声声由“芯”：海光信息助力计算声学进入智能化新时代

在当前 AI for Science（AI4S）新范式兴起的背景下，科学研究不再仅限于经验模型的迭代，而是进入了数据、算法与算力协同驱动的全新阶段。在近日由中国声学学会主办的 2025 年全国声学大会上，海光信息携其核心技术与全场景解决方案重磅亮相，集中展示了其 CPU+DCU 协同计算架构在推动计算声学及广泛科学研究迈向智能化新阶段的突出贡献，希望通过自主创新的计算架构与开放共赢的生态体系，助力科研人员在安全可控的国产平台上，高效完成从模型构建到结果验证的科研全流程。

算力重塑声学研究

传统声学研究通常需借助大量实验来进行验证，这既耗费时间，成本又颇为高昂。而 AI4S 新浪潮与强大的国产算力架构相结合，正逐渐改变这一研究路径。

例如，在航空领域的噪音控制研究中，研究者在完成基本的数值模拟后，通常还需要执行两个重要的核心步骤——验证和校准，以确保模型的正确性，并将模拟结果与实际数据进行比对，从而决定是否需要继续调整模型或算法。这一过程可能需要一个月的时间甚至更久。如今，在国产算力和算法的加持和智能驱动下，整个科学研究在几天之内就能完成，极大提升了科学研究的效率。

在此次声学大会的“深海声学专题论坛”中，海光科研行业解决方案专家也指出，AI 正加速推动声学研究的范式转变。基于海光 C86 处理器，搭配自主研发的全精度 DCU 卡 ，海光计算平台可以为声场模拟、噪声控制、结构振动分析等任务提供高并发、高能效支持，帮助科研机构以更高精度、更短周期实现创新突破。

海光信息科研首席解决方案架构师麻清刚认为，科研范式的演进可概括为五个阶段，依次是实践总结、理论推导、计算手段、数据驱动，最终迈向智能推动。他强调，海光的高端芯片正在以 AI 为核心赋能传统计算，将科研范式从数据驱动提升至智能推动。海光的 CPU+DCU 全栈算力方案，本质是通过空间换时间的思路，在科学研究的关键进程中，助力科研工作者完成更多计算与探索，进而更高效地逼近科研真相。

国产算力的两大基石与生态优势

海光的 CPU 和 DCU 能够在 AI4S 领域发挥核心作用，得益于其两大关键优势：

首先，海光 CPU 兼容 x86 架构：x86 是个人电脑和服务器领域最主流的 CPU 指令集架构。兼容 x86 意味着海光的 CPU 可以无缝迁移业内主流操作系统和绝大多数软件，极大地保障了软件生态的适配性与稳定性。

其次，海光 DCU 兼容 CUDA 和 ROCm 生态：英伟达的CUDA 和AMD 的 ROCm 是目前全球最主流的通用并行计算平台和编程模型。兼容这两大生态，为国内相关领域的国产化提供了便利，更能为国产算力建设、数据处理及技术研发提供有力支撑。

海光信息智能计算产品事业部运营产品经理杨超强调，兼容主流生态对科研行业尤其重要。科学家的时间极为宝贵，将国际主流生态中的使用习惯丝滑迁移至国产化芯片平台，是提升科研效率的关键一环。

此外，海光 DCU 还支持 FP64 双精度浮点运算。对于声学领域的傅里叶变换（FFT）、数值模拟等场景，双精度是必不可少的精度格式，它能有效减小误差累积，进而提升科学研究的准确性。这一特性让海光平台在处理声学这类数据量大、且需快速落地的学科研究时，具备显著优势。

全方位助推科研

目前，海光在 AI4S 方向的探索已取得多项里程碑式成果。

早在今年上半年，海光优化版 AlphaFold（AF3）便在国产平台上率先实现了 MMseqs2 加速方案，成功完成从算法优化到性能复现的落地实践。

近日，由海光支持的研究论文《精准锚定两亲性金属有机框架于聚合物界面构筑稳健可降解共混材料》正式发表于美国化学会旗下权威期刊《材料化学》（Chemistry of Materials）。该研究结合 AI 高通量筛选与模拟计算，大幅提升材料研发效率，充分验证了海光 C86 高端算力在科学计算与 AI 融合研究中的卓越表现。

这些成就的背后，是海光以通用处理器与 AI 加速卡的协同计算架构为核心支撑，融合 GPU Fusion 异构加速与 DeepAI 深算智能引擎，构建起从底层算子优化到上层科研模型加速的全栈体系。

此外，海光算力平台已在多个前沿科研领域展现出强劲的支撑能力：

• 流体力学：海光 AI4CFD 方案显著提升主流 CFD 求解器的性能，加速智能网格生成与湍流预测。
• 材料科学：有效缩短了分子动力学模拟与晶格结构计算周期，为新材料研发提供了高精度计算支撑。
• 生命科学：以高效算力驱动基因比对与蛋白结构预测，助力科研机构以更低能耗完成更大规模的科学探索。
• 水声领域：通过 AI 模型与高端算力融合，未来有望在仿真效率、特征识别精度和实时响应等方面实现数量级提升。

在 AI4S 的研究范式下，海光希望做为科学研究的“加速器”。在提供高端算力，接管模型部署、算法调优、数据处理的同时，让科研人员有更多时间专注于科学研究。

面向未来，海光信息将持续专注于软硬件的优化和协同，并计划针对科研院所、高校和生态伙伴，在科学计算和 AI 方面实现新的突破和探索。此外，海光将强化对主流科研软件的兼容性适配，依托 AI 框架算法持续深化适配效果。通过联合科研机构、高校与产业伙伴，海光正在加速推进科研智能化基础设施建设，致力于推动计算声学及更多科学研究领域迈向智能化、绿色化和可持续发展的新阶段。

备注：本文信息及数据来自中科海光，图片来源网络或者AI生成。凡本公众号转载、引用的文章、图片、音频、视频文件等资料的版权归版权所有人所有，如因此产生相关后果，将由版权所有人、原始发布者和内容提供者承担，如有侵权请尽快联系删除。