采购项目概况 - 某985高校发布总预算2100万+的GPU服务器采购需求，计划采购13台服务器 [1] - 采购核心逻辑从传统“参数堆砌”转向“实用性”与“适配性”，重点关注国产化、实测性能和模型兼容性 [1][3] - 采购清单包括10台标准GPU服务器和3台高密度GPU服务器（单台搭载≥16张GPU卡） [4][8] 技术规格要求 - 服务器CPU要求采用国产x86架构，配置≥2颗处理器，单颗基础主频≥2.7GHz，核数≥64核，线程数≥128 [6][8] - 标准服务器要求配置≥8张国产AI加速卡，单卡显存≥96GB，整机FP16算力≥2.2 PFLOPS [6] - 高密度服务器要求单台配置≥16张GPU卡，整机HBM显存容量≥1400GB，GPU卡间互联带宽≥700GB [8] - 网络配置要求支持IB和RoCE联合组网，标准服务器需配备≥4*400G光口网卡，高密度服务器需配备≥1*双口200G卡 [6][8] 性能与兼容性测试 - 要求服务器支持CUDA生态，需现场演示通用AI相关主流Cuda Samples算子的兼容能力 [8][9] - 高密度服务器需在BF16精度下运行DeepSeek-V3 671B或DeepSeek-R1 671B模型推理服务，在256/256输入输出场景下TPOT≤50ms时，承载≥32并发，单机生成吞吐≥600 Tokens/秒 [8] - 同时要求运行QWEN3-235B-INT8模型，在256/256输入输出场景下TPOT≤100ms时，承载≥512并发，单机生成吞吐≥4700 Tokens/秒 [9] 采购趋势变化 - 趋势一：从“指标比拼”转向“模型实测”，高校直接将DeepSeek、Qwen等主流大模型作为测试标准，要求算力从理论性能落地为实用价值 [10] - 趋势二：从“N卡封闭生态”转向“国产兼容生态”，标书明确国产化导向，同时要求兼容现有成熟软件生态，降低科研机构迁移成本 [10] - 趋势三：从“硬件采购”转向“算力体系建设”，采购目的是搭建AI算力支撑体系，厂商需提供从硬件部署到模型优化的全链条服务 [11] 国产算力厂商机遇 - GPU领域海光DCU、壁仞BR100、沐曦MX1系列已具备技术积累，部分产品算力指标接近主流N卡 [11] - CPU方面海光3号、飞腾2000+、鲲鹏920等产品凭借稳定性能成为高校服务器常用选择 [11] - 软件生态上海光DCU已实现对PyTorch、TensorFlow等主流框架兼容，壁仞科技通过完善工具链降低CUDA迁移成本 [12]