剛從2026世界人工智能大會（WAIC）現場回來，今年展會給我最深的感受是：AI產業終于從“拼模型參數”轉向了“拼算力底座”。當大模型走向千行百業、AI for Science從概念走向落地，整個行業的核心矛盾，早已變成“日益增長的大規模計算需求”和“算力供給效率不足”之間的矛盾。
而今年WAIC的“鎮館之寶”里，中科曙光帶來的曙光8000（登峰）全國產10萬卡AI超集群，可以說是給整個行業交了一份標桿級的答卷——這也是國內首個十萬卡級全國產AI超集群真機首次全球公開亮相。今天我們就從技術人的視角，拆解這套算力系統到底硬在哪，以及它為什么標志著國產AI算力正式邁入十萬卡時代。
很多人聽到“十萬卡集群”，第一反應是“不就是多堆點加速卡嗎？” 但真正做過集群部署的技術人都知道：萬卡級集群和十萬卡級集群，完全是兩個維度的技術難題。
當計算節點從幾千擴張到幾萬，通信延遲會指數級拖累訓練效率，單點故障的影響會被放大，散熱和供電壓力陡增，調度系統的復雜度更是幾何級上升。行業里不少號稱“萬卡集群”的方案，實際算力利用率不足50%，本質就是系統協同能力跟不上硬件規模。
所以十萬卡級集群的核心，從來不是“堆硬件”，而是“做系統”——能不能讓十萬張卡高效協同、穩定運行、高利用率輸出算力，才是真正的技術門檻。中科曙光的曙光8000，恰恰是從系統工程的角度，全鏈路解決了超大規模集群的落地難題。
傳統的算力部署里，科學計算和AI計算往往是兩套獨立集群：高精度仿真用超算集群，大模型訓練用AI集群，數據跨系統流轉不僅效率低，還大幅提升了運維和建設成本。
曙光8000走的是“超智融合”的技術路線，實現了科學計算與智能計算的原生融合。它支持從FP64雙精度到INT8低精度的全精度計算，一套底座就能同時承載科學計算、大模型訓練、AI推理、工業仿真等完全不同的負載。
簡單說，用戶不用再為不同業務搭建多套集群，算力資源可以靈活調度、按需分配，這對于同時有科研和AI業務的高校、研究院和大型企業來說，直接降低了算力投入的門檻。
超大規模集群的性能瓶頸，往往不在計算卡本身，而在網絡通信。跨節點通信延遲過高，會直接導致并行計算效率跳水，讓“堆卡”變成“浪費卡”。
曙光8000搭載了自研的scaleFabric類IB原生RDMA高速互連技術，能夠實現十萬卡規模下的超高速穩定互連，延遲控制在微秒級，徹底解決了跨節點通信的帶寬瓶頸和延遲問題。
配合全球首創的高密度機柜結構設計，單個計算單元的算力密度比傳統超節點提升20倍——同等機房空間下，能放下的算力提升了一個量級，這對于寸土寸金的數據中心來說，直接降低了部署成本和空間門檻。
很多人關注計算和網絡，卻容易忽略存儲和散熱才是大規模集群穩定運行的基石。
存儲方面，曙光8000采用ParaStor分布式存儲系統，支撐大模型訓練和科學計算中的海量數據讀寫。這套系統在2026全球IO500榜單中拿下了生產型全節點和10節點性能雙榜第一，讀寫性能拉滿，不會讓存儲成為算力輸出的堵點。
散熱方面，它采用了浸沒式相變液冷技術，可以支撐單機柜MW級的高功率密度部署，配合國產冷媒和全年自然冷卻方案，實現極低的PUE值，在高密度算力部署的同時，把長期能耗成本打了下來。
更值得關注的是，這套十萬卡超集群是真正的“全國產”方案。 從底層的海光等國產算力芯片，到計算、存儲、網絡、散熱硬件，再到上層的調度軟件、應用適配，全鏈路均為自研可控。這不僅解決了供應鏈安全的核心問題，也意味著后續的技術迭代、故障運維、定制化適配，都完全掌握在自己手里。
很多展會展品還停留在“概念驗證”階段，但曙光8000已經交出了實打實的運行成績單。
根據官方公布的數據，這套十萬卡超集群正式上線首周就實現了滿載運行，日均處理作業數突破15萬個，單日峰值超過50萬個。能做到“上線即滿載”，一方面說明市場對高質量大規模算力的需求確實迫切，另一方面也證明了這套系統的成熟度——它不是實驗室里的原型機，而是已經可以承接生產級任務的算力基礎設施。
目前，曙光8000已經接入國家超算互聯網，完成了近千項超智融合應用適配，覆蓋大模型訓練、高通量推理、新藥研發、新材料、量子計算、氣象預測等20多個科研和產業領域，其中有超過70項應用實現了萬卡規模的擴展。換句話說，它已經在實實在在地支撐國內的科研創新和產業智能化，而不只是一個展會噱頭。
做技術這么多年，我一直相信：底層基礎設施的突破，才是行業真正的紅利。
過去我們聊國產算力，總在聊單卡性能、芯片制程；但今天的曙光8000告訴我們，國產算力的競爭力，已經從單點技術突破，走向了全鏈路系統能力的領先。十萬卡不是終點，而是一個新的起點。當大規模、高可靠、自主可控的算力底座變得觸手可及，接下來大模型創新、AI for Science、產業智能化，都會擁有更堅實的土壤。
這大概就是技術的魅力——底層的每一次躍遷，最終都會讓更多夢想成為可能。
你怎么看十萬卡AI集群的落地價值？歡迎在評論區聊聊你的看法。
