4月14日,中科曙光提供的6万卡科学智能(AI for Science)计算集群系统,在位于郑州的国家超算互联网核心节点投入使用。作为国内最大的AI4S计算集群,其以超智融合全栈技术能力,满足用户从集群性能、软件模型优化、科研应用效率到科学智能体开发的多维需求,为“人工智能+科学技术”在国内的规模化落地提供保障。
中国科学院院士、河南省科学院院长徐红星表示表示:“该集群落地,不仅是一次技术成果展示,更是我国人工智能技术与科研创新深度融合的里程碑,期待与会的各领域专家、产业界人士携手并肩,以此次计算集群落地为新起点,共同把握‘人工智能+’发展机遇。”
六大优势打造最大AI4S集群
伴随人工智能技术发展,AI4S正成为科技强国与未来产业竞争核心,也是全球竞争焦点。我国“十五五”规划明确提出要以人工智能引领科研范式变革,抢占人工智能产业应用制高点。为满足用户对大规模并行计算、万亿参数大模型训练、高通量推理等需求,中科曙光AI4S计算集群具备六大特征:
强大算力:实现6万卡集群部署,提供全球顶级的超智融合算力。
全面精度:依托自主可控核心芯片,可支持8/16/32/64位宽的全精度计算,高效处理高维函数和复杂科学问题。
高速互连:通过国内首款类InfiniBand无损高速网络scaleFabric系列产品,可充分满足AI4S计算集群对高带宽、低时延网络的极致需求。
存算协同:通过“超级隧道”、AI数据加速等设计,实现从芯片、系统到应用的三层传输协同,避免存储IO瓶颈。
灵活调度:智能调度机制,使系统可根据任务需求灵活匹配、调度集群的计算存储网络等资源,并发作业调度效率超每秒万次。
稳定可靠:依托智能化运维、数字孪生系统以及浸没相变液冷技术,让系统可用性达到99.99%,保障集群长周期稳定运行。
千倍提升多领域AI4S效率
中科曙光高级副总裁李斌表示,曙光AI4S计算集群不仅硬件性能出众,同时通过软硬件协同设计,具备兼容主流计算生态及广泛科研应用迭代支持能力,全面打破传统超算与智算壁垒。
中科曙光高级副总裁李斌
在应用方面,通过与高校、科研机构与企业的广泛深度合作,截至目前,集群已在生物、材料等多领域完成大规模并行计算测试并取得多项突出成果:3万卡规模蛋白质折叠模拟较传统算法加速1000倍;4.5万卡规模实现万亿原子液态水分子动力学模拟,在打破世界模拟规模纪录的同时更让效率提升3个数量级以上;助力湍流直接模拟规模扩展至百万亿网格,大幅提升科研效率。
此外,随着该集群的落地运行,国家超算互联网平台(scnet.cn)也已构建起国内规模最大的AI4S计算基础设施,总计链接超300万CPU核和超20万GPU卡,并接入全国一体化算网调度体系,为全国高校、科研院所和企业提供普惠化AI4S算力服务。
数小时完成AI4S模型开发,降低科学智能体开发与应用门槛
为推进AI4S工程化,结合国家超算互联网“数算模用”一体化理念并搭载国内首个科学大模型一站式开发平台OneScience,曙光AI4S计算集群汇聚起海量数据集、行业知识库、大模型、科学与工程计算软件工具等,成为AI4S生态共建、共享的创新底座。
OneScience集成数十个AI4S热点模型及数据集,可在地球科学、生物信息、流体仿真、材料化学等多学科领域,让用户数小时完成科学大模型开发,解决开发环境复杂、数据获取难等痛点。
而在超算互联网平台上,曙光AI4S计算集群用户无需面对繁琐的软件配置与IT流程,只需通过自然语言提出需求,通过“超级科学计算智能体”便可自动拆解任务、调用模型、调度算力,完成端到端交付,科研任务完成时间从天级压缩至小时级。
从2025年12月发布scaleX万卡超集群,到2026年2月3万卡上线国家超算互联网核心节点,再到今日发布的6万卡AI4S计算集群系统,“曙光速度”在刷新计算集群工程化部署能力纪录的同时,也实现了从AI到AI4S的全栈技术跨越,让“人工智能+”在全学科域落地生根,助力我国抢占人工智能产业应用制高点。
好文章,需要你的鼓励
本田汽车因电动车战略失败,创下上市以来最大亏损,电动车相关损失高达1.45万亿日元(约92亿美元)。本田CEO宣布全面调整战略:放弃2040年淘汰燃油车计划,转而推进混动路线,计划到2028年推出两款新混动车型原型,并在本十年末全球发布15款新混动车型。与此同时,本田将暂停150亿美元的加拿大电动车工厂建设,并将俄亥俄州电动车产线改为混动和燃油车生产。
中山大学等机构发现,多模态AI在同一道物理题因表达形式改变时推理能力明显下滑,视觉数值与物理实体的绑定是最核心瓶颈,且遮黑训练图片同样能提升测试成绩。
IEEE信号处理学会与《IEEE信号处理精选主题期刊》联合发布专题征稿,聚焦"网络化AI"领域。该研究方向旨在让机器人和AI系统摆脱孤立运行模式,通过互联网络实现集体学习、实时协同优化。研究涵盖多智能体机器人、分布式AI、边缘智能、自动驾驶等方向,探索系统在无需人工干预的条件下自主进化的可能性。论文征集截止日期为2026年6月15日,成果将于2027年1月发布。
这项由纽约大学与弗拉托恩研究所开展的研究证明,允许可学习嵌入时,Transformer只需对数维度就能存储大量事实,MLP充当通用关系选择器而非知识查找表,思维链可绕开多跳推理的容量瓶颈。