中国工业报  耿鹏飞

把4万亿个暗物质粒子“装”进一台计算机，让千亿神经元在数字世界里重新“苏醒”，在6.77万亿个网格上“看见”火箭尾焰的每一次震颤……

近日，在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。中科曙光高端计算总工程师卜景德介绍，曙光8000是全球首个10万卡规模、超智融合的AI超集群。这台机器究竟改变了什么？十个应用成果给出了答案。

十个“世界首次”，从“看不见”到“看得见”

在基础科学领域，“千衍”宇宙学模拟以4万亿个暗物质粒子重现宇宙演化。中科院国家天文台研究员王乔介绍，暗物质、暗能量是看不见的，只能靠数字模拟“重建”宇宙。这个模拟覆盖100亿光年的尺度，是当前全球最大规模的N体模拟，国际学界评价其“刷新了当前数值宇宙学的发展极限”。把模拟结果与引力透镜等观测比对，精度足够高——如今，模拟甚至已经反过来开始指导观测。

同样在“看不见”处发力：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到万亿原子规模，刷新多项世界纪录。卜景德打了个比方：过去高精度原子模拟停留在百亿原子量级，就像“盲人摸象”，只能看到局部；现在能看清完整的半导体器件——万亿原子恰好对应一个PN结的尺度，电池材料、电解液等纳米级场景都可以直接模拟。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；中国科学技术大学等单位用“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，并完成超过50亿原子规模的扩展性验证。

面向民生，国产AI全球短中期集合预报模型“风清集合V1.0”已投入业务运行，全新MCV天气-气候一体化模式1小时就能完成全球公里级数值预报计算；联合崂山实验室等建成的swLFS系统成为全球首个1公里分辨率海洋环流预报系统，网格数超过4亿；中国农业大学“虚拟玉米”平台推动育种周期由十余年缩短至数年。

工程研究领域同样密集突破。西安交通大学团队用6.7万亿网格完成33个喷口环形阵列的超声速射流模拟，创下国际已知最大同类仿真纪录——这是为可重复使用火箭“数算”尾焰干扰；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；与中石化胜利油田物探研究院合作的地震波正演模拟，将弹性波方程求解效率提升30%以上，填补了国内深部资源地球物理探测模拟的工程化应用空白。

十个成果在同一台机器上落地，本身就在回答一个问题：国产异构计算系统到底行不行？要理解这点，先看懂曙光8000“超智融合”的含义。曙光智算总裁何牧君向中国工业报举例说道，一个生信团队一天的工作流：早上跑分子动力学模拟，这是典型的双精度科学计算；中午用AlphaFold做蛋白质筛查，用的是半精度AI计算；晚上可能还要调用大模型推理和科学计算智能体。过去这些任务要分属不同机器，如今在一台芯片上原生支持FP64、FP32、BF16等多种精度，统一调度科学计算、工程计算与智能计算。卜景德透露，曙光8000上40%以上的应用都是超智融合应用。

从行业面看，CPU与加速器分工协作的异构架构，已成为全球新一代顶级计算系统的普遍选择，国产阵营正在加速追赶。何牧君观察到两个显著变化：一是国产算力的兼容性越来越好，主流开源大模型基本能做到零栈适配；二是国内头部基模厂商从被动变主动——算力吃紧、国产卡性能提升，加上AI基础设施公司的兴起，让更多模型愿意在国产平台上做深度优化。

当然，中科曙光副总裁曹振南向中国工业报提到，这远不能说“解决了”。需求和技术的发展永无止境，机器需要不断迭代；硬件往往略快于应用软件，而硬件平台的演进恰恰会拉动应用软件的爆发。在他看来，当下科研用户评价算力的标准，也已从性能、规模、性价比，转向好不好用、易不易用、应用门槛够不够低。

万卡之上的“稳定性之战”

把应用从千卡推到万卡、再到10万卡，最难的从来不是算力本身。西安交通大学航天航空学院的博士生张宏向中国工业报坦言，千卡规模下，任何一张卡掉线，整个计算任务都可能被调度系统直接“KO”；到万卡、十万卡，这张卡出问题的概率被万倍放大。团队第一次冲击十万卡时，任务运行仅2分钟便因NPI进程问题被杀掉，第二次在曙光硬件技术的指导下才成功。效率的另一半则卡在通信——卡与卡之间交换信息的过程正是瓶颈，他们通过通信隐藏、点对点通信等算法手段加以改善。

同样的难题摆在国家天文台“千衍”团队面前。王乔介绍，上万张卡长时间协同运行，即使单卡稳定，万倍放大后也极难控制；模拟要演化100亿年的尺度、持续运行多天，网络带宽压力极大。团队与曙光逐环节“盯人”，通过筛选节点、调整参数、网络调优把任务稳住。而十几PB的中间数据切片，让每一次IO都成为巨大消耗，必须在网络、硬件、计算几方面做系统级优化。他坦言，“我们是在做了很多年的匹配之后，才比较好地发挥出系统性能”。

相比硬件，软件适配是另一道“看不见”的门槛。卜景德指出，商业软件因没有源代码适配最难，科研团队自研的算法则常因缺乏计算机体系结构知识而上手慢，往往需要几十人、甚至接近一两百人的团队做深度适配优化；好在多年积累的软件栈已覆盖几乎所有主流科学计算环境，适配工作量极大降低——例如与气象局的联合团队就花了整整一年，才完成全量移植与一致优化。

中国石化胜利油田物探研究院首席专家张猛对此深有体会：他们的程序原本全部基于国外商业硬件，“从左手拿到右手”要经历架构、语言、接口的重构，正是依托光合基金、曙光提供的移植工具与驻场技术人员手把手指导，才一步步跑通国产适配，如今已是7×24小时无间断支撑生产。

从曙光8000看未来的算力布局

站在十万卡集群之上，中科曙光与科研用户的目光已经投向更远处。曙光智算总裁何牧君给出的路径很清晰：一是算力普惠，把成本降下来、把门槛降下来，让科研人员“把这块做好用”；二是补足大规模算力——“一台两台不算缺，真正缺的是十万卡规模”，万卡以上的大系统必须补齐；三是面向科研场景超智融合的趋势，把调度平台与服务体系一并升级。

他透露，今年推出的万卡集群邀测计划已吸引累计数万名用户参与，平台一天的作业量最大可支持到过亿；而在线科学计算智能体已超过600-700个，Skill MCP超过1万个。

对用户数量的执着，折射出更深的考量。何牧君透露，平台目前注册用户已过170万，目标是要让用户群实现数量级增加；应用商城作为算力使用入口的比例，已从去年底的19%升至27%，目标是年底达到30%，上面已汇聚约1万个商品，并通过“精品工程”把不同软件版本打磨得更易用。他始终强调“跟着这些研究人员共同成长”——当下用户量最大的其实是10节点（80卡）以内的场景，未来可能成长到800卡、几千卡乃至万卡，复旦类脑团队正是从最初的几十卡、上百卡，一路成长到今天的万卡级别。

而更长远的方向在于AI for Science模型的产业化：“我们非常希望从曙光8000开始，未来曙光9000甚至以后的机器，能够孵化出很多国产的科研领域垂域模型。”何牧君向中国工业报表示，通过万卡共创者激励计划与商业化闭环，让这些模型在行业落地、甚至孵化出公司，科研投入才能更持续、更健康。

在算力获取方式上，曹振南观察到一种新趋势：随着技术更新迭代加快，虽然仍有用户选择自购升级，但“租用的用户比例在上升”——通过云服务或算力服务租用曙光8000这类超智融合平台，正成为越来越多科研与企业的选择。“这也推动算力中心的建设与运营，从单纯的国家科技基础设施，走向‘服务国家重大项目与商业化运营并重’的双重定位。”曹振南向中国工业报说道。

对下一代机器，科研用户也给出期待。王乔希望未来的算力“越来越智能、越来越环保”——当规模已如此巨大，若不能控制功耗，就很难再放大；体系应结合得更有机、更整体。曹振南则提醒，AI时代对中国是“非常好的机会”，超智融合系统的价值不止于支撑科研，更在于成为撬动产业升级的支点。对西安交大团队而言，“研、算、智、用”四阶段中，研和算“最硬的骨头已啃下”，接下来要将算法固化进商业航天火箭喷管设计、热防护与结构设计，让算力真正变成生产力。

从4万亿粒子到千亿神经元，从6.77万亿网格到300T工区数据，曙光8000正把“算力普惠”从口号变成一个个可验证的科学与工程突破。当更多国产垂域模型在曙光9000上孵化，当中国科研用户沿着超智融合的路径走得更快，这台国产超集群所承载的，已远不止算力本身。