空间

，

由

管理

员维护

，所有用户均可以

读取和

使

用公共数据。

公共数据

挂

载：用户运行

任

务时，公共数据以

只读

方式

挂

载在用户

容

器中，

避

免拷贝

数据共享：支持

把私

有数据共享

给组和

用户，支持

取消

共享；共享的数据可以

被

目的用户

读取和拷贝

。

数据

空间

配

额

：针对用户

指

定存储

空间

配

额

，用户存储

空间

大

小不

能

超

过配

额

限

制

。

6

）模

型

训

练

（需提供

截图

证明）

工

作目

录

设定：用户在运行

离

线

任

务时可以设定

工

作目

录

离

线训

练

：用户

上传

项目

后

，可以提

交任

务

启

动模

型

训

练

，提

交任

务需

要指

定

入

口

程序

、机器学习框架、资源需求、分

区和

使用的

镜像

。

Shell

脚

本

启

动

离

线

任

务：用户通过

自

定

义

的

Shell

脚

本

启

动训

练任

务，

适

应

conda

使用习

惯和特殊

场

景

Tensorflow

分

布

式：支持

TensorFlow

框架的多机多卡分

布

式训

练

Horovod

分

布

式

：

基 于

Horovod

的 分

布

式 训

练

， 支 持

Tensorflow

、

PyTorch

、

MxNet

，

极

大

降低

用户开发分

布

式训

练

的

难

度；

容

器

之间

通过

基于

SR-IOV

的高速虚拟网卡通

信

，大大提高训

练

性能

任

务模板：用户通过

自

定

义任

务模板，设置模板

参

数，可以

快

速

启

动

任

务，提

高效

率

超参

数调整：

启

动模

型

训

练任

务时，通过

key-value

对的

形

式设置

超参

数。

模

型

训

练

可

视

化：支持使用

TensorBoard

、

Visdom

、

VisualDL

、

MxBoard

等

工

具对

Tensorflow

、

PyTorch

、

MxNet

的训

练

过

程

进行可

视

化

训

练

日

志

：支持实时

查看任

务训

练

过

程

中的

log

输

出

任

务管理：

查看当前被

调度、

正

在运行，

暂停和

已

完成

的

任

务，

删除

、

暂停和

继续任

务。

任

务

详

情：

查看任

务

程序入

口、资源需求、分

区

、学习框架、开

始结束

时

间和

成

功

状

态与

消息

。

任

务资源统计：显

示

训

练任

务的

CPU

，

GPU

和

Mem

的实时使用

率

，

任

务运行

结束

时统计

任

务运行过

程

资源的使用情况。

任

务调度：根据

任

务的

CPU

、

GPU

和

Mem

的需求，以及对

GPU

卡

型

号的

选

择

，动态调度

任

务到最优的

节点上

，保证资源使用的效

率

。

任

务优

先

级：用户提

交任

务可以

选

定优

先

级，管理

员

可以调整

任

务

队列顺序和

任

务的优

先

级

任

务预

约

：用户可以预

约任

务

执

行的时

间和频率

GPU

多

容

器共享：

GPU

可以在多

个容

器

之间

进行共享（需提供

截图

证明）

任

务

容错

：运行

失败

的

任

务

会

在

指

定次数内

自

动

重启

模

型

开发调试：

Jupyter

启

动

Jupyter notebook

进行

交互

式开发

和

调试

JupyterLab

启

动

JupyterLab

进行

交互

式开发

和

调试

PyCharm

启

动

图形

化

任

务，通过

Web VNC

连接

并

在

PyCharm

中进行开发

和

调试

Remote Debug

启

动

Terminal

或

Desktop

任

务，在本

地

PyCharm

中进行

代

码

同

步和远程

调试

Terminal

启

动

Terminal

，通过

ssh

连接

容

器进行开发调试

开发

任

务管理：

启

动、

暂停

、

删除

模

型

开发调试

任

务

7

）模

型产

出

模

型

导出：支持导出训

练好

的模

型

模

型部署

：训

练完毕

的

Tensorflow

模

型

使用

TensorServing

进行

部署

，对外

提供服务

和

测试功能

监控

中

心

：

监控

报

表

提供

节点

、分

区

、集群

层

次的统计报

表

，方便管理

员

进

行资源使用的统计

GPU

显存

监控

：显

示任

务

GPU

显存使用

率

资源面板：统计系统

总

体资源配置、

CPU

、

GPU

、

Mem

使用

率

，

节点状

态，分

区

资源

消耗和任

务运行情况

节点

资源统计：使用

直

方

图

显

示节点

CPU

、

GPU

、

Mem

、网络

IO

、运行

容

器

数量的实时统计

节点

资源

历史

：显

示节点

CPU

、

GPU

、

Mem

、网络

IO

的

历史曲

线

图

分

区

资源统计：使用

直

方

图

显

示

分

区

CPU

、

GPU

、

Mem

和任

务运行的实时统

计

分

区

资源

历史

：显

示

分

区

CPU

、

GPU

、

Mem

的

历史曲

线

图

GPU

信息详细监控

：

从

分

区

、用户、集群、

任

务

类型

等各

个层

次

和维

度展

示当

前

GPU

的

空闲和占

用

状

态（需提供

截图

证明）

用户资源使用统计：使用

图表

方式对用户在

选

定时

间段

内的

CPU

、内存

和

GPU

使用进行统计

卷

使用统计：使用

直

方

图

显

示

所有

卷

的使用

排名

统计

8

）系统

环境

操作系统：支持

Ubuntu Centos

操作系统

自

动

启

动：服务器

重启后

，

自

动

启

动平台服务。

内存

占

用

低

：

单

机版资源优化

后

内存使用量

降至

8G

，

16GB

内存运行流

畅

9

）其他

在线

手册

：

GUI

界面可

直

接

链

接

查看

html

格

式的用户

手册

在线

升

级：

GUI

界面可进行在线

升

级

其他：提供

售后

服务

承诺函

及需提供

该

平台软

著

证明文件

三、附件、备件和消耗品

3.1

网线、机柜螺丝、扎带等等。

四、技术服务

4.1

供应商必需在使用者的实验室内安装调试仪器直至用户认可仪器符合技术

性能为止。

4.2

仪器在调试通过后必须有

36

个月的保修期。

4.3

供应商必须为买方两位人员提供至少

1

天的培训时间，培训内容包括仪器

的基本原理、操作及一般仪器维护保养知识。

4.4

制造商在国内的技术服务中心（包括维修中心）应当提供所有的服务包括

备用零件及消耗品（以人民币结算）。

注册报名地址：http://www.yuncaitong.cn/publish/2022/04/05/20L1M8HHYQGOEWON.shtml