当“人工智能+”上升为国家战略，如何将这场技术革命真正锚定在科学创新的深层土壤中，成为各界关注焦点。近日，在郑州，中科曙光提供的6万卡AI4S（AI for Science）计算集群投入使用，则给出了一个具象的答案。

　　这不仅是国内目前最大的AI4S计算集群，更是一次从算力规模到应用生态的全方位压力测试。在与会专家看来，该集群的落成，标志着我国人工智能与科研创新的融合，正在从单点突破迈向系统化赋能的新阶段。

　　算力拐点：AI4S为何需要“超智融合”？

　　长期以来，科学计算与人工智能走的是两条不同的技术路径：前者追求全精度计算的极致性能，后者侧重低精度下的海量数据分析。然而，随着科研问题日益复杂，例如蛋白质折叠模拟、液态水分子动力学分析，单一计算架构已难以满足需求AI4S计算需求。

　　“AI4S对算力的需求是全方位的。”国家高性能计算机工程技术研究中心副主任曹振南表示。他强调，这不仅仅是堆叠加速卡的数量，更需要一个强大的“超智融合”底座：既要能处理传统科学计算的高维函数，又要能支撑万亿参数大模型的训练与高通量推理。

　　这一点在中科曙光的集群设计中得到了直接体现。该6万卡集群具备六大技术特征，其中尤为值得关注的是“全面精度”与“高速互连”。依托自主可控芯片，集群可支持8/16/32/64位宽的全精度计算，这意味着它能在同一套系统内兼顾传统数值模拟与AI神经网络计算。而通过国内首款类InfiniBand无损高速网络（scaleFabric）产品，集群解决了大规模并行计算中常见的“通信墙”问题。

中科曙光高级副总裁 李斌

　　中科曙光高级副总裁李斌对此有一个形象的比喻：“同样的发动机和底盘，需要针对不同路况做调校。”他解释，面向AI4S的系统调校，核心在于“存算协同”与“灵活调度”。通过“超级隧道”技术和智能调度机制，系统能够避免存储I/O成为瓶颈，实现每秒超过万次的并发作业调度效率。

　　效率革命：从“算得快”到“算得精”

　　衡量一个计算集群的价值，传统视角往往聚焦于浮点运算次数（FLOPS）。但在AI4S语境下，真正的价值在于“科研效率”的提升。

　　根据会上披露的数据，该集群在实际应用中已展现出惊人的加速比：在3万卡规模下，蛋白质折叠模拟较传统算法加速1000倍；在4.5万卡规模下，实现了万亿原子液态水分子动力学模拟，在打破世界纪录的同时，效率提升了三个数量级。

　　这种量级的提升，本质上改变了科研的范式。兴业证券经济与金融研究院副院长、计算机行业首席分析师蒋佳霖从产业角度分析认为，AI4S的爆发基础非常扎实。“在数据端，科学计算每年产生的数据已达EB级别，为AI提供了数据土壤；在算法端，Transformer的注意力机制能有效捕捉分子间的长程相互作用，天然适配科学问题。”

　　清华大学智能产业研究院(AIR)助理教授李琨则提醒，要警惕“AI鸿沟”的拉大。他指出，当前许多传统科研机构和企业面临两大难题：一是如何利用好新型混合异构算力；二是如何通过AI将“好钢用在刀刃上”，解决那些原本“不可能解”的问题。“AI4S不是简单的加速，而是让原本不能解的问题变成能解。”

　　生态破局：降低门槛与“科学智能体”的落地

　　算力再强，如果用户用不起来，也只是“空中楼阁”。在此次发布中，一个尤为值得关注的亮点是配套的软件生态，特别是国内首个科学大模型一站式开发平台OneScience及“超级科学计算智能体”。

　　曹振南在发言中反复强调“降低门槛”的重要性。“任何一个东西，只有门槛低了，用户才会用起来。”他指出，超算互联网平台（scnet.cn）不仅仅是连接算力，更是要实现“数算模用”一体化。通过汇聚海量数据集、行业知识库和大模型工具，用户无需再面对繁琐的软件配置。

　　具体来看，OneScience平台集成了数十个AI4S热点模型，覆盖地球科学、生物信息、流体仿真等领域。以往需要数周甚至数月的模型开发工作，现在被压缩到了“数小时”。而“超级科学计算智能体”则更进一步：用户只需通过自然语言提出需求，系统便能自动拆解任务、调用模型、调度算力，实现端到端交付。

　　“未来可能不是碳基智能在搞科研，而是硅基智能在辅助甚至主导这个过程。”李斌认为，随着大模型底层能力的提升和智能体技术的发展，AI4S的工程化属性将极大释放科研生产力。AI4S作为“目标导向”极强的技术路径，其产业化前景，无论是生物医药、新能源电池还是半导体材料，都将是万亿级的市场。

　　大国竞速：中国AI4S的机遇与挑战

　　从全球视野来看，AI4S已超越纯科研范畴，成为大国科技博弈的前沿阵地。

　　李琨在分享中列举了全球态势：美国、英国、欧盟、日本均在2025年后密集出台政策，将AI4S上升为国家战略工程。相比之下，中国虽已将AI4S写入“十五五”规划，并率先在北京发布地方性政策，但仍面临高端算力供给不足、科学数据标准缺失、复合型人才短缺等短板。

　　“美国更多是以云服务形式主导，而中国则依靠国家超算体系与新型算力基础设施的结合。”李琨指出，这种差异决定了中国的AI4S路径必须走“超智融合”的自主创新之路。

　　蒋佳霖则从市场潜力的角度给出了乐观判断。“中国在AI4S论文发表和应用创新数量上已是全球领先，加之举国体制的制度保障，以及庞大的科研与产业转化场景，产业链一旦形成闭环，后续动能非常强。”

　　笔者观察：不仅是技术展示，更是生态宣言

　　回到这场发布会本身。中科曙光在短短数月内，从2025年底发布scaleX万卡超集群，到2026年2月3万卡上线，再到如今的6万卡集群投入使用，这种“曙光速度”背后，折射出的是中国在AI基础设施领域的工程化能力跃迁。

　　正如中国科学院院士、河南省科学院院长徐红星所言，这不仅是技术成果展示，更是我国人工智能技术与科研创新深度融合的里程碑。当算力、算法、数据与具体的科学问题深度咬合，一个属于“人工智能+科学技术”的规模化落地时代，正在到来。