在郑州，一座具有里程碑意义的全国产十万卡AI超集群——曙光8000（登峰）正式落成，并顺利接入国家超算互联网。这是国内首个从芯片到服务器，再到交换机，全部实现国产化的十万卡集群，标志着我国在AI算力领域取得了重大突破。
十万张AI加速卡同时运行，其能力不容小觑。若全部用于模型推理，能够支撑当前中国5%至10%的Token访问需求；若用于科学计算，则能在一天内完成过去数月才能完成的模拟任务。然而，十万卡集群的建设并非简单的算力堆砌，其面临的挑战远超想象。
中科曙光高级副总裁李斌指出，从万卡到十万卡的升级，并非简单的十倍叠加。算力规模每提升一个数量级，系统的工程难度、可靠性压力和协同复杂度都会呈几何倍数增长。传统算力集群的技术短板，在十万卡规模下会被无限放大，任何一个微小的漏洞都可能导致整个集群性能崩溃。这也是此前国内长期无法实现全国产十万卡集群落地的核心原因。
为了解决这一问题，曙光8000采用了“原生超智融合”架构，在同一套系统内同时支持从FP64到INT8的全精度计算。这意味着网络不仅要承载海量数据的传输，还要在不同精度任务之间灵活切换，对带宽、时延和可靠性的要求极高。为此，曙光自研了scaleFabric高速互连网络，采用类InfiniBand的原生RDMA技术，可支撑十万卡集群的稳定连接，并具备毫秒级链路故障恢复能力。
在硬件选择上，曙光也进行了精心考量。为了提高可靠性，他们在柜级单元内优先使用铜互联而非光互联，因为铜的信号质量更好、故障率更低。只有当物理距离超过铜的驱动能力极限时，才会转向硅光共封装（CPO）技术。曙光还采用了浸没式液冷技术来控制温度波动，确保集群的稳定运行。
曙光8000的另一大亮点是超智融合。传统做法中，科学计算和AI训练是两套独立系统，数据和任务需要来回搬运，效率低下。而曙光8000则实现了全类型计算的原生一体化融合，单芯片即可覆盖从FP64到INT8的全精度计算需求。这种通用性带来的好处是“1+1＞2”，以药物研发为例，科学计算和大模型训练可以在同一套系统内完成，无需跨系统调度数据，大大提高了研发效率。
在实际应用中，曙光8000已经展现出了强大的能力。8万张卡完成了蛋白质折叠全流程模拟，将传统方法耗时数年的过程压缩到数周甚至数天；9万张卡协同完成了3.16万亿原子的DFT高精度仿真；8.8万张卡完成了328万亿网格湍流直接模拟。这些大规模应用中，有不少使用了机器深度学习AI的方法来结合传统数值计算，说明国内的头部应用团队正在快速采用AI方法。
然而，十万卡集群落成后，最棘手的问题并不在技术层面，而在“利用率”和“商业可持续”。中国科学院院士鄂维南曾公开表示，算力规模本身不是目的，能否让算力真正“可用”才是关键。曙光8000具备双向核心能力：全面转向模型推理服务时，可稳定支撑当前中国5%至10%的全网Token访问需求；聚焦科学计算场景时，可将传统科研团队耗时数月的复杂模拟任务压缩至单日完成。
尽管曙光8000已经展现出了强大的能力，但十万卡集群若要从“示范工程”走向“商业可复制”，还需要回答三个关键问题：大模型的工程化能力何时能追上集群规模？推理需求的增长能否持续消化新增供给？全生命周期成本能否形成商业闭环？这些问题将决定十万卡集群的未来走向。
