1

经评估发现本地机房建设的投资较大且周期较长，同时缺乏IT团队，影响业务开展，希望有平台能快速帮助团队开展研发业务

2

CADD团队最初只有一个人，希望能有专业服务商协助进行软件的测试和调试，同时提供对CADD业务场景的支持

3

需要充足的CPU、GPU等算力资源，同时希望以低成本方式满足高峰算力需求

4

对数据安全有较高要求，要求计算环境私有化，确保数据资产安全

1

不同开发团队之间共享GPU服务器，服务器的资源分配目前是手工完成，效率很低且管理复杂

2

开发环境管理混乱，且由于网络限制，许多依赖安装流程繁琐，影响开发团队效率

3

由于手工管理，所有GPU服务器的使用情况没有监控，无法得知资源的使用效率

4

实验管理、超参数调优、分布式训练等需求无法满足

1

本地资源有限，需要在研究员之间分配GPU资源

2

个人使用工作站无法满足一些规模较大的模型训练的算力需求

3

实验室没有专人管理基础架构，需要管理和基本的运维监控

4

研究员希望保持GPU资源的接入方式不变

1

本地计算资源有限，多部门争抢，导致许多任务被推迟，效率不高

2

AlphaFold2需要使用GPU来加速蛋白质结构的预测，在实际业务中最多一次需跑十几个任务，并发需求多，如果按峰值购买GPU卡，一次性投入较高

3

研发只了解应用，对AlphaFold2软件的调优稍欠缺

1

本地资源有限，项目需求紧迫，需将数月才能完成的分子筛选任务压缩至几天内

2

研发人员对应用了解有限，不懂调优配置，需IT专家提供支持

3

IT人员没有能力支持研发所需应用的环境搭建、部署等工作，需要研发人员自己摸索，人力成本浪费较大

4

项目预算有限，希望尽量控制成本完成任务