中科曙光李斌：算力基础设施成熟的标志是“开放”｜2026新愿景

2026年2月5日，农历腊月十八，位于郑州的国家超算互联网核心节点正式上线试运行。该节点部署了3套由中科曙光提供的scaleX万卡超集群，可对外提供的AI加速卡算力合计超过三万张。

该核心节点的上线试运行，验证了国产算力基础设施的工程化能力。行业已从早期的单点技术突破，转向集群式创新，并实现了大规模的落地部署。

过去几年，人工智能产业的飞速发展对算力提出了极为苛刻的要求。模型参数量从亿级向万亿级跃升，直接导致了计算量的指数级增长。

然而，在相当长的一段时间内，国内算力产业面临着结构性的矛盾：需求侧急需大规模、稳定的算力供给，供给侧却呈现严重的碎片化特征。

各家厂商在硬件设计、软件栈和互联协议上自成体系。

这种封闭的技术路线，导致算力资源难以跨平台调度，用户的迁移成本居高不下。这不符合算力作为新型公共基础设施的属性。就像电力系统，如果不同电厂发出的电无法并入同一张网，电力就无法成为驱动工业化的通用能源。

市场需要的是高效、安全、稳定的智能计算基础设施。

中科曙光在2025年明确提出了“AI计算开放架构”的战略方向，其核心逻辑在于分工与协作。

我们主张建立一个开放的产业格局，让国产芯片、整机、软件和大模型等产业链上下游企业能够解耦协同。

在郑州上线的scaleX万卡超集群，正是这一战略落地的产物。而这套系统的工程化落地需要攻克一系列技术难关，包括软硬件协同优化、高密度集成、高效供电与散热、高速互联扩展、智能运维管理等。

例如，scaleX万卡超集群采用了超高密度刀片、浸没相变液冷等技术，将单机柜的算力密度提升了20倍，同时将PUE值（电源使用效率）降低至1.04。这意味着在同样的空间内，我们能够部署更多的计算资源，并大幅降低运行成本。

为实现集群系统的综合性能，我们进行了存、算、传一体化协同设计优化。通过“超级隧道”、AI数据加速等设计，实现了从芯片级、系统级到应用级的三级数据传输协同优化，以高效应对大模型训练时万卡并发读写对带宽的极致需求，提升高通量AI推理时的响应速度与结果精度，并可将AI加速卡资源利用率提升55%。

更为关键的是，这套系统基于开放架构设计。

它不仅能够支持不同品牌的国产加速卡进行异构部署，更在软件层面兼容CUDA等主流计算生态。目前，该系统已经实现了对超过400个主流大型模型和世界模型的适配优化。

这种兼容性降低了开发者的使用门槛，让用户拥有了更多的选择权，而不必被单一的技术路线所绑定。

算力设施建设的最终目的，是服务于实体产业。算力的价值，取决于它能否融入产业的作业流程，解决实际问题。

针对超大规模模型训练，万卡超集群可以支持万亿参数模型的整机训练与容错恢复。

面向高通量推理场景，超集群已服务于多家头部互联网用户的核心智能化业务，并通过联合深度优化持续提升推理效能。

在AI for Science领域，我们支撑国内某材料研发大模型登顶国际权威榜单，并助力国内顶级科研团队将蛋白质研究效率提升3至6个数量级。

同时搭配OneScience科学大模型一站式开发平台，超集群还能够大幅降低多学科交叉研究的创新门槛。

这些案例表明，只有当算力、数据与应用场景真正结合时，技术才能转化为推动经济发展的动能。

展望2026年，智能化的浪潮将推动计算产业进入一个新的发展周期。

中科曙光将继续坚持“开放”的技术路线。我们认为，在当前产业环境下，只有基于开放的架构、统一的标准，才能有效联动起产业链上下游的企业、高校及科研院所，开展协同技术攻关，构建起具有国际竞争力的产业生态。

为此，我们将重点关注核心部件、整机系统、软件生态及应用服务的全链条创新，致力于解决异构算力的适配难题，提升算力资源的利用效率。无论是面对万亿参数的大模型训练，还是科学计算的复杂场景，我们都将提供成熟、可靠的解决方案。

积力之所举，则无不胜也。

2026年，中科曙光将继续以务实的态度，推动国产智能计算基础设施向着开放、高效、安全的方向演进。

（记者 郑晨烨）

（作者 郑晨烨）

本文观点仅供交流参考。

郑晨烨

资深记者。关注新能源、半导体、智能汽车等新产业领域。