夜雨聆风当算力基础设施成为科学发现的“加速器”
2026年4月14日，郑州。
一个看似寻常的工作日，但对于中国人工智能产业而言，这是一个值得铭记的时刻——我国最大规模科学智能计算集群在位于郑州的国家超算互联网核心节点正式投入使用。
6万张国产AI加速芯片，从2月5日的3万卡到4月14日的6万卡，短短68天实现规模翻倍。这不仅是算力的跃升，更标志着中国在“AI for Science”（人工智能驱动科学研究）领域迈出了产业化落地的关键一步。
当全球科技竞争进入“第五范式”时代，中国正在用“算力基础设施”的新逻辑，重新定义科学发现的效率边界。
一、6万卡集群：数字背后的“超智融合”革命
1.1 规模跃迁：从3万到6万的“中国速度”
68天规模翻倍，这一速度在全球算力基础设施建设史上也属罕见。从2025年12月发布到2026年2月3万卡同步上线、4月扩展至6万卡，中科曙光实现了国产万卡级AI集群从发布到真机落地的“中国速度”，证明了其在大规模工程化部署上的执行力。这一系列突破不仅实现从通用AI到AI4S的技术跨越，更通过全学科覆盖的算力服务网络，为我国抢占人工智能产业应用战略高地提供坚实支撑。
1.2 技术参数：全球顶级的“超智融合”算力
核心突破：超智融合、全精度设计
传统超算与智算长期分立：超算擅长双精度浮点运算，用于物理仿真、气象预测等；智算擅长半精度并行计算，用于深度学习训练。6万卡集群的“超智融合”架构，首次实现了同一套硬件同时高效支撑两种计算模式，解决了单一架构无法兼顾的痛点。中科曙光高级副总裁李斌表示：“这一集群不仅是硬件堆砌，更是通过软硬件协同设计，打破了传统超算与智算的壁垒，实现了从AI到AI4S的全栈技术跨越。”
1.3 六大技术特征：从芯片到系统的全栈自研
根据中科曙光披露的信息，该集群具备六大核心技术优势：
scaleFabric网络尤为值得关注：这是国内首款原生RDMA高速网络产品，历经三年研发，实现了从底层112G SerDes IP、交换芯片、网卡到交换机、驱动与管理软件的100%全栈自主可控。端到端通信时延低至0.9微秒，链路故障恢复时间小于1毫秒，单子网互连规模达到传统InfiniBand的2.33倍。这一突破一举填补国内超大规模智算互联领域的空白，打破海外厂商在高端高速网络市场的长期垄断。
二、AI for Science：第五范式的产业化落地
2.1 从四大范式到第五范式
科学研究经历了四次范式变革：
AI for Science的核心内涵，是让人工智能在科学领域深度参与读文献、提假设、设计实验、分析数据等科研全过程，甚至自主发现人类从未察觉的规律。当前，全球正迎来第五代科学研究范式革命，AI for Science已成为全球科技竞争的制高点，其规模化落地离不开高端普惠算力的支撑。我国“十五五”规划明确提出要以人工智能引领科研范式变革，抢占人工智能产业应用制高点。
2.2 6万卡集群的应用突破：从生物到材料
通过与高校、科研机构与企业的广泛深度合作，截至目前，集群已在生物、材料、流体力学等多领域完成大规模并行计算测试并取得多项突出成果：
蛋白质折叠模拟加速1000倍意味着什么？
传统上，解析一个蛋白质的三维结构需要数月甚至数年的实验工作。2020年，DeepMind的AlphaFold2实现了AI预测蛋白质结构的突破，但训练和使用仍需大量算力。6万卡集群将这一过程从“月级”压缩到“天级”，意味着新药研发周期大幅缩短、疾病机制研究效率指数级提升、个性化医疗成为可能。
万亿原子液态水分子动力学模拟的意义？
水是生命之源，但液态水的微观结构至今仍未完全阐明。万亿原子规模的模拟，让科学家首次能在接近真实尺度的体系上，以量子力学精度研究复杂材料、电池界面、生物大分子等前沿问题。
三、“超级科学计算智能体”：从算力到智能的跃迁
3.1 算力普惠：让科研人员“零门槛”使用AI
6万卡集群的正式投用，同步启动了“超级科学计算智能体”战略。这是从“算力基础设施”到“智能服务”的关键跃迁。
传统模式的问题：科研人员需要面对复杂的软件配置、需要理解底层IT流程、算力申请和任务调度耗时费力。
智能体模式的优势：科研人员只需通过自然语言提出需求，系统自动拆解任务、调用模型、调度算力，完成端到端交付，科研任务完成时间可从“天级”压缩至“小时级”。
3.2 “数算模用”一体化生态
国家超算互联网核心节点构建了完整的国产普惠生态：
接入全国一体化算网调度体系，为全国高校、科研院所和企业提供普惠化AI4S算力服务。
3.3 从“算力孤岛”到“算力汪洋”
国家超算互联网平台已连接全国14个省区市的20余家超算/智算中心，将分散在全国各地的算力资源编织成一张智能网络。这不是简单的资源聚合，而是算力运营模式的革命：从“建设”到“运营”，算力像水电一样随需取用；从“专属”到“普惠”，全国高校、科研院所、企业共享；从“人工”到“智能”，智能调度、自动优化。
四、产业意义：AI for Science的“中国方案”
4.1 抢占全球科技竞争制高点
当前，AI for Science正成为全球科技竞争的制高点。美国有谷歌DeepMind、微软研究院、OpenAI等大力投入；欧洲有欧盟“地平线欧洲”计划重点支持；中国6万卡集群的投用，标志着中国在AI for Science的算力基础设施领域已跻身全球第一梯队。中国科学院院士、河南省科学院院长徐红星评价道：“该集群落地，不仅是一次技术成果展示，更是我国人工智能技术与科研创新深度融合的里程碑。”
AI4S已被英伟达列为与大语言模型、具身智能并列的AI三大关键方向之一，全球市场规模预计2032年达262.3亿美元。在中国，AI4S已被写入国家战略，2026年《政府工作报告》明确提出“深化拓展人工智能+，实施超大规模智算集群建设”。
4.2 破解“卡脖子”难题：全栈自主可控
中科曙光这次发布的科学智能计算集群，由6万张国产加速卡构成，从芯片、互联网络到上层平台，全部自主可控。国家高性能计算机工程技术研究中心副主任曹振南表示：“这次我们发布的6万卡的科学智能集群，将会对人工智能加科学研究的行业，无论是在材料、生物、石油、气象等等产生巨大的推动作用。”
在全栈自主可控方面，层级覆盖如下：芯片层有6款自研核心芯片，支持全精度计算；网络层有scaleFabric国内首款类InfiniBand无损高速网络，支持超10万卡无损组网；系统层采用超智融合架构，打破HPC与AI分立格局；软件层兼容主流计算生态，支持广泛科研应用；应用层完成400+大模型适配，构建起“数算模用”一体化生态。scaleFabric网络打破了海外厂商在高端高速网络市场的长期垄断，国产AI加速芯片实现大规模部署。
4.3 催生新质生产力：从科研到产业的转化
AI for Science的产业化价值不仅在于科研突破，更在于催生新质生产力。在生物医药领域，新药研发周期有望从10年缩短至2-3年；在新能源材料领域，电池材料、光伏材料可快速筛选优化；在气候预测领域，极端天气预警、碳中和路径规划将更加精准；在智能制造领域，材料设计、工艺优化、质量控制将全面升级。
集群已通过与高校、科研机构与企业的广泛深度合作，在生物、材料、流体力学等多领域验证了其处理大规模科学计算的能力。从蛋白质折叠到新材料发现，从气候模拟到药物研发，AI4S被认为是下一代科研范式的核心引擎，而算力是这项引擎发展的核心基础设施。
五、挑战与展望：从6万卡到未来
5.1 当前挑战
在应用生态建设方面，需要更多科研团队迁移到国产平台；在人才缺口方面，需要培养既懂AI又懂科学的复合型人才；在能耗与可持续方面，浸没相变液冷技术已使PUE低于1.12，未来需进一步优化；在国际竞争方面，需要持续投入，保持技术领先。
5.2 未来展望
近期目标是6万卡集群稳定运行，支撑更多重大科学项目；中期目标是向10万卡、百万卡规模扩展——scaleFabric网络已支持超10万卡无损组网；远期目标是构建全球领先的AI for Science创新生态。
结语：算力基础设施的新逻辑
6万卡集群的投用，标志着中国AI产业化进入新阶段。
从“应用驱动”到“基础设施驱动”。过去，中国AI产业的优势在于应用场景丰富、数据资源庞大。6万卡集群证明，中国正在构建从芯片到系统、从硬件到软件、从算力到智能的完整基础设施体系。
从“跟随”到“并跑”再到“领跑”。在AI for Science领域，中国不再仅仅是应用层面的创新者，而是正在成为基础设施层面的定义者。超智融合架构、scaleFabric网络、“超级科学计算智能体”等创新，正在为全球提供“中国方案”。
从“科学发现”到“产业变革”。6万卡集群不仅服务于基础研究，更将催生生物医药、新能源材料、气候预测等领域的产业变革。当算力像水电一样普惠，当AI像助手一样智能，科学发现的效率边界将被彻底重塑。
这是AI for Science产业化的“中国速度”，也是新质生产力发展的“中国样本”。
