10月24日,全球AI算力池化技术领导者趋动科技在“2022 长沙·中国1024 程序员节”上正式发布业内首个AI算力池化云服务——趋动云VirtAI Cloud,面向所有AI相关企业、科研院所和个人开发者,提供像“用水用电”一样便宜好用的AI算力基础架构服务。
趋动云VirtAI Cloud破解AI算力供给两大挑战
全球数字经济持续高速增长,带来了超大规模的计算需求,算力成为数字经济时代的关键生产力。而人工智能作为数字经济时代的重要基础设施、关键技术、先导产业以及赋能引擎,对AI算力的需求以远超摩尔定律的速度持续增长。
高速增长的AI算力市场主要面临成本和易用性两大挑战。企业和AI开发者获取AI算力的方式主要有自建算力和租用算力,无论哪种方式都会面临运营成本高、运维门槛高、资源利用率低等难题。而从技术角度来看,多种异构AI芯片、平台共存,也是限制企业灵活使用AI算力的巨大阻碍。
趋动云VirtAI Cloud(www.virtaicloud.com)以“连接算力·连接人”为使命,发挥趋动科技在AI算力池化领域的深厚积累,高性能、高效率、低成本地调度分布在全球的算力,就像电网连接各个发电厂。同时,借助趋动云提供的AI开发和训练管理平台功能大幅降低AI算法工程师的使用成本,为企业、科研和个人AI开发者提供按需使用的开发和训练服务。
便宜好用!趋动云让AI算力触手可得
趋动科技依托全球领先的 GPU 池化技术打造的趋动云VirtAI Cloud,为万千企业和AI开发者带来又便宜、又好用的AI算力池化云服务。
首先是便宜。趋动云VirtAI Cloud 运用全球领先的 OrionX GPU池化技术,实现GPU资源的高效管理和使用,显著提升GPU利用率。同时支持多种GPU算力规格,精准满足不同模型的算力需求,给用户提供更多选择。此外,灵活的按需付费模式可根据用户实际使用小时数进行计费,避免包月包年模式的算力浪费,最终打造了趋动云VirtAI Cloud极具竞争力的价格,显著降低用户成本。
经测算,完成相同精度的ResNet和Tacotron2模型训练,趋动云相较典型公有云的GPU算力,能为用户节省60%~70%的成本。
其次是好用。在AI算法开发流程的数据准备环节,针对用户AI数据量大,采集、下载和上传难等痛点,趋动云打造丰富的高质量开放数据,用户可直接“拎包入住”,同时提供强大的团队协作能力,实现“一人上传,团队使用”。在环境搭建环节,对于AI开发所需的大量底层系统运维及开发、训练环境管理混乱痛点,趋动云提供丰富的预配置环境镜像、免运维的平台化服务,帮助用户聚焦算法开发。对于算法研发环节的GPU算力闲置、成本浪费严重,团队协作(代码、数据、镜像分享)困难等痛点,趋动云通过对JupyterLab、VSCode等主流开发环境的支持,以及高效团队协作(代码、数据、镜像共享)能力,结合极具竞争力的GPU实例价格,兼顾高效率和低成本。
针对模型训练环节的分布式训练配置难题和模型训练管理复杂、评估繁琐、无法有效利用空闲时间等痛点,趋动云提供一键式、零门槛部署分布式训练,支持 TensorBoard实验结果可视化,以简化评估与分析,而平台化、结构化、流程化的算法研发管理,让AI开发更加高效准确。
此外,为了让用户用好趋动云,趋动科技以“人”为本,构建全球开发者和项目资源分享社区,通过丰富的算法资源、高质量数据集、高效的交流社区和大量经验证的预训练模型,帮助AI开发者快速实现最佳实践。
无论是个人开发者,还是企业、教育、科研机构等团队开发者,都能尽享趋动云VirtAI Cloud 的AI算力池化云服务。对于个人开发者,趋动云可节约算力使用成本;实现开发训练流程结构化管理,大幅提高模型开发效率;使用社区资源快速开始工作,大幅缩减工作预热实践。对于团队开发者,可以通过趋动云随时、随地接入算力;丰富的算力规格可满足不同算法模型的研发和训练需求;支持数据,镜像等生产资料的共享协作,提高团队协作效率,减少资源浪费。
趋动云1024限时注册有礼活动火热进行中,重磅福利来袭!扫描下方二维码,即可参与。活动期间,GPU算力低至¥0.49元/时。

好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。