科大讯飞联合华为智算运维团队对集群稳定性运维进行了专项攻关，以大模型训练黄金指标体系为起点，共同打造“智算运维体系”。中国信息通信研究院认为这一“智算运维体系”的建立，填补了智算运维领域空白标准。
该套标准从底层基础设施、到算存网、再到AI工程化，全方位梳理影响集群长稳的关键指标，并通过流程优化、平台构建、快速定位和解决问题。在该套标准执行下，科大讯飞自研超大集群智能运维和调度系统，保障飞星一号集群从2023年10月上线至今，基础设施零重大故障，计算设备集群性能也从 30%提升到95%，软硬件故障均收敛，NPU月均利用率平均可达95%以上，故障自动重训率97%以上，中断损失时长30分钟以下，算力可用度98%以上，已常态化支持星火大模型的高效训练。http://t.cn/A6u2Bgju