十万卡AI集群落成背后：大模型时代的大工程

2026-07-17 06:24:07 [综合] 来源：盘星资讯网

过去三年，集群大模型参数规模从千亿跃升至万亿，落成AI对算力的背后需求已彻底突破万卡集群的承载极限。斯坦福大学《AI Index Report 2026》数据显示，大模代的大工截至2025年初，集群美国算力规模约为2400 EFLOPS，落成中国约为1053 EFLOPS，背后差距超过一倍。大模代的大工在中国信通院的集群测算中，受芯片禁令影响，落成国内可用高端芯片数量仅为美国的背后八分之一。

然而，大模代的大工在国内，集群具备建设十万卡级全国产AI算力集群能力的落成企业寥寥无几。这不仅要求拥有海量的背后国产芯片储备，更考验企业在高速网络、存储架构、散热系统及集群调度等全链路环节的系统工程整合能力。

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，并同步接入国家超算互联网。

这标志着国产AI算力集群正式迈入“十万卡时代”。十万张计算卡协同运行，理论上可在一天内完成过去需耗时数月的科学模拟任务。

《数字中国发展报告（2025年）》指出，截至2025年底，全国已建成万卡智算集群42个，但此前尚无十万卡集群先例。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正是这一政策导向下落地的首个十万卡级全国产系统。

同日，中科曙光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，双核驱动

大模型训练与科学模拟均高度依赖大规模并行计算，需通过高速网络将海量计算卡连接协同。卡的数量直接决定了模型规模上限及科学问题的复杂度。简言之，训练万亿参数大模型，单台服务器算力杯水车薪，必须让数万乃至数十万张卡分担任务，每张卡处理局部数据，再通过高速网络汇总结果。

真正的挑战在于集群规模。尤其在十万卡量级，瓶颈不再仅仅是芯片数量，而是系统工程能力：数据传输延迟、散热效率、存储读写速度、任务调度策略，任何一环的短板都会拖累整体效能。

传统模式下，科学计算与AI训练往往部署于两套独立系统。科学计算侧重高精度浮点运算，而大模型训练依赖低精度、高吞吐资源。两者精度需求不同，导致数据需在系统间搬运，迁移、格式转换及重新配置耗时巨大，流程繁琐且效率低下。以药物研发为例，分子动力学模拟需调用超算资源，而AI预测模型训练则需切换至AI集群，这种割裂严重制约了研发效率。

曙光8000采用“原生超智融合”架构，在同一系统内同时支持从FP64（双精度浮点，用于高精度科学计算）到INT8（低精度整数，用于AI推理）的全精度计算。科学计算与大模型训练在同一系统内闭环完成，无需跨系统调度数据。对用户而言，一套系统替代两套，基础设施投入与运维复杂度同步降低。

整套系统覆盖芯片、计算、存储、网络、散热、应用及服务全链路，核心环节均为国产自研，并配套自研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。

底层支撑：国产芯片提供核心计算能力。
高速互联：scaleFabric网络采用类IB原生无损RDMA技术，实现计算卡间直接数据传输，绕过操作系统。该网络支撑十万卡集群稳定连接，具备毫秒级链路故障恢复能力，且恢复速度不随网络规模增长而衰减。
存储性能：ParaStor分布式存储系统在2026年IO500全球榜单中，斩获生产型全节点和10节点性能双榜第一。
绿色散热：采用浸没式相变液冷技术，将服务器浸泡于特殊冷却液中，液体吸热相变为气体带走热量。采用国产自研冷媒，实现全年自然冷却，无需外部制冷设备，数据中心PUE低至1.04（行业平均约1.3）。超高密度部署大幅压缩机房占地面积。

目前，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，其中超70个应用实现万卡规模扩展：

蛋白质折叠模拟：8万卡算力完成全流程模拟。蛋白质折叠是新药研发关键前置步骤，传统方法耗时数年，大规模算力将其压缩至数周甚至数天。
高精度仿真：9万卡算力完成3.16万亿原子DFT（密度泛函理论）高精度仿真；8.8万卡算力完成328万亿网格湍流直接模拟。此类模拟对航空发动机、船舶设计等工程研发至关重要。
顶级算力规模：超15个应用达到戈登贝尔奖（Gordon Bell Prize，超算领域最高奖项）量级计算规模，此前国内无单一系统能独立承载此类任务。

在软件层面，中科曙光推出科学大模型一站式开发平台OneScience。科研人员通过自然语言描述需求，平台即可自动调度算力、生成代码、提交作业，将传统科研中从环境配置到结果产出的全流程压缩至一次对话交互。目前该平台已服务20多家重点科研单位，集成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，十万卡仅是这套系统落地运行的第一个刻度。

全国产样本的示范效应

大会期间，中科曙光与北京科学智能研究院（AISI）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。第一套落成当日即宣布第二套计划，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成立于2021年9月，是全球首个专注AI for Science（用人工智能加速科学研究）的新型研发机构，定位为“解放科学家、赋能新工业”。其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，全球用户超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，明确到2027年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、流体力学等领域研究人员，对同时支持多种计算精度的大规模算力系统需求激增——这正是第二套十万卡系统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。该平台由科技部指导发起，2024年4月上线，已接入14个省市、超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，算力将面向高校、科研机构和企业全面开放。

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，已覆盖近百个高频科研场景，单日处理作业峰值超103万个。对于受限于算力规模的高校课题组，接入十万卡级算力意味着其在蛋白质结构预测、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水平。对于布局AI应用的产业用户，一套同时支持科学计算与AI训练推理的全精度系统，可减少重复建设，降低综合采购成本。

一套十万卡AI超集群的落成，验证的不仅是中科曙光的工程能力，更是国产芯片、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的实战能力。所有厂商均在这套系统中完成了十万卡级别的实际运行考验。