十万卡不是终点：首个全国产AI超集群如何改写算力系统工程与算网格局

在深圳举行的2026全国高性能计算学术大会上，今年建成的我国首个全国产十万卡AI超集群以真机形式亮相，并发布十大重要应用成果。对外界而言，这是一套规模空前的算力基础设施；对通信与计算产业而言，更值得关注的是它把超算与智算放在同一套底座上完成原生融合，并走通了从全国产硬件集成到应用验证的系统路径。十万卡只是规模标签，真正的行业意义在于：我国算力基础设施的竞争，正在从“堆卡”转向网络互联、散热供电、集群调度和全栈协同的系统能力比拼。

真机亮相之后，重点不在“十万卡”三个字

十万张AI加速卡高速互联，听起来是规模问题，实际上首先是系统问题。单卡性能决定上限，集群效率决定实际可用算力。卡越多，东西向通信越密集，网络拥塞、链路故障、存储读写、作业编排和能效管理的难度越呈非线性上升。一个十万卡集群能否稳定跑满、能否让科学计算和大模型训练在同一底座上高效切换，考验的不是某一颗芯片，而是网络、存储、供电、制冷、调度和运维工具链的整体设计。

此次亮相的全国产十万卡AI超集群，核心突破被概括为超算与智算的原生融合。曙光8000明确走这条路线：同一套算力底座，既能承载高精度科学计算，也能支撑大模型训练和推理。这个表述的分量在于，超算和智算过去往往对应不同的中心形态、软件栈和运营逻辑。超算强调物理方程、数值推演和高精度复核，智算强调数据归纳、模型训练和海量候选方案筛选。把两类负载放进同一套系统，不是简单增加一种作业类型，而是对资源抽象、网络拓扑、存储带宽、调度策略和运维体系提出更高要求。

真机亮相并发布十大应用成果，说明这套系统已经越过“能搭起来”的阶段，进入“能用起来”的验证区间。对行业来说，这比单一峰值指标更有参考价值。智算中心建设最容易出现的问题是重建设、轻运营，重峰值、轻有效算力。十万卡集群能否形成应用闭环，决定了它究竟是展示工程，还是可复制的算力基础设施样板。

网络互联：十万卡集群的第一道系统工程门槛

从通信行业视角看，十万卡集群首先是一张高性能网络。AI训练中的参数同步、梯度交换、并行通信，会在加速卡之间产生持续、突发且高度同步的东西向流量。集群规模越大，网络拥塞控制、路由设计、拓扑规划和故障隔离越关键。若网络时延抖动大、丢包恢复慢，再强的加速卡也会被通信等待拖住。

因此，十万卡级系统不能只用传统数据中心网络的思路来建。它需要在无损网络、拥塞控制、负载均衡、拓扑感知通信等方面做协同设计，还要让网络与上层训练框架、调度系统形成联动。哪类作业对时延敏感，哪类作业可以错峰，哪些链路需要冗余，哪些故障域需要快速隔离，都应在调度层和网络层同时考虑。光互联的可靠性和可运维性同样重要。卡间连接数量上去后，光模块、交换设备和布线系统的故障概率和管理复杂度都会上升，网络运维必须从“被动排障”转向“主动预测和自动隔离”。

这也是全国产集群的难点之一。全国产不只是加速卡国产化，还包括交换、光互联、存储、操作系统、框架、调度器和运维工具的全栈适配。单点可用不等于系统可用，全栈协同才能把十万卡真正连成一台“计算机”。我国在光通信、交换设备、数据中心网络和液冷配套等领域已有较完整产业链，这为十万卡级系统集成提供了产业基础；但越到大规模集群，越需要通过系统验证把产业链能力转化为稳定可用算力。

散热供电：高密机柜把数据中心带入新工程区间

十万卡集群带来的另一个直接变化，是单机柜功率密度和园区供配电压力显著上升。传统风冷数据中心面对高密AI机柜时，制冷效率和空间利用率都会遇到瓶颈。液冷从“可选项”变成高密智算集群的重要基础能力，冷板式、浸没式等路线各有适用场景，但核心目标一致：把热量更高效地带走，把PUE和全生命周期成本控制住。

供电侧同样不是简单扩容。十万卡集群需要高可靠配电、冗余架构、母线与机房布局协同，还要考虑负载波动、储能调节和绿电消纳。大规模智算中心的运行成本中，电力和制冷占比高，若能效管理粗放，峰值算力越大，运营压力越大。未来智算中心的竞争力，不只是每卡算力，还包括每瓦有效算力、每度电产出和全年可用性。

这给建设标准提出新要求。过去数据中心评价更关注机柜数、面积和PUE，十万卡级智算集群则需要把网络带宽密度、存储吞吐、供配电弹性、液冷覆盖率、故障恢复时间等纳入统一评价。标准若仍停留在传统云数据中心框架，容易造成“建得快、跑不满”的结构性浪费。

超算与智算融合：一套底座上的科研闭环

此次集群更值得解读的，是超算与智算融合所对应的应用逻辑。超算擅长基于物理规律做高精度推演，算得准但代价高；智算擅长从海量数据中归纳规律，速度快但可能产生幻觉。两者融合后，可以形成一条完整闭环：先由超算生成高可靠仿真数据，再由智算在大量候选方案中快速筛选，最后由超算对少量候选做高精度复核，把不可靠结果剔除。

这条闭环对科研和产业仿真都有价值。它把经验归纳与演绎推理放进同一套算力系统，让AI不只做“相关性总结”，还能接受物理规律和高精度计算的校验。对集群调度而言，这意味着系统要同时理解MPI并行作业、AI训练作业和推理作业的资源需求，支持异构资源统一视图、拓扑感知调度、故障容错和检查点恢复。超算作业和智算作业对存储IO、网络时延、运行时长和容错策略的要求不同，调度器若不能做融合编排，同一底座的优势就会被割裂。

因此，十万卡集群的调度难度不亚于硬件建设。它需要在多租户、多任务、多负载之间做平衡，还要让全国产软件栈在真实应用中不断打磨。十大应用成果的发布，说明这套系统正在用应用牵引软硬件协同优化，而不是停留在参数表上。

对国产算力、建设标准和运营商算网布局的标杆意义

首先，对国产算力自主可控而言，全国产十万卡集群的意义在于全栈验证。算力自主不是单卡替代，而是芯片、网络、存储、操作系统、框架、调度和运维工具在超大规模场景下共同稳定运行。只有经过十万卡级真实负载检验，国产软硬件才能发现并解决兼容性、稳定性和性能问题，形成可复制的工程经验。

其次，对智算中心建设标准而言，行业需要从“比规模、比峰值”转向“比有效算力、比应用成效、比能效和可靠性”。十万卡集群提示我们，智算中心不是机房加卡的简单组合，而是网络、制冷、供电、调度和运营的系统工程。后续标准应更重视算力利用率、作业完成效率、故障恢复能力和多负载融合能力，避免低水平重复建设。

再次，对运营商算力网络布局而言，十万卡级集群是区域算力枢纽的重要节点，但运营商的价值不应只停留在提供机房和带宽。算力网络的关键，是把分散的智算中心变成可并网、可调度、可运营的算力服务。网络时延、确定性连接、云网边协同、算网大脑和统一运营平台，将决定算力能否像水电一样被调用。面向超算智算融合负载，运营商还需要提升对高性能网络和异构算力调度的理解，从“卖连接”走向“连接+算力+调度+服务”的综合供给。

十万卡不是终点。它更像一个标尺：标出我国算力基础设施已经进入超大规模系统集成阶段，也标出下一步竞争将从硬件规模转向有效算力、全栈生态和算网运营能力。首个全国产十万卡AI超集群的真正价值，不在于“装下一个宇宙”的想象，而在于把超算与智算融合、把全国产链条跑通、把系统工程能力沉淀为标准。谁能把十万卡稳定、高效、绿色地用好，谁才真正握住了下一阶段算力产业的主动权。