01
Asset Hub
MOHA 数据资产平台
整合企业内外模型、数据集、技能库与应用镜像等数字资产，提供内容沉淀、协作复用、社区运营与数据安全的管理能力。
云原生融合智算平台
一站式算力、模型、应用和数据资产解决方案
成都破晓石科技有限公司
演讲者： 马青 | 联合创始人 | 2026/3/26
中国智算市场与挑战
市场规模高速增长，但企业从算力统管到应用落地仍缺少统一平台承接，探索热度与规模化部署之间存在明显断层。
1.2万亿元
2025年中国AI核心产业规模
同比去年增长近 30%
100亿次
国产开源大模型累计下载量
AI企业数量突破 6,000家
1,590 E
中国智能算力规模(EFLOPS)
算力基础设施投资持续加速
88% / 10%
探索渗透率高达 88%
真正规模化部署不足 10%
真正规模化部署不足 10%
巨大的理想与现实鸿沟
核心洞察：市场规模巨大，但企业在拥抱大模型技术时，面临底层算力统管与上层应用落地的巨大鸿沟 —— 这正是破晓石云原生智算平台的核心价值所在。
企业落地 AI 面临的四个痛点：
算力孤岛与资源浪费
异构 GPU（NVIDIA、昇腾、海光等）难以统一调度池化，资源利用率低。
模型管理与部署复杂
大模型微调到推理缺乏标准化流程，模型缺乏可靠分发和运行机制。
大模型 API 治理缺失
多租户数据隔离难，API 调用缺乏内容合规审计与精确的限流计费。
AI 数据资产零散与复用难
缺乏统一的模型与数据集管理仓库，内部创新难以沉淀、版本极易混乱，团队协作成本居高不下。
企业需要一个“一站式、全链路、可私有化部署”且同时满足智算和应用的融合平台
晓石智算三大产品
围绕企业 AI 落地的关键链路，晓石云原生融合平台形成以RUNE智算为核心、MOHA数据资产平台与LLMG模型服务平台协同的完整产品生态体系，承接从研发到运营的全流程。
Core Platform
02
RUNE 智算平台
异构算力管理
训练 / 推理一体化
云原生运行时
企业级治理
作为整个产品矩阵的核心底座，RUNE 负责承接异构算力、模型开发、服务部署与云原生运行，让企业 AI 从试点验证走向稳定生产。
承载能力
统一异构算力、训练推理与服务编排，支撑多团队并行研发。
运营能力
覆盖租户治理、弹性调度、部署运行与平台运维的全链路闭环。
定位：企业 AI 的生产与运行底座
03
Gateway
LLMG 模型运营平台
统一接入
审计限流
计量计费
整合国内外主流大模型，提供标准 API 接入、路由治理、审计限流与计量计费，形成企业级大模型服务开放入口。
定位：企业 AI 的服务开放入口
RUNE 负责生产与运行，MOHA 负责资产沉淀与复用，LLMG 负责模型服务开放与治理，三者共同构成企业AI产品落地的完整产品闭环。
智算产品全景
从底层异构算力到平台服务、资产沉淀与安全治理，破晓石智算平台以一套统一架构承接企业 AI 的研发、部署与规模化运营。
全栈覆盖
统一平台服务
资产沉淀复用
企业级治理
私有化部署
04
网关与安全层
统一接入、路由治理与安全合规
面向企业 API 暴露和多租户访问控制，保障调用可管、可审、可追溯。
模型路由
限流计费
内容审查
审计日志
RBAC 权限
03
资产管理层
魔哈仓库沉淀企业 AI 资产与协同复用中心
统一管理模型、数据集、镜像和应用模板，让团队经验沉淀为长期复用资产。
模型库
数据集
镜像仓库
MCP服务
技能广场
应用市场
02
平台服务层
模型开发、训练、部署与评测的一体化 PaaS
提供标准化工作流，缩短从实验、微调到上线交付的整体链路。
模型推理
微调服务
训练仿真
交互式开发
实验追踪
模型评测
01
基础设施层
统一多集群与异构算力池化底座
打通多厂商芯片、集群和存储资源，形成企业级 AI 共享与弹性调度底座。
多地、多集群管理
NVIDIA / 昇腾 / 海光 / 阿里云
算力资源切分 / 池化
智能调度
高性能存储
高性能网络
双控制台设计：管理与使用的平衡
智算平台延续双栏信息骨架，用分层控制面明确平台治理与租户工作台的职责边界，让管理员、开发团队与业务使用者协同不混线。
用户前台
Tenant Workspace
Console
面向 AI 开发者与业务团队的租户工作台
RUNE
MOHA
LLMG
聚焦模型部署、微调任务、应用开发与 API 管理，让研发团队在租户边界内高效交付。
运维后台
Platform Control
BOSS
面向平台管理员的全局管理平台
集群运维
租户治理
全局监控
负责集群、租户、配额与网关治理，为 Console 工作台提供统一资源边界和运行规则。
双控制台设计
平台治理与租户研发分层展开，避免把所有能力堆在一个面板中。
职责对照
租户工作面
服务研发与业务团队
平台治理面
服务平台管理员
管理对象
模型、数据、任务、应用
集群、租户、配额、网关
核心动作
研发、部署、调试和日常使用协同
分配资源、设定规则、监控全局状态
边界关注
效率、体验、交付速度与复用
安全、稳定性、成本与审计
输出结果
敏捷研发工作台
统一治理底座
协同关系
BOSS 负责定义资源与安全边界，Console 在边界内完成研发、部署与业务交付。
双控制台设计让平台治理与租户使用各归其位、协同运转
RUNE核心功能：异构算力统一调度与管理
打破硬件壁垒，统一接入多厂商算力资源，通过池化切分与智能调度，让企业 AI 训练与推理效率最大化。
01
Multi-Vendor Support
多厂商支持
全面兼容 GPU / NPU / DCU / PPU / XPU 等多类 AI 芯片与云上算力，统一纳入企业级算力视图。
NVIDIA GPU
昇腾 NPU
海光 DCU
阿里云 PPU
昆仑芯 XPU
AMD GPU
沐曦 MX
天数 天垓
本地集群
云上算力
训练 / 推理
国产替代
统一纳管
芯片、集群与云资源进入同一算力视图
平滑迁移
减少跨厂商环境切换带来的适配成本
- 统一接入不同厂商、不同形态的算力资源
- 降低异构环境下的基础设施割裂与迁移成本
- 覆盖本地部署、云上扩展与国产化替代等多种基础设施路径
- 为国产化替代与混合算力扩展预留统一接口与治理能力
02
Pooling & Partitioning
资源池化与切分
把分散 GPU / NPU 资源统一池化，并按任务需求做精细化切分与分配。
统一资源池
一套算力底座，按业务场景分配最合适的资源形态。
独占模式
高效分配
一块显卡，多任务高效调度
适合开发调试、模型推理等常驻服务的场景。
团队 A
团队 B
团队 C
切分模式
更细颗粒度
一块大卡，拆成多个可交付规格
适合小批量训练、实验任务与预算敏感型业务申请。
1/4 GPU
1/2 GPU
vNPU
提升资源利用率
通过共享与切分减少空置浪费，提升整体算力复用效率。
提升交付灵活性
按任务大小交付资源规格，让更多团队更快拿到可用算力。
- 支持 GPU 共享与细粒度切分，提高算力利用率
- 让不同规模任务获得匹配的资源规格与成本控制
03
Intelligent Scheduling
调度服务
面向 AI 训练与 HPC 混合负载，按任务特征自动选择更合适的调度策略。
Binpack
DRF
Gang
队列优先级
装箱率优先
Binpack 提升集群利用率，减少资源碎片
公平性优先
DRF 平衡多租户资源占用与任务等待
分布式优先
Gang 保障训练任务按组启动与协同执行
- 优化训练、推理与 HPC 任务的排队与执行效率
- 在共享集群中平衡吞吐、时延与资源公平性
- 支持队列优先级、任务组联动与公平共享等批调度机制
- 让不同负载类型匹配更合适的调度策略与执行顺序
从异构芯片接入到资源池化再到智能调度，Rune智算平台为企业构建统一可控的算力应用底座
RUNE核心功能：覆盖模型和应用开发到上线全流程
八大核心功能模块覆盖部署、微调、开发、评测、资产管理与运行观测，让 AI 团队在一个工作空间内完成研发到上线交付。
开发协作
训练微调
评测推理
容器管理
01
Inference Service
推理服务
- 支持高性能推理一键部署，兼容 PD 分离与 LoRA 挂载
- 自动注册至 AI 网关，支持公开 / 租户 / 私有三级可见性
- 提供服务状态监控、端点管理、弹性伸缩与自动暂停 / 恢复
02
Fine-tuning Service
微调服务
- 支持多种微调框架，覆盖快速微调与专家微调场景
- 支持 SFT / Freeze 等训练阶段，内置 Moha 与外部社区集成
- 打通数据、模型与任务管理，降低从实验到产出的切换成本
03
Development Service
开发服务
- 内置 30+ RuneBox 模板，覆盖 AI 基础环境与应用开发套件
- 支持 Windows / Linux / Docker，兼容 SSH 与 VSCode 远程开发
- 提供桌面终端级开发环境，支撑多样化研发与仿真场景
04
Experiment Tracking
实验追踪
- 支持本地化实验数据服务，兼容 W&B 协议记录训练过程
- 记录参数、指标与日志，并支持可视化分析展现
- 帮助团队复盘训练过程，提升模型实验的可追溯性与复现性
05
Model Evaluation
模型评测
- 支持多领域基准评测任务与大模型推理服务性能压测
- 评测数据与压测结果可视化，便于持续优化模型效果
- 覆盖人文、数学、编程等场景，形成模型质量与性能双重视图
06
App Market
应用市场
- 内置丰富云原生应用模板，支持应用一键化部署与运维
- 支持模板管理与企业自定义模板，沉淀专属应用资产
- 让业务团队复用标准化模板，加快 AI 应用落地与扩散速度
07
Data Management
数据管理
- 兼容块设备、网络文件系统等多类存储，并支持 S3 协议访问
- 提供 Web 可视化管理与密钥、可见性分级权限保障
- 统一数据访问与权限边界，满足企业存算分离和安全治理需求
08
Observability
可观测性
- 实时上报 GPU / CPU / 内存 / 功耗 / 网卡等实例级监控指标
- 支持应用监控日志采集与可视化展现，提升运维透明度
- 让训练、推理与应用实例的运行状态持续可见、可分析、可追踪
Rune 工作台把模型开发、训练、推理与评测、云原生应用统一到一个工作空间内闭环协同
RUNE模型&应用一站式管理
从模型开发环境、微调任务到弹性推理和持续观测，Rune平台将模型从实验室推向生产环境的全链路闭环到统一流程中。
01
Dev & Fine-tuning
开发微调
统一的开发与微调环境，提供 JupyterLab、VSCode 多样化工具，内置分布式训练加速。
02
Virtualization
虚拟化
支持 Windows、Linux 等多种操作系统，保障桌面仿真环境无缝迁移。
03
Elastic Inference
弹性推理
具备自动扩缩容能力的高性能模型服务，支持多层级 API 发布与路由治理。
04
App Marketplace
应用市场
预置企业级应用与模板库，开箱即用的部署与集成方案，加速业务创新。
05
Data Governance
数据治理
数据资产的合规管理与全生命周期治理，支持血缘追踪与权限隔离。
06
End-to-End
全方位观测
从开发、训练到部署、运维的完整闭环，实时可观测与持续优化。
jupyter-workspace - VSCode
EXPLORER
SEARCH
SOURCE
train.py
config.yaml
import torch
from transformers import AutoModelForCausalLM
# Initialize DeepSeek tuning
model_id = "deepseek-ai/DeepSeek-V3"
model = AutoModelForCausalLM.from_pretrained(
model_id, device_map="auto"
)
SSH: gpu-cluster-03
Python 3.11
UTF-8
Service Dashboard
DeepSeek-V3.2 API
Active
2,450Req/min
18msP99 Latency
8xH100 GPUs
Traffic (Last 15m)
POST https://api.rune.ai/v1/chat/completions
📄Data
📁Models
⚙️Tools
NVIDIA System Management
GPU 0: RTX 4090 [|||||||| ] 78%
GPU 1: RTX 4090 [||||||||||] 92%
GPU 2: RTX 4090 [|||| ] 45%
⊞
⚡
💻
🌐
10:42 AM
Rune App Market
Search apps, templates...
Featured
AI Apps
Database
Workflow
Ops
180+Templates
12Scenarios
90sDeploy
DifyWorkflow
CozeAgent
ComfyUIGenAI
MySQLDB
MongoDBNoSQL
JupyterIDE
OllamaLLM
vLLMServing
MilvusVector
RedisCache
MinIOStorage
QdrantVector
142 Deployable
Tenant-safe
Last sync: 2m ago
Cluster Metrics (Grafana)
GPU Utilization78%
CPU Load46%
Memory Usage128GB / 256GB
GPU Temperature71°C
Filebrowser - /mnt/nas
/ datasets
/ models
/ checkpoints
📁 /mnt/nas/datasets/corpus-v2/
📄 train_data.jsonl1.2 TB
📄 valid_data.jsonl45 GB
📁 processed_embeds--
Storage Quota: 8.4 TB / 10 TB
RUNE应用市场
把数据库、中间件、AI 应用和行业模板统一收敛到应用市场中，让业务团队基于预置参数即可零代码完成部署、挂载数据和后续运维。
Rune App Market
Templates
‹
›
↻
https://rune.internal/app-market
Search templates, middleware, AI apps...
Featured
AI Apps
Databases
Workflow
Private
180+
应用模板
12
行业场景包
90s
最快上线
100%
接入可观测
AI Workflow
一键安装
Dify
预置模型接入、向量库与鉴权配置，快速搭建企业级 AI 工作流应用。
公网 / 内网
可持久化
Agent Studio
预置参数
Coze
支持快速拉起 Bot 服务、工具编排环境和回调配置，适合业务验证与交付演示。
模板扩展
API Ready
GenAI UI
GPU Ready
ComfyUI
面向图像与多模态场景的可视化工作流模板，自动绑定 GPU 与共享存储。
模型挂载
多用户访问
Database
Stable
MySQL
标准数据库模板，支持高可用参数、卷挂载与备份策略，适合作为 AI 应用基础数据底座。
持久卷
备份策略
NoSQL
Cluster
MongoDB
支持副本集部署与监控接入，可快速承载日志、会话和业务元数据等多样化负载。
可横向扩展
监控接入
Workspace
Custom
JupyterLab Pro
企业可沉淀专属开发模板，统一镜像、依赖、数据挂载和安全策略，避免重复造轮子。
企业专属
镜像复用
从模板到上线的最短路径
01
选择模板
按 AI 应用、数据库、工作流或企业专属分类快速筛选。
02
配置参数
预置镜像、端口、环境变量与资源规格，减少重复配置。
03
挂载数据
兼容对象存储、块存储与文件系统，满足存算分离场景。
04
上线运维
自动进入实例监控、日志查看、伸缩和版本升级流程。
部署、扩容、升级、回滚、下线统一在平台内完成。
统一挂载存储和访问策略，支撑企业级数据归集与治理。
实例健康、日志和资源利用率自动接入平台监控体系。
把成功实践固化为企业模板，形成可复用的交付资产。
MOHA企业私有AI 资产平台
类 HuggingFace / ModelScope 的私有化 AI 资产管理平台，让模型、数据、镜像、应用与技能在企业内部持续沉淀、复用和协作演进。
六大资产类型
从模型到数据、镜像、应用、MCP 服务和技能市场，Moha把企业内部 AI 资产汇聚为统一的协作社区。
01
Models
模型库
支持 Git-based 版本管理、文件浏览、提交历史与分支协作。
02
Datasets
数据集
覆盖 NLP、CV、多模态等 50+ 任务类型的数据集管理与共享。
03
Images
镜像仓库
兼容 OCI 标准服务，统一托管企业内部容器镜像并支持漏洞更新。
04
Spaces
应用空间
自动构建并运行 AI 应用和工具组件，支持在线预览与全生命周期管理。
05
MCP Server
MCP 广场
基于 MCP Server 的模型技能预置中心，支持技能的一键部署与共享。
06
Skills
模型技能
面向企业内部的模型技能市场，沉淀各领域可直接调用的能力模板。
Moha Console
Assets
‹
›
↻
https://moha.internal/assets
Assets
Models
Datasets
Spaces
MCP
Skills
Moha Hub
Private AI Asset Community
1,280Models
540Datasets
96Spaces
2996Skills
热门资产
Latest
Asset Activity
7 Days
Model README
Files
‹
›
↻
https://moha.internal/models/chatlm-mini-chinese
模型 / ChatLM-mini-Chinese
概览
文件
交流反馈
设置
中文对话 0.2B 小模型
中文 | English
面向中文问答与轻量推理场景的开源对话模型，支持低门槛部署、训练续跑与企业私有化二次分发。
0.2B 参数量，低显存可运行
支持 tokenizer / SFT / RLHF 流程
兼容 Transformers、PEFT 与推理框架
README、License 与版本说明统一托管
完全私有化部署，数据不出企业，让模型、数据和应用资产真正成为可沉淀、可复用、可治理的企业生产资料
MOHA资产接入与运营能力
除了数据资产，Moha还通过 SDK 接入、权限治理、社区化运营、模型加解密与镜像同步能力，让企业资产真正可流转、可保护、可持续演进。
01
SDK / API
API接入
通过 CLI、SDK 与 API，把上传、登录、发布和分发串成自动化交付链路。
02
Permissions
权限管理
公开、内部、私有三层权限协同管理，既支持共享也保障资产边界清晰。
03
Community
社区运营
讨论、标签、评分与版本记录沉淀知识，让资产持续被消费和演进。
04
Encryption
模型保护
支持加密上传与解密运行，适配主流推理框架，兼顾安全与可用性。
05
Mirror Sync
开源镜像
支持对接 HuggingFace 和 Modelscope 数据源，持续引入外部更新并同步到企业内部资产池。
Terminal
$
pip install xiaoshiai-hub
Successfully installed xiaoshiai-hub
$
moha login
✔ Successfully logged in to Moha Hub
$
moha upload -t models -e --encryption-password "your-password" -a SM4 deepseek-ai/DeepSeek-V3
Encrypting & uploading model.safetensors
82%
SDK接入
交流反馈
Pull Requests
‹
›
↻
https://moha.internal/community/chatlm-mini-chinese
社区运营
Discussion
所有
讨论
合并请求
feat: middleware route support
admin 创建于 2026-01-21 · 5 条回复
改了文件
admin 创建于 2026-01-09 · 已合并
反馈：标签整理
zk 创建于 2025-12-17 · 0 条回复
社区管理
模型文件
README
‹
›
↻
https://moha.internal/models/qwen-aes/files
模型加密
AES / Secure
分支: main
提交记录
下载模型
config.json
659 bytes
generation_config.json
242 bytes
model.safetensors
AESLFS
模型加密
数字人客服
Preview
‹
›
↻
https://moha.internal/spaces/digital-human-service
应用空间
Spaces
您好！我是智能客服，很高兴为您服务。
介绍下自己
数字人功能
如何接入
空间样例
LLGM大模型运营平台
以一个统一入口承接多模型 API 接入、路由回退、配额计量与安全审计，让企业从“能调用”走向“可治理、可运营、可扩展”。
Unified AI Access Layer
LLMG Gateway
统一 API 入口
统一协议
弹性路由
负载均衡
01
Format Compatibility
统一 API 格式
兼容 OpenAI API 与 Anthropic API 请求格式，支持流式输出与多模态接入。
02
Routing & Fallback
多渠道路由与回退
按模型能力、成本和可用性选择最优通道，并支持首选路由和自动降级。
03
Rate Limit & Metering
精细化限流与计费
基于 RPM、TPM 和 Token 消耗做多维限速、配额管理与租户级成本统计。
04
Security & Compliance
安全与合规
内置内容审查、IP 白名单和审计留痕，把访问治理和风控前置到统一网关层。
LLGM上游供应商
把上游模型能力封装成可售卖、可计量、可复用的资源单元，让技术接入、产品定价和运营增长联动起来。
第三方生态
主流模型品牌已经具备清晰的商业分层，适合被包装成不同 SKU 和协议层级。
O
OpenAI
旗舰能力与成熟生态，适合作为高价值标准 SKU。
A
Anthropic
推理和安全调性明确，适合高要求业务线。
G
Google Gemini
多模态与长上下文能力突出，适合复杂输入场景。
Q
阿里 千问
中文体验和本地化部署友好，适合国内业务产品化。
M
MiniMax
支持多模态与长文本场景，适合对话与内容生成业务。
D
火山引擎 豆包
面向中文业务和应用落地，适合按场景打包售卖。
K
月之暗面 Kimi
超长上下文和知识密集场景友好，适合深度阅读产品。
B
百度千帆
百度智能云生态入口，适合国内企业级集成。
Z
智谱
面向国内通用模型和 Agent 场景的核心供给。
S
硅基流动
聚合与分发模型能力，适合做统一接入层。
R
OpenRouter
多模型路由与聚合分发，适合跨供应商接入。
P
自定义渠道
面向企业私有供应链和专属接入方式，支持自建模型与独立分发。
01
Procure
采购上游资源
- 统一采购模型额度、API Key 和专线访问能力。
- 把外部成本转成可控的内部资源池。
02
Package
包装成SKU
- 按模型、协议、区域和 SLA 形成可售卖单元。
- 支持专业版、旗舰版定价。
03
Bundle
叠加业务空间
- 与业务空间、API Key、Router 组合成场景套餐。
- 把调用能力和业务权限绑定在一起售卖。
04
Bill
计量与分润
- 按 Token、模型、组织和场景精细计费。
- 支持订阅、按量、分润和私有化交付模式。
网关的价值不只是接入能力，而是把模型能力变成可售卖、可计量、可持续运营的标准化产品。
LLGM多模态对话
把模型试用、参数调试、推理展示与 API 集成收敛到同一个 LLM Playground 中，让开发者和业务团队在一页内完成评估、对比和接入判断。
LLGM
Playground
‹
›
↻
https://llgm.internal/playground
DeepSeek R1 671B
请基于企业知识库，为一家制造业客户生成“设备巡检 Copilot”落地方案，要求包含部署架构、数据安全策略和 ROI 预估。
Assistant
首 Token 1.2s
Reasoning: 已拆解业务目标、知识来源、合规边界与上线节奏
部署架构
先在 ChatApp 完成提示词和参数验证，再经 LLM Gateway 发布租户级 API，后接巡检应用与知识检索链路。
安全策略
采用工作空间隔离、审计日志、敏感词过滤与设备文档脱敏，保证生产资料不跨租户泄露。
上线建议
优先覆盖 SOP 检索、异常问答与报告草拟场景，再逐步推广到移动巡检与培训辅导。
Gateway Route: chatapp-route
Audit: Enabled
Source: Manufacturing KB
Image Input
Web Search
System Prompt
输入问题、上传图片或切换系统提示词，直接在所选模型上发起对话。
从 Playground 到业务接入
Endpoint
/v1/chat/completions
Routing
gpt-5.2/ deepseek-r1 / qwen-max
Security
API Key / 审计 / 内容过滤
支持在同一问题下切换或并排评估多个模型，直观看回答质量、延迟与风格差异。
围绕 System Prompt、上下文与输出目标快速迭代，验证业务口径和回复结构是否稳定。
可在同一会话内查看联网结果与引用来源，适合知识更新频繁的业务场景。
兼容文本、图片和文档理解，为质检、巡检、图文问答等场景保留扩展空间。
统一继承路由、内容审查、速率限制与审计日志，不绕开平台治理闭环。
支持展示 reasoning 过程与关键推断节点，辅助评估复杂任务的稳定性。
BOSS全局运营管理平台
将多集群、租户体系、资源配额、模板发布与平台设置收敛到同一个全局控制面中，让运营、平台和安全团队在一个视图内完成治理、监控和策略分发。
01
Cluster Governance
多集群管理
统一注册计算、存储与系统应用，把节点、资源池、规格和告警事件拉到一个运营视角中持续跟踪。
- 支持多集群注册、纳管和生命周期维护
- 集中查看资源池、规格和关键组件状态
- 统一沉淀监控事件、日志和告警处理闭环
02
Tenant & Identity
租户与用户管理
用多租户、工作空间和身份系统把平台访问边界管清楚，让组织架构、账号体系与权限分配同步落地。
- 租户创建、成员分配和空间隔离统一编排
- 兼容企业单点登录和内置账号体系
- 为 RBAC、审计和配额治理提供身份基础
BOSS Console
Operations
‹
›
↻
https://boss.internal/control-plane
12
纳管集群
164
活跃租户成员
2,480
GPU / NPU / DCU 配额单元
18.7M
Token 使用量（Last 24h）
告警与事件
权限与身份
配额策略
模板发布
产品配置
Enterprise Operations Brain
BOSS
从底层算力资源到上层应用模版，统一承接运营监控、安全策略和平台配置，保证企业级 AI 平台的持续可控运行。
运营闭环
集群指标、租户行为、告警事件和审计记录统一汇聚，形成持续可追踪的运营看板。
策略下发
配额、模版发布、身份规则和平台配置通过统一控制面下发到不同产品和工作空间。
05 Platform Settings
平台设置
系统成员、平台参数和产品级开关在同一配置坞舱内统一维护，保障智算平台、魔哈和大模型平台的独立配置与一致治理。
03
Quota Policy
资源配额管理
面向 CPU、内存、GPU、存储和网络资源建立租户级与工作空间级双层配额体系，保证共享资源下的公平与可控。
- 兼容多类型异构加速卡和高性能资源口径
- 支持租户级与工作空间级双层限制
- 把资源申请、审批和投放纳入统一策略
04
Template Lifecycle
应用模版管理
将推理、微调、开发、实验和评测模版纳入同一版本和发布体系，让平台运营者既能控质量，也能加快模版交付效率。
- 统一管理模版版本、适配范围和发布状态
- 连接模版市场与应用上线入口
- 让最佳实践在不同租户之间稳定复用
BOSS多租户权限隔离
一套基础设施向上切分部门级租户资源池与工作空间边界，让算力、存储、网络和数据在统一平台内被高效复用，同时保持严格隔离和可控访问。
Department 01
算法研发部
负责模型训练、推理与评测，拥有独立成员、模型可见性和实验资源配额。
GPU
18 Card
CPU
96 Core
Memory
384 GB
Storage
5 TB
Department 02
客户服务部
围绕客服机器人、知识问答和工单助手建设应用，避免和研发任务混用资源与数据。
GPU
8 Card
Token
35M / Day
Department 03
风控合规部
承接敏感文档审查、审计追溯和规则校验，确保数据、日志和实例始终留在本部门边界内。
Token
50M / Day
配额资源池
每个租户可按场景组合配置 GPU / CPU / Memory / Storage / Token 配额上限
独立工作空间
工作空间与运行实例隔离到独立命名空间和运行域
租户级数据隔离
存储路径、镜像可见性和 API Key 都围绕租户边界收口
RUNE基础设施
异构算力、存储、网络与调度平面统一供给，再通过租户机制向上切分成可审计、可治理的独立运行域。
异构 GPU / NPU 资源池
NVIDIA / 昇腾 / 海光 / 阿里云
高性能存储域
块存储、文件系统、对象存储
网络与网关平面
Ingress、API Gateway、流量控制
统一调度与监控
调度器、告警、审计、回收策略
全景可观测性与动态监控
把节点健康、工作负载、资源消耗、API 调用链等收敛到数据面板，让平台团队从“事后排查”切换到“实时感知与主动处置”。
Infra
Overview
‹
›
↻
https://rune.internal/observability/cluster/infra
服务器资源总览表
主机总数：7
主机名
IP
启动(天)
健康值
CPU使用率
内存使用率
下载带宽
k8s-node1
192.168.10.13
360.86
89.1
31.1%
38.9%
61.24 MiBps
k8s-node5
192.168.10.19
23.19
93.8
10.5%
37.6%
14.07 MiBps
k8s-node8
192.168.0.107
145.1
98.3
7.4%
29%
6.84 MiBps
k8s-node4
192.168.10.18
14.11
98.7
3%
31.5%
3.99 MiBps
k8s-node2
192.168.10.15
1.08
98.7
5.1%
13.9%
3.44 MiBps
最近 7 天 P99 资源使用率
k8s-node892.4%
k8s-node279.5%
k8s-node176.3%
整体总负载与平均 CPU
整体总内存与平均内存
服务器概览
GPU
Pool
‹
›
↻
https://rune.internal/observability/cluster/gpu
GPU 资源总览
Accelerator Pool4
0%
78.38W
0
49.0°C
4
显卡类型分布
RTX 3080 × 2
RTX 4090 × 2
GPU 使用率趋势
功耗趋势
GPU 型号
所在主机
使用率
温度
实时功率
RTX 4090
k8s-node4
0
38
15.96
RTX 4090
k8s-node2
0
38
10.28
RTX 3080
k8s-node5
0
49
27.46
GPU设备
App
Monitor
‹
›
↻
https://rune.internal/observability/apps/runtime
应用监控数据
Service RuntimeCPU Usage
windows-f76b98b48-z4bjx 2.07%Memory Usage
windows-f76b98b48-z4bjx 95.09%Health
windows-f76b98b48-z4bjx YesCPU Usage Trend
Memory Usage Trend
Network IO
应用监控数据
Logs
Query
‹
›
↻
https://rune.internal/observability/logs/query
日志查询
Log Explorer输入简单的正则查询，例如：error|exception
5 分钟
100
已加载 47 条
折行
下载
清除日志
04/21 14:42:32.943
[2026/04/21 06:42:32:8949] N: HTTP / - 192.168.10.18
04/21 14:42:22.943
[2026/04/21 06:42:22:8942] N: HTTP / - 192.168.10.18
04/21 14:42:12.944
[2026/04/21 06:42:12:8949] N: HTTP / - 192.168.10.18
04/21 14:41:52.944
[2026/04/21 06:41:52:8947] N: HTTP / - 192.168.10.18
04/21 14:41:22.944
[2026/04/21 06:41:22:8947] N: HTTP / - 192.168.10.18
04/21 14:40:52.944
[2026/04/21 06:40:52:8947] N: HTTP / - 192.168.10.18
04/21 14:40:22.944
[2026/04/21 06:40:22:8948] N: HTTP / - 192.168.10.18
日志查询
主流智算平台对比
面对企业级 AI 建设，市场上的平台往往分别偏向公有云托管、单一芯片生态或开源协作社区。Rune智算的重点不是做一项能力最强，而是把企业真正需要同时成立的几条关键链路统一收进一个可私有化、可治理、可扩展的平台中。
对比的核心不在“有没有”，而在这些能力是不是原生收敛在同一个企业级平台里
私有化优先
Enterprise AI Stack
能力维度
PAI
公有云 AI 套件
ModelArts
昇腾生态导向
HuggingFace
开源协作社区
RUNE 晓石 AI
企业私有化全栈平台
私有化部署
数据主权与环境控制
受限
更偏公有云托管路径
支持
可落本地，偏华为体系
受限
仍受宿主环境约束
完全私有化
平台与数据都掌握在企业内部
国产芯片支持
异构算力兼容广度
部分
以主流云侧资源为主
华为自有
昇腾生态能力突出
不支持
不以国产异构资源池为目标
多芯片异构
昇腾、海光、NVIDIA 统一纳管
资产仓库
资产沉淀与协作方式
无
需借助外部资产体系补齐
无
不以内置私有资产社区为核心
核心功能
擅长模型与数据协作沉淀
内置私有 Hub
Moha Hub 原生打通模型、数据与应用
AI 网关治理
统一 API 与审计管控
独立产品
需要额外拼接治理链路
独立产品
网关能力通常不在主平台内闭环
无
缺统一企业网关控制面
深度集成
API、限流、计费与审计一体化
多租户体系
组织隔离与权限边界
支持
偏云账号与资源域隔离
支持
企业治理能力较完整
企业版
能力收束在协作产品边界内
原生多租户
租户、空间、配额与 RBAC 一体化
内容安全合规
审查、审计与策略控制
基础
具备基础云侧审查能力
基础
规则能力偏基础配置
无
更多依赖外部合规体系拼装
策略 + 词库
内容审查、审计与企业策略联动
与其在多个平台间拆分采购与集成，不如让私有化部署、异构算力、模型资产、应用交付和 API 治理在 Rune AI 中一次收敛
为什么选择 Rune AI？
选择 Rune AI，不是在采购一组零散功能，而是在选择一套能支撑试点启动、组织治理与规模化落地的 AI 工程底座。它更强调本土化、模块化和全链路协同。
Enterprise AI Platform
晓石 RUNE AI 平台
以云原生底座为核心，把算力管理、模型资产、应用交付与治理控制统一收敛到同一个企业级 AI 平台中。
Engineering Depth
专业专注
深耕云原生与 AI 平台工程化，产品架构已在多类企业级场景中反复验证，能够稳定承接从底座建设到 AI 能力交付的长期演进。
Open Collaboration
开源生态
基于 KubeGems 等自研开源项目沉淀社区能力，并结合培训、实施与联合创新机制，让内部经验能够持续复用和外溢。
Localized Fit
本土化优势
深度支持国产芯片生态、数据安全约束与信创环境要求，更适合需要本地部署、审计合规和自主可控的企业场景。
End-to-End Platform
全链路覆盖
从算力调度、模型资产、训练推理到 API 网关治理与运营监控，一站式闭环减少企业在多平台之间拼接与迁移的成本。
Modular Delivery
模块化交付
支持单模块部署与分阶段建设，企业可以围绕最急迫的场景先启动，再逐步扩展到完整平台能力，降低前期投入门槛。
Sustainable Operations
低成本维护
依托云原生基础架构和快速迭代机制，既能支撑前期低成本试点，也能在后期平滑扩展到更大规模的生产环境。
灵活的交付选项
从轻量试点到集团化运营，企业可以像选择产品版本一样选择最适合当前阶段的 Rune 部署方案。
01 Starter
适合 POC
单机体验版
面向方案验证、售前演示和小型团队试用，以最小资源成本快速搭建完整平台闭环。
部署形态
1 节点
All-in-One
适用阶段预研 / Demo / POC
建设目标最快建立可验证环境
升级路径平滑迁移到 HA 集群
快速安装
完整体验模型与网关能力
适合作为内部试跑基线
02 Professional
推荐生产
集群高可用版
面向正式生产环境，构建高可用控制面与可扩展节点池，兼顾稳定性、弹性与持续升级能力。
部署形态
HA 集群
Multi-Master + Worker Pool
适用阶段生产上线 / 多业务承载
建设目标保障业务连续性与可维护性
升级路径横向扩容并升级到联邦治理
多主节点高可用
滚动升级与弹性扩容
适合企业正式生产标准化交付
03 Enterprise
适合集团化
多集群联邦版
面向跨地域、跨数据中心或多组织协同的大型企业，把多个独立集群收敛为统一运营网络。
部署形态
Federation
Multi-Cluster / Multi-Region
适用阶段集团化部署 / 多中心纳管
建设目标实现跨地域统一治理与全局可视
升级路径支持组织边界继续扩张
统一联邦纳管
分域自治与全局运营并存
适合复杂组织和多地部署场景
Rune AI平台提供一条从“快速验证”到“生产高可用”再到“多地域联邦”的渐进式交付路径，让平台建设节奏始终匹配企业当前 IT 现状与未来扩张计划
商业合作与服务支持
售前咨询、架构设计、驻场实施、定制开发、培训赋能与长期运维串成一条完整服务链路，确保项目不是"上线即结束"，而是"落地后持续成功"。
01
Consulting
售前咨询与架构设计
结合客户现有 IT 现状、业务目标与合规要求，输出平台建设路径、资源规划与分阶段上线方案。
- 现状调研与需求梳理
- PoC 方案与目标边界定义
- 部署架构与容量规划建议
02
Delivery
驻场实施与定制开发
围绕企业环境、国产算力、业务流程与组织边界进行联合交付，确保平台能力真正进入生产体系。
- 现场部署、联调与割接支持
- 按需适配流程、模板与集成接口
- 关键里程碑验收与上线陪跑
03
Success
7x24 支持与培训赋能
上线后持续提供问题响应、巡检优化、版本升级与角色化培训，让平台能力真正被团队稳定使用和复制。
- 故障响应与专家支持通道
- 运维巡检、升级与最佳实践回传
- 管理员与开发者分层培训
成都破晓石科技有限公司
Q&A
感谢您的聆听，期待与您共创 AI 未来。
免费试用
POC 测试
方案交流
Call To Action
联系我们申请免费试用与 POC 测试
从方案沟通、环境评估到试点验证，破晓石团队可协同企业快速完成第一阶段落地。
联系方式
欢迎扫码添加联系，获取产品资料、试用信息与 POC 沟通支持。
现场提问
资料获取
合作沟通
晓石云
加载中...
1 / 1