CASE 01
·微算-B教育科研72 小时建成百人并发 AI 教学实训平台
北京信息科技大学 · 北京
挑战
学校需要为人工智能专业搭建本地化教学实训平台，要求支持百人同时在线训练模型，且学生实验数据不得离开校园网络。传统方案报价超过 80 万元，建设周期至少 3 个月，预算和时间均不允许。
方案
部署 1 台微算-B 基础版，72 小时内完成从到货、上架、联网到平台就绪的全流程交付。通过存算分离架构实现多用户资源弹性隔离，配合一键启动的管控面板，教师无需专职运维即可管理算力资源分配。
以前我们的学生只能用云端免费额度跑 Demo，现在每个人都能在校内独立训练自己的模型，数据安全也不用担心。上线一个学期后，学生参加 AI 竞赛的获奖率提升了 30%。
— 计算机学院实验中心负责人，北京信息科技大学
亮点
CASE 02
·微算-B智能制造AI 视觉质检上线，漏检率从 2.3% 降至 0.15%
某汽车零部件企业 · 长三角
挑战
该企业年产 800 万件精密零部件，人工质检漏检率约 2.3%，每年因不良品流出导致的退货和索赔损失超过 200 万元。此前尝试将质检图片上传云端分析，但生产数据涉及客户图纸和工艺参数，安全合规部门坚决反对。
方案
在产线边缘部署 1 台微算-B，加载定制化视觉质检模型，通过工业相机实时采集和本地推理，实现全量在线检测。数据从采集到判定全部在车间内完成，不出工厂网络。部署周期 48 小时，模型迭代通过本地增量训练持续优化。
上线两个月后，我们的客户退货率下降了八成，质检工位从 12 人减到 3 人做复核就够了。最关键的是生产数据一张图都没出过工厂的门。
— 质量总监，某汽车零部件企业
亮点
CASE 03
·微算-B医疗健康影像 AI 辅助读片，平均报告时间缩短 65%
某省会城市三甲医院 · 华中地区
挑战
该医院放射科日均处理 CT/MRI 影像超过 400 例，医生人均每日阅片 80+ 例，工作负荷极大。医院曾考虑接入云端 AI 辅诊平台，但影像数据涉及大量患者隐私信息，卫健委和信息安全部门明确要求数据不得离开医院内网。
方案
在医院信息中心机房部署 1 台微算-B，搭载经过 NMPA 备案的肺结节筛查和骨折辅助检测模型。通过 PACS 系统对接，影像自动推送至微算进行本地推理，AI 标注结果 30 秒内返回诊断工作站，全程数据不出院。
自从上了微算的本地 AI 辅诊，我们科室的平均出报告时间从 45 分钟降到了 16 分钟，医生可以把更多精力放在疑难病例上。最重要的是，患者数据一个字节都没离开过医院。
— 放射科主任，某省会城市三甲医院
亮点
CASE 04
·微算-P金融科技本地化智能风控部署，实时反欺诈响应 ≤80ms
某华东城市商业银行 · 华东地区
挑战
该城商行日均信用卡交易超过 50 万笔，原有规则引擎误报率高达 5%，大量正常交易被拦截导致客户投诉。银监局要求核心交易数据和客户信息不得上云，且风控模型推理响应必须在 100ms 以内。
方案
部署 1 套微算-P 专业版集群，承载实时风控推理、反欺诈检测和客户画像分析三套 AI 模型。通过 100G RDMA 低延迟网络保障交易数据的实时流入和模型推理的高吞吐，全部数据和模型均在行内网络闭环运行。
微算部署后，我们的风控误报率从 5% 降到了 1.2%，客户投诉量直接腰斩。监管检查时，信息科技部能很自信地说——所有客户数据都在行内，一条都没出去。
— 信息科技部总经理，某华东城市商业银行
亮点
CASE 05
·微算-P自动驾驶路测数据本地闭环处理，模型迭代周期缩短 40%
某 L4 自动驾驶科技公司 · 北京
挑战
该公司每天产生超过 2TB 的路测采集数据（视频、点云、IMU），此前将数据上传至公有云训练模型，上传耗时长、带宽成本高，且路测数据涉及城市道路信息和行人隐私，合规风险日益增大。
方案
在研发中心部署 2 套微算-P 专业版，构建本地化的数据标注、模型训练和仿真验证一体化平台。路测数据通过专用链路回传后直接在本地完成清洗、标注和训练，无需上云。EBOF 全闪存储保障 2TB/天数据的高速写入和随机读取。
以前数据上传就要半天，现在数据到了就能直接训练，模型迭代的节奏比以前快了将近一半。数据安全也不用再和法务反复掰扯了。
— 算法平台负责人，某 L4 自动驾驶科技公司
亮点
CASE 06
·微算-B智慧园区为园区 30+ 中小企业提供共享 AI 算力服务
某国家级高新区管委会 · 中部地区
挑战
高新区内聚集了 200+ 家科技型中小企业，其中 30 余家有明确的 AI 应用需求（视觉质检、智能客服、数据分析等），但单独采购算力设备投资门槛太高。管委会希望以公共算力服务的方式降低企业 AI 应用门槛，但要求数据在园区内闭环。
方案
管委会在园区数据中心部署 3 台微算-B，通过微算管控平台实现多租户资源隔离和按需分配。30+ 家企业通过园区内网接入共享算力，各自的数据和模型完全隔离，按实际用量计费。管委会将算力服务作为园区公共服务的一部分，大幅降低了企业的 AI 启动成本。
以前园区企业想用 AI 要么上云要么自己买设备，现在有了共享算力服务，一家企业每月花几百块就能跑自己的模型。这是真正的算力普惠。
— 高新区数字经济发展中心主任，某国家级高新区管委会
亮点
TCO COMPARISON
微算 TCO 降本对比总览
基于《共享微算商业计划书》附录 H 测算与实际部署数据
| 场景 | 传统 / 公有云 | 微算方案 | TCO 节省 | 周期对比 |
|---|---|---|---|---|
| 1E 算力建设 | 3.55–3.8 亿元 | 1.4–1.85 亿元 | 58–62% | 6–18 个月 → 2–4 周 |
| 1P 视频生成 AI（自建） | 96–144 万元 | 12.2 万元（购置） | 87–92% | 2–4 周 → 48–72 小时 |
| 1P 视频生成 AI（租赁） | 约 105 万元（云） | 7.2 万元（租赁） | 93% | 即时 → 48–72 小时 |
WHY IT SAVES
微算为什么能实现显著降本
降本不是单一采购价格下降，而是来自架构、交付、利用率和运营效率的系统性优化
存算分离架构
计算与存储解耦，按需独立扩展，新增节点即可获得线性增长的算力和存储能力，告别整柜堆叠。
EBOF 全闪存储
硬件加速的 NVMe-oF 全闪存储，配合 EC 纠删码实现存储成本降低 40% 以上，20% 冗余开销远低于传统 RAID。
80%+ 资源利用率
传统方案平均仅 40%，微算通过弹性调度和存算解耦将利用率提升至 80% 以上，同等业务量可减少一半硬件投入。
融资租赁降低门槛
微算-B 融资租赁仅 2,000 元/月，三年 TCO 约 7.2 万元，让中小企业以接近零门槛获得本地 AI 算力。