<mark id="oztn4"></mark>
0
在今年的世界人工智能大會上，機器人依然是最容易聚集人流的展品，但真正值得產業界關注的，可能是一套并不擅長“表演”的基礎設施。
WAIC 2026期間，中國首個全國產十萬卡AI超集群——曙光8000（登峰）首次公開展出，并入選大會官方“鎮館之寶”。比真機亮相更值得關注的是，它同步公布了一組運行數據：自7月9日上線以來，首周即進入滿載狀態，日均處理作業超過15萬個，單日峰值超過50萬個。
對于一套十萬卡系統而言，規模只是起點。更關鍵的問題是：有沒有足夠多的真實任務來使用？大量任務同時涌入時，系統能否穩定運行？用戶調用到的，究竟是賬面上的十萬卡，還是能夠真正完成工作的有效算力？
曙光8000首周滿載，釋放出兩個信號：國內對大規模、高質量算力的需求正在集中釋放；十萬卡競爭，也開始從“能不能建成‘轉向’是否好用”。
首周滿載，十萬卡為什么搶手？
過去幾年，AI算力需求主要集中在大模型訓練。如今，隨著AI進入應用階段，需求正在擴展到模型微調、高通量推理、智能體、科學計算和工業仿真等大量并發任務。
這意味著，算力需求不只是變大了，也變得更復雜。
科研機構需要高精度模擬，模型企業需要訓練和推理，產業用戶需要汽車研發、創新藥、新材料、氣象預測等計算能力。不同任務對精度、卡型、數據位置和運行時長的要求并不相同。
曙光8000上線后快速滿載，本質上是大量原本分散、難以滿足的計算需求，找到了一個可以集中承載的平臺。
目前，曙光8000已完成近千項超智融合應用適配。用戶通過國家超算互聯網接入，無需自行建設萬卡甚至十萬卡集群，就能按需調用大規模算力資源。
這降低了超大算力的使用門檻，也解釋了它為什么一上線就“搶手”：用戶真正需要的，并不是擁有十萬張卡，而是在需要時能夠獲得足夠多、足夠穩定的算力。
十萬卡“好用”，難點不在卡多
算力緊張可以解釋為什么搶手，卻不能完全解釋曙光8000為什么能夠快速承接大量任務。
十萬卡系統真正的難點，是把規模轉化為效率。
集群規模越大，節點通信、數據搬運、資源調度、故障管理和散熱壓力越復雜。任何一個環節出現短板，都可能造成卡很多、任務卻跑不快。
曙光8000通過智能調度引擎、數據親和性算法和多元融合調度策略，根據任務類型、數據位置和實時資源狀態進行分配。面對大量規模不同、運行時間不同的任務，系統需要解決的不是簡單“分卡”，而是盡可能減少資源等待和數據搬運。
在底層，曙光8000采用自研scaleFabric類IB原生RDMA無損高速互連，支撐萬卡、十萬卡節點之間的高頻數據交換；同時配合分布式存儲、浸沒式相變液冷和統一算力管理平臺，維持高負載狀態下的長期運行。
其高密度機柜設計，則讓單個計算單元算力密度較其他超節點提升20倍。高密度不僅節省空間，也有助于縮短互連距離、降低超大規模系統的部署復雜度。
所謂十萬卡“好用”，并不是讓每個用戶一次調用十萬張卡，而是無論調用幾十張、幾千張還是數萬張卡，系統都能把資源組織起來，穩定完成任務。
從規模突破走向應用競爭
目前，曙光8000已完成300余項重點應用深度優化，覆蓋大模型、機器人、汽車研發、創新藥、新材料、量子計算、氣象流體、油氣能源等20余個領域，其中超過70項應用實現萬卡規模擴展。
這些應用既包括大模型訓練、高通量推理和智能體，也包括蛋白質折疊、分子動力學和湍流模擬等科學計算任務。
過去，AI任務和科學計算通常運行在不同體系中。前者強調大規模并行和低精度計算，后者更看重高精度和穩定性。曙光8000采用原生超智融合架構，支持從FP64到INT8的多種計算精度，試圖用一套系統同時覆蓋兩類需求。
這也是它能夠吸引不同用戶的重要原因：對于模型企業，它是訓練和推理平臺；對于科研機構，它可以承擔高精度模擬和AI4S任務；對于工業企業，它可以承載仿真、研發和行業智能體。
從“鎮館之寶”到上線首周滿載，曙光8000真正值得關注的，不只是中國建成了一套全國產十萬卡AI超集群，而是這套系統已經開始承接持續增長的真實任務。
進入十萬卡階段后，AI基礎設施的競爭也正在改變。卡的數量仍然重要，但更關鍵的是利用率、應用數量、調度效率和持續運營能力。
下一階段的競爭，不只看誰擁有更多算力，更要看誰能讓算力真正被使用，并最終轉化為模型能力、科研成果和產業效率。
