采购项目信息
采购货物信息列表
| 项目名称 | 服务器 | 项目编号 | JJ******0 |
| 开始时间 | 2025-01-20 09:35:39 | 截止时间 | 2025-01-23 09:35:39 |
| 联系人 | ******** | 电话 | ******** |
| 支付方式 | 货到验收后付款 | 合同签订时间 | 竞价成交后3工作日 |
| 交货时间 | 合同签订后3 工作日 | ||
| 送货地址 | ******大学光电信息大楼 | ||
| 供应商资质要求 |
1.符合《政府采购法》第二十二条规定的供应商基本条件;1.符合《政府采购法》第二十二条规定的供应商基本条件;1.符合《政府采购法》第二十二条规定的供应商基本条件;1.符合《政府采购法》第二十二条规定的供应商基本条件; |
||
| 售后服务 |
1、投标供应商应在武汉有售后服务机构并提供所投服务器品牌销售资格证书；
******大学”，保修信息、出厂配置信息与招标参数要求一致，整机及配件必须均为原厂全新正品，拒绝第三方配件、水货、二手货。交付时逐项核对验收，不符合竞价要求的一律做退货处理，同时追究相关责任，并赔偿以此造成的一切损失。 |
||
| 序号 | 品目 | 商品名称 | 参考品牌 | 参考型号 | 数量 | 计量单位 | 质保期（月） | 是否允许其他 品牌型号报价 |
|---|---|---|---|---|---|---|---|---|
| 1 | 服务器 | 服务器 | 超微/五舟/浪潮 | SYS-821GE-TNHR/NF5468M6 | 1 | 台 | 36 | 否 |
| 技术参数 | 1、本系统采用最新系列EPYC/XEON Platinum系列并发处理器，并发处理器数需要2个，单颗处理器核心线程数量不低于36个；至少需要提供4.95万亿次每秒的浮点计算能力，工作频率不低于2.5GHz,做仿真计算必须满足；2、本系统要求采用高效数据系统，由于需要提供处理器直接数据读取，工作频率至少需要3200MHz，可分配容量每个处理核心至少需要14GB的容量；3、高速处理模块：为提高系统的运行效率，需要额外增加专业高速图形处理模块，处理模块采用主动散热模式，供电环境由本系统统一供应，处理模块至少支持提供600 TFLOPS TF32算力，提供GPU模块不少于8个；4、系统存储：不少于960G SSD SATA 2块，不少于960G NVME SSD 4块，不少于16T SATA 3块；5、本系统要求采用控制器-SW RAID 0, 1,5,10 6，支持SSD优化技术，专用启动盘≥2，有启动盘RAID，支持SD卡数量≥2，SD卡可组成RAID，支持快速RAID恢复功能，需提供相关证明材料并加盖原厂印章；6、网络模块：本系统网络接口要求提供不少于2个10GE光口及不少于4个1GE电口及不少于1个100Gb接口，要求包含光缆及模块；7、为确保服务器产品质量，符合规范生产要求。所投服务器设备厂商需通过静电防护标准认证，提供认证证书并加盖原厂印章；8、供电模块：本系统为了确保平台的稳可靠运行，需要提供≧3000W 2+2冗余供电模块；9、服务器出厂自带如下性能系统：（1）采用轻量级容器虚拟化技术和Kuberates管理平台，实现对CPU、内存、磁盘等资源的虚拟化和统一管理。针对人工智能领域的特定需求，提供GPU等异构计算资源管理接口，实现对GPU等异构计算资源的虚拟化统一管理，支持为容器以直通方式挂载GPU等异构计算资源；（2）支持容器间infiniband高速通信 ；（3）允许用户上传自定义的代码程序和数据文件，通过在线提交计算资源需求即可启动训练任务，支持单机多GPU和多机多GPU的训练任务。支持在Web界面通过jupyter、远程图形桌面直接访问虚拟环境。支持通过pycharm方式上传代码和数据，提供功能截图证明；（4）支持输出损失率、准确率等动态可视化监控图表，同时支持输出训练过程日志，并提供日志下载功能；（5）具有硬件加密功能，服务器支持采用硬件加密的方式接入集群；（6）具有镜像管理功能，支持私有镜像仓库，集中化管理用户的镜像。能够提供新建项目、设置用户权限等功能。支持用户对本地镜像的编辑，镜像推送，删除等操作，提供功能截图证明；（7）系统支持管理员和普通用户两种角色用户，管理员可以为普通用户创建一个或多个独立的GPU集群环境，并可以限制CPU、GPU、内存等资源量的大小，将资源分割成多个独立的集群，方便为多个部门提供服务，提供功能截图证明型号、插槽位置、显存使用量、电压使用量、温度、风扇转速、负载状况等指标、图标显示界面刷新率为秒级；监控模块国产自主可控并提供软/硬件证书；10、Ubuntu Linux CENTOS 7.8/ 20.04及以上操作系统：（1）GPU CUDA 编译环境 ：CUDA Toolkit ，GPU Driver；（2）深度学习框架：Tensorflow，mxnet，pytorch, caffe 等等；（3）NVIDIA DIGITS? GPU 训练系统；（4）Deep Learning SDK ：深度学习原生库 CuDNN，深度学习推理引擎（TensorRT）； （5）NVIDIA Docker 容器平台:包括编程、运行、系统工具、系统函数库等都打包到一个完整的文件系统中，可安装到任何一台服务器上； （6）深度学习加速库：cuBLAS， cuSPARSE , NCCL。 | |||||||
******大学
2025年01月20日
