https://www.acal.org.cn/projects/ProjectsHugoBlox Kit (https://hugoblox.com)zhSun, 19 May 2024 00:00:00 +0000https://www.acal.org.cn/media/logo_hu_538682de22da24db.pnghttps://www.acal.org.cn/projects/https://www.acal.org.cn/projects/data-fabric/Sat, 09 May 2026 00:00:00 +0000https://www.acal.org.cn/projects/data-fabric/<!-- Describe the problem, your approach, key results, and links to code/data. --> <p>当前，人工智能、数字经济与低空经济正加速重塑产业格局。从智慧城市中的海量物联感知，到小范围气象观测各类设备的实时协同控制，再到制造业的智能决策链路——数据已成为新型生产要素。多源、异构、高并发、低延迟的混合场景对数据互操作能力提出了前所未有的挑战。</p> <p>灵枢（Lynxus）数据编织平台，致力于打通各类应用场景中云边端多种系统间的数据孤岛，构建可信、可视、可控的数据流通基础设施。可广泛应用于服务化架构（SOA）、物联网（IoT）、大数据处理以及API驱动的集成场景，是数字基础设施中的关键数据编排枢纽。</p> <p>服务重点行业领域</p> <ul> <li>物联网</li> <li>制造业</li> <li>政府与公共事业</li> <li>气象</li> <li>国防</li> </ul> <p>在跨系统、跨平台的数据流转过程中，业务数据普遍呈现多源化、异构性、质量无保障等特征，主要数据来源包括：</p> <ul> <li>传感器设备</li> <li>其他业务系统</li> <li>第三方云服务</li> <li>日志与监控平台</li> </ul> <p>解决三类核心痛点问题：</p> <ul> <li> <p>接口不统一，重复适配成本高 多系统间数据格式不兼容，接口标准各异，导致重复开发适配程序，维护成本居高不下。</p> </li> <li> <p>路径不透明，故障定位效率低 在采集、清洗、路由及落地过程中缺乏可视化管控，流转路径难追踪，问题排查困难。</p> </li> <li> <p>效率无保障，高并发下可靠性低 在大流量、高并发场景下，数据传输易出现拥塞、中断和丢失，可靠性保障机制不足。</p> </li> </ul> <p>系统模块</p> <ul> <li>数据处理器：提供多源异构数据的接入、转换、路由、输出等7类可配置处理能力，支持图形化配置与实时执行监控。</li> <li>数据流管理：构建统一数据集成通道，支持可视化编排、模板复用及从文件、消息队列等多源自动接入与动态分发。</li> <li>监控与运维：提供可视化监控、数据流转轨迹追踪与智能告警，实现全方位的运行可观测性与主动运维。</li> <li>分布式数据存储：提供无单点故障、支持文件存储接口的分布式存储服务，稳定支撑海量异构数据的并发访问。</li> <li>数据安全：集成统一认证、操作审计、安全传输与数据隐私保护，保障数据全生命周期的安全与合规。</li> <li>系统管理：提供用户注册、登录、权限管理与日志查看等基础管理功能。</li> <li>扩展与集成：通过低代码流程构建与标准协议对接，使Lynxus无缝融入现有IT生态，降低集成与运维成本。</li> </ul>https://www.acal.org.cn/projects/model-compression/Mon, 01 Apr 2024 00:00:00 +0000https://www.acal.org.cn/projects/model-compression/<!-- Describe the problem, your approach, key results, and links to code/data. --> <h3 id="我方研究任务及考核指标">我方研究任务及考核指标</h3> <ul> <li>研究任务：研究在海光DPU大规模集群上的模型划分、内存优化、参数通信优化等核心技术。</li> <li>考核指标：申请1个软件著作权，申请2项发明专利，发表2篇学术文章，培养2名硕士（或博士）研究生。</li> </ul> <h3 id="项目阶段及任务划分">项目阶段及任务划分</h3> <h4 id="第一阶段方案设计2024年9月2024年12月">第一阶段：方案设计（2024年9月~2024年12月）</h4> <ul> <li>完成硬件平台和框架的调研与分析。</li> <li>确定移植与优化的技术路线和工作目标，针对气象大模型相关技术开展研究。</li> </ul> <h4 id="第二阶段框架移植2025年1月2025年10月">第二阶段：框架移植（2025年1月~2025年10月）</h4> <ul> <li>平台建设（前期通过平台租赁，后续采购海光硬件）。</li> <li>实现智能模型训练框架的移植，完成基本的计算核心适配。</li> <li>对计算进行初步优化，确保框架可以在国产芯片上运行。</li> </ul> <h4 id="第三阶段性能优化2025年11月2026年12月">第三阶段：性能优化（2025年11月~2026年12月）</h4> <ul> <li>开展模型训练在DPU平台上性能优化，完成数据并行、流水线并行、张量并行及通信组件优化工作。</li> <li>完成全面的稳定性和兼容性测试，确保训练过程无误。</li> <li>发表相关学术论文2篇，申请专利2项。</li> </ul> <h4 id="第四阶段应用示范2027年1月2027年11月">第四阶段：应用示范（2027年1月~2027年11月）</h4> <ul> <li>开发与国产芯片配套的工具链，提供调试和性能分析工具。</li> <li>申请软著1项，培养硕士研究生2名。</li> <li>在气象领域开展应用示范。</li> <li>编写项目相关文档，包括使用手册和技术报告。</li> </ul>