智能规划基础软件平台招标公告

1．符合《中华人民共和国政府采购法》第二十二条资格条件：（1）具有独立承担民事责任的能力；（2）具有良好的商业信誉和健全的财务会计制度；（3）具 (略) 必需的设备和专业技术能力；（4）有依法 (略) 会保障资金的良好记录；（5）参加政府本次采购活动前3年内，在经营活动中没有重大违法记录；（6）法律、行政法规规定的其他条件。联系人：谷老师；联系电话： *** ";

技术标准
（一）具体技术指标要求
1.功能指标
（1）规划算力管理平台
a)异构计算资源
1)支持在同一套平台中同时管理异构服务器资源，如同时管理X86与ARM64架构服务器，向上屏蔽底层操主机CPU架构差异；
2)▲支持自动发现注册GPU、NPU等异构计算设备；
3)支持将服务器按照用户需要划分逻辑集群进行管理；
4)支持将GPU按核数虚拟化，支持按核分配资源调度；
5)支持对单台服务器上的GPU资源使用情况进行监控，包括：GPU利用率、显存利用率、温度、电量等指标；
6)★支持基于GPU监控指标实现自动实例弹性伸缩；
7)★支持多种GPU资源隔离方式，包括：独占GPU、共享GPU；
8)▲支持配置GPU资源配额，避免用户使用超限。
b)容器KVM虚拟化管理
1)★支持基于容器技术的KVM管理平台，实现多种形态计算资源统一管理；
2)支持利用KVM实现在一套平台上管理不便于容器化且适合虚拟机的应用，包括：桌面应用、Windows平台应用等；
3)支持容器与KVM使用同一套基础设施功能，包括：网络服务、存储服务、监控服务；
4)▲支持使用相同的镜像管理方式，共同管理容器镜像与虚拟机镜像；
5)▲支持使用容器编排调度能力，实现KVM资源的调度与动态扩缩容；
6)支持以容器生命周期管理方式管理KVM资源，通过声明式接口的方式创建与管理KVM资源；
7)支持将已有的虚拟化工作负载与新容器化的工作负载相结合共存于同一个平台；
8)支持在容器中与已有的虚拟化应用有交互的新微服务应用的开发；
9)支持基于容器镜像实现KVM存储卷的功能；
10)▲支持同时多WebConsole控制虚拟机；
11)▲支持一套容器云平台同时管理X86、Arm64虚拟机实例；
12)支持管理多种操作系统的虚拟机，包括Windows7、Windows10、windows2008、Windows2012、Centos7、Centos8等；
13)▲支持虚拟机配置多网卡；
14)★支持虚拟机挂载GPU设备，加速应用计算；
15)★支持虚拟机基于CPU、内存、网络带宽进行弹性伸缩；
16)★支持容器与虚拟机资源混 (略) 署，实现多计算资源环境快速开设的效果；
17)★支持虚拟机配置Macvlan高速网络。
c)存储资源管理
1)★支持多种类型的存储管理，包括：对象存储、文件存储等；
2)提供结构化存储方案，提升结构化数据存储能力；
3)提供实时存储引擎，加 (略) 理能力；
4)★支持对象存储协议转换，支持POSIX、CSI、JAVAAPI等方式调用；
5)支持存储卷的权限配置，包括读写，只读，多客户端读写等；
6) (略) 专有存储，如Ceph、OpenEBS等；
7)支持管理多个业务存储池，实现数据存储上的底层隔离；
8)支持对存储进行分配和监控，监控指标包括但不限于运行时总存储、实际占用/剩余存储、占用百分比等。
d)网络资源管理
1)★支持提供基于RDMA技术的高性能、低时延网络，为AI训练提供高性能网络；
2)支持提供基于SR-IOV技术的网络实现，将物理设备模拟成多个虚拟设备，为训练任务分配独立虚拟设备；
3)★支持为AI任务同时配置多类型的网络，包括：RDMA类型网络、以太网类型网络；
4)支持针对SR-IOV网络资源进行监控，包括：VF数量；
5)支持在任务调度时，分配SR-IOV资源，当SR-IOV资源不满足时，不进行任务调度。
（2）规划数据管理平台
a)数据访问管理
1)支持数据权限管理功能，支持对数据的读写、是否公开的权限控制；
2)▲支持表格类数据预览，预览信息包括数据基本信息、元数据信息等；
3)▲支持文件类数据预览，包括展示数据的基本信息，如名称、添加方式、存储地址、文件目录结构等；
4)支持多种查询条件检索数据；
5)支持按字段类型分析数据及可视化，包括类型、总数、最大值、最小值、标准差、缺失值数量、缺失值比例等；
6)▲支持统计分析可视化，包括但不限于直方图、箱线图等；
7)支持用户间分享数据集；
8)支持对数据集的多版本管理；
9)支持对数据集按不同分类进行管理；
10)支持其他数据源导入数据，实时数据和离线数据（包括结构化数据、半结构化数据、非结构化数据，内部数据、外部数据等）；
11)支持通过页面查看数据接引任务详情，如接引进度，创建时间等；
12)支持从本地文件系统导入训练数据，支持导入图片、表格、文件等类型数据集；
13)支持采用增量或全量的 (略) 数据源；
14)支持用户定时同步远端数据源。
b)数据读取优化
1)★支持可调度的缓存数据配置，实现内存、SSD、HDD底层缓存的可配置性；
2)支持针对数据密集型应用定义数据集资源抽象；
3)支持提供开放可扩展数据缓存运行时接口；
4)★支持在不改变应用读取文件方式前提下，提供数据预热与读取加速能力；
5)支持提供缓存数据的可观测性，如缓存容量、缓存百分比、状态等；
6)▲支持对NFS文件数据访问进行加速；
7)▲支持加速主机目录下数据读取效率；
8)支持缓存数据服务具备可迁移性与自动化的水平扩展能力；
9)★支持数据与应用协同编排的能力，提供数据应用协同调度功能；
10)支持按命名空间维度，管理与隔离不同维度的数据集；
11)★支持统一访问缓存不同来源的底层数据，如对象存储、HDFS和Ceph；
12)支持对指定数据集中的数据进行全量数据预加载操作；
13)支持对指定数据集中的一个或多个子目录进行数据预加载操作；
14)支持为数据集配置数据预热加载时的缓存副本数量；
15)支持数据缓存分层的多目录存储，减小数据密集型引用出现数据访问瓶颈的可能性。
（3）规划算法应用及案例管理
a)运动规划应用环境及案例
1)★提供基于采样的运动规划应用环境，支持的采样算法包括：PRM、RRT、EST、SBL、KPIECE、SyCLOP等，支持的状态采样方法包括：均匀采样、Gaussian采样、基于障碍物的采样等；
2)★提供基于搜索的运动规划应用环境，支持机器人导航任务、机器臂运动规划任务；
3)★提供面向机器人的运动规划应用环境，支持面向机器人的运动规划、抓取、逆运动学求解、控制、3D感知、避障等功能；
4)★提供上述应用环境的规划样例。
b)行动规划应用环境及案例
1)★提供多无人机协同规划决策应用环境， (略) 径规划、多无人机行为协同、监控模式自动化、无人机自动任务分配等；
2)★提供多无人机任务级仿真模拟环境，支持场景创建、飞行模拟、飞机动作评估、数据输出及回放；
3)★提供面向行动规划的系列规划求解器，包括SGPlan5、SATPlan2006、LPG-td、Blackbox、MaxPlan等；
4)提供上述应用环境的规划样例。
c)对抗条件下的决策类智能算法及案例
1)★提供多智能体博弈典型应用环境,包括Openspiel、SMAC等、GoogleFootball等；提供典型算法样例，包括QMIX、IPPO、DOP等；
2)★提供基于梯度优化的强化学习算法样例，包括A3C、SAC等；
3)★提供梯度无关的优化算法样例，包括进化策略（ES）、基于种群的进化算法（PBT）等；
4)★提供非完全信息博弈算法样例，如虚拟遗憾值最小化算法（CFR）、CFR+、MCCFR等。

d)基于物理仿真引擎的进化式强化学习应用环境及案例
1)★提供智能体进化强化学习环境，支持智能体进化效果评估；
2)★提供智能体物理模型设计环境，支持多种类型的物理仿真可控形态表达；
3)★提供进化式强化学习算法案例，支持在多计算节点上以异步方式开展算法的并行训练。
（4）规划训练管理平台
a)训练配置管理
1)支持选择指定版本的算法容器镜像启动容器，并支持配置环境变量、启动命令等配置项；
2)支持通过Web控制台与SSH连接两种方式登录管理训练容器中服务，并支持使用SSH服务密钥与用户名密码的方式登录容器；
3)提供不同类型标准编程语言多版本基础镜像，包括：Python、Golang等；
4)★支持以配置文件组的方式，通过Web界面管理容器中的配置文件与脚本；
5)支持将配置文件与脚本以挂载卷的方式挂载到训练容器中使用；
6)★提供主流AI框架镜像文件，包括：TensorFlow、PyTorch、等；
7)▲支持对训练容器应用进行对版本管理，支持回滚、前进等操作；
8)▲支持训练容器导入导出操作，支持对训练容器设置应用快照。

b)训练过程管理
1)支持对组件训练任务进行多版本管理；
2)支持创建单机训练任务，支持通过Web页面向导式创建、启动训练任务；
3)支持创建分布式训练任务，支持通过Web页面向导式创建、启动训练任务；
4)支持通过SDK、RestfulAPI创建训练任务；
5)★支持基于RingAllreduce的GPU并行计算算法任务调度；
6)★支持创建基于Ray强化训练框架的调度任务，支持针对指定任务或智能体组件，在多机多卡上展开分布式组件训练；
7)★支持基于Ray的数 (略) 理，复用GPU时间，加速计算过程；
8)支持训练节点容错，Worker节点驱逐后创建新的worker重新加入训练；
9)支持对训练任务执行启动、停止、再次训练、删除等操作；
10)支持在训练任务页面导出组件至本地；
11)支持在训练任务页面上保存组件至组件仓库；
12) (略) 训练任务进行多版本管理；
13)▲支持创建训练任务时页面交互式选择算法、数据集，自定义训练参数、训练命令、以及组件保存目录等；
14)支持任务信息展示，包括但不限于服务状态、关联任务、创建时间等；
15)支持查看训练任务详情，包括运行时间、训练配置、训练日志等；
16)★支持定时启动训练任务；
17)支持用户通过API接口启动训练任务；
18)▲支持且不限于Tensorflow、Pytorch、MPI、MindSpore等训练引擎框架在平台的集成管理，并提供标准版本基础镜像；
19)▲支持提供分布式训练框架的示例，包括：Tensorflow、Pytorch、Ray、Mxnet。

c)训练可视化管理
1)支持使用Tensorboard可视化查看训练日志，分析网络结构、损失函数、标量、张量等；
2)★支持创建可视化任务，包括但不限于展示组件运行过程中的计算图、指标趋势图以及训练中数据指标信息；
3)支持训练过程回放，支持工作流保存为模板，可以重新运行此任务，可回看其分步骤的历史运行数据；
4)▲支持对任务的日志查看，便于分析每一步的效果，定位缺陷和不足；
5)支持查看训练任务拓扑，包括：当前节点名称列表、任务发布者运行状态。

d)训练调度管理
1)★支持为高性能计算应用场景提供批量计算能力；
2) (略) 理任务定义权重与容量，限制使用的资源之和的上限；
3)★ (略) 理平台与主流计算框架进行对接，如TensorFlow、PyTorch、Flink、Spark；
4)★ (略) 理平台提供多种调度算法，如Gang-scheduling、Fair-sharescheduling、Queuescheduling、Preemptionscheduling、Reclaims；
5)支持以插件的 (略) 理平台的调度算法；
6)支持通过实例组的方式对强关联实例进行分组，如TF中的一组ps和worker；
7)★ (略) 理任务定义优先级，保证高优先级的任务优先调度；
8) (略) 理任务定义最小资源要求，当不满足时，不运行该任务；
9) (略) 理任务定义最小运行任务数，当子任务运行数达到数量时，可运行任务；
10)支持训练任务容错能力，当部分任务失败时不影响整个任务的运行；
11)★支持以CRDYAML配置文件的方式定义与执行弹性分布式训练任务；
12)▲支持在训练任务运行过程中动态地扩缩容参与运算的节点数量；
13)支持自动打通任务发布者与节点之间 (略) 需密钥对。
（5）规划智能组件管理平台
a)组件资源管理
1)支持组件创建、发布管理、下载管理等基础功能；
2)支持查看组件详情信息，包括组件版本、训练框架、组件参数、组件来源、创建时间等；
3)支持组件多种创建方式，包括在线构建、训练任务导入、Restful接口导入；
4)★支持多种格式类型的组件管理，包括SavedModel、SKLearn、ONNX、PMML、Pickle、TochScript等；
5)提供多种组件导入方式，包括从数据源（对象存储、网络文件存储）或本地上传组件文件等；
6)★支持对组件文件进行可视化分析，查看其卷积核大小、激活函数等；
7)支持组件按标签、分类等维度搜索；
8)★对组件进行格式的转换，自动化地在TensorFlowSavedModel，ONNX等格式间转换， (略) 署；
9)支持配置组件权限，不同用户间实现权限隔离；
10)★支持将组件自动打包为容器镜像，实现 (略) 署；
11)支持组件版本管理功能，记录组件文件历史变更记录与对应变更时间。

b)推理服务管理
1)★支持将组件发布为实时推理服务，支持创建多版本在线组件推理服务，支持选择多个版 (略) 署；
2)★支持组件服务灰度发布；
3)支持在不修改应用代码的基础上，将HTTP接口转换为HTTPS接口对外提供服务；
4)支持创建批量推理任务，支持指定结果输出目录；
5)支持自定义选择推理服务配置资源类别，包括选择CPU、GPU、NPU、内存等；
6)★支持组件服务使用的CPU、GPU、NPU等资源进行虚拟隔离；
7)★支持创建推理服务弹性扩缩容，用户自定义实例数量和资源阈值，当超过或小于阈值自动扩缩容；
8)支 (略) 署在线组件推理服务，支持以HTTP、GRPC协议进行调用推理服务；
9)支持提供在线测试功能，支持通过网页直接测试推理服务效果，支持查看调用记录；
10)★ (略) 署多种类型推理服务，包括Tfserving、Triton、Openscoring、Mlserver等；
11)★支持组件服务调度时，基于GPU资源数量进行调度；
12)支持查看推理服务基本信息，包含服务名称、服务类型、镜像、实例数量、组件来源、创建时间、资源使用详情，调用成功率等；
13)支持实时监控推理服务资源信息，监控指标包含CPU、GPU、NPU、内存、网络等，支持查看不同实例的资源使用情况，需演示针对集群、节点、pod三种维度进行监控；
14)▲支持对组件自定义健康状态监控，如Liveness、Readiness等，支持对组件服务进行多版本管理，支持切换在不同版本组件服务之间做流量动态切换；
15)支持用户上传自定义组件推理服务镜像；
16)支持用户使用自定义组件推 (略) 署组件推理服务；
17)提供在线服务列 (略) 有在线服务；
18)★支持以可视化图形界面的方式，管理与配置推理服务的代理与转发配置；
19)★支持对访问API接口请求进行身份验证和授权，如允许可信客户端访问；
20)★支持通过配置IP列表黑白名单的方式，限制制定IP地址的访问；
21)支持提供通过代理网关接口监控信息，包括：访问指定URI数量、指定状态请求数；
22)支持 (略) 动态加载SSL证书。

（6）规划结果验证平台
1)★提供航空器、地面车辆以及舰船等多种战场元素，包括航空器类型、地面车辆、舰船类型等；
2)航空器支持常规飞行元素，包括气动、飞控、火控、航电、导弹、航炮、雷达等；
3)★具备良好的人机交互界面，支持通过键盘或飞行摇杆对航空器进行控制；支持4K分辨率显示，以及态势信息多屏幕显示；
4)★系统支持获取单元状态信息，包括航空器、地面车辆、舰船等；
5)★系统支持通过编程接口控制单元，包括航空器、X种地面车辆、舰船等；
6)支持实时接入第三方组件计算结果；
7)★提供良好的系统管理接口，支持启动、停止、重加载、步进、状态获取；
8)★系统 (略) 数据驱动、 (略) 数据驱动、完全自主仿真三种工作模式。 (略) 数据驱动模式中， (略) 有指定航空 (略) 第三方组件计算结果实时驱动。 (略) 数据驱动模式种，系统种主视角航空器需通过第三方组件计算结果实时驱动，其余航空器以系统仿真逻辑正常运行。完全自主仿真模式下， (略) 有指定航空器均以系统仿真逻辑运行，用 (略) 设备（如键盘、飞行摇杆）对系统种主视角航空器进行操纵；
9)★系统提供针完整的航 (略) 数据驱动接口，包括位置、姿态、真空速、地速、角速率、过载、迎角、侧滑角、舵面偏度、油门百分比、武器类型、武器挂载数、剩余油量、航炮余量等；
10)★系统支持可视化任务场景编辑，支持事件驱动的任务编辑与执行。系统支持通过脚本语言编写预定义任务；
11)★系统具备分布式运行能力， (略) 域网联机仿真；
12)★系统具备单进程超实时运行能力，可提高不少于10倍超实时仿真加速。在单机物理资源足够的情况下，模拟仿真系统支持单机多进程并行运行；
13)★支持有GPU渲染运行和无GPU渲染运行两种模式，有GPU (略) 需计算资源不超过8GB显存、8核CPU（3.0GHz）、32GRAM。无GPU (略) 需计算资源不超过4核CPU（3.0GHz），32GRAM；
14)★支持在符合K8S标准编排调度接口的云管理平台上运行，并行运行数量不低于50；
15)★支持将仿真服务运行生成的日志数据对接到公共日志管理服务，实现统一采集与存储；
16)★支持使用公共存储服务，对采集的多种类型仿真数据进行统一存储与管理，包括：评估分析结果数据；
17)★支持记录训练过程生成的日志数据，包括：执行动作、运行状态、训练结果等；
18)★支持根据智能体训练日志，对训练过程中指定智能体状态进行回放；
19)★支持提供不少于10种训练任务示例并提供说明手册，如：导航、岸基着 *** 、岸基起飞等；
20)★支持统一管理训练任务数据文件，并实现访问权限控制。
（7）规划基础环境管理平台
a)基础公共服务
1)支持提供公共代码仓库管理服务，支持用户使用Git管理其训练代码；
2)★提供AI模型开发、 (略) 需的依赖包安装源，包括：APT源、YUM源；
3)提供公共镜像仓库，支持用户通过公共镜像仓库构建应用镜像；
4)★提供公共DNS解析服务，支持用户配置域名解析，支持将DNS服务器地址自动配置在应用容器中；
5)▲支持通过公共DNS解析域名访问推理服务，减少配置成本；
6)自动流水线作业；
7)★提供工作流功能，将完整训练任务封装为工作流，实现一键启动的效果；
8)★支持可视化编排工作流，支持串行、并行、DAG等任务执行方法；
9)支持工作流画布进行放大、缩小、 (略) 、全屏显示等操作；
10)支持以流水线工作流方式，将机器学习流程中的各个环节进行组合连接；
11)★支持以可视化管理界面的方式，管理工作流配置及任务；
12)▲支持基于步骤与DAG（有向无环图）的方式声明工作流；
13)支持以并行地方式进行 (略) 理，并可查看运行状态与运行日志；
14)★支持存储工作流运行过程中生成的数据，如对象存储、HTTP、Git；
15)★支持工作流执行后归档工作流程的功能，以供以后访问

b)在线开发IDE
1)★支持内置在线IDE进行Python、C/C++等语言进行算法开发；
2)★支持用户通过在线IDE挂载数据集，在线调试训练数据；
3)★支持用户启动多个在线IDE，并支持通过页面列表方式进行查看；
4)支持用户对在线IDE进行创建、打开、停止、启动、删除、搜索等操作；
5)支持在线IDE关联依赖库，即时下载依赖；
6)支持用户查看在线IDE运行日志；
7)★支持将NotebookServer和Kernel拆分，实现用户操作界面与运行时解耦；
8)★支持使用网关模式连接NotebookServer与远端Kernel；
9)▲支持配置Kernel回收阀值，自动回收Kernel释放GPU资源。

c)系统监控管理
1)支持查看平台管理服务器基础信息，包括：服务器IP、角色配置、标签数据、注册时间、系统UUID、操作系统版本、内核版本等；
2)支持查看服务器上运行计算任务数，并能够展示计算任务列表，列表中信息包括：任务名称、运行状态等信息；
3)支持对平台系统组件运行状态、接口性能进行监控与展示；
4)支持对已发布的在线组件服务API接口进行监控，包括：响应延时、请求状态码等；
5)★支持对平台管理的GPU、NPU资源信息进行汇总，包括：GPU卡数、NPU卡数、卡所在的服务器、GPU与 (略) 展示等；
6)支持获取NPU监控数据，包括：NPUID，AICore利用率，温度，功耗，电压，频率，内存大小等信息；
7)支持获取GPU监控数据，包括：GPU利用率、显存利用率、温度、电量等指标；
8)支 (略) 管理GPU、NPU等资源概览信息，包括：总量、已用量、剩余量；
9)支持按用户组、集群维度展示GPU、NPU等资源的概览信息，包括：分配资源数、使用资源数；
10)支持展示平台运行训练任务概况信息，包括：历史运行数、当前运行数、运行成功数、运行成功率、平均运行时长等；
11)支持展示平台管理的组件信息，包括：组件分类数、组件数、在线组件发布数、组件下载次数等；
12)支持展示平台组件训练数据信息，包括：训练数据大小、数据类型种类数；
13)▲支持通过自 (略) 署节点Nvidia驱动套件，减少人工维护成本；
14)▲支持通过自动化的方式配置GPU节点容器运行时；
15)▲支持动态发现显卡特性，并映射至节点标签中，实现基于特性节点分类管理；
16)提供组件代码管理服务环境，对组件代码版本进行管理，并支持CICD功能，实现组件代码便捷打包与发布；
17)支持对AI应用Restful接口进行管理，包括：接口发布，下线、访问权限管理等；
18)提供AI (略) 需的基础服务，包括：统一时钟同步服务等。
2.性能指标
（1）异构计算资源平台
1)X64、ARM64异构节点标签筛选接口响应时间不超过3秒；
2)虚拟GPU调度时长不超过30秒；
3)支持不少两种的存储可靠性算法；
4)至少支持三种以上存储协议；
5)支持延迟10us级别的RDMA网络；
6)支持虚拟网络性能损耗低于5%。
（2）规划数据管理平台
1)支持对接不少4种的数据源类型；
2)支持图片筛选接口响应时间不超过2s；
3)支持不少于4种的图片增强算法；
4)支持管理50个以上数据集；
5)支持数据访问加速文件类型不少于3种。
（3）规划算法应用及案例管理
1)支持管理3种以上的计算平台框架类型算法管理；
2)支持管理不少于100种算法；
3)支持三种以上的算法导入方式；
4)支持管理不少于10个算法仓库；
5)支持算法详情查询接口不超过2s；
6)提供5个以上的强化学习算法案例，支持在2个以上的节点异步方式并行训练。
（4）规划训练管理平台
1)至少支持并发提交10个以上训练任务；
2)训练任务提交接口响应延迟不超过2s；
3)分布式训练任务调度启动时间不超过30s；
4)分布式训练任务支持计算框架种类不少4种；
5)支持任务调度算法种类5种；
6)训练任务列表查询接口不超过1s。
（5）规划智能组件管理平台
1)支持管理的模型格式不少于5种；
2)支持管理的模型版本不少10个；
3)支持模型导入方式不少于3种；
4)支持模型搜索接口不超过2s；
5)模型推理服务接口响应时间不超过1s；
6)模型推理服务类型不少于3种；
7)支持管理不少于20个模型推理服务。
（6）规划结果验证平台
1)对航空器下发操作指令延时不超过2秒；
2)获取仿真单元状态信息数据延时不超过2秒；
3)在接入三方模型计算结果时，对接延迟不超过6秒；
4)通过仿真系统管理接口实现启动、停止操作时，响应延迟不超过6秒；
5)系统可视化场景编辑操作延时不超过6秒。
（7）规划基础环境管理平台
1)支持公共域名解析管理超过100个域名；
2)支持并发执行20个以上的流水线任务；
3)支持超过10个以上的在线IDE开发用户；
4)支持管理50个以上的git仓库；
5)支持DNS解析时延不超过10ms；
6)平台监控接口响应时间不超过2s；
7)平台监控采集延迟不超过1分钟；
8)时钟同步延迟不超过50ms；
9)支持日志查询接口响应不超过1分钟；
10)支持并发采集日志的实例不少于20个。