|
|
科技领域迎来了一场久违的爆发。
从大模型的迭代到前沿应用的落地，各种变化让人应接不暇。但在这些看得见的“科技爆发”背后，真正支撑科技长跑的底牌到底是什么？
就在这个节点，沙利文一份2026年中国AI4S科研智算基础设施市场研究，直接把科研智算的真实格局点透了。
沙利文将中科曙光定义为“超智融合”系统路线的代表，并明确点明其综合竞争力领先。
核心判断：AI4S的竞争早就不在“堆规模”这个维度了。建了再大的集群，如果数据卡在传输、算力闲置在调度，那都是无效投资。现在的痛点，是必须把底层硬件到上层软件的整条链路彻底打通。曙光能拿下“综合竞争力领先”，核心就在于它跨越了单点硬件的局限，把底座、平台到应用全链路打通了。
按照产业链的上中下游拆开，我们来看看这背后的三层硬功夫。
一、产业链上游：算力底座与系统工程
这一层干的事情，是把以前分家的两套算力系统捏在一起，并保证它们在十万卡的规模下不发热、不卡顿。以前做科研，搞高精度物理仿真的去超算中心，跑AI大模型的去智算中心，两套架构完全不搭，来回倒腾数据极其痛苦。现在，曙光8000（登峰）这套十万卡级的AI集群，直接走通了“超智融合”路线。
在十万卡这样的极限规模下，数据传输带宽、散热和系统稳定性，是卡住所有算力厂商的物理瓶颈。为了解决巨量节点间的数据拥堵，这套集群采用了自研的高速互连网络，大幅提升了卡与卡之间的通信效率。
面对高密度计算带来的恐怖发热量，系统直接采用了浸没相变液冷技术，把服务器完全浸没在绝缘冷却液中，在压住温度的同时大幅降低了电能消耗。此外，面对如此庞杂的硬件资源，系统通过统一的智能管控平台实现了精细化调度，保证科研任务能常年持续运转。
在真正的科研任务面前，单卡跑分再高也没用。如果网络有延迟、散热跟不上，买再多的卡也只是昂贵的废铁。曙光这套底座，消灭了架构割裂和散热瓶颈，是把算力规模转化为“有效算力”的物理前提。
二、产业链中游：基础软件与平台生态
这一层解决的是“内耗”和“水土不服”。十万张卡连在一起，如果调度跟不上，卡就在空转；如果换了国产算力底座，科学家还要重写底层代码，那推广就无从谈起。
把十万张卡连在一起，其实只是个开始。真正让各家算力厂商头疼的是，怎么让这十万张卡同时干活还不“打架”。如果底层的调度系统拉胯，几十亿买来的机器就只能无休止地排队等数据，算力全在空转中白烧。为了解决这个“内耗”难题，曙光在底层部署了GridView智能管控平台，靠着极其敏锐的调度能力，把极其复杂的异构资源精准切分，硬生生把每张卡的利用率给榨干，保证十万卡集群不闲置。
但这还不算完，更致命的痛点在于“水土不服”。全世界的科学家写代码，几乎都依赖CUDA、PyTorch这些欧美主导的底层生态。如果换了国产底座，却要求科学家把积累了多年的代码全部推翻重写，没人愿意陪你玩。为了降门槛，曙光拿出了OneScience科学大模型开发平台，它不仅能兼容主流的开发生态，让科学家原有的代码直接跑，还把生命科学、气象模拟等领域的现成模型和算子全部封装好。科学家不需要懂底层的代码怎么调度，就能直接上手。
搞科研基础设施，不能只卖硬件。把极其复杂的硬件，打包成科学家能直接调用的工具，把门槛降到最低，算力才能真正变成科研生产力。
三、产业链下游：真实科研场景应用
这一层是最终的试金石。系统做得再花哨，到底有没有帮科学家解决真问题？沙利文收录了大量曙光8000支撑的真实案例。
光在实验室里跑分没用，算力最终得扔进真实的科研场景里去碰硬。这套底座到底顶不顶用，得看科学家拿它跑出了什么结果。
比如在生命科学领域，新药研发往往耗费数年，但在昌平实验室的蛋白质折叠模拟中，计算速度被拉升了上千倍，原本极其漫长的研发周期被大幅压缩。在气象领域，中科天机依托它跑出了1.5公里的高精度气象数据，甚至凭此入围了超算界的“诺贝尔奖”——戈登贝尔奖。再看材料科学，龙讯旷腾完成了万亿原子级别的分子动力学模拟，这在以前的计算条件下根本不敢想。流体物理、量子计算、海洋模拟这些最吃算力的硬核领域，也都在上面跑出了实际结果。
说白了，算力到底值不值钱，不是厂商自己说的，得看科学家用它做出了什么成果。能帮科研团队把原本算不动的题算出来，把熬几年的实验缩短到几个月，这算力才算真正落地了。否则，买再贵的机器，也就是个摆在机房里嗡嗡作响的发热铁疙瘩。
总结结
沙利文其实戳破了科研智算行业里一个长期的泡沫：光靠砸钱买硬件，是堆不出真正的科研算力的。曙光能在这份图谱里拿下综合竞争力领先，关键不在于它卖了多少机器，而在于它把底层的超智融合集群，和上层的软件调度平台彻底打通了，最终在真实的科研场景里跑出了成果。
以后的科技底座，应该是把冷冰冰的机器，变成科学家手里顺手解决问题的工具；帮实验室把算出来的理论，变成实打实的突破，这钱才算花在了刀刃上。
|
|
发表于 
