数字孪生+AI算力怎么规划：四类负载与平台选择
数字孪生项目不能按软件名称直接套配置。本指南从建模、仿真、合成数据和AI推理四类负载出发，说明CPU、GPU、显存、内存、存储和网络的判断方法，并给出工作站、服务器及集群的升级条件。
数字孪生工业AIGPU服务器仿真计算
AI Infrastructure Knowledge Hub
指南 / use-case
7 个条目
机器人仿真性能瓶颈排查：并行环境、传感器与数据I/O指南
机器人仿真运行慢、GPU利用率低或并行环境扩展不理想，应从物理求解、渲染与传感器、CPU调度、显存、内存及数据I/O逐层排查。本文提供测试顺序、指标和常见误区。
机器人仿真性能具身智能训练仿真性能瓶颈并行环境
机器人训练服务器怎么配置？VLA微调、强化学习与并发实验资源估算
机器人训练服务器配置不能只按模型参数或GPU数量判断。本文从VLA微调、模仿学习、强化学习和并发实验拆解显存、GPU、CPU、内存、存储与网络，并给出阶段资源范围和PoC方法。
机器人训练服务器具身智能训练VLA微调强化学习服务器
机器人训练数据平台怎么规划？视频、状态数据与Episode存储指南
机器人训练数据平台需要同时管理多路视频、状态、动作、任务描述和Episode元数据。本文提供容量估算、文件组织、热数据与归档分层、训练读取、网络吞吐及数据治理方法。
机器人训练数据平台Episode存储机器人视频数据LeRobotDataset
多组学与分子模拟为什么同时需要CPU、GPU和高速存储
多组学与分子模拟是异构、多阶段工作流：CPU负责数据准备与部分算法，GPU加速适配计算核，高速存储连接数据、临时空间和结果。本文给出工作流映射与验收方法。
多组学计算分子模拟生命科学HPCCPU GPU存储
EDA算力平台如何做性能基线与验收
EDA平台验收应以真实任务完成时间和并发能力为主，以CPU、内存、存储和网络微基准定位原因。本文给出测试合同、分层基线和变更复测方法。
EDA算力平台EDA验收HPC基准EDA
EDA前端验证、后端实现与SPICE仿真如何选硬件？
EDA前端验证、后端实现、静态时序和SPICE仿真具有不同的CPU、内存、并发和存储特征。本文按工作负载说明节点选型方法。
EDA前端验证后端实现SPICE仿真