幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

面向AI大模型的智能算力基礎設施構建與應用

  • 作者：苗青//張先鋒//黃瑾//李強|責編:龔昕岳
  • 出版社：人民郵電
  • ISBN：9787115699091
  • 出版日期：2026/08/01
  • 裝幀：平裝
  • 頁數：230
人民幣：RMB 89.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書系統闡述面向AI大模型的智能算力基礎設施的構建之道與應用前景。本書遵循「需求-技術-建設-應用-展望」的邏輯，從驅動AI發展的算力需求出發，深入講解多元異構計算、晶元間高速互連、節點間高性能無損網路、彈性高速存儲等核心技術。在此基礎上，本書提供詳盡的基礎設施建設方案，包括網路建設方案、資源配置方案、資源池管理方案、安全建設方案及AI平台建設方案等。此外，本書還探討算力互聯互通的實現路徑，展示行業大模型的構建方法與應用案例，並分析超大規模集群面對的挑戰及應對方案。本書從專業設計視角出發，聚焦頂層規劃與設計決策背後的原理及權衡，有助於全面提升讀者在AI算力領域的系統性思維和實踐能力。
    本書適合需要部署AI大模型的企業或組織的技術決策者和一線工程師閱讀，也適合AI領域的研究者、投資者閱讀。
作者介紹
苗青//張先鋒//黃瑾//李強|責編:龔昕岳
目錄
第1章  概述
  1.1  算力：數字時代的核心生產力
  1.2  AI：新質生產力的重要引擎與算力需求的變革者
  1.3  智能算力：為AI而生的計算新範式
  1.4  AI大模型：驅動智能算力走向超大規模的核心引擎
  1.5  標準化：構建產業協同的基石
第2章  AI對智能算力基礎設施的需求
  2.1  AI發展對算力的宏觀需求與驅動
    2.1.1  技術演進重塑算力基礎設施的需求
    2.1.2  算力規模增長與結構演變
  2.2  智能算力服務模式分類
  2.3  大模型預訓練場景的需求
    2.3.1  預訓練對智能算力基礎設施的功能需求
    2.3.2  預訓練對智能算力基礎設施的資源需求
  2.4  大模型微調場景的需求
    2.4.1  SFT：追求極致性能的高昂路徑
    2.4.2  PEFT：兼顧效果與成本的主流選擇
    2.4.3  微調的資源需求與策略選擇
  2.5  大模型推理場景的需求
    2.5.1  模型準備與優化：奠定高效推理的基礎
    2.5.2  推理對智能算力基礎設施的資源需求
第3章  智能算力基礎設施的關鍵技術
  3.1  多元異構計算
    3.1.1  多元異構計算的架構
    3.1.2  智算伺服器架構設計理念
    3.1.3  深度學習訓練型AI伺服器
    3.1.4  智能應用推理型AI伺服器
    3.1.5  技術發展趨勢
  3.2  晶元間高速互連
    3.2.1  PCIe
    3.2.2  CXL
    3.2.3  NVLink
    3.2.4  PCIe、CXL、NVLink的對比
  3.3  節點間高性能無損網路
    3.3.1  核心使能技術RDMA
    3.3.2  關鍵網路架構與拓撲
    3.3.3  應用方案：從智算中心內到跨廣域網
  3.4  彈性高速存儲
    3.4.1  AI大模型的存儲需求
    3.4.2  主流存儲技術的適用性
    3.4.3  優化存儲性能和成本的策略
  3.5  並行加速技術
    3.5.1  數據並行
    3.5.2  張量並行
    3.5.3  流水線並行
    3.5.4  混合併行與使能技術
  3.6  模型優化關鍵技術
    3.6.1  模型壓縮
    3.6.2  提示詞工程
    3.6.3  RAG

  3.7  資源管理與調度
    3.7.1  異構算力管理與調度的挑戰
    3.7.2  異構算力管理與調度的關鍵技術
  3.8  智能體
    3.8.1  核心架構與關鍵組件
    3.8.2  人機協同模式
    3.8.3  主要應用場景與產業實踐
  3.9  AI安全
    3.9.1  數據安全
    3.9.2  模型安全
    3.9.3  應用安全
第4章  智能算力基礎設施的建設
  4.1  總體架構
    4.1.1  硬體層
    4.1.2  軟體層
    4.1.3  平台服務層
    4.1.4  業務系統層
    4.1.5  運維管理層
  4.2  網路建設方案
    4.2.1  參數網路
    4.2.2  存儲網路
    4.2.3  業務網路
    4.2.4  管理網路
  4.3  資源配置方案
    4.3.1  GPU伺服器配置
    4.3.2  存儲資源配置
    4.3.3  其他伺服器資源
  4.4  資源池管理方案
    4.4.1  核心功能
    4.4.2  資源池管理平台系統架構與技術選型
  4.5  安全建設方案
    4.5.1  資源池安全風險分析
    4.5.2  資源池安全防護目標
    4.5.3  縱深防禦：分層安全建設方案與技術選型
  4.6  AI平台建設方案
    4.6.1  AI平台的核心定位與功能
    4.6.2  AI平台建設路徑與技術棧選型
第5章  算力互聯互通
  5.1  算力網路
    5.1.1  算力網路的背景
    5.1.2  算力互聯互通的核心需求
    5.1.3  算力互聯互通的流程機理
    5.1.4  算力網路的參考架構
  5.2  跨域算力調度系統
    5.2.1  系統定位
    5.2.2  功能架構
    5.2.3  關鍵技術
  5.3  算力網路的產業實踐
    5.3.1  電信運營商：網路的構建者與服務的主導者
    5.3.2  設備與方案供應商：全棧技術的賦能者

    5.3.3  雲服務提供商：算力供給與平台創新的核心
  5.4  算力網路的未來發展趨勢
第6章  行業大模型構建與應用
  6.1  行業大模型構建
    6.1.1  行業需求分析與資源評估
    6.1.2  行業數據與大模型共建
    6.1.3  行業大模型微調與優化部署
  6.2  行業大模型能力評價指標
    6.2.1  行業大模型基礎能力評估
    6.2.2  行業大模型服務能力評估
  6.3  DeepSeek大模型在銀行系統部署的行業實踐案例
    6.3.1  挑戰與需求分析
    6.3.2  系統架構設計
    6.3.3  系統部署與持續優化
    6.3.4  成本估算
  6.4  大模型應用面臨的風險與應對措施
    6.4.1  大模型的幻覺問題
    6.4.2  信息安全及隱私風險
    6.4.3  演算法偏見與社會公平性挑戰
第7章  超大規模集群展望
  7.1  超大規模集群是通向更強AI的算力階梯
  7.2  超大規模集群面對的挑戰與應對方案
    7.2.1  應對功耗挑戰：園區級部署與散熱方案
    7.2.2  應對網路挑戰：超大規模拓撲設計策略
    7.2.3  優化物理互連：布線方案與成本效益
    7.2.4  保障系統穩定：可靠性設計與故障恢復
    7.2.5  控制建設成本：網路技術選型與權衡
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032