简介

随着AI大模型的迅速发展，对算力的需求日益增长。算力网络作为支撑这些计算任务的重要基础设施，其内部包含了多种异构资源，如不同性能的计算节点、存储设备和网络带宽等。这些异构资源的有效调度直接关系到计算任务的执行效率和质量。通过合理的异构资源调度，可以充分利用各种资源的优势，实现计算任务的快速、高效执行。例如，对于需要高计算能力的任务，可以将其调度到性能较强的计算节点上；对于需要大量数据存储的任务，则可以充分利用存储设备的空间；同时，还需要考虑网络带宽的分配，以确保数据的快速传输。

本项目将研究异构算力（如CPU、GPU、FPGA）高效的调度算法；超算与智算统一的调度架构；跨域以及云边协同的任务编排和调度机制等。