科技 智东西 · 1小时前 · AI 生成
十万卡AI超集群落地，光合组织把AI4S推向应用现场 国内首个全国产十万卡AI超集群“曙光8000”正式落成并接入国家超算互联网。文章核心观点是，国产AI算力的下一阶段竞争从“堆规模”转向“跑应用”，并以AI for Science（AI4S）作为检验高价值场景落地的试金石。作者通过光合组织发布的“开放计算Token谱系”计划，阐述了算力从生产、调度到场景转化的效率逻辑。适合关注国产算力生态、AI基础设施产业落地和科学计算应用的技术管理者、产业研究员阅读。原文 ↗ 原文 ↗
核心观点
▍ 国产AI算力正从建设期进入应用兑现期，下一阶段的竞赛核心不再是单纯扩大算力规模，而是让更多高价值应用（如AI4S）在真实场景中跑通并产生可衡量的生产力。 01 中国首个全国产十万卡AI超集群“曙光8000”正式落成，并接入国家超算互联网。 02 围绕曙光8000，现场展示了气象、生命科学、材料、工业仿真等AI4S应用成果，包括蛋白质折叠模拟、万亿原子级水分子动力学模拟和百万亿网格湍流模拟。 03 光合组织推出“开放计算Token谱系”计划，覆盖底层算力生产、资源调度流转和应用价值转化三个环节，试图解决算力如何被组织、复用并转化为应用价值。 04 大会期间，中科曙光、海光信息、中国移动等多家单位达成合作，并成立光合组织AIDC基础设施专委会，覆盖能源、通信、互联网基础设施等领域。 05 大会设有39场专题论坛和超1000平方米展区，聚焦科学智能、金融风控、自动驾驶、物理AI等方向的国产全栈解决方案。 反方 / 局限
— 文章未提及十万卡集群的实际稳定运行时长、具体能耗指标、与海外同类集群（如NVIDIA DGX SuperPOD）的性能对比，也未涉及大规模异构算力调度可能面临的软件适配瓶颈或跨厂商兼容性挑战。
前置背景 从算力孤岛到全国一张网
国家超算互联网核心节点于2026年2月在郑州上线，截至3月已服务超120万用户，接入全国一体化算力网后，实现了跨地域、跨架构的算力统一调度。其核心意义在于解决此前「算力卡在架构、指令、通信协议等方面的差异」导致的资源壁垒，将分散的算力资源像电网一样跨区域流动。这是理解曙光8000接入国家超算互联网战略价值的关键前置背景。
▸ 3 条关联资料
▼
应用场景 AI4S加速科研的千倍效率跃升
曙光6万卡AI4S集群已在国家级科研场景跑出实打实成果：3万卡规模下，昌平实验室蛋白质折叠模拟加速1000倍；4.5万卡规模打破万亿原子分子动力学模拟世界纪录；湍流模拟扩展至百万亿网格。这些任务的本质是对算力稳定性、并行调度和存储吞吐的综合检验。AI4S正在将新药研发周期从数年压缩至数月，将材料筛选从数年缩短至数天，让科研范式从「理解因果优先」转向「实现预测优先」。
▸ 3 条关联资料
▼
平行视角 单卡短板与系统工程的博弈
与英伟达凭借先进制程和HBM内存实现单卡高性能的路径不同，国产AI芯片在单卡性能上存在代差。华为昇腾、中科曙光等厂商选择以「系统工程」突围——通过集群架构、高速互联网络（如scaleFabric）和通信优化（如FlashComm），将数百颗芯片紧密耦合成超节点，以系统级协同弥补单卡短板。两种技术路线背后，是「单卡碾压」与「集群协同」两种算力哲学的正面交锋。
▸ 3 条关联资料
▼
未来推演 算力市场的下一轮洗牌信号
2026年上半年，英伟达在中国AI加速卡市场份额从95%暴跌至8%，国产份额突破60%。这一剧变背后，是政策收紧、国产芯片性能突破（昇腾950PR推理性能达H20的3倍）与价格战的三重共振。但国产算力仍面临先进制程产能瓶颈和HBM内存供应链短板，上游芯片厂商盈利爆发，中游模型厂商却深陷亏损。真正的拐点不在份额数字，而在国产算力能否从「可替代」进化为「不可替代」——取决于AI4S等高价值场景的落地深度。
▸ 3 条关联资料
▼
延伸追问 Token生产力范式能否闭环？
光合组织提出的「开放计算Token谱系」，核心是解决算力如何被组织、调度、复用并转化为应用价值的问题。但真正值得追问的不是Token谱系本身，而是：当国产算力从「堆规模」转向「跑应用」时，是谁来定义Token的「质量」和「价值」？是芯片厂商、模型公司还是科研用户？如果Token的流转效率无法被量化验证，这套谱系就可能沦为一种营销叙事。一个更具体的切入方向是：AI4S场景中，Token的「科研产出率」能否成为衡量算力效率的新标准？
▸ 2 条关联资料
▼