十万卡集群建成，真正考验才刚刚开始

过去数年，讨论中国AI发展，总离不开一个关键词：算力紧缺。投资人在交流中常问是否缺卡，创业者抱怨算力不足，行业报告也频繁提及“算力瓶颈”。久而久之，“缺卡”几乎成为中国AI产业的一个显著标签，甚至成为一种不言自明的业界共识。

不过，这个老生常谈的话题近期出现了重要转折。国产十万卡级AI超集群——曙光8000正式建成，并成功接入国家超算互联网，面向社会提供算力服务。两年前，行业还在探讨“万卡集群”的意义，如今规模直接跃升至十万卡，实现了从万到十万的跨越。十万卡最直观的印象是“规模庞大”，但若仅理解为“国产算力迈上新台阶”，则远远不够。真正值得深思的是：当算力供给从“有无”转向“能否稳定、低成本、规模化应用”时，整个行业所面临的问题也随之发生根本性变化。

十万卡并非终点，而是中国AI基础设施迈入新阶段的一张入场券——一张关乎能否继续在竞争中立足的关键凭证。

十万卡，不是万卡乘以十

首先正视一个现实问题：从一万张卡扩展到十万张，并非单纯算力叠加十倍，问题也会随之放大十倍甚至更多。大规模计算系统最忌讳短板效应——网络延迟稍有增高，数万张卡便可能在数据同步中相互等待；存储吞吐能力不足，训练效率将大打折扣；散热、能耗、调度、软件栈等任何一个环节存在隐患，都会在十万卡量级上被放大至难以控制。因此，在这一阶段，不能仅关注硬件堆叠规模，真正考验的是系统工程整合能力。

这正是“超智融合”理念值得单独探讨的原因。过去，超算主要服务于科学计算，智算侧重于AI训练，两类系统彼此独立、分工明确。但如今，许多任务已不再遵循这种边界划分。AI4S（人工智能驱动的科学）、科学智能体、工业仿真、新材料研发、创新药筛选等场景，往往同时需要高精度科学计算与低精度AI训推，还需应对大量数据读写与复杂调度。简言之，未来的先进算力平台必须具备多种能力，成为“多面手”。

曙光8000采用的正是一套原生一体化的超智融合路线。它要解决的并非“将超算与智算设备简单堆叠”的物理组合问题，而是在同一系统内，支持不同精度、不同负载、不同任务的协同运行。这种能力在宣传材料中或许并不耀眼，但在实际机房中，它决定了系统能否长期稳定、低成本地持续运转。十万卡的难点，从来不仅在于建成，更在于如何高效利用。

一个关键，算力入网了

然而，这件事最值得玩味的并非十万卡本身的规模。如果一套十万卡集群仅部署在某个园区，服务于少数项目，固然是一项了不起的工程成就，但与广大科研机构、企业和开发者之间仍存在距离。曙光8000接入国家超算互联网后，其性质发生了根本转变。它不再是孤立的大型系统，而是融入了统一调度、统一服务的算力网络，开始以算力服务的模式对外开放。

锁在机房里的算力只是资产，而接入网络的算力才更贴近生产力。这句话看似口号，却道出了问题的核心。

这对众多用户而言非常现实。AI创业公司、科研团队、产业用户，往往并非缺乏课题或需求，而是缺少一个稳定、可负担、能长期使用的算力入口。自建数据中心负担过重，采购设备周期过长，运维团队成本高昂，临时寻找资源又常面临排队、适配和稳定性等问题。算力接入国家超算互联网后，逻辑发生了转变。用户无需再自建自管，而是可以通过统一入口申请、调度并使用先进算力。虽然目前还不能简单等同于“像水电一样即开即用”，但方向已十分明确：从各自建设各自使用，走向联网调度、按需调用和普惠服务。

因此，看待十万卡，不能仅关注“建成”这一结果。更关键的是，它被接入了何种服务体系。

真本事，要看真实负载

AI基础设施领域存在一个常见误区：容易将“建设规模”等同于“实际成效”。机器规模宏大、参数数据漂亮固然重要，但用户最终关注的并非这些。科研团队关心的是蛋白质结构计算能否更快，新材料筛选周期能否缩短；企业关注的是工业仿真的试错成本能否降低，大模型训练能否减少崩溃，迁移与适配成本能否更低。

根据公开信息，曙光8000十万卡核心节点已完成超过300项超智融合应用优化，覆盖大模型、机器人、汽车、创新药、新材料、量子计算、天文气象等二十多个领域，其中逾70个应用实现了万卡规模扩展。这组数据的真正价值不在于领域覆盖面广，而在于表明该系统已开始接受真实任务的检验，而非仅停留在纸面规划。

大规模集群最担心的并非测试，而是长期稳定运行。科学计算、AI训练、推理服务、工业仿真、数据密集型任务，每一种负载对网络、存储、调度、软件栈及稳定性的要求各异。能够在这些场景中持续优化，十万卡才不仅仅是一个规模数字，而是一套可反复使用的生产工具。“超智融合”最终能否站稳脚跟，同样取决于它能否在真实任务中经受考验。

下半场，拼的是运行账

集群建成不等于任务完成，最多只是进入了下一轮挑战。接下来需要关注的是更细致的运行账目：算力利用率是否足够高，调度效率如何，任务排队时间能否缩短，应用迁移是否便捷，单位任务成本能否降低，生态适配能否持续发展，用户能否长期、放心、低成本地使用。这些指标虽然不如“十万卡”三个字那样具有冲击力，但更贴近AI基础设施真正的竞争焦点。

过去数年，全球AI竞争主要围绕模型展开：谁的模型更智能，谁的参数规模更大，谁的推理能力更强。而接下来，算力供给本身将变得愈发关键。谁能以更低成本、更高稳定性、更开放的方式长期提供大规模算力，谁就更有可能支撑AI从模型竞赛迈向产业落地。

如果说万卡集群回答的是“能否支撑大模型训练”，那么十万卡需要回答的问题更为艰巨：能否支撑AI长期融入科研、工业及公共服务场景。曙光8000将这一命题推至台前。它的意义不仅在于中国新增了一套大型设备，更在于国产先进算力已通过国家超算互联网，从系统工程能力迈向公共服务能力。

十万卡之后，行业不会仅仅为“规模更大”而喝彩。真正的问题将转变为：是否好用，成本是否可控，能否长期稳定使用。