沿用目录平台参考图，不作为具体部件、接口和盘位的交付依据；实际配置以项目确认表为准。
英睿特 T 系列
T4 V8 AI 训练服务器
实验室训练 / 小模型微调 / AI 研发
- 系统形态
- 4U 4 GPU AI 训练服务器，按训练 GPU、风道和电源冗余确认
- CPU 平台
- Intel Xeon 6 P-core
- GPU / 加速
- 4x RTX PRO 6000 / L40S / 同级训练 GPU
- 内存范围
- 512GB - 1TB ECC
- 存储方向
- 本地 NVMe 数据盘 + 100/200GbE
部件选项、内存与存储需组合确认，不等同于固定标配。
适用负载与部署边界
适用方向
AI 训练入门主力，强调 CUDA、驱动、容器环境、数据吞吐和满载验证；适合实验室与企业 AI 研发起步。
- AI 团队第一台正式训练服务器
- 小模型微调、算法验证和实验室共享
- 需要 CUDA、容器、驱动和满载验证一起交付
- 小模型微调
- 实验室训练
- 企业 AI 研发
- 多用户实验
需要另行评估
- 只做轻量推理或视频转码
- 大模型训练和高互联多机扩展
- 没有机房供电、制冷和数据路径规划
如果主要是推理、转码或渲染，G4 V8 更贴合；如果需要 8 GPU 或多机扩展，应看 T8 V8。
重新判断平台方向采购前确认
- 模型规模、batch 和显存占用
- 训练数据集读取路径
- CUDA/驱动/容器镜像
- 多用户账号、权限和调度方式
关键规格与配置选项
公开目录选项不等同于已认证的任意组合。
| 项目 | 配置内容 | 信息性质 |
|---|---|---|
| CPU 平台 | Xeon 6 P-core | 目录选项 |
| GPU / 加速选项 | 4x RTX PRO 6000 / 4x L40S / 同级训练 GPU | 目录选项 |
| 内存选项 | 512GB ECC / 1TB ECC | 目录选项 |
| 存储与网络方向 | 本地 NVMe 数据盘 / 100/200GbE / 共享数据集接入 | 目录选项 |
| 固定标配 | 当前平台目录未定义固定标配，以报价清单为准。 | 项目确认 |
| 最大支持能力 | 最大容量、数量与功耗需按具体部件、拓扑和散热条件确认。 | 项目确认 |
| 尺寸、盘位与电源 | 具体尺寸、物理盘位、电源型号与额定功率需在项目确认表中锁定。 | 项目确认 |
配置沟通档位
用于讨论配置方向，不代表固定库存型号或最终报价。
标准档
4U 4 GPU，512GB ECC，本地 NVMe 数据盘，100GbE，CUDA 基础环境
主力档
4 GPU 高显存，1TB ECC，100/200GbE，容器环境和训练样例验证
项目档
实验室训练、小模型微调、驱动和满载验证交付
完整平台资料
平台规格与工程指导分开理解，最终以项目确认表为准。
7 组平台资料
处理器与平台
- CPU 选项
- Intel Xeon 6 P-core
- 平台体系
- Intel 平台
- 可选平台
- Xeon 6 P-core
- 平台定位
- 4 GPU AI 训练入门主力，适合实验室训练、小模型微调和企业 AI 研发；与 G4 共用成熟 4U 多 GPU 底座，但交付重点转向训练软件栈
- 平台主板
- Intel Xeon 6 AI 训练服务器平台，按 GPU 互联、网络和存储路径规划
- 芯片组/通道
- 训练服务器平台，重点确认 GPU 互联、PCIe/NVLink、网络和散热方案
- 系统环境
- Linux 为主，PyTorch / TensorFlow / CUDA / Slurm / Kubernetes 可选
内存与扩展
- 内存范围
- 512GB - 1TB ECC
- 可选内存
- 512GB ECC / 1TB ECC
- 内存拓扑
- ECC 大内存，容量按模型规模、数据预处理和多用户训练规划
- 容量建议
- 建议 512GB 起步，数据预处理、多用户实验和高显存 GPU 建议 1TB
- PCIe 扩展
- 4 张训练 GPU PCIe 拓扑，重点确认 GPU 间通信效率、显存容量、驱动版本和后续扩展
GPU 与加速
- GPU 方向
- 4x RTX PRO 6000 / L40S / 同级训练 GPU
- 可选 GPU
- 4x RTX PRO 6000 / 4x L40S / 同级训练 GPU
- 拓扑/数量
- 4 GPU 训练方向，按框架、显存容量、batch、数据加载和预算确认显卡组合
- 供电关注
- 训练 GPU 满载时间长，需同步核算机柜供电、散热、线缆和冗余策略
- 适配软件
- PyTorch / TensorFlow / CUDA / Docker / Linux
存储与数据
- 存储策略
- 本地 NVMe 数据盘 + 100/200GbE
- 可选存储
- 本地 NVMe 数据盘 / 100/200GbE / 共享数据集接入
- 盘位/缓存
- 本地 NVMe 数据盘 + 共享数据集接入，适合实验室热数据缓存
- 数据分层
- 建议训练热数据落在本地 NVMe 或高速共享存储，冷数据进入容量层
- 保护策略
- 按实验数据、模型 checkpoint、日志和数据集版本规划备份策略
网络与管理
- 网络选项
- 100GbE 建议起步，数据集较大或多节点实验建议 200GbE
- 远程管理
- 带外管理、CUDA/NCCL/容器/调度环境交付
- 安全策略
- 支持多用户实验环境、容器镜像、数据权限和内网训练平台策略
- 部署运维
- 可提供 CUDA/NCCL/驱动版本、容器镜像建议、训练环境交付说明和测试记录
机箱电源散热
- 机箱形态
- 4U 4 GPU AI 训练服务器，按训练 GPU、风道和电源冗余确认
- 电源策略
- 4 GPU 训练平台需按长时间满载和冗余电源核算机柜供电
- 散热验证
- 重点验证训练样例持续运行、GPU 温度、显存占用和风扇策略
- 部署环境
- 训练平台建议机房部署；高密度 GPU 需提前确认供电、制冷和承重
- 交付边界
- 4 GPU AI 训练服务器
交付与支持
- 交付周期
- 常规配置约 7-15 个工作日，项目制配置按 GPU 供应、满载测试和交付范围确认
- 满载验证
- 建议验证 PyTorch/TensorFlow、CUDA、容器、训练样例、NVMe 读写、GPU 满载和训练日志
- 交付资料
- 可提供 CUDA/NCCL/驱动版本、容器镜像建议、训练环境交付说明和测试记录
- 项目说明
- 具体品牌、料号、尺寸、盘位和电源型号以最终报价单与项目确认表为准
软件与工作流
交付前一起确认
训练平台条件
确认高功率 GPU 供电、制冷、网络互联、数据路径和调度环境。
数据路径
确认本地盘、项目盘、共享存储、备份和数据不落地要求。
交付验证
交付前建议记录驱动版本、系统环境、满载测试和基础软件验证结果。
常规配置约 7-15 个工作日，项目制配置按 GPU 供应、满载测试和交付范围确认。具体交付范围、周期及服务条款以项目确认与合同为准。
同系列其他平台
查看本系列
从您的工作负载开始
软件、数据规模、预算与部署条件，都是配置沟通的起点。