通信世界网消息（CWW）
从4万亿个暗物质粒子构成的宇宙模型，到33股超声速射流的高保真仿真，再到把油田勘探周期从数月压缩到数天——一批曾经受困于算力的科研与工程难题，正被这台全球首个10万卡超智融合AI超集群逐一攻克，多项研究实现“世界首次”突破。
10月18日，2026 CCF全国高性能计算学术大会（CCF HPC2026）期间，中科曙光集中发布曙光8000十大前沿应用成果。十项成果横跨基础科学、民生应用与工程研究，它们不只是一次成果的集中亮相，更指向一个更本质的问题：当AI加速融入科学研究，一台算力系统到底该被设计成什么样？
从“算不出来”到“世界首次”，十大成果的三重跨越
基础科学领域率先迎来密集纪录。
“千衍”宇宙学模拟以4万亿个暗物质粒子重现宇宙演化，被国际学界评价为“刷新了当前数值宇宙学的发展极限”。据中国科学院国家天文台研究员王乔介绍，这一模拟覆盖约100亿光年的宇宙尺度，是当前全球最大的N体模拟之一。MatPL机器学习力场软件，首次将接近量子力学精度的分子动力学模拟推进至万亿原子规模，刷新多项世界纪录；复旦大学团队构建出世界首个千亿神经元规模的数字孪生脑；中国科学技术大学等单位则通过“九章”光量子计算机与曙光8000协同，实现无规相近似精度的生物分子模拟，并完成超过50亿原子规模的扩展性验证。
民生方向，成果已走向业务化。国产AI全球短中期集合预报模型“风清集合V1.0”投入业务运行；全新MCV天气-气候一体化模式在1小时内完成全球公里级数值预报计算，我国AI气象预报与数值预报业务化能力双双迈入世界先进水平；swLFS建成全球首个1公里分辨率全球海洋环流预报系统；中国农业大学“虚拟玉米”平台，将育种周期由十余年缩短至数年。
工程研究端，则在挑战过去不敢想象的规模。多喷口超声速射流模拟以6.77万亿网格的规模，创下国际已知的最大同类仿真纪录。西安交通大学航天航空学院教授姬兴介绍，这一课题直指可重复使用火箭的核心痛点——当33台发动机同时工作，每股尾焰达到约2倍音速、3000K高温，33股射流相互作用形成的毫米级激波结构，与百米级箭体构成典型的“多尺度难题”，唯有借助超大规模并行计算才能逼近真实。
此外，AI辅助壁湍流模拟在国际最高难度的槽道湍流工况下实现高保真求解；深部资源地球物理探测模拟填补了国内相关领域的工程化应用空白。以油气勘探为例，地震波正演把地下不可观测的不确定性转化为可计算、可验证的定量依据，需要万卡级运算与百亿级网格规模支撑，是高性能计算典型的日常业务化场景。据中科曙光沟通会披露，在与中国石化胜利油田物探研究院的协同优化中，弹性波波动方程地震正演的计算效率提升30%。
超智融合为何是下一站？
十大成果能落地在同一台机器上，本身就是一种信号。中科曙光高端计算总工程师卜景德解释，曙光8000在设计之初就指向“一套系统满足多样需求”：它从芯片最深层支持FP64、FP32、BF16等多种精度，CPU与加速器分工协作，让高精度科学计算、AI训练与推理在同一套系统上统一调度——这正是与传统“高性能计算+AI分区部署”模式的本质差异。当前曙光8000上的应用中，超过40%已是“超智融合”应用。
融合还延伸到科研方法本身。MatPL用机器学习力场兼顾精度与规模，AI辅助流体计算降低计算代价，数字育种把AI分析与生物学建模结合……卜景德认为，AI4S恰恰填补了“传统科学计算算得准但算得慢、大模型算得快但算不准”之间的空缺。
异构计算并非只是一个架构标签。随着AI深入科研，一套计算系统需要同时支撑模型训练、数据分析与科学模拟，适应多种研究方法协同的需求——CPU与加速器分工协作的异构架构，已成为全球新一代顶级计算系统的普遍选择。而这类任务往往不只考验算力本身。以“千衍”为例，模拟并非算完即止，团队还需把100个宇宙时间切片、十几PB量级的数据逐层切分、回连，每一次读写都极其消耗资源，需要从网络、硬件到计算进行统一的系统级优化。这背后，正是计算、存储、网络、散热与软件协同的整体能力。
从“算得出来”到“用得起、用得好”
系统能力之外，更关键的是让更多科研者真正用起来。中科曙光副总裁曹振南反复强调一个词——“应用门槛”。“算力非常贵，性能、规模、性价比固然重要，但当AI4S普及后，大家最看重的指标变成了好用、易用。”他拆解了一台大机器“做好”的多个层面——芯片与部件、系统结构、底层软件栈、调度管理服务，乃至工程实现——且每一代机器都在迭代，仅存储系统ParaStor就自2010年一路演进至今。
与用户“手把手”的协同同样关键。为把传统科学计算应用迁移到国产平台，中科曙光组建了几十人乃至上百人的深度适配团队。截至目前，已有300余项重点应用在曙光8000上完成深度优化，覆盖30多个科研与产业领域，其中20余项实现整机运行。中国石化胜利油田物探研究院首席专家张猛的例子颇具代表性，随着油气勘探目标越来越复杂，波动方程正演模拟的网格由原来10米×10米加密到1米×1米，计算量和数据量呈爆炸式增长——过去在自有设备上以月、甚至半年为周期才能算完的任务，如今在曙光8000上万卡级规模下，两三天即可完成。
曹振南还观察到，中国科研用户在这条路上走得“更快”。从传统科学计算到AI4S，国内用户对算力的需求更高、动作更勤。而AI4S也正悄然改变算力中心的模样——它不再仅仅是国家的重大科技基础设施，更是产业的孵化平台，未来的建设与运营可能兼具公共服务与商业化两种职能。对用户而言，选择也更多元：“一类用户自己升级设备，另一类通过云服务或算力服务租用。”他说，随着技术迭代加快，租用用户的比例正在上升。
这种协同并非一朝一夕。通过多种配套机制，中科曙光技术人员为合作方提供移植工具、手把手的适配指导与现场驻场支持——这项机制已滚动到三期，帮助合作方在国产适配中既出成果、又培养出既懂专业又懂国产超算的复合型人才。
曹振南透露，虽然曙光给人的印象是“偏硬的企业”，但其软件人员投入很大，一个项目为做移植适配投入几十人乃至上百人是常态。在他看来，硬件环境的变化恰恰在推动应用软件的发展——没有硬件平台，软件也无从发展起来，而曙光8000这样的新一代AI4S平台，正极大推进整个产业的向前。
从刷新纪录的应用成果，到自研的异构架构，再到不断降低的准入门槛，曙光8000用一套“硬件+系统+服务”的组合，把一个个“算不出来”的难题，变成了“世界首次”。当AI与科学计算加速融合，这台10万卡国产超集群，正在验证一种新的算力范式。
