小投入撬动大资产，浪潮信息焕新服务让老GPU服务器“战力补满再出发”

01 三代平台并存，老网络成瓶颈

该客户在中国医学影像设备领域处于领先地位，产品线覆盖磁共振、CT、PET/CT、DR及放射治疗等，在售产品超过120款，年营收过百亿。作为“AI+医疗”的先行者，该客户已自主开发医疗文本大模型、影像大模型和医疗行业大模型，并形成100多款AI应用方案。

但客户的AI能力不是一次性投入。影像大模型、DLR等专用模型与算法要持续训练、持续迭代，才能不断提升诊断精度、适配更多设备与病种。这背后，是长期、稳定、且规模不断扩大的算力需求。因而，伴随AI技术创新的不断深入，客户GPU服务器数量不断增长，当前存量已经接近400台。

这些GPU服务器采购时间从2019年延续至2025年，横跨三代技术平台。多代设备并存，抬高了资源调度与运维管理的复杂度，带来了一系列问题，其中最突出的是网络。最早部署的百余台GPU服务器仍采用10Gb网络，而新设备已普遍配置百Gb级别的网络。面对跨节点梯度通信、远端共享存储访问等高带宽负载，10Gb网络逐渐成为制约旧服务器参与训练任务的瓶颈。以DLR训练为例，当服务器从远端共享存储并发读取大规模3D影像数据时，网络I/O瓶颈尤为明显，导致新设备持续高负载运行，而部分旧设备的利用率较低。

02 网络焕新，唤醒存量算力

这类问题，通常只剩“将就”或“换机”两个结局。而焕新服务的价值，恰恰在于第三条路。浪潮信息掌握不同代际服务器的结构设计、接口配置和部件兼容信息，能够针对旧设备的内部空间与接口条件制定适配方案。

工程师深入解构旧服务器结构，对既有转接卡进行适配改造，在不改变原有设备架构的前提下，让旧服务器支持了百Gb级别的网卡。同时，高速网络对接口、空间与信号的稳定传输高度敏感，团队进一步开展兼容性、稳定性和压力测试，验证转接卡、网卡与整机系统的协同运行，确保焕新方案不仅能够完成适配，也能够满足后续稳定运行要求。

焕新之后，浪潮信息进一步协助客户重构AI训练平台：按技术平台、性能与配置对服务器分类，将能力相近的设备编入同一算力集群，再结合不同训练任务做资源匹配。通过减少跨代设备之间不必要的通信与调度，降低平台差异对训练作业的拖累，让每一台被焕新的设备都用在最合适的负载上。

03 从设备保障，到算力价值的持续释放

这次焕新服务总支出不到100万元，却让接近4000万元的存量设备重新回到可用状态——客户以约四十分之一的投入，唤醒了一大批原本闲置的算力资产。焕新完成后，这些旧设备重新组建为分布式集群，承载AI算法验证与训练负载，资源利用率快速回升，客户的AI研究与训练进度明显加快。

原厂焕新的底气，来自长期积累的服务能力。在持续积累的设备数据、服务经验和技术档案，也为此次跨代设备焕新提供了支撑。每一次服务，团队都会沉淀完整的故障分析（FA）报告，把问题原因、处置过程与改进建议固化下来；每一次焕新，也都有可查询的原厂焕新记录，让设备的每一次变更都清晰可溯——这些，都是焕新能“敢保、可续”的基础。

多数AI先行企业都积累了相当规模的算力资源。在GPU供给紧张、AI算力投入持续走高的背景下，改造利用既有存量算力资源，已经成为许多企业的理性选择。面向这一需求，浪潮信息将原厂服务从设备运行保障延伸至存量基础设施焕新，延长设备有效生命周期，为客户提供更好的投资回报，让每一代算力都能在适合的业务场景中持续发挥价值。