探訪國家超算互聯網核心節點

本報記者 馬 俊 王雅婷 董萬赫

編者的話：伴隨著人工智能（AI）的高速迭代升級，大模型、科學智能和智能體應用等對算力的需求正在指數級增長，因此算力基礎設施的規模也在從千卡、萬卡集群向更大的十萬卡集群發展。7月10日，在鄭州舉行的光合組織2026智能計算應用大會上，中國首個全國產十萬卡AI超集群——曙光8000（登峰）正式宣告落成，并同步接入國家超算互聯網。《環球時報》記者近日走進國家超算互聯網核心節點，并獨家采訪了曙光8000總設計師李斌。

將海量算力濃縮在一棟建筑中

據《環球時報》記者了解，近年來為了訓練AI大模型，需要將上萬塊頂級顯卡用極快的高速網絡連接起來，組成“超級巨型電腦”，這就是所謂的萬卡集群。現如今大模型參數規模正從千億級邁向萬億級，傳統萬卡集群也已難以滿足需求，因此十萬卡集群被稱為下一代AI基礎設施的標準門檻，各國都在爭相布局。但中美的設計風格明顯不同：美國AI巨頭們興建的十萬卡集群更熱衷于打造自成一體的“算力小鎮”，占地面積動輒上百萬平方米；而曙光8000作為超算互聯網核心節點，則把海量算力濃縮在鄭州鄭東新區緊鄰北龍湖的一棟棕紅色大型建筑中。

當《環球時報》記者穿上防靜電服、真正走進曙光8000機房后，第一感受是：這座超強的“算力引擎”雖然科幻色彩濃厚，但似乎遠沒有想象中那么恢弘。站在噴繪著宇宙星河圖案的一排排高大機柜面前，李斌告訴《環球時報》記者，對于“曙光8000的規模沒有想象中那么大”的感覺是正確的——曙光8000的機房占地面積僅有2000平方米，遠遠小于同等規模的其他算力集群。

“緊湊”正是曙光8000解決十萬卡集群工程難題的核心思路。李斌介紹說，從萬卡集群到十萬卡集群，并不是簡單地堆疊顯卡數量，難點在于如何處理顯卡規模增加10倍之后帶來的各種挑戰。十萬卡部署考驗的不只是計算卡數量和理論峰值性能，更包括系統架構、網絡互連、訪存效率、能效控制和強大的生態應用能力。

尤其是管理10萬張顯卡的復雜度極高，只有通過高密度集成、高性能互連和智能運維的系統工程方案，才能通過減少物理距離和優化互聯，讓算力得以充分釋放。

李斌用了一組數據來形容曙光8000的技術難度之高：它包括了精密協同的30億顆電子元器件；互連線纜總長超1600公里，能從鄭州鋪到哈爾濱；系統總重1500噸，相當于3架滿載的波音747。這一切的結構組裝精度都被控制在0.05毫米之內。

然而十萬卡集群的高密度集成帶來了巨大的散熱挑戰。傳統數據中心采用風冷降溫的方式降低設備運行的大量熱能，制冷系統運轉時需要消耗大量的電力和淡水，其PUE值（衡量數據中心能源效率的關鍵指標）長期徘徊在1.8以上，這意味著為IT設備每提供1度電，需要額外消耗0.8度電來支持制冷等輔助設施。這種高能耗、高水耗的運營模式，也反映在公眾態度上：蓋洛普民調顯示，71%的美國人反對在自家門口建設數據中心。

與《環球時報》記者此前參觀的其他數據中心相比，曙光8000的機房溫度并沒有那么冷。對于這個疑問，李斌形象地解釋說，“傳統數據中心的空調是給‘機器’降溫的，而曙光8000的空調是為‘人’服務的。”傳統數據中心采用風冷降溫模式，需要大功率空調把整個機房的空氣都冷卻下來，才能盡可能高效地帶走設備產生的熱量。而曙光8000采用獨特的相變浸沒液冷技術，PUE低至1.04以下，意味著幾乎所有電力都用于計算，而不是散熱。

為了更直觀地展示“什么是相變浸沒液冷技術”，李斌打開了一臺曙光8000的機柜柜門，可以看到一塊塊如同書本一樣垂直插入機柜的計算節點。每個計算節點都集成了芯片、內存、網絡接口等完整功能。這些節點整體浸泡在特制的絕緣冷卻液中，隨著機器高速運行，芯片周圍的液體不斷沸騰，升起密密麻麻的氣泡。

據介紹，這些氣泡其實是芯片在運行過程中產生的熱量直接使冷卻液汽化的現象，在此過程中可以迅速帶走大量熱能，讓芯片在更適合的溫度下運行，對提高系統穩定性幫助很大。而汽化后的冷卻液經冷凝回流，形成封閉循環，幾乎不消耗水，也無需高轉速風扇。因此，相比傳統風冷，相變浸沒液冷技術讓曙光8000在高密度部署的同時保持穩定、安靜的運行狀態。

“超智融合”是最大特點

李斌告訴《環球時報》記者，從設計思路上看，曙光8000的最大特點之一就是“超智融合”。以前科學模擬靠超級計算（超算），追求高精度的確定性求解；AI靠智能計算（智算），追求中低精度的大規模并行。兩者用不同的硬件、不同的軟件，服務不同的人群。但這種模式已經無法滿足當今AI時代復雜、多樣且混合的計算需求。

李斌介紹說，近年來，超算的內涵、使用方式及服務對象正經歷從狹義向廣義的快速演進。傳統超算主要面向科研與工程領域，處理方式相對“離線”，即專注于科學問題的求解，對實時交互要求不高。然而，隨著AI特別是大模型訓練的興起，超算的應用邊界被顯著拓寬。一方面，其服務領域從傳統科研拓展至更廣泛的產業應用；另一方面，承載的業務形態也更加多元，對計算類型和精度的覆蓋范圍不斷擴大。這種轉變推動了超算使用方式和服務模式的迭代升級，使其逐步演變為支撐數字經濟的核心基礎設施。

如今計算任務不再是單純的“科學計算”或“AI訓練”，而是兩者的深度交織。特別是“AI for Science”（AI4S）的興起，它要求用AI的方法來加速傳統科學研究，這意味著在同一個任務中需要頻繁地在高精度科學計算和低精度AI訓練兩種模式間切換。而曙光8000就是專門為滿足這種需求設計的，它采用“超智融合”技術路線，將超算與智算能力統一到同一系統中，面向高精度科學計算和低精度智能計算的復合需求，支持FP64到INT8等多種計算精度，可覆蓋科學計算、大模型訓練、AI推理、工業仿真等多類負載。這意味著，曙光8000不是單一訓練集群，而是面向多場景、多精度、多任務的綜合型AI計算系統。其價值在于既能支撐AI4S場景中的復雜科學計算，也能服務大模型訓練推理和產業級智能應用。

李斌表示，曙光8000的超智融合架構設計，實現了“1+1>2”的協同效應。它不僅全面覆蓋了傳統超算的功能，能夠支撐高精度的數字計算任務，同時依托強大的低精度算力儲備，完美適配人工智能大語言模型所需的軟件棧，可高效運行模型訓練與推理服務。更為重要的是，這一融合架構突破了單一超算或單一智算的能力邊界，提供了兩者各自難以獨立支撐的綜合能力——全面、通用地賦能“AI for Science”這一前沿范式。這標志著曙光8000不僅是算力的疊加，更成為驅動下一代科學發現與產業智能化的關鍵基礎設施。

李斌還透露說，國家戰略性的大型科學工程計算中，有很多都采用與AI結合的辦法，而具備“超智融合”能力的曙光8000給這些項目提供了可以探索、嘗試并取得效果的平臺。

從預測天氣到工業仿真

曙光8000依托國家超算互聯網可完全接入全國一體化算網，進而形成更大范圍的算力協同和應用支撐。通過面向科研院所和產業用戶提供算力服務，支撐氣象預測、材料設計、能源勘探、生物醫藥、量子計算、流體仿真、工業仿真、大模型訓練與推理等應用場景。

在國家超算互聯網核心節點的展廳內，《環球時報》記者看到它提供的強大算力能更精準地預測全球天氣、協助多種工業仿真設計，乃至天宮空間站等前沿技術探索。據介紹，在國家超算互聯網核心節點上，已完成300余項超智融合應用優化，涵蓋大模型、機器人、汽車、創新藥、新材料、量子計算、天文氣象等20多個領域。其中，超過70個應用實現了萬卡規模擴展，驗證了核心節點在大規模、高負荷科研任務中的穩定性與可靠性。在重點大應用方面，已實現蛋白質折疊模擬、萬億原子級水分子動力學模擬、百萬億網格湍流模擬等。

除了這些聽起來就“高大上”的專業領域，曙光8000的強大算力還能間接服務于普通人。“如果曙光8000全部算力資源都用于現在的模型推理的話，可以支撐當前中國5%至10%的Token訪問需求。”李斌說，從一定程度上看，曙光8000未來可以緩解當前推理算力不足的問題，讓大模型的響應速度更快。

曙光8000正式落地，也意味著全國產十萬卡級AI基礎設施的技術、生態、應用、服務標準已完成閉環驗證。據《環球時報》記者了解，第二套全國產十萬卡超智融合算力系統研制與建設工作已經啟動。面向AI4S、大模型等大規模算力需求，十萬卡級全精度算力中心有望從示范性工程走向規模化復制，在全球AI產業逐步“理性、向實”發展的新階段，成為支撐“人工智能+”應用全面落地、惠及科學發現與產業經濟的新一代基礎設施標配。▲