腾讯教育高等教育行业手册

扫码了解更多 腾讯教育 高等教育行业手册 整体介绍 在科研协同，腾讯基于“1+4+N“的整体架构，从算力、数据、算法维度综合考虑，促进高校面向AIForScience科研范式转型。以“1”张算力网络实现HPC与AI智能计算的异构融合，以“4”个科研平台支撑科研作业的统筹调度、科研数据的安全共享以及科研工作的高效协同，促进“N”个学科方向的科研创新，为有组织科研提供技术抓手。 党的二十大首次对教育、科技和人才进行了统筹规划，强调要深入推进科教兴国战略、人才强国战略和创新驱动发展战略。教育，尤其是高等教育，肩负着时代使命，需要全方位提高人才培养质量、科技创新能力和现代大学治理水平。 腾讯教育将自身定位为教育行业数字化转型的科技助手，依托腾讯及腾讯云的产品和技术积累、深厚的行业经验，以及丰富的生态伙伴资源，与高校客户共同探索和创新智慧教育新范式，旨在为高等教育的高质量发展贡献腾讯力量，合作领域包括科研协同、智慧校园和校企合作等。 在智慧校园，腾讯基于云原生、连接器和工具箱的基础能力，在师生服务、管理决策、混合式教学领域提供数字化方案。在师生服务，借助腾讯微校、电子签、微搭低代码等产品，再造应用场景和服务流程，实现数据多跑路，师生少跑腿；在管理决策，借助大数据和数字孪生技术，构建起数据驱动的孪生校园环境，支撑效能提升和科学决策；在混合式教学，借助腾讯会议和AI能力，建立起全连接、全过程、泛在化的混合式教学平台。 在校企合作，腾讯依托人工智能、云计算、大数据、区块链、小程序开发、信息安全、开发运维等领域的核心技术、产业级工具，助力高校建设专业的教学实训平台，提升学生动手实操能力，同时结合产业级工具在各行业落地的应用案例，共建相关领域特色课程，围绕“岗课训赛证”，共同输出腾讯特色领域的多层次人才培养方案。 在上述业务领域，腾讯教育已累计与超过一千所院校合作，腾讯微校服务超过400所高校，腾讯也与600多所高校展开人才培养方面合作，累计为社会培养超过10万名数字人才。 学科：6大方向 AI 大数据 云计算 区块链 小程序数字媒体 内容：产业互联网实践《腾讯AI平台课程》等配套课程… 平台：腾学汇+自研产品 生物医药 气象减灾 金融风控 材料分析 Ti-one CPU计算 TBDS TEFS GPU计算 THPC 裸金属云 产业生态与实践 学 校企合作 产学融合打造培养好模式 智慧交通 智慧医疗 其他行业... 产 研 产业互联网技术 科研协同 算力平台支撑科研高效率 校省事 一网通办，师生少跑腿 全真校园 一网统管，决策更科学 混合教学 创新教学范式 用 智慧校园 数字孪生构建校园新形态 工具箱电子签校园导览微搭数字人… 连接器 轻联：连接数据 微瓴：连接设备 企微：连接用户 微卡：连接场景 … 云原生 TCE|TCS TDSQL NDR … CONTENTS 目01 录科研协同 PART1.科研协同 1.1云上科学计算 1.2科研融合计算 1.3科研隐私计算 1.4典型案例 Part1.科研协同01 1.1云上科学计算03 1.2科研融合计算04 1.3科研隐私计算05 1.4典型案例06 Part2.智慧校园08 2.1协同办公09 2.2一网通办12 2.3混合教学18 2.4数字孪生23 2.5高校云平台26 Part3.校企合作29 01 科研协同 1.1云上科学计算 整体概述 整体概述 新一轮科技革命与产业变革方兴未艾，以（AIforScience，AI4S）为代表的科学研究范式正在发生深刻变革，学科交叉融合不断发展，通过人工智能、大数据等技术方法，高效发现数据之间的关联，帮助科学家克服“维数灾难”，更快、更准地理解复杂的自然现象和社会现象。 算力算法数据 在AI4S的科研范式下，面向科研的成功不仅需要算力，还需要高质量的数据集和前沿的算法研究，腾讯拥有面向产业的数据储备，以及在视图、文字，以及多媒体领域的优秀算法团队。 全栈技术储备 腾讯拥有融合算力所需的全栈技术储备，包括：自研云管TCE、大数据和AI技术平台、自研操作系统（TencentOS）、自研服务器（星星海）、带宽可达3.2T的高性能网络星脉，以及高性能分布式存储。 针对影响AI4S的三要素，腾讯提供整体化的解决方案，系统化设计和提供算力、数据、算法相关能力支持，满足校级、院级和科研工作者不同规模的科研算力需求，以及科研数据和科研算法的协同要求，适应新时期有组织的科研导向。 腾讯优势 以本地建设的科学计算集群，周期长、花费大、规模小、规格少，越来越无法满足各学科的科研需求，科研上云成为科研人员的必然选择。 解决方案 大模型 CV 深度学习 AGI NLP 强化学习 基因工程 生物制药 材料计算 流体力学 工业仿真 气象预测 科学计算所要求的高性能计算（HPC）需支持多节点、集群式的协同作业，在短时间内执行海量计算，从容应对规模庞大且复杂的负载挑战。腾讯云提供多元的计算实例，既有内存型、计算型、批量计算型CPU实例，又有配置各类高端显卡的GPU云主机、裸金属高性能计算实例，可依据各科学计算场景的不同需求灵活使用。此外，科研人员可以通过Ti-one、THPC、TEFS等计算服务平台，通过可视化、自动化的方式调用底层多元实例资源，提高云上科学计算效率和体验。 科技向善生态 在腾讯科技向善战略下，集团内量子实验室、AILAB、XRobot实验室、天籁实验室等科研团队，在量子计算、AI、生物医药等领域和外部团队长期开展深入的技术交流与项目合作。 开放兼容特性 腾讯技术生态具有良好的开放和兼容性，可同时提供裸金属、虚拟机、容器等不同计算环境，研究员可按需选择；也可以适应不同的硬件品牌，实现对优质计算资源的兼容并包；也提供一个开放的PaaS接入平台，可不断丰富科研软件、算法生态。 更灵活的GPU实例搭配 满足不足场景的配比需求 更高算力、更大显存、更高网 络带宽，满足极致算力需求 更精细配置调整，支持弹性 伸缩，提升实例场景匹配度 多元服务面向科研场景提供最优计算性价比 AI计算 科学计算 应用场景工具支撑 Ti-oneAI训练平台 THPC高性能计算平台 TEFS第一性原理计算平台 GPU计算型GT4 GPU型HCCPNV5v CPU计算型C6 (NVIDIAA100) (NVIDIAH800/3.2TB) (92C3.2GHz432GB) GPU计算型GN10Xp GPU型HCCPNV4sn CPU内存型M6 (NVIDIAV100) (NVIDIAA800/1.6TB) (124C2.7GHz940GB) 多元实例 GPU计型算PNV4 GPU型HCCPNV4h CPU内存型BMM5c (NVIDIAA10) (NVIDIAA100/100G) (208C3072GB) GPU计算型GN7/GI3X GPU型HCCG5v CPU大数据型BMDA2 (NVIDIAT4½¼) (NVIDIAV100/100G) (192C512GB) 1.2科研融合计算1.3科研隐私计算 整体概述 整体概述 当下，高校科研的高性能计算（HPC）、人工智能（AI）和大数据分析（BiData）的需求呈现融合趋势。但多数高校的科研算力、科研数据仍然分散和割裂，对学科交叉的支持不及预期，常见问题包括：HPC的算力资源池和AI、大数据的资源池难以有效复用；科研大数据的交换和存储方式传统，面临着安全和效率等问题；传统学科常态化应用大数据和AI仍然面临技术门槛等。 解决方案 腾讯提出“1+4+N”的科研融合算力解决方案，通过科研算力高效融合、科研数据安全聚合、科研算法学科交叉的方式，支撑高校科研创新和学科交叉。 在底层算力网络，构建起一张融合算力网，实现GPU智能计算算力和CPU通用计算算力的融合，提供可复用的高性能的对象存储、文件存储、块存储，以及高达3.2Tb带宽的高性能RDMA网络；在中间平台层，构建作业调度、科研AI建模、科研大数据和科研协同平台；在上层学科方向，一方面通过中间平台支撑校内学科交叉，另一方面也可以同腾讯20余个实验室探讨产学研合作。 N个应用方向 实验室 学院 研究员 联盟单位 四个支撑平台 科学研究 教学实训 物理/化学 生命科学 计算机科学 工程仿真 产学研一体化平台 作业 HPC作业调度 数据 TBDS大数据 算法协同 Ti-One机器学习腾会|TAPD|网盘 高性能异构智算网络(GPU｜CPU｜FPGA) 腾讯分布式云Orca 本地IDC 一张算力网络 基础设施 专线/VPN 近年来，先进的观测、模拟以及测试分析技术使科学家获得了空前丰富多样的数据资料。在以AI4S的科研范式支配下，科研大数据的重要性不言而喻，传统大数据在权属，以及安全、合规共享等方面面临困境。区块链与隐私计算的出现，为数据共享提供了更加安全、合规的流通保障。 解决方案 腾讯云数链通定位于自主安全可控的一站式数据流通协作平台，通过区块链与隐私计算技术，链接数据提供方与需求方，在数据共享过程中实现价值挖掘与隐私保护之间的平衡，实现“数据可用不可见，用途可控可计量”的数据流通新范式，支持数据可信共享与多隐私计算引擎，更好的满足不同场景数据共享需求。 ①保障共享流程可追溯：数据申请、授权使用、共享过程全程留痕，透明可监督，事后可审计； ②提升数据隐私安全：数据输入、运算、结果全程可信环境保护，数据不出域不落地，解决数据协作过程中的数据安全风险和隐私泄露问题； ③构建数据治理新思路：对数据进行链上一致性表达和定义，链下授权与链下计算相结合，便于数据的后续全流程管理； 可信数据共享（原始数据可见） 隐私计算（原始数据不可见） 隐私求交联邦学习建模联邦学习预测联合分析隐匿查询可信计算 IntelSGX海光csv华为Trustzone 区块链底层平台 ④激活数据使用价值：打破数据孤岛，降低数据流通成本，提高数据使用效率，有助于多机构间广域范围的数据协同。 应用层 政务数据共享 金融风控 联合营销 医疗数据共享 工业数据共享 用户层 数据提供方 数据使用方 行业监管方 基础能力 联盟管理 数据目录市场 数据引擎管理 目录管理 任务管理 模型管理 监控运维 平台概览 前置共享管理 事件中心 对接管理 链管理 用户与权限管理 可信计算管理 前置共享代理 共享任务 多数据源 安全加密传输 长安链ChainMaker 腾讯云Fabric增强版 FISCOBCOS 私有云 金融专区 专有云 隐私计算一体机 1.4典型案例 上海交通大学公共基础服务设施云平台（Jcloud） 北京某研究院AI训练项目 业务挑战 该研究院，具有多样AI训练研究课题，在NLP、大模型训练有丰富成果，聚焦多模态大模型，可同时适用于智能写作、文本生成、语音识别等业务场景。 客户需求 高性能AI大算力需求 客户AI训练模型参数超百亿，计算性能要求极高，且需要长期稳定运行。 弹性使用需求 训练业务具有一定周期性，需要弹性使用以达到成本最优。 低延时网络需求 客户本地IDC采用Infiniband网络，云端资源需要提供对应的网络资源。 上海交通大学共有34个学院/直属系，五万余名师生，在科研计算、教学实训、信息化管理方面有着强烈的算力需求。 科研计算方面 校内众多科研团队的科学研究工作，面对时间紧、规模大的计算任务时，团队自有计算资源的类型和存量无法满足需求，期望学校统一提供科研计算基础设施。 教学实训方面 跨学科知识学习和动手实践能力提升是人才培养效果的重要方面体现，支持学生对AI、大数据分析等技术实践需要大量的云资源，单课程教研室和学院无法自主提供对应资源。 信息化管理方面 原业务系统采用独立服务器，导致运维管理难、资源浪费大，急需业务系统统一上云，提高资源使用效率和运维管理效率。 解决方案 使用腾讯云