移动通信网 赵哲超
10月18日，2026 CCF全国高性能计算学术大会（CCF HPC2026）期间，中科曙光集中发布曙光8000十大前沿应用成果。作为全球首个10万卡超智融合AI超集群，这台系统正在承接从基础科学到民生工程的多线攻坚：4万亿个暗物质粒子构成的宇宙学模拟、33股超声速射流的高保真仿真、6.77万亿网格规模的湍流计算，多项研究实现“世界首次”突破。十项成果横跨基础科学、民生应用与工程研究三大方向，其中“千衍”宇宙学模拟覆盖约100亿光年宇宙尺度，被国际学界评价为“刷新了当前数值宇宙学的发展极限”。据中科曙光披露，当前曙光8000上超过40%的应用已是“超智融合”应用，AI加速科学研究的范式转移已在单台系统上完成验证。十大成果同机落地，也把一个更本质的产业问题摆上台面：当AI深度融入科研，一套算力系统究竟该被设计成什么样。曙光8000给出的答案，是超智融合架构下的统一调度、系统级优化与应用门槛的持续下探，这为国产超算向AI4S时代转型提供了可复用的工程样本。
【关键数据】
[1] 4万亿个暗物质粒子的“千衍”宇宙学模拟，覆盖约100亿光年尺度
[2] 多喷口超声速射流模拟达6.77万亿网格，创国际已知最大同类仿真纪录
[3] 曙光8000上300余项重点应用完成深度优化，20余项实现整机运行
[4] 胜利油田弹性波波动方程地震正演计算效率提升30%，勘探任务周期从数月压缩至两三天
[5] MCV天气-气候一体化模式1小时内完成全球公里级数值预报计算
曙光8000的技术底座在于异构融合架构的深度设计。中科曙光高端计算总工程师卜景德解释，该系统在设计之初就指向“一套系统满足多样需求”：芯片层面原生支持FP64、FP32、BF16等多种精度，CPU与加速器分工协作，让高精度科学计算、AI训练与推理在同一套系统上统一调度——这是与传统“高性能计算+AI分区部署”模式的本质差异。这种设计直接支撑了极端规模的计算任务：MatPL机器学习力场软件首次将接近量子力学精度的分子动力学模拟推进至万亿原子规模；“九章”光量子计算机与曙光8000协同，实现无规相近似精度的生物分子模拟，完成超过50亿原子规模的扩展性验证；复旦大学团队构建出世界首个千亿神经元规模的数字孪生脑。系统级能力同样关键——以“千衍”为例，团队需处理100个宇宙时间切片、十几PB量级数据的逐层切分与回连，每一次读写都极其消耗资源，需要网络、硬件、计算、存储、散热与软件的协同优化，其自研存储系统ParaStor已自2010年起持续演进十余年。卜景德认为，AI4S恰恰填补了“传统科学计算算得准但算得慢、大模型算得快但算不准”之间的空缺。
从应用覆盖广度看，曙光8000已在国内AI4S竞争中形成系统性卡位。截至目前，已有300余项重点应用在该平台上完成深度优化，覆盖30多个科研与产业领域，其中20余项实现整机运行。气象领域，“风清集合V1.0”国产AI全球短中期集合预报模型投入业务运行；全新MCV天气-气候一体化模式在1小时内完成全球公里级数值预报计算，使我国AI气象预报与数值预报业务化能力双双迈入世界先进水平；swLFS建成全球首个1公里分辨率全球海洋环流预报系统。农业领域，中国农业大学“虚拟玉米”平台将育种周期由十余年缩短至数年。工程领域，多喷口超声速射流模拟以6.77万亿网格创下国际已知最大同类仿真纪录——西安交通大学姬兴教授介绍，该课题模拟33台发动机同时工作、每股尾焰达约2倍音速和3000K高温的场景，直指可重复使用火箭的研制痛点。在全球异构计算成为顶级系统普遍选择的当下，一套系统同时支撑模型训练、数据分析与科学模拟的能力，已成为算力平台竞争的新分水岭，曙光8000以单机承接十大前沿应用的实测表现给出了差异化答案。
超智融合的落地离不开产业链上下游的深度协同。中科曙光副总裁曹振南拆解了一台大机器“做好”的多个层面——芯片与部件、系统结构、底层软件栈、调度管理服务乃至工程实现，每一代机器都在迭代。为将传统科学计算应用迁移到国产平台，中科曙光组建了几十人乃至上百人的深度适配团队，一个项目投入几十人乃至上百人做移植适配是常态——这家以“偏硬”著称的企业在软件人员上的投入规模远超外界印象。协同效果已有量化体现：在中国石化胜利油田物探研究院的协同优化中，弹性波波动方程地震正演的计算效率提升30%。该院首席专家张猛给出的案例更具说服力——随着油气勘探目标复杂化，波动方程正演模拟网格由10米×10米加密到1米×1米，计算量和数据量呈爆炸式增长，过去在自有设备上以月甚至半年为周期才能算完的任务，如今在曙光8000上万卡级规模下两三天即可完成。这种“手把手”协同机制已滚动到三期，通过移植工具、适配指导与现场驻场支持，帮助合作方既出成果，又培养出既懂专业又懂国产超算的复合型人才，形成国产算力生态的正向循环。
商业化与公共服务的双轨模式正在成形。曹振南观察到，AI4S正悄然改变算力中心的角色——它不再仅仅是国家重大科技基础设施，更是产业孵化平台，未来的建设与运营可能兼具公共服务与商业化两种职能。对用户而言，选择也更加多元：一类用户自己升级设备，另一类通过云服务或算力服务租用，随着技术迭代加快，租用用户的比例正在上升。在成本与易用性维度上，曹振南反复强调“应用门槛”这一指标：“算力非常贵，性能、规模、性价比固然重要，但当AI4S普及后，大家最看重的指标变成了好用、易用。”深部资源地球物理探测模拟填补了国内相关领域的工程化应用空白，地震波正演把地下不可观测的不确定性转化为可计算、可验证的定量依据，需要万卡级运算与百亿级网格规模支撑，已成为高性能计算典型的日常业务化场景。中国科研用户在从传统科学计算向AI4S迁移的过程中动作更快、需求更高，这种用户侧的活跃度反过来加速了平台的商业化验证，让曙光8000从科研重器向产业基础设施的双面角色持续演进。
从产业动向看，曙光8000验证的“硬件+系统+服务”组合正在重塑国产算力的竞争逻辑。十大成果中，AI辅助壁湍流模拟在国际最高难度的槽道湍流工况下实现高保真求解，AI辅助流体计算显著降低计算代价，MatPL用机器学习力场兼顾精度与规模，数字育种把AI分析与生物学建模结合——AI4S已从概念验证进入成果密集产出期。异构架构方面，CPU与加速器分工协作已成为全球新一代顶级计算系统的普遍选择，曙光8000从芯片最深层支持多精度计算的路径，为后续国产超算与智算中心的融合建设提供了架构参考。曹振南认为，硬件环境的变化恰恰在推动应用软件的发展——没有硬件平台，软件无从发展，而曙光8000这样的新一代AI4S平台正极大推进整个产业向前。从刷新纪录的应用成果，到自研的异构架构，再到不断降低的准入门槛，这台10万卡国产超集群正在完成一场算力范式的验证：当AI与科学计算加速融合，单一系统承接基础科学、民生应用与工程研究的能力，将决定下一代算力基础设施的竞争格局。
