过去三年，大模型参数规模从千亿跳到万亿，AI对算力的需求已经远远超出万卡集群的承载能力。斯坦福大学AI Index Report 2026数据显示，截至2025年初，美国算力规模约2400 EFLOPS，中国约1053 EFLOPS，差距超过一倍。中国信通院测算，芯片禁令后国内可用高端芯片约为美国的八分之一。

但在国内，有能力建设十万卡级全国产AI算力集群的企业屈指可数——这不仅需要足够多的国产芯片，更考验一家公司在高速网络、存储、散热、集群调度等全链路上的系统工程能力。

7月10日，中科曙光（603019.SH）在光合组织2026智能计算应用大会上宣布，国内首个全国产十万卡AI超集群——曙光8000（登峰）正式落成，同步接入国家超算互联网。

国产AI算力集群由此真正进入十万卡时代。十万张计算卡协同运行，理论上可以在一天内完成过去需要数月才能跑完的科学模拟任务。

《数字中国发展报告（2025年）》显示，截至2025年底全国已建成万卡智算集群42个，十万卡集群在此之前没有先例。2025年8月，国务院印发《关于深入实施"人工智能+"行动的意见》（国发〔2025〕11号），明确提出"加快超大规模智算集群技术突破和工程落地"。曙光8000是这一政策方向下落地的首个十万卡级全国产系统。

同日，中科曙光还宣布与北京科学智能研究院达成战略合作，启动第二套全国产十万卡原生超智融合算力系统的研制与建设。

一套系统跑两种算力

大模型训练和科学模拟都依赖大规模并行计算，需要将大量计算卡通过高速网络连接在一起协同工作，卡的数量决定了能训练多大的模型、能模拟多复杂的科学问题。简单来说，训练一个万亿参数的大模型，单台服务器的算力远远不够，必须让数万甚至数十万张计算卡同时分担任务，每张卡计算一个局部，然后通过高速网络把结果汇总。

更大的挑战来自集群规模。尤其到了十万卡这个量级，真正的瓶颈不在卡的数量，在系统工程：十万张卡之间的数据传输、散热、存储读写速度、任务调度，任何一个环节的短板都会拖慢整套系统的运行效率。

传统做法是将科学计算和AI训练分成两套独立系统分别部署。科学计算需要高精度浮点运算能力，大模型训练则依赖低精度大吞吐的计算资源，两者的精度要求不同，过去只能在不同系统上分别运行。以药物研发为例，研究团队做分子动力学模拟时需要调用超算资源，训练AI预测模型时又要切换到另一套AI集群，数据在两套系统之间搬运，中间的迁移、格式转换和重新配置消耗大量时间，流程复杂、效率受限。

曙光8000采用"原生超智融合"架构，在同一套系统内同时支持FP64（双精度浮点运算，用于高精度科学计算）到INT8（低精度整数运算，用于AI推理）的全精度计算。科学计算和大模型训练在同一套系统内完成，无需跨系统调度数据。对于需要同时使用两种算力的用户而言，一套系统替代两套，基础设施投入和日常运维复杂度同步下降。

整套系统覆盖芯片、计算、存储、网络、散热、应用、服务全链路，核心环节均为国产自研，并配套自研的智能化算力管理平台Gridview，提供面向十万卡级超大集群的统一作业调度、实时监控诊断和混合计算资源管理。国产芯片提供底层计算支撑。scaleFabric高速互连网络采用类IB原生无损RDMA技术（一种让计算卡之间直接传输数据、绕过操作系统的通信方式），可支撑十万卡集群的稳定连接，具备毫秒级链路故障恢复能力，恢复速度不随网络规模增长而变化。ParaStor分布式存储系统在2026年IO500全球榜单中获得生产型全节点和10节点性能双榜第一。浸没式相变液冷技术（将服务器浸泡在特殊冷却液中，液体吸热后相变为气体带走热量）可支撑单机柜MW级高功率密度部署，采用国产自研冷媒，实现全年自然冷却，不依赖外部制冷设备，可支持数据中心PUE低至1.04——作为参照，行业平均PUE在1.3左右，超高密度部署还大幅压缩了机房占地面积。

曙光8000已完成300余项应用的深度优化，覆盖大模型、机器人、汽车、创新药、新材料、量子计算、天文气象等20多个领域，超过70个应用实现万卡规模扩展。8万卡算力完成蛋白质折叠全流程模拟——蛋白质折叠是新药研发的关键前置步骤，传统方法耗时数年，大规模算力可以将这一过程压缩到数周甚至数天。9万卡算力完成3.16万亿原子DFT高精度仿真（DFT即密度泛函理论，是材料科学中模拟原子行为的核心计算方法），8.8万卡算力完成328万亿网格湍流直接模拟，这类模拟对航空发动机、船舶设计等领域的工程研发至关重要。其中超过15个应用达到戈登贝尔奖（Gordon Bell Prize，超算领域最高奖项）量级的计算规模，此前国内没有单一系统能独立承载这一级别的运算任务。

在软件层面，中科曙光配套推出了科学大模型一站式开发平台OneScience，科研人员用自然语言描述需求，平台即可自动调度算力、生成代码、提交计算作业，将传统科研中从环境配置到结果产出的全流程压缩到一次对话交互中完成。目前该平台已为20多家重点科研单位提供服务，集成了30余个行业模型和100多个AI原语，覆盖材料、生物、气象等主要学科。

scaleFabric网络架构的设计余量可支撑向百万卡规模灵活扩展，十万卡是这套系统落地运行的第一个刻度。

全国产样本

大会期间，中科曙光与北京科学智能研究院达成战略合作，启动第二套全国产十万卡超智融合算力系统的研制与建设。第一套落成当天即宣布第二套合作计划，新系统将重点面向AI for Science领域的大规模科学计算需求。

北京科学智能研究院（AISI）2021年9月成立，是全球首个专注AI for Science（用人工智能方法加速科学研究）的新型研发机构，定位为"解放科学家、赋能新工业"。研究院联合深势科技发布的玻尔科学空间站，是全球首个覆盖"读文献—做计算—做实验—多学科协同"全流程的AI科研平台，全球科学家用户超过450万。国务院《关于深入实施"人工智能+"行动的意见》将"人工智能+科学技术"列为六大重点领域之首，明确提出到2027年率先实现人工智能与重点领域的广泛深度融合。材料科学、药物研发、气象预测、流体力学等领域的研究人员，对同时支持多种计算精度的大规模算力系统的需求正在快速增长——这正是第二套十万卡系统能够在第一套落成同日即签约启动的需求基础。

曙光8000落成即依托国家超算互联网接入全国一体化算网。这个平台由科技部指导发起，2024年4月上线，已接入14个省市、超过30家国家级超算中心与智算中心，注册用户突破100万，上线7200多款算力商品，累计处理近2亿次作业。十万卡集群接入后，算力将通过全国一体化算力网面向高校、科研机构和企业开放。

2026年4月，核心节点进一步启动"超级科学计算智能体"战略，科研人员通过自然语言描述需求，系统自动完成任务拆解、模型调用与算力调度，目前已覆盖近百个高频科研场景，单日处理作业峰值超过103万个。对于此前受限于算力规模的高校课题组而言，接入十万卡级算力意味着它们在蛋白质结构预测、新材料筛选、气象建模等前沿领域的研究条件，开始接近头部科研机构的水平。对于正在布局AI应用的产业用户而言，一套同时支持科学计算与AI训练推理的全精度算力系统，可以减少重复建设、降低算力采购的综合成本。

一套十万卡AI超集群的落成，验证的不只是中科曙光一家公司的工程能力。国产芯片、高速互连网络、分布式存储、液冷散热设备、调度软件，整条供应链上的厂商都在这套系统中完成了十万卡级别的实际运行考验。

对上游芯片厂商而言，产品在极端规模下的长期稳定性有了实测数据；对网络和存储供应商而言，技术方案在超大规模集群中完成了全流程验证。这种全链路的工程验证此前在国内没有先例，也意味着后续建设同等规模的算力集群时，技术选型、供应商组合和工程流程已经有了一套经过验证的参照方案，不需要从零摸索。

在算力基建领域，第一个在新规模级别上交付完整方案的厂商，往往会成为后续同类项目的默认选项——全部技术选型和工程流程都经过了实测，后来者的试错成本最低。工信部数据显示，2026年全国计划落地50余个万卡集群，3万卡集群数量同比增长233%，算力基建的规模仍在快速攀升。

当更多建设方开始规划十万卡级集群时，曙光8000提供的全链路技术方案、供应链组合和300余项应用的实测数据，是目前唯一可参照的全国产样本。

（作者 冯科翰）