十萬卡AI超集群落地，光合組織把AI4S推向應用現場

自中國首個全國產十萬卡AI超集群曙光8000（登峰）正式落地以來，國產算力基礎建設已邁入全新階段。今（10）日在光合組織2026智能計算應用大會上，這座超級集群不僅宣告落成，更同步接入國家超算互聯網，標誌著國產AI算力從「規模建成」正式轉向「應用跑通」的關鍵節點。 過去數年，AI基礎設施的競爭核心圍繞在算力規模——從千卡到萬卡，再到十萬卡，每一級跳躍都代表運算能力的指數級增長。然而，對科研機構與產業用戶而言，真正重要的是這些算力能否支撐真實任務、能否穩定運行、能否縮短研發週期，並最終融入科學發現與產業創新的流程中。光合組織此次將焦點從「算力建成」推向「應用跑通」，正是回應此一根本需求。 曙光8000（登峰）超級集群採用全國產架構，具備十萬張加速卡規模，是目前國內首座達到此等級的全自研AI超算集群。其落成不僅驗證了國產晶片與系統整合能力，更重要的是為AI4S（科學智能）、大模型訓練推理、工業仿真、自動駕駛、金融風控等高強度場景提供實戰驗證平台。大會現場透露，圍繞這些領域，光合組織已展開多項合作測試，試圖讓算力直接服務於真實應用。 在應用層面，AI4S被視為國產算力率先突圍的重點方向。不同於傳統的通用AI訓練，AI4S強調將機器學習模型嵌入科學研究流程，例如材料模擬、藥物分子設計、氣候預測等。這些任務對算力的穩定性、精度與長時間運行的可靠性要求極高，過往常因國產集群的軟硬體適配問題而難以落地。隨著曙光8000（登峰）啟用，多個AI4S先導項目已開始在集群上跑動，測試從數據預處理到模型收斂的完整鏈路。 除了硬體落地，光合組織在大會期間同步推出「開放計算Token譜系」計劃，吸引近百家企業加入。該計劃的核心概念是「Token生產力」，意圖解決一個長期困擾行業的難題：算力如何被有效組織、調度、複用，並最終轉化為可量化的應用價值。Token在這裡不僅是計量單位，更像一種共同語言，讓不同算力資源、不同應用框架之間能夠互通對接，降低開發者與用戶的適配成本。 以十萬卡集群為例，若缺乏統一的Token調度機制，大量算力可能因任務碎片化或資源衝突而浪費。透過開放計算Token譜系，光合組織期望建立一個開放標準，讓各類應用——從大語言模型訓練到工業級流體力學模擬——都能以可預期的方式高效運算。參與計劃的企業涵蓋晶片設計、雲端服務、科研院所與垂直行業解決方案商，顯示產業界對「算力價值」轉化的高度關注。 值得注意的是，此次落成的曙光8000（登峰）集群與國家超算互聯網的對接，不僅是技術節點的串聯，更代表運算資源的社會化共享。國家超算互聯網旨在連接全國各大超算中心與AI算力平台，讓用戶可以像用電一樣按需取用算力，而非各自孤島建置。光合組織將這座全自研十萬卡集群無縫接入該網絡，等於為國產AI算力打開了全國性的應用出口。 從實際應用進展來看，工業仿真與自動駕駛是兩個備受期待的領域。工業仿真需要大量流體力學、結構力學的計算，傳統上依賴國外商用軟體與加速卡。現在曙光8000（登峰）搭載國產晶片與自主編譯棧，已能支援多種主流開源與商用仿真框架的適配測試；自動駕駛方面，則聚焦於感知模型的大規模並行訓練與場景重放驗證，這對集群的內存帶寬與通信延遲提出嚴苛要求。初步測試結果顯示，在典型自動駕駛數據集上，國產集群的訓練吞吐已接近同級別進口硬體水準，但在長期穩定度上仍需更長時間的壓力測試。 金融風控場景同樣被列入優先驗證清單。銀行、保險與證券機構的風險模型往往需要即時處理億級特徵與海量交易數據，對算力的延遲與吞吐敏感度極高。光合組織與多家金融科技公司合作，在曙光8000（登峰）上部署了反詐欺模型與信用評分模型的訓練與推理任務，目標是驗證國產算力在金融級可靠度下的表現。 整體而言，十萬卡超集群落地只是起點。光合組織的戰略訊號十分清晰：國產AI算力要打的下一場硬仗，不再是繼續擴大規模，而是讓更多高價值應用真正跑起來。從AI4S科學智能到工業、金融、自駕等垂直行業，每一個真實場景的跑通，都意味著國產算力生態的進一步閉環。隨著「開放計算Token譜系」計劃持續擴張，以及國家超算互聯網的骨幹網絡成形，2026年或將成為國產AI算力從「壯觀展示」走向「實用驗證」的分水嶺。