北京
最近，海光搞了个大动作。
全国首个、也是目前最大规模的国产千卡工科智算集群，正式落地同济大学。
这个智算平台，由海光和同济联手打造，作为一款“搬砖专用引擎”，不玩虚的，只干实事。
这一次，AI真要开始“搬砖”了
写诗作画生视频，过去AI吃了太多“软饭”，是时候让它整点硬活了。
让AI去设计承重墙、去优化风阻系数、去调度生产线……这就是AI4E：工程智能。
从理解世界到改造世界，这不仅是技术的升维，更是算力需求的一次掀桌。
于是，手握全球顶尖的土木、建筑、机械学科的同济大学，联手海光，搭起了一座全新的“搬砖引擎”。
这个搬砖引擎，到底猛在哪？
▌超智融合：鱼和熊掌我都要
以前高校机房是两套体系：一边是跑仿真流体的“高端计算”，主要靠CPU扛活，缺协处理能力；一边是跑AI大模型的“智算”，双精度有短板，算不准。
海光这次直接把两套体系融合了，各取所长。
海光DCU“全精度战士”集体就位，千卡协同“兵团式”作战。
PCIe5.0高速互联与智能散热设计打底，确保大模型时延、吞吐量及算力利用率等核心指标稳定运行。
跑AI用FP16，跑仿真用FP64，就是一把梭，不用在两个集群之间倒腾数据。
这对工程创新的意义不言而喻↓
比如土木兄弟在做桥梁抗震模拟时，可以实时调用AI进行参数优化。
这搁以前，可能还要跪求隔壁学院借机时，现在，喝杯咖啡就能一键搞定。
▌内生安全：不仅快，而且稳
搞工程最怕数据被黑、图纸被窃，尤其涉及到重大工程数据，那是国家命脉。
海光提了个概念叫“内生安全”，安全能力内生在芯片里，可信计算、机密计算、密码安全、漏洞防御全搞定。
这座千卡集群基于海光DCU，可全面支撑大模型安全护栏应用，在关键数据保护和模型输出管控等环节，形成对国际主流方案的可替代能力，为涉及重大工程数据的科研任务筑起自主可控的安全防线。
▌无感迁移：不折腾科研人员精力
推动国产化最大的阻力是什么？不是性能不行，是适配太累。
教授们几十年前写的Fortran代码，几万行的CUDA算法，如果因为换芯片就要重写，那这个项目铁定黄。
用海光就没有这种问题，他走的是GPGPU路线，还搞了个DTK工具包。
CUDA代码？直接编译就跑了。x86应用？直接平移。
对科研人员来讲，换芯片跟换了个插座似的，拔下来插上去，电通了，应用也跑通了。
算力自由，不只是喊喊口号
结合性价比和战略安全性来看，海光DCU对于高校AI4E场景，简直是绝配。
更重要的是，“算力自由”更体现在软件生态层面。
这次，手握6000生态伙伴的光合组织亲自下场，专门盯着海光千卡工科智算平台，铆足劲完善工具链、开发环境、行业模型和算力调度体系，开辟科研和工程应用的完整生态。
软硬协同一手抓的方式，对AI4E垂直化应用场景的裨益显而易见。
以前跑一个结构仿真作业，提交后睡一觉第二天看结果。
现在？趁着去食堂打个饭的功夫，数据出来了。
AI4E提速，“搬砖”可以更轻松
海光和同济这次很敏锐，不仅同时踩在“AI+教育”、“AI+制造”、“AI+工程”节点上，还能拿出一套平台化、生态化算力解决方案，给AI4E场景化落地建桥搭梯。
一套“懂工程、能落地、真安全”的工程学科专用算力底座，就这么一拍即合了。
以后，别再问“国产算力行不行”了。
换个问法：谁在用、用在哪儿、解决了什么问题。
同济把它用在造桥、造楼、造发动机这些硬核工程场景里，让中国工程跑在中国芯片之上。
有一种搬砖，叫AI4E，有一种硬核，叫国产算力落地。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
