Compute Base · 盒子在工位,算力在园区

盒子在工位
算力在园区

园区级算力由液冷方舱承载,建在您厂区内部;整机与集成由生态伙伴凯尔文热控交付,苏铝负责算力平台的建设、运维与扩容, 您按需使用算力、按实际用量付费,数据全程不出厂。 舱体与整机由生态伙伴凯尔文热控交付,我们负责让它跑起来并持续供算力。

先分清一件事

整机谁交付,算力谁供

生态内部分工明确:整机与集成归凯尔文,算力服务归苏铝。您只需要面对我们一家。

液冷整机与集成

凯尔文热控

浸没式与冷板式液冷、智能 CDU 温控单元、舱体与散热系统制造与整机集成。这是他们的主业,液冷整机与方舱是他们的产品。

供算力

苏铝智能

园区选址与建设、方舱部署、液冷系统运维、算力调度、模型训练与软件平台——我们负责让它持续跑起来,并对算力可用性负责。

用算力

您的工厂

按需使用算力,按实际用量付费,不用自建机房、不用养运维团队。工艺数据留在自己园区,主权始终在您手上。

一句话:如果您只是想买一台液冷方舱设备,那是凯尔文的业务,我们可以帮您对接; 如果您要的是「在我厂区里有一块随用随取、数据不出厂的算力」,这是苏铝在做的事。
为什么需要本地算力

工厂的工艺数据,不该交给别人的云

本地化不是技术偏好,是数据主权与长期成本共同得出的结论。

01

工艺数据是核心机密

工厂工艺数据、缺陷样本、生产参数是核心机密,上传公有云存在泄露风险。算力底座部署在园区内部,实现数据物理隔离。

02

自建机房太贵太慢

传统本地机房建设周期长、投入大、还要养运维。我们带资建设与运维,您不必为此新增固定资产和专职团队。

03

不能长期依赖公有云

模型全自研,不依赖公有云平台算力与存储,不会被平台卡脖子、收割利润,长期使用成本通常低于公有云(以实测为准)。

规格参数

算力底座 · 典型配置

标准集装箱是常见做法,但不是唯一做法。舱体尺寸、冷却方式与算力规模均可按您的场地与用量定制。

园区算力底座典型配置 —— 浸没式与冷板式两套方案并列
配置项典型配置 A · 浸没式液冷典型配置 B · 冷板式液冷
散热方式服务器整体浸入绝缘冷却液,直接换热冷板贴合 CPU / GPU 等发热部件,液体在板内循环
PUE浸没式液冷,综合能效优于同功率风冷方案冷板式液冷,优于风冷,具体随算力密度与系统设计浮动
单机柜功率密度高密度场景适配主流密度场景适配,可沿用标准机架式服务器
服务器兼容性需专用浸没式机型与槽体可沿用标准机架式服务器,便于利旧
建设要求需配套槽体、液路与冷却液,建设要求更高改造幅度小,可在既有条件上平滑部署
运维难度与风冷差异较大,需适应期接近传统机房运维,上手快
典型适用场景新建算力底座、密度高、追求长期能耗成本已有设备利旧、预算分阶段投入、中等密度起步
舱体规格40 英尺标准集装箱预制,尺寸可定制,可按场地面积与算力密度做非标舱体
初期算力按场景按需配置,可随业务增长平滑扩容
交付内容算力服务(建设 + 部署 + 运维 + 扩容),非设备销售
建成周期按园区条件与规模排期,工厂预制装配后整体交付
部署位置客户园区内部,与公网物理隔离,支持搬迁、灵活扩容
多厂接入支持同城多工厂光纤专线接入,覆盖半径按场景评估
数据策略原始业务数据不出厂,联邦学习仅上传模型梯度
计费方式按需使用、按实际用量付费,长期使用成本通常低于公有云(以实测为准)

参数以最终技术方案书为准。冷板式液冷的 PUE 与功率密度区间见上表,实际值随服务器型号、冷却液配方与系统设计浮动; 算力规模、舱体尺寸与冷却路线会随接入工厂数量、模型规模、目标算力密度与场地条件调整。

冷却路线选型

浸没式还是冷板式,看您要什么

两种液冷路线我们都做。没有哪种绝对更好,只有哪种更适配您当前的算力密度、机房条件和预算节奏。

  1. 问

    有没有现成服务器要利旧?

    有——优先冷板式,可沿用标准机架式服务器,改造幅度小。全新采购、不牵涉利旧——浸没式更能发挥密度优势。

  2. 问

    算力密度打算做到多少?

    单机柜高密度、追求长期能耗成本——浸没式液冷更合适。主流密度、中等规模起步——冷板式即可,还能沿用原有服务器,改造幅度小。

  3. 问

    运维团队能接受多大改变?

    愿意适应新运维方式、有专人跟液冷系统——浸没式。希望尽量保持传统机房习惯、上手快——冷板式。两种路线都由我们负责运维,只是交接与培训成本不同。

我们的建议:新建园区算力底座、算力密度高、追求长期能耗成本——优先浸没式; 已有设备利旧、预算希望分期投入、运维希望平滑过渡——优先冷板式。 两种路线都支持后续扩容,方案阶段我们会按您的实际用量做一次选型测算。
联邦学习

多家工厂一起进化,但数据各留各家

这是本地化算力相对公有云最独特的一点:既能共享模型进步,又不必交出任何原始数据。

  1. 01

    各厂本地训练

    每家工厂用自己的生产数据在各自的边缘节点与园区算力底座内完成本地训练,原始数据始终留在本厂。

  2. 02

    只上传梯度

    仅将模型训练产生的梯度参数上传至协同节点,不上传任何原始业务数据或工艺参数。

  3. 03

    模型聚合进化

    多工厂梯度聚合后形成更强的行业模型,再下发回各厂,实现模型共享进化。

  4. 04

    主权始终在厂

    数据主权始终属于工厂,工艺秘密不外泄,同时享受全行业共同积累的模型能力。

成本对比

用久了,比公有云便宜得多

公有云在数据量小的时候便宜,工业视觉的数据量恰恰不小。以下是三条路线的长期差别。

算力来源对比:公有云 / 自建机房 / 苏铝园区算力底座
对比项公有云自建机房苏铝园区算力底座
数据位置上传至平台,工艺数据外流风险本地,自控园区内物理隔离,数据不出厂
前期投入低,启动快高,且周期长无需固定资产投资,按用量付费
长期成本按量付费,随数据量线性增长需持续摊折旧与电费长期通常低于公有云(以实测为准)
建设周期即时通常半年以上按规模排期建成投运
运维责任平台负责自己养团队苏铝负责运维与扩容
平台依赖被平台绑定,议价能力弱无模型软件全自研,不依赖第三方
响应延迟受网络状况影响,波动不可控本地,可控本地推理,延迟稳定可控
务实的做法:前期先用边缘 AI 盒子单点起步,用最小投入验证收益; 等场景跑通、数据量上来之后,再由我们在您园区内建算力底座、按需扩容。 这不是一开始就押上全部预算,也不是让您自己背一套机房。
怎么用起来

从需求评估到算力上线

整个过程中的建设、部署、运维都不需要您新增团队。

  1. 01

    需求评估

    摸清您的场景数量、相机路数、数据量与增长预期,估算需要的算力规模与合适冷却路线,先给测算再谈方案。

  2. 02

    园区建设

    在您厂区、园区内选址建设,液冷整机由凯尔文热控交付,苏铝负责算力平台部署与调试,建成投运周期按规模排期,与公网物理隔离。

  3. 03

    按需扩容

    随业务量增长阶梯扩容算力,按场景需求起步,可随业务增长阶梯扩容,支持接入多家工厂做联邦学习。

想算算您厂的算力账?

告诉我们有多少路相机、几个场景、多少数据量,我们帮您算什么时候该在园区里放一块算力。

联系我们