不久前，在ISC國際超級計算大會上，來自中國的“靈晟”超級計算機(jī)以2.19EFlops的持續(xù)雙精度浮點性能登頂全球TOP500榜單。但這次奪魁后，業(yè)內(nèi)討論的焦點卻已不是“誰更快”，而是“如何與產(chǎn)業(yè)結(jié)合”。 業(yè)界普遍認(rèn)為“超算與智算的高效協(xié)同”已成為AI時代計算產(chǎn)業(yè)的核心問題。

超級計算產(chǎn)業(yè)的競爭規(guī)則，正在被AI徹底重寫。

算力競賽的規(guī)則已經(jīng)變了

過去十年，算力競賽的敘事簡單而直接：堆更多的核心、跑更高的FLOPS、建更大的集群。但如今，這套邏輯正在失效。IDC與浪潮信息聯(lián)合發(fā)布的《2025年中國人工智能計算力發(fā)展評估報告》顯示，2024年中國智能算力規(guī)模達(dá)725.3EFLOPS，同比增長74.1%，預(yù)計2028年將達(dá)到2781.9EFLOPS。中國信通院的數(shù)據(jù)則表明，截至2025年6月，智能算力已占我國總算力的81%。

算力不再稀缺，稀缺的是駕馭算力的能力。這場變革的底色，是“超智融合”從實驗室概念走向產(chǎn)業(yè)主流的加速過程。而站在變革中心的，是國產(chǎn)算力廠商，它們正在用各自的方式回答同一個問題：當(dāng)AI重新定義計算，什么樣的算力基礎(chǔ)設(shè)施才能撐起下一個十年？

2025年初，中科曙光提出了“AI計算開放架構(gòu)”的戰(zhàn)略方向。同年，浪潮信息發(fā)布了超節(jié)點AI服務(wù)器元腦SD200，在單機(jī)內(nèi)實現(xiàn)64路本土AI芯片的高速統(tǒng)一互聯(lián)。兩家公司幾乎同步的動作并非巧合，而是產(chǎn)業(yè)對同一個趨勢的回應(yīng)——算力規(guī)模仍在狂飆，但增長邏輯已變。

IDC數(shù)據(jù)顯示，2025年中國智能算力規(guī)模預(yù)計達(dá)1037.3EFLOPS，較2024年增長43%。中國信通院發(fā)布的《先進(jìn)計算暨算力發(fā)展指數(shù)藍(lán)皮書（2025年）》則指出，截至2025年6月，全球計算設(shè)備算力總規(guī)模為4495EFlops，智能算力占總算力比例達(dá)到85%。

但數(shù)字的增長掩蓋了一個更深層的變化。中國農(nóng)業(yè)大學(xué)信息中心計算中心主任、教授級高級工程師勞鳳丹指出，過去評價超算看重的是單精度或雙精度的絕對算力峰值，但在AI應(yīng)用落地階段，“算力的本質(zhì)是‘產(chǎn)出智能’”。考核指標(biāo)正從單純的算力大小，轉(zhuǎn)變?yōu)椤懊客咛仉娏δ墚a(chǎn)出多少Token”“每單位成本的推理延遲是多少”。

此外，算力評價體系也在重構(gòu)，而這也在倒逼整個產(chǎn)業(yè)鏈重新思考“什么是好的算力”。

以國家超算互聯(lián)網(wǎng)核心節(jié)點為例，中科曙光部署的scaleX萬卡超集群，最大可對外提供超過6萬張AI加速卡的算力。更值得關(guān)注的是其技術(shù)指標(biāo)：采用超高密度刀片和浸沒相變液冷技術(shù)，單機(jī)柜算力密度提升20倍，PUE值降至1.04；通過“超級隧道”、AI數(shù)據(jù)加速等設(shè)計，AI加速卡資源利用率提高55%。

這些數(shù)字指向同一個結(jié)論：算力競爭已從“單點性能”轉(zhuǎn)向“系統(tǒng)效率”。正如ISC 2026現(xiàn)場多位專家所達(dá)成的共識：超級計算的競爭重心正在從單點性能轉(zhuǎn)向系統(tǒng)級效率。

對此，廣州國家實驗室大灣區(qū)生物信息中心主任、研究員李亦學(xué)指出，大模型推動GPU算力快速增長，但科學(xué)計算的底層仍然依賴物理規(guī)律與數(shù)學(xué)模型，CPU與GPU對應(yīng)不同的計算范式，兩者并非替代關(guān)系，而是走向協(xié)同。生命科學(xué)與計算生物學(xué)專家張駿則進(jìn)一步補(bǔ)充，未來超算平臺必須同時支持多精度、多架構(gòu)與多任務(wù)混合負(fù)載，而不是僅圍繞單一AI模型進(jìn)行優(yōu)化。

這意味著，未來的算力基礎(chǔ)設(shè)施不能是只擅長高精度科學(xué)計算或只擅長低精度AI訓(xùn)練的“偏科生”，而是要成為“六邊形戰(zhàn)士”。

超智融合是產(chǎn)業(yè)重構(gòu)

2025年8月，我國高性能計算領(lǐng)域首部超智融合行業(yè)標(biāo)準(zhǔn)《超智融合集群能力要求》正式發(fā)布。緊隨其后，遵循該標(biāo)準(zhǔn)設(shè)計的首個標(biāo)準(zhǔn)化超智融合算力平臺，曙光Nebula800高性能計算集群系統(tǒng)亮相。

標(biāo)準(zhǔn)的出臺意味著“超智融合”已從個別企業(yè)的技術(shù)探索，上升為全行業(yè)的共識與規(guī)范。但“超智融合”究竟是什么？它遠(yuǎn)不止“超算+智算”的簡單疊加。

對此，上海交通大學(xué)信息辦主任林新華表示，在AI for Science全自動科研的時代，可能都不是人在用超算，而是AI Agent在用。因此，超算亟需實現(xiàn)從底層的硬件到中間的系統(tǒng)軟件的重構(gòu)，這些環(huán)節(jié)都要面向AI Agent去設(shè)計。

進(jìn)一步來看，數(shù)學(xué)模型驅(qū)動的高精度科學(xué)計算與數(shù)據(jù)模型驅(qū)動的低精度智能計算緊耦合的系統(tǒng)化協(xié)同，將成為新一代計算和AI基礎(chǔ)設(shè)施演進(jìn)的重要方向。業(yè)內(nèi)專家也進(jìn)一步表示，“算力就是AI4S時代的‘電力’”。

電力之所以成為工業(yè)化的通用能源，不是因為發(fā)電廠夠多，而是因為電網(wǎng)夠智能，能夠?qū)⒉煌瑏碓吹碾娔芙y(tǒng)一調(diào)度、按需分配。算力要想成為數(shù)字時代的“電力”，同樣需要一張“算力網(wǎng)”。中科曙光相關(guān)負(fù)責(zé)人將這一邏輯概括為：“就像電力系統(tǒng)，如果不同電廠發(fā)出的電無法并入同一張網(wǎng)，電力就無法成為驅(qū)動工業(yè)化的通用能源”。他主張建立一個開放的產(chǎn)業(yè)格局，“讓國產(chǎn)芯片、整機(jī)、軟件和大模型等產(chǎn)業(yè)鏈上下游的企業(yè)能夠解耦協(xié)作”。

如何打通“最后一公里”？

算力再強(qiáng)，如果不能轉(zhuǎn)化為產(chǎn)業(yè)能力，就只是空中樓閣。2025年，中國算力租賃市場規(guī)模從約1480億元漲至約2116億元。IDC預(yù)測2026年全球人工智能服務(wù)器市場規(guī)模將達(dá)1587億美元。但規(guī)模擴(kuò)張的同時，一個結(jié)構(gòu)性問題正在浮現(xiàn)：算力、算法、模型、應(yīng)用四個環(huán)節(jié)之間，存在明顯的斷裂。

首當(dāng)其沖的就是算力碎片化，在很長一段時間里，國內(nèi)算力產(chǎn)業(yè)面臨著結(jié)構(gòu)性的矛盾，需求側(cè)急需大規(guī)模、穩(wěn)定的算力，供給側(cè)卻呈現(xiàn)出嚴(yán)重的碎片化特征”。各家廠商在硬件設(shè)計、軟件棧和互連協(xié)議上自成體系，導(dǎo)致算力資源難以跨平臺調(diào)度，用戶遷移成本居高不下。

這一矛盾在AI推理爆發(fā)后變得更加尖銳。當(dāng)AI應(yīng)用從模型訓(xùn)練走向推理和行業(yè)落地，算力需求從“集中式、大集群”轉(zhuǎn)向“分布式、高并發(fā)”。而當(dāng)企業(yè)對算力的需求從訓(xùn)練側(cè)逐漸轉(zhuǎn)向推理側(cè)之時，算力必須從超算中心“下沉”到企業(yè)車間、研發(fā)一線，而碎片化的供給格局無法支撐這一下沉。

其次就是數(shù)據(jù)。數(shù)據(jù)一直是困擾著AI發(fā)展的一大掣肘。勞鳳丹指出，高校在推進(jìn)AI4S過程中遇到的一大瓶頸是“高質(zhì)量的科學(xué)數(shù)據(jù)缺乏，數(shù)據(jù)分散在不同課題組之間，科學(xué)數(shù)據(jù)的碎片化、不共享、不標(biāo)準(zhǔn)的問題比較明顯”。李亦學(xué)也表達(dá)了類似擔(dān)憂：“從數(shù)據(jù)模型算法算力四位一體相互融合的角度來協(xié)同推進(jìn)……目前這件事情做的并不好”。

數(shù)據(jù)是AI的燃料。如果燃料散落各處、無法匯聚，再強(qiáng)的引擎也無法驅(qū)動。

最后是應(yīng)用落地能力不足。從產(chǎn)業(yè)角度可以看見，目前AI技術(shù)很火熱，但卻沒有什么殺手級的應(yīng)用出現(xiàn)，即便有一些應(yīng)用落地，大多也只是輔助企業(yè)降本增效，并沒有實際的改變什么。這點在科學(xué)、科研領(lǐng)域尤為明顯，張駿指出，當(dāng)前主流大模型高度依賴Transformer架構(gòu)與低精度計算，但在生命科學(xué)、材料科學(xué)等領(lǐng)域，高精度計算與復(fù)雜系統(tǒng)模擬仍然不可替代。這意味著，不能把AI大模型直接“扔”給產(chǎn)業(yè)用戶，而是需要針對具體場景做適配、優(yōu)化和封裝。

只有解決了上面這三個難題，才能真正打通落地的“最后一公里”。李亦學(xué)給出的建議是：“需要我們的硬件廠商、做軟件開發(fā)的技術(shù)人員、還有我們的科研工作人員，我們要打破邊界，協(xié)同工作”。他特別強(qiáng)調(diào)，不能“在整個技術(shù)體系的某一個環(huán)節(jié)上單獨發(fā)力”。

更深層的挑戰(zhàn)在于算力、算法、模型、應(yīng)用之間的循環(huán)尚未建立。理想的模式應(yīng)該是：應(yīng)用層在產(chǎn)業(yè)中產(chǎn)生數(shù)據(jù)，數(shù)據(jù)回流優(yōu)化模型，優(yōu)化后的模型需要更強(qiáng)算力，更強(qiáng)算力支撐更好的應(yīng)用。這是一個“飛輪效應(yīng)”。但現(xiàn)實是，四個環(huán)節(jié)往往各自為政。

破局的方向正在變得清晰。首先是從“各自為戰(zhàn)”走向“芯模協(xié)同”。過去，國產(chǎn)算力生態(tài)長期處于“芯片被動適配模型”的單向奔赴狀態(tài)，芯片廠商做出硬件，模型廠商再去適配，周期長、效率低。DeepSeek V4的發(fā)布成為一個標(biāo)志性節(jié)點：這是第一次在大規(guī)模、高強(qiáng)度的工程化尺度上，驗證了“芯模協(xié)同”的可行性與效率。

與此同時，產(chǎn)業(yè)鏈的“抱團(tuán)”趨勢也在加速。2026年MWC上海展上，兆芯展出的并非孤立的芯片，而是由中興、聯(lián)想開天等生態(tài)伙伴共同打造的服務(wù)器、工作站及云終端整機(jī)產(chǎn)品矩陣。這種“從芯到整機(jī)”的協(xié)同模式，有效解決了用戶在遷移和部署過程中的兼容性與適配性難題。

其次是真正讓國產(chǎn)算力從“實驗室”走向?qū)嶋H應(yīng)用場景中。海光信息與同濟(jì)大學(xué)簽署戰(zhàn)略合作協(xié)議，推出國內(nèi)首個國產(chǎn)千卡工科智算集群。集群以國產(chǎn)海光DCU為算力底座，采用超智融合架構(gòu)，可同步承載高端計算與AI訓(xùn)練推理任務(wù)，主要面向工程仿真、智能建造等實體產(chǎn)業(yè)場景。

更深層的突破在于“飛輪”正在轉(zhuǎn)動。基于昆侖芯等國產(chǎn)算力底座，招商銀行上線超800個AI智能體應(yīng)用，覆蓋風(fēng)控、營銷、研發(fā)、辦公等核心場景。國產(chǎn)大模型與國產(chǎn)算力的“雙向奔赴”，正在讓“國芯+國云+國模”所構(gòu)筑的生態(tài)基石愈發(fā)堅實。正如沐曦股份高級副總裁孫國梁所言：“國產(chǎn)算力一定要靠開源生態(tài)，才能與全球最優(yōu)秀的產(chǎn)品競爭”。

這些拼圖正在拼出一個完整的答案：國產(chǎn)算力不再只是“Plan B”，而是正在成為支撐中國AI產(chǎn)業(yè)的主干道。

打通“最后一公里”，從來不是某一家企業(yè)的事。它需要芯片廠商、模型廠商、應(yīng)用廠商、科研機(jī)構(gòu)打破邊界，協(xié)同作戰(zhàn)。李亦學(xué)說得直白，“不能在整個技術(shù)體系的某一個環(huán)節(jié)上單獨發(fā)力”。當(dāng)產(chǎn)業(yè)鏈的每個環(huán)節(jié)都開始轉(zhuǎn)動，那個從算力到產(chǎn)業(yè)的閉環(huán)，終將形成。

同理，超智融合也不是簡單的超算與AI的疊加，而是算力產(chǎn)業(yè)底層范式的全面重構(gòu)，重塑了超算的定位、能力與使命，也改寫了全球算力競爭的核心規(guī)則。

（文｜Leo張ToB雜談，作者｜張申宇，編輯丨楊林）