关于Sirius
作为 NVIDIA Inception Program 的一员，速石科技致力于弥合研发团队与AI基础设施间的差距，简化AI模型的研发流程，借助自身优势减少研发过程中技术和流程的重复，大幅优化企业的研发效率和体验。
速石科技为企业提供端到端的一站式机器学习研发平台——Sirius，并为AI/ML提供全生命周期的产研支持，实现AI/ML模型的部署和落地，从而帮助企业更快地将ML/LLM模型推向生产环境，提升整体产研效率，助力企业实现自身商业价值。
关于MLOps
机器学习的体系复杂而庞大，诸如数据处理、生产环境部署、算力资源管理、多个开发环境的管理等，会降低企业的研发效率和研发人员的工作体验。
MLOps就是将机器学习（ML）、开发（Dev）和运维（Ops）串连为一个整体，向人工智能领域提供了系统性的生产过程管理方案，从而针对性地解决前述AI领域问题。
我们的优势
一键拉起机器学习开发环境，让算法工程师专注算法开发
查看AI云平台
集成化数据管理、实验管理、应用发布，简化数据科学家和开发工程师的日常工作
细粒度GPU资源调度和权限控制，将GPU资源利用率提升到极致
统一的机器学习平台，管理和监控所有ML任务
行业案例
某高校人工智能实验室
应用
Pytorch、TensorFlow、MXNet
场景
机器人控制
客户挑战
- 1
本地资源有限，需要给研究员合理分配GPU资源；
- 2
使用工作站无法满足一些规模较大的模型训练的算力需求；
- 3
实验室没有专人负责基础架构，需要进行管理并提供基本的运维监控；
- 4
研究员希望保持GPU资源的接入方式不变。
某芯片设计公司软件开发部门
应用
Pytorch、TensorFlow、MXNet
场景
嵌入式环境模型开发
客户挑战
- 1
不同团队共享GPU，资源分配手动完成，效率很低且管理复杂；
- 2
开发环境管理混乱，且因网络限制，安装流程繁琐，影响开发团队效率；
- 3
所有GPU的使用情况没有监控，无法得知资源使用效率；
- 4
实验管理、超参数调优、分布式训练等需求无法满足。
某智能制造企业
应用
基于Yolo v5的图形检测应用
场景
实时推理
客户挑战
- 1
GPU资源有限且资源利用率不高，难以支撑快速增长的业务需求；
- 2
缺乏IT人员，难以针对所有GPU资源、任务进行监控和告警；
- 3
现有推理平台较为陈旧，无法根据模型规模自动分配资源，导致大量珍贵的GPU资源浪费。
某机器学习团队
应用
基于Pytorch、TensorFlow、MXNet、Transformer框架的机器学习训练项目
场景
大语言模型
客户挑战
- 1
ML基础架构组件繁多，构建过程复杂易出错，标准化需要高度专业的人力投入；
- 2
并行化计算依赖基础架构层的软硬件框架，传统模式下资源管理和计算并行需要大量手工调试工作；
- 3
模型开发依赖的高质量数据，需要大量的人工清洗、标注和格式转换工作。
某高校人工智能实验室
应用
Pytorch、TensorFlow、MXNet
场景
机器人控制
客户挑战
- 1
本地资源有限，需要给研究员合理分配GPU资源；
- 2
使用工作站无法满足一些规模较大的模型训练的算力需求；
- 3
实验室没有专人负责基础架构，需要进行管理并提供基本的运维监控；
- 4
研究员希望保持GPU资源的接入方式不变。
某芯片设计公司软件开发部门
应用
Pytorch、TensorFlow、MXNet
场景
嵌入式环境模型开发
客户挑战
- 1
不同团队共享GPU，资源分配手动完成，效率很低且管理复杂；
- 2
开发环境管理混乱，且因网络限制，安装流程繁琐，影响开发团队效率；
- 3
所有GPU的使用情况没有监控，无法得知资源使用效率；
- 4
实验管理、超参数调优、分布式训练等需求无法满足。
有问题需要解答？
填写表单获取更多专业技术人员支持
我们的AI应用——Megrez
速石科技行业知识库聊天应用Megrez，面向企业客户提供大语言模型的私有化部署能力，解决了许多企业用户关注的数据安全问题，允许用户自定义行业知识库，实现领域知识的问答。
速石科技支持用户在平台上自定义这款应用的部署，实现从基础架构到最终应用的端到端掌控。
上海 
联系我们：
