中国算力下一步往哪走？央视揭秘十万卡超级工程，答案在超智融合

十万张国产计算卡、30亿个电子元器件、1600公里互连线缆，组成一套协同工作的计算系统，究竟有多难？而比建成十万卡更重要的问题是：中国算力下一步，要走向哪里？

10月24日晚，CCTV-2《对话》播出《走进十万卡超级工程》。中科曙光董事长历军在这场持续至凌晨的对话中，揭秘了曙光8000背后的技术突破，也直面国产算力的现实挑战。从优质算力紧缺，到十万卡系统创新，再到AI参与科学发现，一幅中国算力的未来图景逐渐展开。

中国算力到底是过剩了，还是不够用？面对主持人的提问，历军回答得很明确：“我并不这样认为。”

“中国的算力今天确实有不少，但是高端的、绿色的、自主可控的、优质算力是奇缺的状态。”在他看来，可能过剩的是一些历史形成的、低效且使用价值有限的算力产能，真正面向人工智能和科学研究的优质算力，仍然供给不足。

这个判断，在用户端有着更直观的体现。陕西莱特过去要么排队等待公共算力资源，要么自建平台承担成本与利用率压力；中国农业大学团队选择计算平台时，则特别关注数据吞吐速度、软件适配成本和等待计算结果的时间。对于真正有计算需求的企业和科研机构而言，算力的价值不只是性能指标，更在于能否稳定、高效地完成任务。

这也解释了历军为何强调“优质算力”。随着大模型持续发展，算力不仅需要支撑更大规模的训练，还要满足高效率推理和复杂科研应用的需求。

中国算力未来要解决的，不只是数量问题，更是如何让高质量算力真正转化为科研与产业的创新能力。

一套全国产十万卡AI超集群，到底有多复杂？

节目中，历军透露了曙光8000背后的几个硬核数字：约30亿个电子元器件、1600公里互连线缆，以及点对点延迟仅0.9微秒的scaleFabric高速网络。借助高密度结构设计和液体相变冷却技术，十万卡级计算系统被集成在2000多平方米的核心机房中。

但把十万张卡装进机房，远不是最难的部分。

如此庞大的计算系统，需要高速网络让芯片之间完成通信，通过软件协调十万张卡协同工作，还要应对元器件故障、通信中断和大规模任务调度等挑战。历军坦言，随着系统从万卡扩展到十万卡，可靠性和调度效率面临的挑战也急剧增加。

如何让庞大的软硬件系统高效协同，最终获得良好的应用效率，才是十万卡系统最主要的难点。

而面对全国产系统是否更贵的尖锐问题，历军同样没有回避。他表示，短期看，建设成本可能略有提高，但从长期来看，自主可控带来的数据安全、供应链稳定，以及对国家科研与技术进步的战略支撑，不能只用眼前的成本衡量。

从芯片、互连到软件与系统工程，曙光8000展示的并非某一项技术的单点突破，而是一整套国产计算技术协同创新的能力。

十万卡建成了，距离真正“用好”还有多远？

节目现场，来自陕西莱特、中国农业大学和河南钢铁的三位用户，分别给曙光8000打出90分、90分和95分。历军的自评分同样是90分。他坦言，系统还有不完美的地方，需要更好的芯片、更好的国产技术持续迭代。尤其是用户扣掉的分数，更值得认真研究。

用户的期待也十分具体。陕西莱特希望获得更快的计算速度；中国农业大学关心基于英伟达芯片开发的大模型，能否快速适配国产GPU；河南钢铁则提出，尽管硬件能力已经达到较高水平，但模型与实际业务场景的适配仍需要更多软件投入，才能进一步提升AI应用效果。

其中，软件生态问题尤其值得关注。历军坦言，国产芯片目前还难以做到与国际主流芯片100%兼容。虽然曙光8000采用与国际技术标准接轨的路线，但让用户原有的软件无需修改、调试就能直接部署，仍是需要持续追求的目标。

为此，曙光在郑州设立的先进计算技术研究所，已有1000人专门致力于完善软件生态。历军强调：“建成只是一个开始。”接下来，既要持续迭代以芯片为核心的硬件性能，也要提升软件适配、服务支持和用户体验。

从十万卡系统突破，到国产软硬件生态成熟，这不是一次性的工程交付，而是一场需要持续投入的长期攻坚。

那么，当十万卡真正用起来，科学研究又会发生什么变化？

历军在节目中解释了“超智融合”的核心思路：传统科学计算依靠数学模型开展高精度模拟，而AI可以通过统计学方法帮助判断方向、选择重点区域。两者结合，先用“智”找到值得研究的部分，再用“超”进行高精度模拟仿真，让一些过去受计算能力限制的复杂问题获得新的求解路径。

而历军期待的未来，还不止于此。

面对材料企业希望算力平台提供行业发展预测与研究指导的期待，他提出，未来计算系统有望在人工智能支持下，“形成一个大的科学的智能体”。通过学习研究人员已有的计算过程，AI可以帮助预测未来的可能性，甚至给出“你没想到，但又有可能可行的这个方向”。

这意味着，AI的角色有望从加速科研计算，进一步延伸到辅助探索新的研究方向。而科学计算，则为这些可能性提供高精度模拟与求证的手段。

“超智融合就是打开我们认识世界的一扇新的大门。”

十万卡的意义，不只是让已知的问题算得更快，更在于通过AI与科学计算的深度融合，让那些过去难以探索的科学问题，拥有新的求解可能。