中科曙光8000算力底座：AI4S三项成果与沙利文报告同台发布

11月4日下午，2026年世界互联网大会乌镇峰会“人工智能赋能科学研究”论坛在乌镇互联网国际会展中心举行，环球网科技记者李文瑶从现场发回报道。论坛期间，三项聚焦AI for Science的成果对外发布，分别涉及科学推理能力评测、基因组智能分析与蛋白质基座模型。沙利文《2026年中国AI4S科研智算基础设施市场研究》报告也在同期出炉，为观察国产算力如何服务国际前沿研究提供产业参考。

这场论坛引来关注，议题前沿只是一层原因，更深一层在于它碰到了科研模式的深层变化：人工智能正从“辅助工具”转向“协作者”，支撑这一转变的，是算力基础设施从“堆硬件”向“系统能力”跃迁。中科曙光高端计算总工程师卜景德在发言中给出一个判断：AI for Science真正的瓶颈不再只是模型能不能提出问题，而是验证能不能跟上；超智融合的意义，是把“提出问题”和“验证问题”放进同一个闭环。

沙利文这份报告还提到，AI4S基础设施并非某一个单独的算力中心，它把计算、存储、网络、软件平台、调度系统以及科研应用工具链整合在一起，构成一套综合计算底座。眼下行业的比拼重心已经不在硬件交付上，转而落在系统集成、平台运营和学科场景适配上；衡量好坏的标准也变了，峰值算力不再是唯一尺子，真实科研任务里能释放出多少“有效算力”才是。从材料模拟到气象预报，一批达到国际水平的成果正好印证了这一点。

从“跟跑”到部分领域“并跑、领跑”

材料科学有个老矛盾：精度和规模难以两全。第一性原理计算精度够高，可最多只算得动数百个原子；分子动力学模拟能铺开规模，量子精度又顾不过来。中科曙光与龙讯旷腾、苏州实验室以及樊哲勇教授团队合作，基于曙光8000超智融合算力底座和MatPL机器学习力场软件，在全球率先做出具有量子力学精度的“万亿原子”分子动力学模拟，多尺度模拟的世界纪录由此被刷新。

技术上的含义是，机器学习力场被嵌入模拟核心环节，以接近第一性原理的精度把模拟尺度推到万亿原子级别，材料研发由此从“小体系试错”走向“大体系预测”。

气象方向更能看出国际可比性。今年9月，中科曙光同中国气象局地球系统数值预报中心一起发布MCV数值模式成果：在全国产十万卡AI超集群曙光8000上，MCV用1小时算完全球5公里分辨率、未来10天的预报，时效达到国际主流业务标准，并顺利通过批量预报质量检验。

国家气象中心用十万卡AI4S计算集群训练出“风清V1.0”全球短中期集合预报系统，这是全国首个数据、模型、算力全部自主的业务应用气象AI集合预报模型，全球有效预报时效为11天，综合预报效果超过欧洲中期天气预报中心的同类系统。海洋方面，崂山实验室等单位联合开发的swLFS全球海洋环流预报系统，在全球首次做到1公里分辨率、百亿网格规模模拟，海表温度后报均方根误差只有欧洲GLO-MFC系统的一半。

工程仿真和基础科学方向同样有斩获。西安交通大学团队在曙光8000上完成了33喷口环形阵列三维高精度模拟，创下国际已知的超声速时空耦合高精度射流仿真纪录；复旦大学类脑智能科学与技术研究院造出全球首个千亿神经元规模数字孪生脑，规模与效率都处在国际前列；国家天文台“千衍”宇宙学N体模拟，以及中科大联合多院所完成的52.2亿原子生物分子动力学模拟，分别在高性能计算与宇宙学交叉、生物分子高精度模拟这两个方向上打出了国际影响。

沙利文报告将这类本事称为“应用优化能力”：看厂商能不能从单纯提供算力资源，往科学模型适配、算子优化、并行效率提升和仿真精度优化里走。国际水平如何，论文指标说了不算，得看真实科学任务中能不能稳定复现、扩展和验证。

从“能算”走向“好用、管用”

世界级成果的价值，说到底要体现在科研效率和工程效益上。MCV模式不只是一次计算达标，它说明国产异构计算已经能支撑高分辨率数值预报投入业务运行。中国气象局地球系统数值预报中心方面表示，异构计算在支撑高分辨率数值模拟上潜力很大，这次突破是自主数值模式与国产算力协同创新的重要成果，也为我国往公里级乃至百米级继续推进打下基础。对气象业务来说，1小时完成全球5公里分辨率、未来10天预报，意味着预报时效和计算时效一起进入了国际主流业务标准的区间。

农业上，中国农业大学基于曙光8000搭起“虚拟玉米”数字孪生智能育种平台，做到全基因组尺度建模与模拟，过去只能训练小模型、只能用少量数据的算力瓶颈被打破，基因编辑命中率和育种效率都提上来了，原本要十余年的育种周期有望缩到数年。深部资源探测方面，中国石化胜利油田物探研究院完成了百亿级网格点模拟应用，填补国内粘弹性波大规模地震正演工程化应用的空白；其自研算法支持跨节点多国产加速卡协同求解同一任务，单节点内存上限的约束被突破。火箭尾焰模拟中，33喷口环形阵列的三维高精度模拟复现了多股尾焰交汇、干扰与混合的过程，对箭体结构设计、防热方案优化和后续试验都有帮助，支撑可重复使用火箭研发。海洋环流预报则直接服务国家海洋战略、渔业和生态预警。

本次论坛发布的成果里还有一项：中科曙光联手国家生物信息中心，聚焦生命科学AI4S领域，在曙光8000超智融合算力集群支持下，围绕数据集、软件栈、智能体展开多维合作，一起搭建面向基因组学研究的数据与软件基础设施，目前已在AI-Ready生命科学多模态数据集、Model-Ready生信加速软件栈、生信分析智能体等方面取得一系列阶段性成果。其中，AI-Ready生命科学多模态数据集建设通过基因组分析Pipeline做测序数据处理和变异信息提取，再把蛋白质序列、功能注释文本以及实验或预测结构信息整合进来，为模型研发和训练数据准备提供支撑。

卜景德认为，评价大规模系统，最终得看科研任务真正跑起来的时间，峰值参数只是表面数字。沙利文报告提到，曙光8000十万卡AI超集群日均作业量已突破15万，300余项重点应用完成深度适配；试运行期间做完70余项万卡规模测试，弱可扩展性达到98.4%。这些数据指向同一件事：AI4S基础设施的“有效算力”取决于并行效率、网络通信、存储吞吐、任务调度、长稳运行和科研工作流适配的整体表现，并非理论峰值。报告还判断，AI4S项目只要有一个环节拖后腿，就会出现算力闲置、通信等待或者任务中断，厂商的竞争壁垒因此从单点硬件性能转向系统交付、平台软件、科研场景和安全可控合起来的系统化能力。

协同创新：由“交付设备”转向“共建能力”

中科曙光与科研团队之间形成的是一种“联合攻关”关系，这和过去卖设备的模式不一样，上述成果正是在这种关系中做出来的。以材料模拟为例，MatPL机器学习力场要在异构环境里完成大规模并行训练与推理，中科曙光团队与龙讯旷腾针对国产加速卡的内存约束、跨节点通信效率以及任务调度策略做了深度适配，机器学习力场训练和分子动力学模拟由此在同一超智融合底座上高效衔接。

转到气象模式迁移，国产异构计算环境里不同计算单元跑出的结果能不能严格一致，直接关系到数值模式过不过得了业务化检验；中科曙光团队与气象局团队在调度系统、通信库和计算单元适配几个层面反复调试，把系统能力落成可验证的科研成果。深部物探方面，中科曙光团队适配了SLURM调度体系，开发出跨节点多国产加速卡自适应资源分配算法，算力调度做到细粒度。火箭尾焰模拟对跨节点并行效率和长时间稳定运行要求极高，系统级资源调度与故障恢复机制就成了任务能否完成的底层保障。

这一协同模式的关键，是把厂商的系统工程能力与科研团队的领域知识深度结合。卜景德强调，超智融合并不是把超算和智算简单拼在一起，而是让同一套系统同时承载高精度科学计算和低精度AI训练推理两类负载。曙光8000走的是“超智融合”技术路线，支持FP64到INT8全精度计算，芯片、硬件、集群到调度系统一体化设计，高精度科学计算与低精度AI训练得以在同一底座上并行承载。公开信息显示，该集群通过Gridview7.0统一管理异构资源，ScaleFabric高速互连端口速率达400Gb/s，浸没相变液冷使PUE最低降至1.04，系统可用性目标达99.99%。

上海交通大学智能计算研究院院长葛冬冬表示，十万卡AI超集群让超智融合头一回从概念落到了可运营的基础设施上，同一套底座能同时跑高精度科学工程计算和AI训练推理这两类任务，更多科研团队因此可以低成本、低门槛地用起来。

沙利文报告也点出了下一步的挑战与潜力：中国科研机构AI4S基础设施潜在市场规模预计从2025年的约420亿元增长到2030年的约1480亿元；高校科研机构还处在“试点深化、局部扩散、平台化起步”阶段，校级/院级平台化应用只占15%，跨学科平台运营、数据治理和持续服务能力将成厂商分水岭。

万亿原子模拟、公里级气象预报、千亿神经元数字孪生脑、百亿网格海洋环流，这些具有国际水平的成果正一批批在国产算力底座上冒出来。在葛冬冬看来，这说明中国算力已经能支撑国际前沿研究，不过软件生态、人才供给和治理规则这几块还得补课。AI从工具变成协作者，科研基础设施的比拼也就不再只是算力竞赛，而是系统能力、平台生态与科研组织方式的综合较量。乌镇这场分论坛聊的，正是这场较量的下一程。