2026 年 2 月 5 日，农历腊月十八，在郑州，国家超算互联网核心节点正式上线试运行，在这个节点上，部署了 3 套由中科曙光提供的 scaleX 万卡超集群，最大可对外提供超过 3 万张 AI 加速卡的算力。

通过该核心节点的上线试运行，验证了国产算力基础设施的工程化能力，行业已从早期的单点突破转向了集群创新，并实现大规模的落地部署。

过去几年，人工智能产业的发展对算力提出了极其苛刻的要求，大模型的参数量从亿级向万亿级跃升，带来的直接后果是计算量的指数级增长。

然而，在很长一段时间里，国内算力产业面临着结构性的矛盾，需求侧急需大规模、稳定的算力，供给侧却呈现出严重的碎片化特征。

各家厂商在硬件设计、软件栈和互连协议上自成体系。

这种封闭的技术路线导致了算力资源难以跨平台调度，用户的迁移成本居高不下。这不符合算力作为新型公共基础设施的属性，就像电力系统，如果不同电厂发出的电无法并入同一张网，电力就无法成为驱动工业化的通用能源。

市场需要的是高效、安全、稳定的智能计算基础设施。

中科曙光在 2025 年明确提出了 "AI 计算开放架构 " 的战略方向，这一战略的核心逻辑在于分工与协作。

我们主张建立一个开放的产业格局，让国产芯片、整机、软件和大模型等产业链上下游的企业能够解耦协作。

在郑州上线的 scaleX 万卡超集群，正是这一战略落地的产物。而这套系统的工程化落地需要攻克一系列技术难关，包括软硬件协同优化、高密度集成、高效供电与散热、高速互连扩展、智能运维管理等。

例如，scaleX 万卡超集群采用了超高密度刀片、浸没相变液冷等技术，将单机柜的算力密度提升了 20 倍，同时将 PUE 值（电源使用效率）降低到了 1.04，在同样的空间内，我们能够部署更多的计算资源，同时大幅降低运行成本。

为实现集群系统的综合性能，进行了存、算、传一体化协同设计优化，通过 " 超级隧道 "、AI 数据加速等设计，实现从芯片级、系统级到应用级的三级数据传输协同优化，以高效应对大模型训练时万卡并发读写对带宽的极致需求，提升高通量 AI 推理时的响应速度与结果精准度，并可将 AI 加速卡资源利用率提高 55%。

更为关键的是，这套系统基于开放架构设计。

它能够支持不同品牌的国产加速卡进行异构部署，并在软件层面兼容 CUDA 等主流计算生态。目前，该系统已经实现了超过 400 个主流大模型和世界模型的适配优化。

这种兼容性降低了开发者的使用门槛，让用户拥有了更多的选择权，而不必被单一的技术路线所绑定。

算力设施建设的最终目的，是服务于实体产业，算力的价值，取决于它能否融入产业的作业流程，解决实际问题。

针对超大规模模型训练，万卡超集群可以支持万亿参数模型的整机训练与容错恢复。

面向高通量推理场景，超集群已服务于多家头部互联网用户的核心智能化业务，并通过联合深度优化持续提升推理效能。

在 AI for Science 领域，我们支撑国内某材料研发大模型登顶国际权威榜单，并助力国内顶级科研团队将蛋白质研究效率提升 3 — 6 个数量级。

同时搭配 OneScience 科学大模型一站式开发平台，超集群还能够大幅降低多学科交叉研究的创新门槛。

这些表明，当算力、数据和应用场景真正结合时，技术才能转化为推动经济发展的动能。

展望 2026 年，智能化的浪潮将推动计算产业进入一个新的发展周期。

中科曙光将继续坚持 " 开放 " 的技术路线。我们认为，在当前的产业环境下，只有基于开放的架构、统一的标准，才能有效联动起产业链上下游的企业、高校及科研院所，开展协同技术攻关，构建起具有国际竞争力的产业生态。

为此，我们将重点关注核心部件、整机系统、软件生态及应用服务的全链条创新，致力于解决异构算力的适配难题，提升算力资源的利用效率。无论是面对万亿参数的大模型训练，还是科学计算的复杂场景，我们都将提供成熟、可靠的解决方案。

积力之所举，则无不胜。

2026 年，中科曙光将继续以务实的态度，推动国产智能计算基础设施向着开放、高效、安全的方向演进。

（经济观察报记者 郑晨烨）