千呼万唤始出来，中科曙光如何练就“十万卡”？

全球AI算力竞争，已经进入了一个全新的阶段，不再是单点硬件的比拼，而是超大规模集群的综合实力较量。

一边是微软、OpenAI、Meta这些海外巨头，砸下重金打造十万卡级别的专属算力集群，试图在基础大模型、科学智能这些前沿领域构筑垄断优势；另一边，随着大模型基础能力的提升，AI for Science（AI4S）让AI的触角不断延伸，叠加智能体的加速发展，海量的算力需求被催生出来。所以，一个能长期稳定运行、自主可控的十万卡级算力集群，就成了业界必须攻克的核心目标。

摆在国产厂商面前的难题，却相当棘手。十万卡集群，绝不是简单地把一万个“万卡集群”叠加起来那么简单。从芯片到网络，从存储到散热，一环扣一环，任何一个环节掉链子，整个超算系统的设计算力就发挥不出来。那么，谁有本事率先突破这些桎梏，搭建起国内首个十万卡AI集群？答案在一次产业大会上揭晓了。

“原生超智融合”，国内首个十万卡AI超集群落地

7月10日，在郑州举行的光合组织2026智能计算应用大会上，中科曙光正式官宣了国内首个全国产十万卡AI超集群——曙光8000（登峰）的落成。同时，这个集群也同步接入了国家超算互联网，标志着国产AI基础设施正式从万卡时代迈入十万卡阶段。

坦白说，这几年大模型、科学智能和智能体应用的发展速度，逼着算力基础设施不得不从千卡、万卡集群向更大规模演进。面对高并发、高吞吐、多精度、多任务的复合型负载，十万卡级的AI超集群，已经不再是一个简单的数字概念，而是下一代AI基础设施的入门能力。但我们也得清醒地认识到，万卡级算力底座从来不是硬件数量简单叠加的“数字游戏”。它是对全产业链、全技术链路协同能力的系统大考，背后藏着一整套硬核的全链路自主工程解法。

据了解，曙光8000的核心技术路线是“原生超智融合”，实现了全类型计算的原生一体化融合。它能够同时满足高精度科学计算和低精度智能计算的复合需求，支持从FP64到INT8的全精度，覆盖科学计算、大模型训练、AI推理、工业仿真等几乎你能想到的所有场景。十万卡集群的全部部署完成，意味着我国在通用型超智融合算力领域，已经建成了一个规模领先、自主可控的高地。

算存传一体化，打通性能瓶颈

在系统建设上，曙光8000展现出的是“芯片、计算、存储、网络、散热、应用、服务”全链路、全自研的AI基础设施能力。其中，海光等国产芯片为系统提供了底层支撑，6款核心芯片整体达到了国际先进水平，为算力根基打下了坚实基础。

不过，这里有个关键点需要特别点出来：存储是算力释放的前置基础，也是十万卡集群最容易暴露性能短板的地方。

众所周知，大模型训练、万亿级原子仿真这类核心业务运行时，会持续产生PB级大小的超大文件和海量的碎片化日志。普通的分布式存储系统，碰到这种情况，很容易陷入元数据堵塞、带宽分配失衡、访问延迟陡增的困境。当大量的算力硬件都在空等数据调度，最终的结果就是硬件部署拉满，但实际算力利用率却上不去，非常可惜。

这次，曙光8000搭载了自研的ParaStor分布式存储系统。这个系统在2026全球IO500榜单上，一举拿下了生产型全节点和10节点性能的“双榜第一”。这份榜单是以真实业务负载完成的实测，是衡量商用存储工程落地实力的权威标准，成绩非常有说服力。

另一个普遍存在的困境是，算力硬件性能在持续迭代翻倍，但集群互联网络的带宽升级速度却严重滞后。有数据支撑，在千卡级的人工智能训练中，通信时间占比可以达到30%以上。在超大规模模型或采用复杂并行策略（比如张量并行、流水线并行）的训练场景下，通信占比甚至能达到50%到70%。网络，已经成为制约算力释放的“隐形门槛”。

为了解决这个痛点，今年3月，中科曙光推出了首款国产400G原生无损RDMA高速网络——scaleFabric。这项技术对标国际顶尖同类产品，可以适配超大规模计算基础设施的网络需求，有效填补了国产集群在“高速互联”领域的技术空白。scaleFabric采用原生无损RDMA高速网络技术，从底层的SerDes IP、交换芯片，到网卡、交换机及管理软件，实现了全链路自主研发。它采用原生信用基流控机制，保障数据传输无丢包，能支撑十万卡级别的规模组网，适配超大型算力集群的建设需求。而且，它具备毫秒级的链路故障恢复能力，且这个能力不会随网络规模的增长而下降，能保障大规模集群的长期稳定运行。

绿色底座+“智慧大脑”，一站式平台打通“孤岛”

算力密度持续走高，高密度散热与绿色低碳，就成为了十万卡集群规模化复制的硬性约束。这也是契合国家算电协同、绿色算力政策的核心工程要点。

通常情况下，传统风冷、冷板式液冷的机柜承载能力有明显的天花板，根本无法满足十万卡集群超高单机柜算力密度的部署需求。同时，风冷架构的机房空间占用量大，整体能源利用效率偏低，长期运营会产生高额用电成本；而海外液冷专用冷媒技术长期受专利约束，供应链的自主可控性严重不足。

曙光8000采用了整机柜浸没相变液冷方案。单机柜可以稳定支撑MW级的功率密度，搭配自研的国产绝缘冷媒与金刚石铜合金导热材料，散热效率远超传统方案。整套系统可以实现全年自然冷却，数据中心PUE低至1.04。此外，它还依托高压直流电直接入柜方案，提升了供电系统的整体效率，输出电流可以快速响应算力负载波动，无时延地匹配业务动态变化。供电架构可以向更高电压等级演进，适配未来算力密度持续提升的需求。高密度、低能耗、易运维，三大优势直接扫清了曙光8000绿色落地的能耗障碍。

如果说芯、存、网、冷构成了集群的硬件基础，那么Gridview7.0一站式智能化算力管理平台，就是十万卡系统的“调度大脑”。它有效解决了超大集群软件层面碎片化、运维繁重、算力利用率偏低的行业通病。Gridview7.0的核心是MetaStack+K8s双融合调度架构，以及科研+运维双智能体。它依托全栈国产化硬件适配与OneScience自然语言交互能力，打通了超算高精度仿真、AI大模型训推的混合算力统一调度，实现了科研、运维全流程自动化，算力资源可以按需调配，彻底打通了“算力孤岛”。

这个平台面向十万卡级的超大集群，提供全场景管控能力，内置了数百款行业应用模板。同时，它还具备支撑十万卡线性扩展的自研调度优化、超节点整机柜适配、6大行业科研智能体、分级安全保密、超算互联网联动运营等专属能力。这些功能解决了调度拥堵、运维复杂、算力利用率低等痛点，能大幅降低大规模国产算力集群的使用门槛，让十万卡算力真正转化为可调用的标准化“生产力”。

全链路闭环能力，从示范走向规模化

拆解曙光8000整套全栈技术架构，不难看出它的行业革新意义。它不是简单地堆砌十万张加速卡，而是在“芯、算、存、网、冷、管、软”各个环节，实现了全链路自研、深度协同和闭环验证。这，才是区分“硬件拼凑集群”与“标准化十万卡智算底座”的核心标志。

放眼全球算力竞争，海外十万卡集群体系高度封闭，软硬件绑定单一生态，很难适配国内本土化的科研场景与数据安全规范。而国内多数厂商，只能实现单点硬件的突破，缺少端到端的协同优化能力，无法支撑十万卡级任务的长期稳定运行。

目前，在十万卡核心节点上，曙光8000已经完成了300余项重点应用优化，以及60多个项目的半机规模应用、20多个整机规模应用、15个GB（戈登贝尔奖）量级的超大规模应用适配优化。这些应用覆盖了大模型、机器人、汽车、创新药、新材料、量子计算、天文气象等20多个领域，充分验证了核心节点在大规模、高负荷科研任务中的稳定性与可靠性。在重点大应用方面，已经实现了蛋白质折叠模拟、万亿原子级水分子动力学模拟、百万亿网格湍流模拟等，用真实的产业案例来验证了系统的综合实力。

曙光8000的落地，有望带动上游芯片、零部件，中游整机、软件，下游行业应用等全产业链的协同发展。并依托光合组织产业链伙伴，输出标准化的十万卡建设方案。大会期间，中科曙光与北京科学智能研究院签约，启动了第二套全国产十万卡算力系统的研制。

全球AI产业，正在告别单纯追逐算力规模的粗放发展阶段，进入一个看重系统效率、落地实效的理性竞争周期。在这个周期里，算力基础设施的评判标准，不再是加速卡数量、单卡峰值，而是综合的系统运行效率、绿色低碳水平、全场景适配能力与自主可控产业链成熟度。十万卡AI超集群，将逐步成为基础科研、高端制造、数字产业的标配基础设施。

当前，中科曙光的十万卡集群，正在重新定义全球算力赛道的竞争标尺。万卡集群可以依靠硬件集成快速成型，但十万卡的超大规模算力体系，却离不开端到端全栈自研技术作为稳定运行的核心支柱。算力基础设施的角逐，归根到底是系统工程综合能力的较量。从保障产业链自主安全，到驱动基础科学原始创新，全链路自研的国产算力底座，正承担着关键的底层使命，不断加固我国AI产业的发展根基，为新质生产力的培育提供核心算力引擎。