首周全负载运行：十万卡级算力集群折射产业演进新方向

来源：市场资讯

（来源：证券时报）

7月18日，国家超算互联网相关负责人介绍，国家超算互联网核心节点——中国首个全国产十万卡AI超集群“曙光8000（登峰）”自7月9日正式上线以来，首周即实现满载运行：日均处理作业数突破15万个，最高单日处理作业峰值超50万。截至目前，核心节点已完成近千项超智融合应用适配，覆盖大模型训练、高通量推理、科学计算等多个万卡级规模场景。

国研新经济研究院创始院长朱克力向记者指出，首周即满载的运行数据，从一个侧面印证超大规模智算基础设施正从“技术验证”加速走向“产业刚需”。在科研范式变革、产业智能化升级与供应链自主可控三重因素的共同推动下，算力产业正步入以系统效率、全栈能力和工程化水平为核心竞争力的新阶段。

AIforScience（科学智能）重塑科研范式，混合算力供需错配待解

人工智能与基础科学研究的深度融合，正在全球范围内引发新一轮科研范式变革。从蛋白质结构预测、分子动力学模拟到气候建模、材料发现，传统“提出假设—实验验证—归纳结论”的线性研究路径，正在被“数据驱动+AI预测+高精度仿真”的融合模式所重构。这一变化直接对底层算力基础设施提出了全新要求。

中国科学院计算技术研究所智能算法安全全国重点实验室主任程学旗认为，进入智能化时代，智能技术已深度渗透全行业，但支撑智能技术发展的计算底座尚未像能源、电力体系那样成熟成型。

长期以来，计算领域形成了高性能计算与人工智能计算两条相对独立的技术路线。传统超算集群以FP64双精度数值计算见长，服务于科学工程仿真，但对神经网络类低精度计算的适配性不足；智算集群则围绕大模型训练推理优化，主打低精度高吞吐，却难以满足科学研究对计算精度的严苛要求。

而AI for Science场景天然具有高度碎片化特征——不同学科的算法逻辑、计算精度、通信模式差异极大，同一研究流程中往往既需要高精度数值模拟，也需要AI模型的快速迭代。传统单一架构的算力集群已难以匹配这种全精度、混合负载的计算需求，算力资源与科研需求之间的结构性错配日益凸显。

国泰海通证券计算机首席分析师杨林告诉记者，十万卡时代算力竞争的核心范式已从“单卡峰值”转向“系统效率”。当超节点成为高端智算中心的主流形态，互联架构与系统交付能力正在取代单卡性能，成为决定集群整体效率的战略控制点。

从行业实践来看，超智融合正在成为下一代算力基础设施的共识方向。此次上线的曙光8000系统即采用了超智融合技术路线，支持从FP64到INT8的全精度计算，同一硬件平台可承载科学计算与AI训练推理两类负载。截至目前，该系统已支撑蛋白质折叠模拟、万亿原子级水分子动力学模拟、超大规模湍流模拟等多项前沿科研应用，超过70项应用实现万卡规模扩展。

产业智能化纵深推进，自主算力成供应链安全关键变量

如果说AI for Science代表了算力需求的科研一端，那么千行百业的智能化升级则构成了算力消费的产业基本盘。随着大模型、智能体、多模态应用从概念验证走向规模化落地，算力正从企业数字化转型的“辅助性资源”转变为“核心生产要素”。

浙商证券计算机首席分析师刘雯蜀判断，未来算力消费的主力将是大模型公司，稳定基本盘来自科研机构、高端制造与政企国产化客户，长尾增量则源于中小企业数字化与轻量化AI服务商。一方面，基础模型参数量持续提升对训练集群规模提出更高要求；另一方面，代码生成、视频生成等AI应用的普及推动推理需求大幅增长，两者共同支撑算力利用率维持在较高水平。

推理时代的到来，进一步放大了对大规模、高可靠、低成本算力的需求。兴业证券计算机分析师张旭光认为，优质的大型智算中心能够长时间深度绑定模型厂商、云服务商等头部客户保障收入利润，同时凭借弹性部署能力应对波动的Token（词元）消耗需求，在投资回报比上具备显著优势。

在需求持续扩张的同时，全球算力供应链的不确定性也在上升。国海证券计算机首席分析师刘熹表示，我国本土GPU（图形处理器）厂商在单芯片能力、软件生态、计算系统以及产能等方面仍需持续追赶，而超大规模集群的系统工程化能力，将一定程度上缩小中美在AI算力产业的差距。

全国产算力体系的战略价值因此愈发凸显。华源证券分析师钟依浓将其拉动效应分为三个层面：短期看，单个十万卡级项目可带来百亿元级本土订单，直接带动芯片、光互联、液冷、存储等产业链环节放量；中期看，十万卡规模的长时间运行能够完成国产全栈技术的工程化验证，补齐国产算力最大的稳定性短板；长期看，国家级标杆项目形成的示范效应，将带动全国智算全面国产化，推动本土算力供应链从单点技术突破升级为完整生态体系。

十万卡级工程化挑战凸显，系统能力成行业核心分水岭

从万卡级走向十万卡级，绝非简单的数量乘以十。业界普遍共识是，集群规模每提升一个数量级，系统复杂度便呈指数级上升，功耗散热、稳定性、网络通信、调度效率等环节都会遇到全新的瓶颈。

中科曙光高端计算总工程师卜景德从工程实践角度总结了两道核心门槛：一是功耗与散热，万卡级功耗在几到十兆瓦级别，多数场地可处理，但十万卡级整体发热量巨大，负载可瞬间从几百千瓦跃升至几兆瓦，对供电和散热系统形成极端考验；二是系统稳定性，十万卡系统包含约30亿个部件，任何微小波动都可能影响全局运行。

网络是制约大规模集群效率的另一个关键变量。中科曙光高速网络互联产品部总工程师万伟解释，AI应用本质上是并行计算，只要一个环节出现性能问题或抖动，整个作业都会受影响，其他算力资源也会被牵连。而网络复杂度随规模扩大最坏情况下或平方级增长，因此在十万卡时代，网络对整体计算效率的影响被空前放大。

中信证券AI基础设施行业首席分析师孙竟耀认为，超节点趋势带来的投资机遇集中在两个方向：一是超节点方案试图解决的低算力、低存力瓶颈，需要持续正面突破；二是超节点方案带来的增量环节，包括GPU间交换芯片、液冷、柜内电源等，在高算力密度下价值量显著攀升。

从全球产业演进来看，能够交付完整系统效率的玩家正在获得更高的价值权重。杨林进一步指出，十万卡时代价值分配正从“卖卡”向“卖系统、卖能力”全面迁移，光互连、液冷、网络方案、系统集成与调度软件等环节获得更高价值权重，而单纯依赖单卡性能的厂商、传统铜连接与存储整机环节则面临价值挤压。“十万卡时代，赢家属于能够交付完整系统效率的玩家。”