【新智元導讀】快了31倍——一家公司沒去卷大模型，而是干了件不性感卻繞不過去的事：讓每一種有價值的計算，都高效地跑起來。

海洋科學是建設海洋強國的重要基石。

全球氣候變化的趨勢研判、沿海城市防災減災的決策支撐、藍色經濟可持續發展的科學依據，每一項國家戰略需求的背后，都離不開對海洋的系統認知與精準模擬。

ROMS（區域海洋建模系統），是全球海洋研究領域的標準工具之一，用來模擬洋流、氣候、生態系統，為沿海城市災害預警與長期海洋資源管理提供科學決策依據。

但有一個尷尬的現實——隨著對模擬分辨率和精度的要求的提高，跑一次典型模擬，少則數月，多則一年。

研究人員的大量時間不是花在分析結果，而是盯著進度條。

為此，香港某科研團隊與是石科技合作，ROMS的計算進行利用GPU提速優化。

是石科技干了件聽起來不太時髦的事：把一套大量代碼還保留著上世紀Fortran風格的老程序，搬上了GPU。

結果是：同樣的算例下，16張GPU卡計算耗時518.59毫秒，16顆CPU需要16373.97毫秒——31.57倍。換成40張GPU卡，算力等效1536顆CPU核心，加速38.4倍。

「跑一天出一天結果」變成了「跑半小時出一天結果」——這不是換個顯卡那么簡單，背后是一整套科學計算異構并行優化的硬功夫。

Fortran老代碼

怎么登上現代GPU？

理解這件事的難度，要先理解兩件事：ROMS是什么，Fortran又是什么。

ROMS是美國Rutgers大學開發的區域海洋模型。

它不是一兩個文件，而是一個龐大的Fortran代碼庫——而Fortran這門語言，誕生于1957年，世界上第一批科學計算程序就是用Fortran寫的。

直到今天，全球大量氣象、海洋、流體力學領域的核心代碼，仍然是Fortran。幾十年的模型積累和驗證數據，不能輕易推倒重來。

但Fortran有一個尷尬的現實：主流的GPU并行計算平臺對C/C++有原生支持，對Fortran也提供了編譯器和擴展支持，但在工程實踐中，直接通過OpenACC指令注解或專屬擴展語法進行大規模移植，性能和可維護性往往不盡如人意。

你不能簡單地把Fortran程序「扔」到GPU上跑——支持雖有，但科學計算對極致效率的要求，讓這條路遠未到開箱即用的程度。

打個比方：Fortran是一本用文言文寫的物理學巨著，GPU是一臺主要支持白話文的計算機。你大致能看懂內容，但要準確無誤地把整本書搬到新系統上運行，還是需要一個精密的翻譯——而且翻譯過程中不能曲解任何一個公式，因為科學計算里，小數點后十位的精度都有意義。

是石科技的方案是一條三段式移植路徑：Fortran → C → GPU并行計算。

第一步：診斷——找到真正的「時間殺手」。

ROMS代碼有幾萬行，分布在數十個源文件中。

工程師先用性能分析工具和函數調用關系圖梳理整個代碼框架，定位熱點函數的分布、分析函數間的數據依賴——這不僅是為了找到「哪里慢」，更是為了確定整個移植工作的優先級和先后順序，確保后續的每一行GPU化修改都有清晰的路線圖。

第二步：翻譯——跨語言移植，每一步都是坑。

把需要加速的Fortran函數用C語言重寫。這一步有兩個極其脆弱的技術難點：

難點一，內存布局的「水土不服」。

Fortran的數組是列優先存儲——同一列的元素在內存里緊挨著；C語言是行優先——同一行的元素緊挨著。

這就好比一張Excel表格，Fortran按列讀（先從上到下讀完第一列，再讀第二列），C按行讀（先從左到右讀完第一行，再讀第二行）。

如果你把Fortran的數據直接當C的數據用，讀到的就是完全亂序的數值，整個模擬全廢。

難點二，數組下標的「代際差異」。

Fortran的數組下標默認從1開始（數學家的習慣），C從0開始（計算機科學家的習慣）。更麻煩的是，Fortran允許數組下標從任意整數起始，比如可以定義從-5到10。

如果你把Fortran里a(-5)的值，直接映射到C的a[-5]，程序當場崩潰。工程師必須給每個數組手動加上下標偏移量，確保物理內存地址一一對應。

打個比方：Fortran用「樓層編號」（地下5層），C用「絕對編號」（從入口算第0間）。翻譯官必須記住，Fortran的「地下5層」在第-5間，不能直接當門牌號用。

第三步：GPU化——讓計算跑在數千個核心上。

對每個熱點函數，工程師將其邏輯從C改寫為CUDA內核（kernel），把原本串行執行的多層循環分配到GPU的數千個流處理器上并行運行。

一個典型的ROMS計算函數包含i、j、k三重嵌套循環——對應海洋網格的東西、南北、垂直三個維度。

在GPU上，這些循環被展開為線程網格：每個線程負責一個或多個網格點的獨立計算，數千個線程同時執行，將原本需要順序跑完的循環壓縮到一次并行調用中。

每個內核的線程塊大小、共享內存分配、寄存器使用量等參數，都需要針對函數特性反復調優，才能達到最優的計算效率。

完成內核開發后，工程師還對分散在多處的數組進行了跨函數合并，將多次小批量數據搬運歸并為一次大批量傳遞，大幅減少了主機內存與GPU顯存之間的數據傳輸開銷，提升了整體效率。

把耗時函數GPU化之后，還需要解決多張GPU之間的數據傳輸效率問題。

原來在CPU集群上，節點之間通過一種叫MPI的協議通信。但GPU之間用MPI效率很低——數據要先從顯存搬回內存，通過MPI發送，再搬回另一張GPU的顯存，繞了一大圈。

是石科技的方案是改用NCCL（GPU直連通信協議），讓數據直接在顯存間傳遞，無需CPU中轉。

此外，還把原本分散的多次小批量數據搬運合并為一次大批量傳遞，大幅減少了「裝車卸車」的開銷。

最終，整個項目的驗收有一個關鍵指標，甚至比速度更重要：GPU版本和CPU版本，計算結果完全一致。三個不同算例各跑2880步，輸出精度全部驗證通過。

在科學計算領域，精度不對等于白算。快但結果錯，等于沒用。

不止海洋模擬：高端制造行業實現數十倍至數百倍提速

ROMS不是孤例。是石科技的并行優化能力覆蓋了多個科學計算和工業仿真場景。

CAE工業仿真軟件。

仿真散熱圖（圖示）

國內CAE領域領軍企業的通用仿真平臺，經過CPU+GPU聯合深度優化后，CPU側性能提升2.2倍，GPU側提升28倍。

技術手段覆蓋了AVX2向量化加速、統一GPU內存管理、數組索引映射優化等。

這些項目的共同點是：不是重寫代碼，而是在最小改動下釋放最大性能。

科學代碼和工業仿真軟件是數十年學術積累與工程經驗的結晶——你不能為了加速就把它們推倒重來。

總結起來，是石科技的并行優化方法論可概括為四個詞：深度診斷 → 架構定制 → 漸進遷移 → 持續交付。

被忽視的「工程化通道」

2026年的AI基礎設施敘事幾乎被兩件事壟斷：一是誰做出了更強的大模型，二是誰囤了更多算力。

但一個更基本的問題一直被低估：芯片和應用之間的「工程化通道」。

芯片廠商（華為昇騰、昆侖芯、摩爾線程等）的核心能力在芯片設計；大模型廠商的核心能力在模型訓練和算法。

但把芯片的算力真正轉化為應用可用的生產力——無論是大模型推理的Token，還是科學模擬的計算結果——中間夾著大量系統工程工作：異構算力資源池化、并行算法重構、跨架構代碼移植、大規模集群穩定運維。

這些工作沒有榜單，不夠「性感」，不會出現在融資新聞的標題里。

但它們是AI基礎設施真正落地繞不過去的一層。

是石科技目前服務了200余家客戶。左手是互聯網大廠的大模型推理需求——也就是他們此前提出的「Token工廠」概念；右手是國家氣象局、香港某科研團隊院的科學計算任務。

這家公司的本質，就是在這條「工程化通道」上卡了一個關鍵生態位。

從ROMS的Fortran老代碼在現代GPU上跑出31倍加速，到CAE領域通用仿真GPU側提升28倍，這些案例指向同一個結論：當算力成為基礎設施，真正有價值的不只是誰制造芯片、誰訓練模型——還有誰能讓每一種有價值的計算，都高效地跑起來。

而這件事，路還很長，所幸有人已然先行。