过去两年，全球算力产业的目光几乎被GPU垄断。大模型训练集群从万卡迈向十万卡，英伟达市值一路飙升，“算力”几乎成了GPU的同义词。

　　喧嚣之下，一个基础性命题却被有意无意地忽略了：在科学与工程计算领域，在那些对精度要求苛刻、算法结构复杂的场景中，CPU是否真的可以被替代？

　　近日，中科曙光发布的新一代通用高性能计算平台，给出了清晰而有力的回答。该平台以国产百核级512线程通用CPU为核心，通过“算存网”全栈协同优化，整体规格首次达到国际厂商旗舰级水平，实现了国产通用计算性能的历史性突破。

　　“百核时代”的性能突破：从追赶到比肩

　　中科曙光新平台最直观的突破在性能层面。平台搭载的国产CPU拥有128核心、512线程，单芯片FP64双精度算力达到10TFlops，这是国产通用CPU性能首次进入双位数T级区间。

　　从对比数据看，在HPL双精度浮点基准测试中，新平台相对性能较上一代提升近2倍，STREAM访存性能提升近1倍，应用性能平均提升1倍，均与国际主流高端平台处于同等水平。

　　性能突破并非单纯依赖芯片堆核，而是“算—存—传”三级协同的系统级能力在支撑：

　　计算层引入BurstBuffer缓存加速技术，将海量小文件读写性能提升10倍以上；SocketDirect技术让CPU绕过节点间中转直接与网卡通信，削减集群通信延迟；

　　存储层搭载的ParaStor F9000全闪存储，曾在IO500全球榜单中以10节点总分106,042.93斩获冠军；

　　网络层基于自研scaleFabric高速交换机，端到端时延低至0.93微秒，其中交换机转发延时仅 260ns；单子网可支持11.4万卡组网，集群容量比进口方案提升133%的同时成本下降约30%。

　　这套组合拳的意义在于：国产通用计算不再是“能用”的水平，而是在性能指标上进入了与国际旗舰产品同台竞技的区间。对于长期依赖进口芯片的高性能计算用户来说，这意味着一扇新的大门正在打开。

　　最难的不是硬件，是软件生态的“零迁移”

　　性能达标只是入场券，真正决定国产平台能否被大规模采用的，是软件生态的兼容性。高性能计算行业最难迁移的不是硬件，而是数十年积累形成的软件体系与工程流程。工业仿真、材料计算、生物计算等领域的应用软件经过长期深度优化，迁移与重构成本极高。

　　中科曙光选择了一条务实的路径：原生兼容x86生态，且是国内首个原生支持AVX512指令集的国产通用计算平台。AVX512已是全球HPC软件生态的事实标准，GROMACS、NAMD、VASP等核心科学计算套件均深度绑定其加速路径。

　　这种兼容性意味着现有HPC软件无需重新编译或修改源码即可直接运行，用户软件授权、业务流程、工程经验全部保留，真正实现“零迁移成本”。

　　在国产化替代浪潮中，这一策略解决了最核心的痛点：迁移成本高于性能收益。当用户可以无缝切换到国产平台，且性能不降级，替代就不再是政策驱动的被动选择，而是价值驱动的主动决策。正如中科曙光高端计算总工程师李建军所言，对于存量商业软件，平台做到了“开箱即用”。

　　AI时代的CPU：精度与逻辑的不可替代性

　　在GPU主导AI叙事的环境中，中科曙光选择在这个节点发布CPU计算平台，是逆势而为，还是顺应趋势？

　　实际上，CPU与GPU的适用场景本就不同。GPU的优势是大规模并行低精度计算，是大模型训练的更优解。但科学与工程计算要求的是高精度，气象预报、飞机流体仿真、新材料筛选，一丁点计算误差都可能导致结论完全失真。

　　这类计算依靠CPU原生的双精度浮点运算能力才能稳定实现。此外，大量算法存在复杂逻辑判断和分支计算，无法简单拆分给GPU并行处理，这也是CPU的护城河。

　　AI产业正从训练驱动转向推理与落地驱动，这一转变正在改变算力需求结构。推理过程中数据编排与管理对CPU有极强依赖，用户请求处理、数据清洗、格式转换等环节CPU占比普遍超过60%。

　　Agentic AI的崛起，更让多智能体调度、工具调用、长上下文管理成为CPU密集型负载。国内AI集群CPU与GPU配比已从往年的1:8快速升至1:2，头部项目逐步向1:1靠拢。

　　中科曙光解决方案与创新业务总经理张磊的判断值得关注：“GPU负责暴力求解、算得快，核心逻辑部分还是需要CPU，未来二者将并驾齐驱、相互协同。”

　　从“可用”到“好用”：全栈能力的落地验证

　　新平台的实际应用表现印证了上述判断。在气象领域，实测性能达到上一代的1.95倍，可支撑预报分辨率从3公里提升至1公里，1小时内完成全国范围36小时时效的公里级预报；工业仿真实测性能达到1.86倍；生命科学领域BWA基因测序工具开启4线程SMT后性能提升223%，材料领域VASP分子动力学模拟性能较上代平台提升2.2倍。

　　与此同时，平台提供风冷、冷板液冷、浸没液冷三种散热形态，从PUE 1.08的冷板式到PUE 1.04的浸没式，覆盖不同规模场景。这不仅意味着散热方式的升级，更意味着国产高性能计算平台正在形成覆盖从中小规模到超大规模场景的完整工程化能力。

　　从性能追平、生态兼容到全栈系统能力，中科曙光新一代平台的价值不止于国产替代，更在于为AI时代的高精度计算提供了一个不妥协的选择。未来算力产业竞争不只是单点硬件突破，而是从芯片、系统、平台到应用的全链路协同创新。

　　当GPU解决了“算得快”的问题，CPU正在回答“算得准”和“算得稳”的命题。这场算力版图的重构，才刚刚开始。