“十万卡”落地成双，AI新基建跃入超级周期｜甲子光年

算力竞争告别堆卡时代。

今年初，政府工作报告首提"超大规模智算集群"与"算电协同"战略，2026年将落地50+万卡集群、3万卡集群同比增长233%、10万卡集群从0到1突破。

然而，AI新基建节奏比想象中更加“激进”。

7月10日，中国首个全国产十万卡AI超集群——曙光8000（登峰）正式落成。同期，中科曙光还与北京科学智能研究院达成合作，启动第二套全国产十万卡超智融合算力系统研制与建设。

“十万卡”从无到有，从0到2，AI算力集群建设俨然跃入超级周期。

如此非同寻常的一幕，不由引发业内追问：一套刚刚完成技术验证的系统，首秀当天就进入“复购”模式，这个“十万卡”到底有何魔力？

1.破题供需错位：

“原生超智融合”算力突围

过去两年，算力市场经历过一轮近乎疯狂的“抢卡”行情。巨头们以每年数百亿的资本开支堆砌算力，英伟达A100一度被炒到近10万元，甚至依然一卡难求。

但在这轮军备竞赛的另一面，大量算力资源却并未真正转化为生产力。

有业内人士指出，2026年算力市场增速明显放缓。很多卡“买到用不到”、“能跑跑不满”。堆卡不再万能，算力供需出现了结构性错位：低质量的算力扩张，遇上高质量的应用需求。

随之而来的是市场逻辑加速转向，从“普涨狂热”到“理性分化”，算力市场竟然逐渐呈现“高端紧缺、中低端过剩”的冰火两重天格局。

问题出在哪？

一个超大规模AI集群，建设成本动辄数十亿甚至上百亿元，门槛自然不低。但更大的挑战在于：集群算力规模，并不等于有效算力输出。这让算力重资产配置变得愈发审慎。

一方面，在大规模集群中，存储、计算、网络等环节壁垒较多，近一半算力可能在摸鱼等待数据，而非真正在线工作。业内测算，万卡规模下集群的算力利用率普遍在50%左右；

另一方面，由于底层芯片和计算系统架构设计差异，集群算力精度往往很难完整对齐应用场景——超算集群在智算场景中效率折戟，智算集群在超算应用中高攀不起。

显然，打通“存算网”协同闭环，打造“原生超智融合”的集群系统，成为破题算力供需错位的最优解。

中科曙光高级副总裁李斌指出，当前人工智能正从传统大模型向更复杂、更多维的AI for Science和物理AI时代加速演进，这不仅需要更大规模的算力，更对算力结构提出全新要求。

比如在AI4S和物理AI场景，高精度算力用于模拟仿真和科学计算，低精度算力用于智能体推理和大规模训练。两种精度需求的交汇，使“混合精度计算”成为新算力系统的核心门槛。

李斌介绍，曙光8000基于“原生超智融合”技术路线，摈弃传统分区方式，真正实现了全类型计算的原生一体化融合，面向高精度科学计算和低精度智能计算的复合需求，可提供从FP64到INT8的全精度算力支撑。

也就是说，不管是科学研究，还是AI训推、工业仿真，建设一套集群即可全场景贯通。无需担心能不能跑出效率，跑进产业一线。这也是“十万卡”落地即有人买单的一大理由。

2.十万卡成“度量衡”，

规模定律仍在生效

近年来，AI领域的“缩放定律”，正成为算力规模扩张的核心驱动力。

根据业内反复验证，在模型架构和训练方法不变的情况下，模型性能与参数量、数据量、计算量之间存在幂律关系。同步扩大这三者，模型性能会呈现可预测的提升。

这也意味着，要训练千亿甚至万亿参数模型，就必须投入海量计算资源。一个原本6个月的训练任务，通过万卡集群缩短到1个月，这种迭代速度带来的竞争优势是颠覆性的。

放眼国内外市场，谷歌、微软、Meta等国际巨头均已加入算力规模竞赛。谷歌投资最大的AI算力中心，TPU部署规模达到数十万片；微软智算中心(Azure)同样集成了15万颗GB200。

国内受益于政策和产业需求提振，各地AI计算集群规划和建设也在提速，需求增量机会十分显见。而首个全国产十万卡AI超集群的突围，不仅打破了“人有我无”的窘境，同时也为国产大算力市场带来一个新的“度量衡”。

从曙光8000的应用成果来看，市场迅速买账并不意外：

目前，在十万卡核心节点上，已完成300余项超智融合应用优化，涵盖大模型、机器人、汽车、创新药、新材料、量子计算、天文气象等二十余领域。其中，超过70个应用实现了万卡规模扩展，验证了核心节点在大规模、高负荷科研任务中的稳定性与可靠性。在重点大应用方面，已实现蛋白质折叠模拟、万亿原子级水分子动力学模拟百万亿网格湍流模拟等。

毋庸置疑，算力规模扩张带来的科研范式升级，为“十万卡”度量衡再次落下一锤。

3.规模竞赛下的能效考验：

系统级能力制胜

随着人工智能从大模型向智能体和具身智能快速演进，AI for Science推动基础研究和技术发明加速发展。这些变革催生了巨大的算力需求，同时也对大算力系统能效提出严峻考验。

试想一下，这么多张卡放在一块，当然不是堆起来就能点亮，其系统工程的复杂度超乎想象。

前边提到，在大规模计算集群中，算力等数据的情况并不鲜见。同时，网络互联、算力调度、供电散热等环环相扣，任何一环掉链都会造成极大的能效损失和稳定性威胁。

为了让集群稳定可靠高效运行，中科曙光基于“芯片、计算、存储、网络、散热、应用、服务”全链路全自研AI基础设施能力，对十万卡集群进行了系统级极致优化。

有业内人士直言：“不管是万卡还是十万卡，关键是能不能真的把这些卡当成一台计算机跑起来，跑出真绩实效。”这也折射出一场行业蝶变——AI集群正从规模竞赛进一步迈向能效竞赛。

（封面图来源：中科曙光）