在科学研究的长河中，人类对物质世界的认知始终遵循着某种“尺度逻辑”。从肉眼观察的宏观现象，到显微镜下的细胞结构，再到原子尺度的量子行为，每深入一个量级，都意味着对自然规律理解的跨越。

　　然而，长久以来，科学界面临一个尴尬的现实：最精确的第一性原理计算，能模拟的原子规模往往只有几百上千个；而真实世界中，一个半导体器件的局部接触面就包含数亿原子，一块电池界面的复杂结构则达到百纳米量级。计算能力与现实之间的差距，如同横亘在科学家面前的一道“认知天堑”。

　　如何突破这一瓶颈？答案指向算力。那种能将量子力学精度与工业级尺度无缝衔接的超级算力。

　　近日，一场由中科曙光、龙讯旷腾与超算互联网联合举办的沟通会，向外界披露了一个令人振奋的答案：在三方协同努力下，基于曙光scaleX万卡超集群与龙讯旷腾MatPL软件，成功完成了414.7亿原子规模的液态水分子动力学模拟，所有原子间相互作用均达到第一性原理级精度，一举刷新该领域的世界纪录。

　　这不仅是一次数字上的超越，更是一场关于国产科研范式变革的深度叙事。

　　“四百亿”：一场没有硝烟的算力竞速

　　“414.7亿原子”，这个数字意味着什么？

　　如果我们做一个直观的对比：此前公开报道中，机器学习力场分子动力学模拟的世界纪录是290亿原子。此次成果将其提升了1.43倍。更重要的是，模拟的体系边长达到了700多纳米。这在微观世界已是接近微米级的“庞然大物”，第一次将第一性原理精度的原子尺度模拟，推向了介观尺度。

　　“以前从来没有这样的模拟解决方案，能够以第一性原理精度真实复现这种场景。”北京龙讯旷腾科技有限公司高级研究员、机器学习研发总监索鹏飞表示，无论是多晶材料百纳米级的晶粒尺寸，还是7纳米、5纳米工艺的半导体器件，乃至固态电池中电极与电解质界面处复杂的结构，“现在都有了从0到1的突破可能”。

　　而支撑这一突破的底层力量，是基于scaleX万卡超集群4096张异构加速卡的高效并行运行。这意味着，每增加一张卡，算力几乎线性增长，通信开销被压缩到极致，4096卡并行时，通信占比仅为4.92%，计算占比始终超过90%。

　　“这套系统证明了，我们不仅造得大，更跑得顺。”中科曙光解决方案与创新业务总经理张磊如是评价。

　　软硬协同：一场“双向奔赴”的技术攻坚

　　如果说算力是舞台，那么软件就是那位真正的舞者。

　　本次模拟所使用的核心软件，是龙讯旷腾最新发布的MatPL-2026.3版本。与传统的机器学习力场软件相比，MatPL实现了五大技术创新：从跨节点多卡并行训练，到单卡性能比肩国际主流软件，再到内存占用优化20%，以及最重要的是支持大规模并行，打破了以往力场软件无法跨节点模拟的限制。

　　“机器学习力场的模型不同于大语言模型。大模型一次问答可能只需要几十到几百步计算，但我们的应用场景，大部分任务需要百万步。”索鹏飞强调，“效率是决定性的。”

　　正是基于对效率的极致追求，龙讯旷腾团队与中科曙光团队走到了一起。双方的技术人员在底层展开了深度协同：从针对核心矩阵运算创新应用TensorFloat-32算力，到将AI的Tensor核心能力赋能科学计算，再到利用GPU架构对传统数据计算单元的完整保留——每一个优化点，都是软硬件工程师反复碰撞的结果。

　　“以往大家做算力的只管做算力，做软件的只管做软件。”张磊回顾合作历程时感慨，“这次我们真正实现了面对面的协同。两支团队都有材料和物理的核心背景，沟通成本极低，能快速把算法优化的方向和硬件的优势拿到台面上。”

　　这种协同机制，或许比破纪录本身更具示范意义。

　　国产替代的“无感”跨越

　　在当前的国际环境下，国产算力的发展始终绕不开一个核心命题：能否真正替代，能否好用？

　　北京龙讯旷腾科技有限公司总经理田洪镇给出了回答：“曙光这边最大的优势，对于我们开发人员来讲，可以说就是两个字——无感。”

　　“我不需要专门针对这个硬件去写专门的适配代码，也不需要为通信做专门的调整。这是最大的优势。”田洪镇进一步解释，曙光提供了成熟的转换工具，能够将原本基于英伟达架构的软件，直接编译到基于国产X86和国产AI加速卡的架构上，“适配成本没那么高”。

　　这种“无感”的背后，是曙光多年来在底层技术栈上的深耕。从芯片微架构到编译器，从数据库到驱动层，曙光构建了完整的技术闭环。而本次scaleX万卡超集群所展现的高密度算力集成、高速互联网络、以及相变浸没式液冷等技术，共同构成了国产算力从“可用”到“好用”再到“领先”的三级跳。

　　“这套集群的冷却、供电技术和硬件架构，均可比肩2027年NVL-576水平。”张磊的这句话，无疑为国产算力注入了一剂强心针。

　　科研普惠：让“大算力”走进“小课题组”

　　如果说破纪录代表着技术的高度，那么如何让这种能力惠及更广泛的科研群体，则决定着技术的广度。

　　本次模拟的另一个重要信号是：在4096卡上实现414.7亿原子模拟的同时，单卡性能同样惊人。据透露，单张加速卡即可模拟千万级原子体系，一台8卡服务器则可达到上亿原子规模。

　　“这意味着，一个更小的科研课题组，就可以用少量的资源，模拟世界级的超大规模体系。”张磊解读道，“我们把更大、更宏观的东西，通过算力的价值，带到了小课题组面前。”

　　而超算互联网平台在其中扮演了“连接器”的角色。据超算互联网平台龙讯旷腾项目负责人介绍，目前平台注册用户已接近120万，通过弹性算力调度、预安装预优化的软件生态、以及7×24小时的技术支持，大幅降低了科研人员使用国产仿真软件的门槛。

　　“将来随着大语言模型的发展，我们还在跟曙光探讨打造材料模拟的智能体。”负责人透露，“让材料计算软件变成可以用自然语言驱动调用。用户不关心软件怎么起作用，只关心我要设计一个新的电池，底层自动调软件、自动算、自动出结果。”

　　这或许才是“AI for Science”的终极愿景：让科学家回归科学本身，而非被工具所困。

　　笔者观察：一次破界，三重启示

　　回顾本次414.7亿原子模拟的突破，至少带来三重启示。

　　第一，软硬协同是国产科研生态的必由之路。长期以来，国内科研软件与硬件的发展相对割裂，导致“有算力无软件、有软件无优化”的尴尬。曙光与龙讯旷腾的深度绑定，证明了当两个懂行的团队真正坐在一起，能够产生的化学反应远超预期。

　　第二，国产替代不应止步于“能用”，更要追求“好用”与“领先”。本次模拟不仅在规模上刷新纪录，更在扩展效率、通信优化等关键指标上展现出世界级水平。这证明，国产算力与国产软件的融合，完全有能力与国际巨头同台竞技。

　　第三，算力的终极价值在于普惠。破纪录固然振奋人心，但如何让顶尖算力走出“象牙塔”，服务于更广泛的科研与工业场景，才是决定国家整体创新能级的关键。超算互联网的实践表明，平台化、服务化、智能化是算力普惠的可行路径。

　　414.7亿原子，是一个数字，更是一个起点。当微观世界的边界被不断推远，中国科研的想象力，也将随之抵达更遥远的星辰大海。