曙光8000半年拿下戈登贝尔奖:十万卡国产超集群凭什么
中国团队时隔五年再获超算“诺贝尔奖”,背后是曙光8000全国产十万卡集群的支撑。不同于以往刷榜逻辑,这次获奖项目与气象模拟入围案例,展示了异构计算在解决量子化学和全球气象等复杂科学问题上的实效。文章解析了为何“混合精度”比单纯堆砌算力更重要,以及中国高端计算从追求峰值性能向解决实际科研难题的转变。
五年后,这座奖杯又一次落到中国团队手里。
2026年国际超级计算大会上传出消息,ACM戈登·贝尔奖(Gordon Bell Prize)被中国团队摘得。这已是中国学者第三次拿到这一高性能计算领域的最高荣誉,前两次分别在2016年和2021年。

获奖项目由中科大联合中科院物理所、国家高性能计算机工程技术研究中心共同完成,做的是铁钼辅因子的量子化学计算。另一头,中国企业团队主导的“中科天机SD3全球公里级气象数值模拟系统”闯进了戈登·贝尔气候建模奖的决赛名单,这也是中国企业头一回出现在该奖项的决赛圈。

一个往物质内部的微观量子世界里钻,一个盯着地球大气的宏观变化。两件事看上去毫不搭界,脚下踩的却是同一块“底座”——曙光8000。

这是一台全国产的十万卡AI超集群,今年7月才正式接入国家超算互联网。从上线到登上世界顶级领奖台,前后不到半年。
超算圈里,半年往往只够跑完基准测试、做点初步调优。新机器上线后的头一件事,多半是刷跑分,拿漂亮的峰值算力证明自己存在。曙光8000没走这条路:成绩单先不急着晒,直接扎进了最复杂的科学计算场景。
不为了跑分,只为了解题。
光看结果,容易以为是某个应用团队运气好,或者是一场精心安排的“应试”。其实往里看,这更像长期磨出来的默契。
量子化学获奖团队和曙光方面的合作,早在曙光7000阶段就开始了。那会儿没什么大张旗鼓的宣传,双方只做一件事:围着具体的科学算法,去适配异构系统的特性。后来曙光8000把规模做到十万卡,科研团队这边模型也在持续进化,这项应用才一步步从千卡验证走到万卡,再到十万卡运行。
项目的难点在“强关联电子体系”。要描述固氮酶活性中心里几十个电子的量子行为,计算量会随电子数量增加呈指数级膨胀,传统方法根本算不动。中科大团队的办法是引入神经网络来描述电子量子态,用AI把“指数级爆炸”的计算量压下来。
可这又带出新问题:AI进入核心计算,精度不能因此打折扣。神经网络那部分要靠低精度、高吞吐的矩阵运算提速,量子化学求解的收敛性和可信度又必须由高精度计算托底。底层系统得能在多种精度之间灵活切换,既快又准。
入围决赛的气象模拟系统SD3走的是另一个极端。它把地球表面和大气切成边长1.5公里的方格来模拟。这类任务绝大部分时间必须“老老实实”用最高的FP64双精度,没有商量的余地。同时它还要把99%以上的计算负载压在加速器上,对并行效率要求极高。
一个是在多精度间穿梭的“混合体”,一个是死磕双精度的“硬骨头”。传统单一架构的超算,很难同时伺候好这两位。纯CPU架构双精度能做到极致,可处理大规模低精度矩阵吞吐时效率低下;专为AI设计的低精度加速卡,又满足不了科学计算对高精度的严苛要求。
曙光8000的办法不是折中,是分工。它采用异构超智融合架构:CPU管复杂逻辑调度和高精度串行依赖,GPU接大规模并行矩阵运算。芯片本身支持FP64、FP32、BF16等多种精度,网络、存储和调度系统统一协调,把多样化的计算需求兜住。
这不是把HPC(高性能计算)和AI简单拼在一起,而是直面现实中超过40%的“超智融合”计算任务。数据显示,这种架构下CPU+GPU异构节点的计算性能达到纯CPU节点的3倍以上。BF16弱扩展测试里,从单卡扩到45,000卡,仍保持94.9%的扩展效率,整机弱扩展效率为93.93%。
在数万卡量级上维持接近线性的扩展效率,难的不是单张卡峰值多高,而是互联、调度、内存层级和软件栈能不能让每张加速器都不空转。这才是异构路线真正难啃的地方。
有个细节容易被忽略:支撑量子化学获奖项目,曙光8000只用了万卡规模的算力资源,就达到了传统CPU架构系统整机的计算效果。效率优势不是靠“堆更多卡”换来的,而是每份算力都在正确的精度上被放到了正确的位置。
从“看成绩”到“看成果”。
国产算力发展早期,我们在FP64双精度峰值上的突破值得尊重。面对以双精度为主导的传统科学计算场景,纯CPU系统有不可替代的战略价值,也更容易在跑分榜单上拿到好看的名次。
不过随着“AI for Science”兴起,高性能计算的负载结构正在深刻变化。越来越多的科学应用不再只跑单一精度。量子化学、气象模拟、材料科学、生命科学……这些领域的问题,往往既需要高精度的严谨推导,又需要低精度的海量数据处理。
这类应用对系统的要求,不再是“某个精度上跑得最快”,而是多个精度之间切换时,效率不掉、规模能扩、软件栈不用推倒重来。曙光8000的出现,折射出中国高端计算重心的转移:从实验室里的峰值指标,转向科研与产业一线的复合型计算场景。
截至目前,已有300余项重点应用在曙光8000上完成深度优化,覆盖30多个科研与产业领域。天文、气象、材料、生命科学等领域的一批重大成果持续冒出来。这些成果不是精心挑出来的“样板戏”,是在真实场景里跑出来的。
半年拿一个戈登·贝尔奖、入围一个气候建模决赛,当然是个亮眼的开端。但比奖项更值得留意的是这条路径被验证的方式:不是先论证某条路线理论上更优,再挑一个应用去证明它;而是让几十个领域、数百项应用在同一个底座上持续运行,再由权威评议从外部校验成果。
说到底,国产算力走到今天,要面对的是“人工智能+”行动下的真实场景需求。抓住可复现的应用成果,比局部赛道的跑分成绩实在得多。
下一阶段中国算力真正缺的,是一套能把不同精度、不同学科、不同负载都接住、都跑得起来的系统能力,而不只是单项指标破纪录的机器。
曙光8000这次试的路子,说不定就是这条新登峰路的开头。