在AI for Education驱动教育教学高质量发展、AI for Science引领科研范式深层次变革的历史机遇下，AI技术与教育、科研的深度融合成为可能。然而，面对当前教育、科研领域算力应用场景杂、算力需求品种多、算力推广门槛高等特点，亟需一个算力平台来对底层算力资源进行统一汇聚、按需调配、动态调度，以支撑上层各类教育、科研行业的模型和应用稳定运行。那么该如何去构建这样一个面向教育垂直行业的算力平台呢？上海师范大学率先探索出一条新路径。
由上海师范大学分析测试与超算中心和国家（上海）新型互联网交换中心联合打造的国内首个教育行业算力服务平台—上海教育智算服务平台于日前重磅上线。该平台可为上海、长三角区域乃至全国的各类院校在开展教育实践重塑、人工智能教育课程建设、科技研发和学术研究等方面提供完整的服务和赋能方案。
上海教育智算服务平台架构
上海教育智算服务平台以国家（上海）新型互联网交换中心为底座，通过打造教育教学应用平台、高校科研实训平台，将教育行业模型应用生产企业、基础教育学校、高等院校、科研院所高效衔接起来，平台具备以下特点：
标准化平台整合，覆盖基础教育各类教育教学场景，高等院校各类科研教学场景，筑牢教育数字化底座；
全流程安全可控，数据专网专用传输、分级分类存储，国家级区块链提供可信核验保障；
大算力按需随选，各类算力高效并网，多元异构灵活调度，大幅降低用算成本；
国产化全栈兼容，适配国内外主流硬件架构和软件框架，优先调配国产化算力资源，培育行业应用生态。
教育、科研团队可以在平台上轻松创建、部署和管理“万能工具箱”。用户只需提交算力和应用的订购需求，由平台完成算力资源的分配、应用模型的匹配和场景化编排，形成可以直接使用的容器化应用。每个容器化应用都集成了实现场景需求所需的算力资源和所有依赖环境，大幅简化了复杂环境的配置过程。容器化的应用编排和部署方式也避免了不同项目之间的环境冲突，可以实现多项目的高效管理和快速切换，提高教育实践任务和科研任务的灵活性和可扩展性。
上海教育智算服务平台 应用场景支撑
如何获取可靠稳定的算力资源？
高昂的购置成本和缺乏专门预算，导致基础教育领域算力资源匮乏，而高校虽有GPU资源，但仍面临设备稀缺和使用竞争激烈的问题。云端算力不失为一个好选择。上海教育智算服务平台一方面积极联络算力厂商打造教育领域的专用算力基础设施，另一方面积极对接算力云企业以算力共享的方式将现有的算力设施直接引入教育领域，双管齐下稳步打造教育领域算力基础设施，从而规避高昂的投资成本、过长的建设周期等现实问题。
如何解决网络传输问题？
大规模训练数据上传到云端服务器会严重影响基础教育课堂、高校科研效率，然而，教育网络环境的建设需要大量的投资，短时间内恐怕难以满足所有学校的算力访问需求。为此，上海教育智算服务平台积极推动IXP算力专网方案的落地。该方案专为算力交换和数据传输设计，支持快速部署满足支持算力使用的灵活网络环境，能够提供高速、低延迟的数据传输通道，确保不同地理位置的计算节点之间能够高效、稳定地交换数据。
算力成本过高？
“讲卡伤感情，没卡没感情”。算力需求迅速提升，背后能源的消耗非常惊人，算力资源的购置成本十分高昂。尤其对于基础教育领域，往往缺乏专项经费来支撑算力租赁服务。上海教育智算服务平台通过建设算力调度交易平台，搭建了算力交易服务体系，推动社会算力资源的互联互通与可交易性。集中化资源调度能够减少能源消耗和运维成本平台。平台也支持用户“用多少，配多少”，并提供按卡时、日、周、月的灵活计费方式，为上海地区、长三角乃至全国提供教育普惠算力。
数据安全隐患？
从数据安全和可控的角度来看，算力放置到学校内或者教育网内相对来说内容更加可控，但这又与费用高昂、有限的经费预算形成了矛盾。上海教育智算服务平台通过数据专网进行专用传输，保障数据在传输过程中的安全性，并采用分级分类存储管理方式，确保不同类型的数据得到合理的保护。同时引入国家级区块链技术提供可信核验保障，确保数据的完整性和不可篡改性。平台支持国产化全栈兼容，适配主流国产化软硬件，优先调配国产化算力资源，切实提高数据安全性和稳定性。
算力调用和使用门槛高？
上海教育智算服务平台构建了算力调度一体化服务，像“购物网站”一样紧密连接供需方，通过市场化的运营和服务体系，实现算力资源统筹调度，降低算力调用门槛。平台能够整合覆盖基础教育与高等院校的各类教学与科研场景的容器化应用，教育或科研团队只需像使用一个APP一样，便能轻松完成算力在场景任务中的使用。
前瞻部署，用算力托举智能教育推进、科研范式变革
算力充足、传输快速、安全性强、价格实惠、使用方便...上海教育智算服务平台是国内首发真正意义上的普惠、安全、易用的教育算力平台。这是上海师范大学分析测试与超算中心为上海、长三角区域乃至全国人工智能教育推进、AI for Science 引领科研范式变革做的前瞻部署。
算力是应用与学习人工智能的必要基础设施，智能时代基础教育重塑变革的首要难题是如何获取可靠稳定的算力支撑。即使在北上广深之类的一线大城市中，学校中购置算力服务器的也寥寥无几，建设带GPU的机房就更少了。基础教育面临着“算力从哪里来，算力到哪里去，算力该怎么用”三大难题。
AI for Science正在引领科研范式变革，利用人工智能算法、大数据资源以及强大的算力效能帮助科研人员更精准地构建问题模型，推动科学规律的深入探索，大幅提升科研效率。然而，许多高校和研究机构仍依赖传统的分散式算力资源采购和管理模式，算力利用效率低下，无法满足大型模型研发的高性能计算需求，拖慢了科研进程。如何整合算力资源，优化资源分配，是实现AI for Science的关键挑战。
上海教育智算服务平台的推出尤为必要。目前，平台已经在教育教学实践和科研创新两个场景中孵化了两个容器应用，且具备了一定应用基础。
国内首个教师教育大模型
上海师范大学近期发布了国内首个用于师范生培养的教师教育大模型MetaClass。该模型集成了符合学生认知的大语言推理模型、符合学生性格特点的行为模型，构建了模型驱动的具有自主思考能力的学生智能体，能自主演绎教学场景，为师范生提供真实的实训平台，同时精准记录实训过程，智能评估教学技能，形成自适应的师范生培养模式。
这是在上海教育智算服务平台上孕育出的第一个大模型，通过最大限度地还原真实的课堂，让师范生能够进行充分的模拟教学，更自信地走上讲台。在平台算力的支持下该模型已经在全国近30所师范院校中开始部署试用。
师范生使用MetaClass模拟课堂授课
140亿参数的师范生教学反思文本评估大模型，22小时完成微调！
上海师范大学研究团队近日成功在上海教育智算服务平台上部署了一个助力教师发展的研究项目——师范生教学反思文本评估大模型，用于推进师范生教育质量研究。研究团队仅在双卡环境下，用时22小时完成了5000条教学反思文本数据的20轮训练，成功实现了对师范生教学反思文本中的教学理念、教学方法、反思深度等多维度的精准评估，极大提升了科研数据处理效率。值得一提的是，平台提供的灵活算力调度与容器化部署使得研究人员无需深度技术背景，也能迅速搭建和运行所需的计算任务，极大降低了科研创新的技术门槛。
上海教育智算服务平台建成后，接下来的关键任务是确保“算力该如何用”的有效支持。目前，平台的管理和运营由上海师范大学分析测试与超算中心与国家（上海）互联网交换中心共同提供保障。保障团队不仅包括专门的技术运营组，负责平台的培训、计算资源管理以及安全运营，还有一支专注于算力优化和与基础研究对接的团队。保障团队也承担着师资培训任务，通过提升教师对算力、算法和模型的理解，为其开展人工智能应用与教育学习提供支持。同时，为了帮助不熟悉算法的科研团队，保障团队还提供架构和代码优化服务，协同提升科研效率。
（供稿、图片：上海师大分析测试与超算中心）
徐汇校区:上海市徐汇区桂林路100号