硬件造得出、软件跑不起:「异算方舟」要做国产算力的诺亚方舟

国产GPU这几年的硬件参数，与国际第一梯队越来越近。但走进很多算力中心，有个刺眼的现实——服务器满载率长期低于35%，机房里嗡嗡作响的卡，大半时间在空转。

原因不在硬件，在软件生态。

全球科研代码积累了几十年，绝大多数是写给英伟达CUDA的。把这些代码搬到国产GPU上，相当于把一本英文巨著逐句翻译成另一种语言——工作量大、容易出错、调一次试错三天。160万CUDA开发者绑在英伟达的生态围墙里，国产硬件再硬，也接不住这股存量。

6月29日，中国科学院计算机网络信息中心、中国科学技术大学、中科院力学研究所、中科曙光四家在北京联合发布「异算方舟」——一套针对国产异构算力的科学计算软件生态全栈平台。三层架构，算法、代码、应用全链条打通。

硬件造得出、跑不起来，是国产算力最大的痛点。「异算方舟」要做的，是把这群被CUDA绑架的存量代码，搬到国产芯片上。

方舟想运的不是别的，是那批被CUDA锁死的科研代码。

底层：九衍枢算法库，先把「算法地基」打牢

国产GPU硬件跑分不输人，软件层吃亏在哪？吃亏在底层算法库。一个矩阵求解、一个流体仿真，调用海外开源库时性能还不错，换成自家硬件就掉一档。地基不稳，上面盖什么都晃。

「异算方舟」的最底层叫「九衍枢算法库」，一次性塞进了16款高性能求解器。覆盖范围非常硬核：线性代数、并行计算、流体仿真、生物计算、深度学习——几乎所有主流科研计算场景。

关键不是堆数量，是针对国产加速卡做了深度适配。实测数据，部分核心模块的计算速度，比此前版本提高超过10倍。这是什么概念？以前等三天的仿真任务，几个小时跑完。

硬件性能再强，调不出来都是浪费。九衍枢要做的，是让国产GPU的每一颗晶体管，都被算法压榨干净。

再往下看一层，每一款算法都是体系里的独立节点，对外开放统一调用接口。海光、曙光、其他国产加速卡，谁来都能接。多架构异构集群这个老大难，被算法层先解了一半。

算法地基有了，下一关才是真正的硬骨头——代码迁移。

过去几十年，全球科学计算积累的代码，大部分是CUDA。这些代码承载着论文、专利、工程经验，不可能推倒重来。但要在国产GPU上跑，就必须迁移。人工改一行一行翻译，一个中型项目要好几个月。

「异算方舟」的中层亮出了一位代码翻译大模型「无界BoundX」。开发者把原CUDA代码上传，BoundX自动识别逻辑结构，依托国产GPU的代码知识和规范，输出适配HIP、海光DTK等国产环境的版本，并完成环境适配和编译运行。

这是行业第一次把CUDA迁移这件事，从「人工逐行翻译」变成了「大模型一键转换」。

BoundX不是工具，是国产算力的「翻译官」。它把CUDA围墙凿开一条暗道，把存量代码偷偷渡到国产芯片上。

横向看一眼对手：华为CANN走的是全自研路线，CUDA算子兼容率约95%；海光DCU因为兼容ROCm，算子覆盖率超过99%；沐曦MXMACA开源了驱动到算子库的全栈。BoundX不绑特定芯片，而是站在生态层做横向打通——这才是中科院出手做这件事的真正意义。

算法和代码的问题都解决了，剩下那一公里是易用性。

在工程仿真领域，比如飞机气动分析、新药分子模拟，专业软件操作之繁琐，让一线科研人员经常崩溃。参数几十上百个，调一次错半天找不到原因，结果还常常因人而异、难以复现。

「异算方舟」的上层叫Agent-HiReFlow自动化仿真智能体。基于多智能体架构，瞄准流体仿真这个典型场景——研究人员用日常语言下达指令，

「帮我分析这个模型在不同速度下的气流变化」——智能体自动完成参数配置、启动求解器、做故障诊断、出结果。

把复杂软件装上一位「随叫随到的智能助手」，操作门槛被砸穿。仿真结果也变得标准化、可复现，科研代码的可复现性危机，在AI4S这一波里多了一个解法。

这三层并不是孤立的——算法库提供计算动力，BoundX打通迁移通道，HiReFlow把底层能力直接送到科研一线。算法-代码-应用的完整闭环就此合上。

过去几年，国产算力的故事都在讲硬件——多少TFlops、多少HBM、多少卡互联。但行业心里都清楚，真正的护城河不在硬件，在生态。

英伟达的护城河，从来不是芯片本身，是CUDA+cuDNN+TensorRT+160万开发者构成的生态网络。要瓦解这道围墙，靠单个芯片厂商的「自家工具链」是不够的，必须有人站在生态层做横向打通。

「异算方舟」由中科院牵头、四家机构联合发布，本质是国家队下场补齐软件生态这块短板。从硬件领先走向软硬协同，是国产算力的真正拐点。

硬件造得出、软件跑不起的时代，正在过去。下一个十年，国产算力比的不再是算力数字，而是谁的生态先成熟。

AI for Science的国家战略，需要这样的底座。中国的科研代码，也终于有了一艘自己的方舟。