曙光8000不是从零起步，而是基于2024年就已上线的scaleX万卡超集群系统逐步扩展而来。万卡阶段，业界已攻克了超节点架构（单机柜640卡）、自研ScaleFabric高速网络、分布式存储等核心技术。但李斌指出，从万卡到十万卡「不是简单乘10倍」——通信耗时占比从30%飙升至50%，单点故障概率随规模指数增长，任一网络短板都可能导致整个训练任务回滚。这解释了为何曙光花了近两年半才完成从3万卡到10万卡的分阶段上线。

十万卡集群最大的瓶颈不是芯片，而是网络。曙光自研的scaleFabric走的是原生InfiniBand路线——从底层112G SerDes IP、交换芯片到上层管理软件100%自研，而非依赖以太网套壳的RoCE方案。其核心突破在于单子网支持规模从传统IB的4.9万卡提升至11.4万卡，无需跨子网拼接即可承载十万卡集群，组网成本降低30%。实测端到端通信时延低于1微秒，将GPU利用率从50-60%拉升至90%以上。这打破了英伟达Mellanox在高端IB网络上的长期垄断。

就在曙光8000落成前一个月，华为云发布了AICS灵衢智算集群，同样支持10万卡级规模，但总算力标称200EFLOPS（FP8），是曙光8000的约4倍。华为的底气来自昇腾950DT芯片与灵衢2.0全光互联协议，单跳通信时延从传统2微秒降至200纳秒。两套方案的根本差异在于：曙光走「超智融合」全精度路线，兼顾科学计算与AI推理；华为则更激进地专攻大模型训练效率，千卡规模下Token吞吐已达每秒500万。同一赛道的两种技术信仰，背后是系统TCO和生态兼容性的长期较量。

李斌透露，第二套十万卡系统将「更有侧重性地聚焦AI4S」。当下能看到的关键变量是：曙光8000已在蛋白质折叠模拟、万亿原子级水分子动力学等科学计算任务上跑通，300余项应用优化覆盖生命科学、材料模拟、流体仿真等20余个领域。但真正的考验不是单点跑通，而是能否像英伟达集群支撑GPT那样，让国产算力成为AI4S领域的基础设施。2027年建成后，竞争焦点将从「能建多大规模」转向「每元算力能跑多复杂的任务」——即全生命周期TCO之争。

李斌坦言，规模扩大后元器件数量剧增，故障率和系统复杂度同步上升。曙光8000的应对思路是「从小部件到整机系统逐级提升可靠性」，同时依托数字孪生运维系统将集群可用性推至99.99%。但这里真正值得追问的是：当十万卡集群连续运行30天以上，网络中断和单卡故障的恢复时间能否控制在分钟级？国产芯片的MTBF（平均无故障时间）与英伟达相比还有多大差距？这些数据直接决定了国产算力能否承载企业级核心生产任务。