6万卡集群背后：中科曙光押注AI4S的五个关键判断

郑州国家超算互联网核心节点，2026年4月14日。中科曙光高级副总裁李斌站在6万张国产AI加速卡组成的集群前，用一句话定调这场发布：「新时代的超算一定是面向AI4S，一定是融合的。」

这不是一次常规的产品迭代。149.64亿元年营收、21.76亿元归母净利润的财报数字，与6万卡集群的物理规模，共同指向一个战略转向——这家算力巨头正在从传统超算，全面锚定「人工智能+科学」的战场。AI4S（科学智能）这个听起来偏学术的概念，凭什么值得如此重注？

一、AI4S不是实验室玩具，而是万亿产业的底层基础设施

兴业证券蒋佳霖给了一个直白的判断：「天花板非常高。」他的数据是，2024年全球AI4S收入已超200亿元人民币。

这个数字的含金量在于下游客户的质量——生物制药、新材料、半导体设计，个个都是产值万亿级、且亟待技术突破的领域。AI4S的市场根基，不是补贴驱动的伪需求，而是这些产业真实的计算痛点。

中科曙光的集群测试数据验证了这种刚需：3万卡规模下，蛋白质折叠模拟较传统算法加速1000倍；4.5万卡规模实现万亿原子液态水分子动力学模拟，效率提升3个数量级以上。

这意味着什么？过去需要数月甚至数年的模拟计算，现在被压缩到可接受的周期内。科学家得以探索更复杂、更宏大的问题，而企业则能加速新药研发、材料发现的产品化进程。AI4S的价值，正在从「发表论文」转向「创造商业价值」。

清华大学李琨的观点更尖锐：「AI4S已超越纯科研范畴，成为衡量国家综合实力和战略科技力量的关键指标。」当技术竞争上升到国家能力层面，算力基础设施的自主可控就不再是选择题。

二、「超智融合」是被逼出来的技术路线，不是概念包装

传统超算与AI算力的割裂，是一个被长期回避的工程现实。

超算擅长双精度浮点计算，满足气象、物理模拟对精度的苛刻要求；AI训练和推理则大量使用FP16、INT8等低精度计算，追求极致的并行吞吐量。两套逻辑，两类硬件，两个生态。

国家高性能计算机工程技术研究中心曹振南指出了一个反直觉的趋势：AI4S的发展会「反向拉动传统算力需求」。因为训练AI模型所需的优质数据，往往依赖传统高性能计算来生成。这不是替代关系，而是共生关系。

李琨点破了核心矛盾：「如何让传统的科学计算应用，能高效利用新型的、为AI优化的硬件算力？」成本是硬约束——企业不会为两套独立系统买单。

中科曙光的解法是用同一套硬件「针对不同路况做调教」。6万卡集群的六大优势——全精度计算支持、高速无损网络、存算协同、智能调度——本质上都是在打破超算与智算的壁垒。李斌的比喻很形象：「同样的发动机，同样的底盘，可能需要针对不同路况去做调教。」

这不是简单的软件适配，而是从芯片互联、内存架构到系统软件的端到端重构。

三、算力评价标准正在剧变：从「堆P」到「产Token」

李斌透露了一个行业信号：过去评判算力系统看「多少P（算力单位）」，现在随着智能体技术发展，标准正在转向「词元响应效率」——单位投入、单位功耗能产出多少有效的词元（Token，文本处理中的最小语义单元）。

这个转变的残酷性在于，它暴露了「堆卡」模式的无效性。6万卡如果调度低效、互联瓶颈、软件栈割裂，实际产出可能不如3万卡的优化系统。

中科曙光的应对是「超智融合」的全栈能力。但更值得玩味的是其商业逻辑：当评价标准从峰值算力转向有效产出，厂商的竞争维度就从「硬件参数」扩展到「系统优化能力」乃至「应用生态厚度」。这正是后发者的机会窗口。

曹振南反复强调的「降低门槛」，其实是同一问题的另一面：只有让更多用户低成本接入，才能摊薄系统优化的固定投入，形成正向循环。

四、商业模式从「卖机时」转向「建生态」，平台化是必选项

6万卡集群的物理部署只是第一步。李斌坦承，算力系统利用率做到80%上下已是合理顶点，需要预留弹性空间保障体验。逼近这个上限的关键，在于吸引足够多的用户和多样化应用。

中科曙光的路径是「平台化」+「智能化」。依托国家超算互联网平台——已链接超300万CPU核和超20万GPU卡，并接入全国一体化算网调度体系——6万卡集群的加入使其构建起「国内规模最大的AI4S计算基础设施」。

更具进攻性的是「OneScience」平台：国内首个科学大模型一站式开发平台，集成数十个AI4S热点模型及数据集，覆盖地球科学、生物信息、流体仿真、材料化学等领域。目标很明确：让用户「数小时完成科学大模型开发」，解决环境配置复杂、数据获取难等痛点。

这背后是商业模式的根本转变：从销售硬件和机时，转向构建繁荣的AI4S应用开发生态。李琨观察到的趋势是，AI4S商业模式正「从项目制不断转向订阅、AI服务、算力租赁等」。平台化是承接这种转变的基础设施。

五、智能体将重构科研交互，「从天级压缩至小时级」不只是效率

中科曙光的野心不止于算力出租。在超算互联网平台上，用户通过自然语言提出需求，「超级科学计算智能体」自动拆解任务、调用模型、调度算力，完成端到端交付。

官方给出的效率提升是「从天级压缩至小时级」。但更值得注意的不是数字本身，而是科研工作流的改变：科研人员无需面对繁琐的软件配置与IT流程，AI4S能力以更普惠的方式触达更广泛的用户。

这种「交互革命」的潜在影响被低估了。它降低了AI4S的使用门槛，意味着更多中小科研团队、工业企业可以接入原本只有顶尖机构才能负担的算力资源。生态的扩大，反过来会催生更多应用场景和数据反馈，进一步优化平台能力。

曹振南的总结很实在：「我一直讲要把算力门槛降低下来，变得好用，易用。」好用和易用，是技术产品化的最后一公里。

判断：AI4S算力正在进入「系统能力竞争」阶段

中科曙光6万卡集群的发布，标志着国产AI4S算力从「单点突破」进入「系统能力竞争」阶段。这里的系统能力，包括硬件融合架构、软件栈优化、平台生态构建、智能体交互设计等多个维度。

对科技从业者而言，几个信号值得跟踪：一是「超智融合」能否成为行业共识，推动算力基础设施的标准重构；二是OneScience等平台能否真正降低AI4S开发门槛，催生杀手级应用；三是智能体驱动的科研交互变革，是否会改变科学发现的基本模式。

中科曙光的财报数字已经给出了短期验证——2025年营收增长13.81%、净利润增长13.87%，利润结构更健康。但真正的考验在于，6万卡集群能否在2026年跑出具有示范效应的商业化案例，证明AI4S不只是技术理想，而是可持续的商业模式。