我國又一科技領域全球領先!國產算力應用爆發

(公眾號:zhidxcom) 作者 | 三北 編輯 | 漠影 9月15日報道,今日,中國氣象局地球系統數值預報中心與中科曙光聯合宣佈,我國自主研發的下一代天氣-氣候一體化模式(MCV)達成了里程碑新成果。此次成果全球首次實現了全球5公里分辨率、未來10天預報在1小時內完成計算,達到業務應用所需的關鍵時效。相比國際上正式業務運行中的全球預報系統,這一成績超越此前歐洲中心IFS約9公里的最高水平,領跑歐美日等國際主流同行。隨著成果落地,其有望為氣象防災減災、交通調度、能源運維、農業生產提供精細化預報,幫助提前規避災害風險,保障出行安全,優化能源調度等。
而這項世界級科技成果背後,是國產算力的篤定身影。此次MCV模式依託首個全國產十萬卡AI超集群曙光8000,實現高精度科學計算與低精度智能計算的原生一體化融合。國產異構計算平臺支撐世界級科學應用,開始從科研驗證走向國家級業務系統支撐。這一成果背後有兩個進一步追問:國產算力如何接住複雜氣象模式,理論算力又如何變成真實業務時效?本文試圖對此進行深入探討。一、10天全球預報,1小時算完,國產算力助力氣象挺進全球第一梯隊 天氣預報“算天氣”,背後實際上是一場規模巨大的科學計算。MCV是中國氣象局自主研發的下一代全球與區域一體化大氣模式。
它基於多矩約束有限體積方法,目標覆蓋區域百米級、全球公里級,並推動天氣與氣候一體化。其基本原理並不神秘,先通過觀測和數據同化獲得當前大氣狀態,再利用描述大氣運動的物理方程進行數值求解,最終推演未來天氣。分辨率越高,能夠刻畫的天氣尺度越精細,但計算代價也會急劇增加。此次成果的顯著指標,是把全球5公里分辨率、未來10天的預報計算壓縮到約1小時內,達到了重要業務化時效門檻。業內人士告訴,這背後至少有四個關鍵突破: 1、踩中了“十五五”規劃全球5公里目標。規劃提出全球模式分辨率達到5公里、可用預報時效延長至9天。此次10天預報1小時算完,為這一目標提供了先期驗證。2、對標國際,從跟跑到並跑。
歐洲中心IFS系統9公里、美國GFS系統13公里、德國ICON模式系統13公里,這些是正式業務運行中的全球預報系統。中國上一代GRAPES與CMA-GFS全球分辨率約12.5公里。也有部分研發試驗已到1至4公里,例如德國馬普所全球1公里、美國NOAA MPAS模式3公里,但尚未能實現業務化。3、全模式異構移植完成。此次並非只把其中一個計算模塊搬到GPU上,而是完成動力、物理、插值等關鍵部分的異構化改造和代碼整合,並通過OpenACC實現“一套代碼、兩種運行”,既支持國產異構加速器,也保留CPU運行能力。4、全鏈路系統級優化。
官方數據顯示,圍繞設備內存管理、通信算法和I/O路徑進行多輪優化後,計算資源利用率提升10%,通信模塊加速3.7倍,I/O性能提升超過30%。二、取得全球最高水平,難點在於如何算得對、跑得快、扛得住 正如前文提到,刻畫的天氣尺度越精細,計算代價也會急劇增加。全球5公里網格意味著海量計算、通信、存儲和數據交換,還要在約1小時內完成未來10天預報。MCV模式包含動力、物理、插值等複雜環節,既要算得對,也要跑得快,還要扛得住規模化穩定運行。第一道難關是科學計算。高分辨率模式下,動力框架、物理參數化和數據同化相互耦合,任何環節的效率短板都會放大為整體時效壓力。
相關負責人告訴,全球5公里網格帶來的通信和I/O壓力,傳統CPU集群很難承受,必須讓算法、軟件和硬件深度協同。第二道難關是工程遷移。曙光8000要支撐完整氣象模式完成GPU全模式異構並行移植。驗證環節採用“單元測試、全模式聯調、校驗和比對、10天預報繪圖驗證”的閉環體系,確保精度一致、結果可靠。其中二進制結果一致性核驗是行業最嚴苛標準,要求CPU與GPU計算結果完全一致,極大提升了移植難度,最終保障預報精度零偏差、結果完全可靠。而從產業發展階段來說,把理論算力變成業務時效也值得關注。
曙光8000上線僅一個多月便支撐MCV取得世界級應用成果,證明國家重大算力設施建成後能夠迅速承接真實科研與業務任務。此次合作中,曙光8000搭載的國產GPU承擔了核心加速任務。團隊針對硬件特點進行了內核優化、顯存池技術以及GPU卡間通信優化,讓模式能夠在國產異構平臺上穩定高效運行。曙光CPU+GPU異構與超智融合,讓高精度科學計算與低精度智能計算在同一套系統中協同。不同計算資源處理適合的任務,為氣象模式繼續衝擊3公里、1公里、區域百米級,以及氣象AI、物理與數據雙驅研究提供條件。目前,雙方團隊已完成全球3公里分辨率模擬試驗,驗證了國產異構算力的擴展空間。
三、不止氣象:異構計算正成為AI4S關鍵底座 不止氣象,很多領域都需要異構計算能力實現突破。面向科學智能研究,曙光8000採用超智融合開放計算架構,兼顧高精度數值模擬與AI訓練推理,為科研團隊開展“模擬+智能”研究提供計算基礎。目前,系統已適配近200項行業應用和500餘個主流大模型,覆蓋30多個科研及產業領域,已支撐蛋白質摺疊模擬、萬億原子級水分子動力學模擬、超大規模湍流模擬等科學智能應用等科研任務,驅動AI4S(科學智能)從“試錯”走向“預測”。
此前7月,中科曙光聯合龍訊曠騰、蘇州實驗室及樊哲勇教授團隊,依託曙光8000與MatPL機器學習力場軟件,在全球範圍內首次實現具有量子力學精度的“萬億原子”分子動力學模擬。對比國際同類技術方案,本次仿真運算速度領先全球頂尖成果100倍,較往屆戈登貝爾獎獲獎方案提速千倍,一舉刷新多尺度模擬世界紀錄。異構計算能力正在成為AI4S的關鍵基礎。科學計算能力與AI方法相協同,讓模擬、訓練、推理和工業仿真在同一基礎設施中運行,也讓科研團隊能夠把更多精力放在科學問題上。
結語:國產算力上大分,AI4S時代更有底 全球5公里、10天預報、1小時算完,MCV與曙光8000的協同成果,讓中國氣象數值預報在自主可控道路上邁出堅實一步。從正式業務運行系統看,5公里已經站上全球最高水平;從研發競爭看,1至4公里試驗正在推進,競賽遠未結束。國產算力已經證明,它能接住世界級科學應用,也能把理論算力轉化為真實業務時效。面向AI4S時代,這種系統級能力會越來越重要。國產算力上大分,前沿探索就更有底。
Related
相關文章
Transformers Model Integration Contracts
Back to Articles Transformers Model Integration Contracts Published November 3, 2026 Update on GitHub Upvote - Tarek Ziadé tarekziade Follow On July 30, 2026, Transformers enabled PyTorch's scaled dot-product attention (SDPA) for T5.
NVIDIA Kumo Relational Outperforms Supervised Machine Learning on Relational Data, No Training Required
Back to Articles NVIDIA Kumo Relational Outperforms Supervised Machine Learning on Relational Data, No Training Required Enterprise + Article Published October 21, 2026 Upvote 1 Joshua Przybylko jprzybylko Follow nvidia Jure Leskovec profjure Follow nvidia Matthias Fey rusty1s Follow nvidia Federico Lopez flopeznv Follow nvidia Valter Hudovernik valterh-nv Follow nvidia Akihiro Nitta akihironitta-nv Follow nvidia Ramona Bendias RBendiasN Follow nvidia TL;DR NVIDIA Kumo Relational is a pre-trained relational foundation model that makes predictions directly on enterprise databases.
NVIDIA Kumo Forecast Combines Pretrained Time-Series Representations with Historical Pattern Retrieval and Interpretability
Back to Articles NVIDIA Kumo Forecast Combines Pretrained Time-Series Representations with Historical Pattern Retrieval and Interpretability Enterprise + Article Published October 21, 2026 Upvote - Saira Qureshi sairaq Follow nvidia Aditi Gautam adgautam Follow nvidia Manikandan Ravikiran mravikirannvidia Follow nvidia Sena Ekiz neptunel1 Follow nvidia Viraj P Modak vmodak Follow nvidia Highlights (TL;DR) NVIDIA Kumo Forecast (formerly known as NV-Tesseract Forecasting) is a multi-variate time-series forecasting model that combines a pretrained Transformer backbone with Domain-Aware Representation and Retrieval (DARR), a context-enhanced forecasting mode that blends direct model predictions with patterns retrieved from historical data.
Announcing SimReady Central: An Open Library of Simulation-Ready 3D Assets for Robotics and AI Factories
Back to Articles Announcing SimReady Central: An Open Library of Simulation-Ready 3D Assets for Robotics and AI Factories Enterprise + Article Published October 21, 2026 Upvote 1 John Kosnik jkosnik Follow nvidia Frank DeLise delisef Follow nvidia Pomi Lee pomilee Follow nvidia Building robotics simulations and high-fidelity AI factory digital twins takes more than 3D models.
NVIDIA Cosmos3-H-Dreams: Bringing Clinical Surgery to Life Through Generative Simulation
Back to Articles NVIDIA Cosmos3-H-Dreams: Bringing Clinical Surgery to Life Through Generative Simulation Enterprise + Article Published October 20, 2026 Upvote - Lukas Zbinden lzbinden Follow nvidia Javier Gamazo javirk1 Follow nvidia Nigel Nelson nigeln Follow nvidia Mostafa Toloui mtoloui Follow nvidia Sean Huver shuver Follow nvidia Picture moving the Cadiere grasper, grasping the gallbladder, and lifting it, all within a generated surgical scene that responds in real time.
擴展印度語言預訓練:2.8兆詞元與開放資料生成管線
本文介紹了針對22種印度語言的預訓練擴展計畫,使用了2.8兆詞元,並提供了12種語言的羅馬化資料。作者來自AI4Bharat與NVIDIA,開發了一套可重用的GPU加速管線,用於翻譯、品質評估與修復,以支援這些語言的模型訓練。