多模态数据处理装置竞价公告

发布时间: 2026年10月20日
摘要信息
招标单位
招标编号
招标估价
招标联系人
招标代理机构
代理联系人
报名截止时间
投标截止时间
关键信息
招标详情
下文中****为隐藏内容,仅对千里马会员开放,如需查看完整内容请 或 拨打咨询热线: 400-688-2000
相关单位:
***********公司企业信息
项目名称 多模态数据处理装置 项目编号 ****
项目编号 ****
公告发布日期 2026/10/20 10:17 公告截止日期 2026/10/22 15:33
公告截止日期 2026/10/22 15:33
采购单位 **** 付款条款 签订合同后,供应商在合同约定交货时间内将货物送到采购人指定地点,并完**装、调试,经采购人技术验收合格,采购人在收到供应商开具的增值税发票后30日内向供应商支付合同金额100%,否则,按合同约定扣除相应违约金后,支付剩余合同金额。
付款条款 签订合同后,供应商在合同约定交货时间内将货物送到采购人指定地点,并完**装、调试,经采购人技术验收合格,采购人在收到供应商开具的增值税发票后30日内向供应商支付合同金额100%,否则,按合同约定扣除相应违约金后,支付剩余合同金额。
联系人 中标后在我参与的项目中查看 联系手机 中标后在我参与的项目中查看
联系手机 中标后在我参与的项目中查看
是否本地化服务 否 是否需要踏勘 否
是否需要踏勘 否
踏勘联系人 踏勘联系电话
踏勘联系电话
踏勘地点 踏勘联系时间
踏勘联系时间
采购预算 ¥197,000.00
送货/施工/服务期限 合同生效之日起10日内
送货/施工/服务地址 明向校区


采购清单
1
采购内容 是否进口 计量单位 采购数量 售后服务
多模态数据处理装置 否 套 1 1.免费配套服务期为项目验收合格后3年,从本项目终验之日起计算; 2.免费配套服务期内提供7*24小时热线技术支持服务,接到用户报修电话2小时内响应,如有必要现场维修,报修后8小时内维修工程师到达现场; 3.为保证产品为原厂生产以及售后保障,需厂家直发采购人现场,防止供应商二次拆封引发的各类不可控问题。
品牌及型号 思腾合力(IW4235-8GR) 中科云达(R4240-8G)
技术参数要求 一、主要功能 (1)提供图形计算工具群管理平台,支持自定义和管理JupyterLab、JupyterNoteBook、VS Code等编程环境。(供应商报价时需通过附件提交功能截图证明) (2)提供数据标注与预处理平台,可完成图像标注、文本标注、时间序列预处理等,支持流程化管理、多用户协同标注机制。(供应商报价时需通过附件提交软件功能截图证明材料)(3)应内置图像集成处理平台,支持NIfTI、NRRD等常见格式导入与读取,可展示轴位、正交切片视图与三维渲染窗口,支持窗宽窗位调节和颜色映射,查看影像数据;支持点、线、ROI标记,可完成长度、角度测量,支持阈值分割、连通域处理、布尔运算等多种分割操作,可实现轮廓提取及三维可视化;支持图像、模型、表格等多类型数据导出,可安装高级算法模块,支持批处理和自定义脚本。(供应商报价时需通过附件提交功能截图证明) (4)应具备无卡模式,当GPU数量不足时,支持使用无GPU卡模式启动原有任务,任务ID以及任务中的数据不丢失。(供应商报价时需通过附件提交功能截图证明) (5)需针对计算机视觉数据业务特性进行相应的功能适配,支持BIOS一键升级。 (6)应具备同时支持Minio、CephFs、Luster、NFS、GPFS、GlusterFS、XDFS存储,以及计算节点的存储配置。(供应商报价时需通过附件提交功能截图证明) 二、其它要求 (1)供应商应对材料的真实性负责,如存在虚报、恶意报价导致项目滞后的追究法律责任;(2)供应商负责提供产品的系统调优服务,保证产品工作在最优状态,能够通过用户的功能测试; (3)供应商应在产品出厂前自行进行产品功能、性能测试,出具厂家测试报告,否则响应无效; 三、硬件要求 (1)配置至少2颗工作站处理器,单颗核心数≥32,主频≥2.1GHz,支持批量图像数据处理、多任务算法执行、可视化渲染需求; (2)标配不低于64GB DDR5 4800MHz企业级内存,支持扩容,满足大尺寸图像数据、多进程任务的内存吞吐需求; (3****工作站主动散热图形计算单元,散热稳定、静音低耗,满足长时间高精度图像处理、渲染等计算要求;显存≥64GB,CUDA核心数≥43520,单精度浮点计算能力≥209.6 TFLOPS; (4)配置企业级 960 GB-SSD,不低于8TB数据存储,至少4块2700W高功率冗余电源,支持断电冗余保护、负载均衡,确保长时间高负载图形处理、计算作业稳定运行。

招标进度跟踪
2026-10-20
招标公告
多模态数据处理装置竞价公告
当前信息
招标项目商机
暂无推荐数据