中科曙光6万卡集群：一场算力定价权的争夺战

郑州国家超算互联网核心节点，6万张国产加速卡同时点亮的那一刻，一个残酷的事实浮出水面：当同行还在争论"要不要All in AI"时，中科曙光已经用一整座城市的电力，押注了一个更隐秘的战场——科学智能的算力基础设施。

这不是超算的升级，是算力生意的重新定价

李斌在发布会上的表述值得细品："新时代的超算一定是面向AI4S，一定是融合的。"这句话的潜台词是：传统超算的商业模式正在失效。

过去二十年，中科曙光的生意逻辑很清晰——卖机器、租机时。国家气象中心需要算天气，买；科研院所要做分子模拟，租。按峰值性能（PFlops）报价，按小时计费，标准得像水电煤。

但AI4S（科学智能）正在瓦解这套定价体系。

蒋佳霖给出的数据很直白：2024年全球AI4S收入已超200亿元。但这200亿的分配方式变了——生物医药公司不为"多少P"买单，他们为"多久拿到候选药物分子"买单；新材料企业不租"GPU小时"，他们订阅"材料筛选服务"。

中科曙光6万卡集群的测试数据，暴露了这种转变的剧烈程度：3万卡规模蛋白质折叠模拟，较传统算法加速1000倍；4.5万卡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？过去需要排队数月等超算资源的科学家，现在几小时就能跑完一轮迭代。当算力从"稀缺资源"变成"可即时获取的服务"，按机时收费的模式就像按字数卖报纸一样荒谬。

曙光的选择是：主动打破自己的饭碗，重建规则。

"超智融合"是技术方案，更是成本转嫁的算盘

李斌的比喻很精妙："同样的发动机，同样的底盘，针对不同路况做调教。"但这句话省略了主语——谁来做这个"调教"？

答案是：中科曙光把成本从用户端，转嫁到了自己这边。

传统超算（双精度浮点）和AI智算（低精度并行）原本是两套硬件体系。用户要跑气象模拟，买超算；要做深度学习，买智算集群。现在曙光用一套6万卡系统同时伺候两种负载，意味着他们要在系统架构、软件栈、调度策略上投入巨大的研发成本。

曹振南点破了这层窗户纸："AI4S对算力需求是全方位的。"训练AI模型需要优质数据，而优质数据往往依赖传统高性能计算生成。用户不会自己打通这个闭环，曙光必须替他们做完。

六大技术优势的清单——全精度计算、高速无损网络、存算协同、智能调度——本质上是一份"成本承担声明"。曙光在告诉市场：你们不用再纠结该买超算还是智算，我帮你们把选择焦虑消化掉。

这种"全包"策略的风险和收益都很极端。赌对了，曙光成为AI4S时代的默认基础设施；赌错了，巨额研发投入会变成沉没成本。

但2025年的财报给了他们底气：营收149.64亿元，同比增长13.81%；归母净利润21.76亿元，同比增长13.87%。利润结构更健康，说明转型不是烧钱换故事，而是真有客户买单。

80%利用率红线：一场关于"闲置恐惧"的博弈

李斌透露了一个关键数字：算力系统做到80%上下是合理的顶点，需要预留弹性空间保障用户体验。

这个数字值得拆解。公开数据显示，全国智算中心平均利用率不足30%，部分项目甚至低于10%。80%不是行业常态，是曙光的自我要求，也是他们试图建立的竞争门槛。

为什么要逼自己到80%？因为AI4S的商业模式变了。

李琨观察到，行业正"从项目制不断转向订阅、AI服务、算力租赁"。订阅制的致命之处在于：用户按月付费，不管用不用。如果平台利用率过低，单位成本会飙升到无法承受。

曙光的解法是两步走：先靠"国家超算互联网"平台聚流量，再用"OneScience"平台锁留存。

超算互联网平台已链接超300万CPU核和超20万GPU卡，接入全国一体化算网调度体系。6万卡集群的加入，使其成为"国内规模最大的AI4S计算基础设施"。这是流量池的逻辑——先成为最大，再成为默认选项。

OneScience则是转化工具。作为国内首个科学大模型一站式开发平台，它集成了数十个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"，把开发门槛打到地板以下。

曹振南反复强调的"降低门槛"，翻译成商业语言就是：让更多非专业用户进来，填满那80%的利用率。

智能体重构科研：从"用算力"到"买结果"

曙光押注的最激进变量，是"超级科学计算智能体"。

描述很科幻：用户用自然语言提需求，平台自动拆解任务、调用模型、调度算力，端到端交付，"从天级压缩至小时级"。但这背后的商业逻辑很现实——把算力彻底封装成"黑箱"，用户只为结果付费。

这是算力定价权的终极形态。过去卖的是"电"，现在卖的是"光明"。

李斌提到，评价标准正在从"多少P"转向"词元响应效率"——单位投入、单位功耗产出多少有效词元（Token）。这是赤裸裸的效价比竞赛。谁能用更低的成本、更少的能耗，交付更多有效结果，谁就能定义行业标准。

曙光的优势在于先发占位。6万卡集群不是技术炫耀，是规模效应的启动器。当平台积累了足够多的科学模型、数据资产和用户行为数据，后来者想复制这个生态，成本会指数级上升。

但隐患同样明显。AI4S的下游客户——生物制药、新材料、半导体设计——都是强监管、长周期行业。药物发现从算力到临床，中间隔着数年时间和数十亿美元投入。曙光能否把"算力服务"的触角延伸到价值链更深处，还是永远停留在"基础设施"层面，这是决定其天花板的关键。

国产6万卡的另一面：供应链的极限测试

一个容易被忽略的细节：6万张"国产AI加速卡"。

在GPU被制裁、高端芯片受限的背景下，这个数字既是技术宣言，也是供应链压力测试。曙光没有披露具体芯片型号，但"国产"二字意味着，他们必须在性能、功耗、软件生态上，用本土供应链达成国际主流水平的替代。

这解释了为什么"超智融合"如此重要——如果单卡性能存在差距，就用系统架构和软件优化来弥补。全精度计算支持、高速无损网络、存算协同，这些技术点都是围绕"国产芯片如何发挥最大效能"展开的工程攻关。

从这个角度看，6万卡集群也是一份"可行性报告"：证明在现有约束条件下，大规模国产算力集群可以落地、可以运行、可以产生商业价值。这对整个产业链的信心提振，可能比集群本身的商业回报更重要。

实用指向：谁该关注这场算力重构

如果你是生物医药领域的研发负责人，需要重新评估算力采购策略——未来三年，自建集群vs.订阅平台服务的成本曲线可能交叉，现在该开始测算切换节点。

如果你是AI基础设施投资者，"80%利用率"和"词元响应效率"这两个指标，应该加入你的尽职调查清单。它们比峰值算力更能预测一家公司的真实盈利能力。

如果你是科研机构的IT决策者，OneScience这类平台的成熟度，将直接影响你们团队的研究效率。与其让科学家排队等超算，不如测试一下"数小时开发科学大模型"的承诺是否兑现。

中科曙光这盘棋的真正赌注，不是6万卡本身，而是算力从"资源"变成"服务"的过程中，谁来制定计价规则。他们正在用重资产投入，换取轻资产时代的定价权。这场实验的成败，将决定中国算力产业在全球AI4S竞赛中的位置——是继续做"电厂"，还是成为"电网"。