【环球网科技报道 记者 李文瑶】11月4日下午，2026年世界互联网大会乌镇峰会“人工智能赋能科学研究”论坛在乌镇互联网国际会展中心举行。论坛期间，三项聚焦AI for Science的成果对外发布，分别涉及科学推理能力评测、基因组智能分析与蛋白质基座模型；与此同时，沙利文《2026年中国AI4S科研智算基础设施市场研究》报告也将为观察国产算力如何服务国际前沿研究提供产业参考。
这场论坛之所以受到关注，不只因为议题前沿，更因为它触及科研模式的深层变化：人工智能正从“辅助工具”走向“协作者”，而支撑这一转变的，是算力基础设施从“堆硬件”向“系统能力”的跃迁。中科曙光高端计算总工程师卜景德在论坛发言中提出一个判断：AI for Science真正的瓶颈不再只是模型能不能提出问题，而是验证能不能跟上；超智融合的意义，是把“提出问题”和“验证问题”放进同一个闭环。
同时，沙利文报告指出，AI4S基础设施并非单一算力中心，而是集计算、存储、网络、软件平台、调度系统及科研应用工具链于一体的综合计算底座；行业竞争重点已从硬件交付转向系统集成、平台运营和学科场景适配，评价标准也从峰值算力转向真实科研任务中的“有效算力释放”。从材料模拟到气象预报，一批具有国际水平的成果，正在验证这一判断。
从“跟跑”到部分领域“并跑、领跑”
材料科学长期受困于精度与规模的矛盾：第一性原理计算精度高，却只能处理数百个原子；分子动力学模拟规模大，却难以兼顾量子精度。中科曙光联合龙讯旷腾、苏州实验室及樊哲勇教授团队，依托曙光8000超智融合算力底座与MatPL机器学习力场软件，在全球范围内首次实现具有量子力学精度的“万亿原子”分子动力学模拟，刷新多尺度模拟世界纪录。
其技术含义在于，机器学习力场被嵌入模拟核心环节，以接近第一性原理的精度将模拟尺度推至万亿原子级别，使材料研发从“小体系试错”走向“大体系预测”。
气象领域则更直接地体现国际可比性。今年9月，中科曙光与中国气象局地球系统数值预报中心联合发布MCV数值模式成果：依托全国产十万卡AI超集群曙光8000，MCV在1小时内完成全球5公里分辨率、未来10天预报计算，达到国际主流业务时效标准，并通过批量预报质量检验。
国家气象中心基于十万卡AI4S计算集群训练的“风清V1.0”全球短中期集合预报系统，成为全国首个实现数据、模型、算力全自主的业务应用气象AI集合预报模型，全球有效预报时效达11天，综合预报效果超越欧洲中期天气预报中心同类系统。海洋方向，崂山实验室等单位联合开发的swLFS全球海洋环流预报系统，在全球首次实现1公里分辨率、百亿网格规模模拟，海表温度后报均方根误差仅为欧洲GLO-MFC系统的一半。
在工程仿真与基础科学领域，西安交通大学团队在曙光8000上完成33喷口环形阵列三维高精度模拟，创下国际已知的超声速时空耦合高精度射流仿真纪录；复旦大学类脑智能科学与技术研究院构建全球首个千亿神经元规模数字孪生脑，在规模与效率上处于国际领先；国家天文台“千衍”宇宙学N体模拟、中科大联合多院所实现的52.2亿原子生物分子动力学模拟，也分别在高性能计算与宇宙学交叉、生物分子高精度模拟方向形成国际影响力。
沙利文报告将这类能力归纳为“应用优化能力”：厂商能否从提供算力资源，深入到科学模型适配、算子优化、并行效率提升与仿真精度优化。国际水平不再只由论文指标定义，而由能否在真实科学任务中稳定复现、扩展和验证来定义。
从“能算”走向“好用、管用”
世界级成果的价值，最终要落到科研效率和工程效益上。MCV模式的意义不只是一次计算达标，而是国产异构计算支撑高分辨率数值预报的业务化能力。中国气象局地球系统数值预报中心方面表示，异构计算在支撑高分辨率数值模拟方面展现出极大潜力，此次突破是自主数值模式与国产算力协同创新的重要成果，也为我国向公里级乃至百米级持续推进奠定基础。对气象业务而言，1小时完成全球5公里分辨率、未来10天预报，意味着预报时效与计算时效同时进入国际主流业务标准区间。
在农业领域，中国农业大学依托曙光8000构建“虚拟玉米”数字孪生智能育种平台，实现全基因组尺度建模与模拟，突破以往只能训练小模型、使用少量数据的算力限制，提升基因编辑命中率与育种效率，原本十余年的育种周期有望压缩至数年。在深部资源探测中，中国石化胜利油田物探研究院完成百亿级网格点模拟应用，填补国内粘弹性波大规模地震正演工程化应用空白；其自研算法支持跨节点多国产加速卡协同求解同一任务，突破单节点内存上限约束。在火箭尾焰模拟中，33喷口环形阵列的三维高精度模拟复现了多股尾焰交汇、干扰与混合过程，有助于箭体结构设计、防热方案优化及后续试验，支撑可重复使用火箭研发。海洋环流预报则直接服务国家海洋战略、渔业与生态预警。
作为本次论坛发布的成果之一，中科曙光联合国家生物信息中心，聚焦生命科学AI4S领域，在以曙光8000超智融合算力集群支持下，围绕数据集、软件栈、智能体开展多维合作，共同构建面向基因组学研究的数据与软件基础设施，在AI-Ready生命科学多模态数据集、Model-Ready生信加速软件栈、生信分析智能体等方面已取得一系列阶段性成果。其中，围绕AI-Ready生命科学多模态数据集建设，通过基因组分析Pipeline开展测序数据处理与变异信息提取，并整合蛋白质序列、功能注释文本及实验或预测结构信息，为模型研发与训练数据准备提供支撑。
这些成效共同说明，AI4S基础设施的“有效算力”不是理论峰值，而是并行效率、网络通信、存储吞吐、任务调度、长稳运行和科研工作流适配的综合结果。卜景德表示，大规模系统的价值，最终要用科研任务的有效运行时间来衡量，而不是只看峰值参数。 沙利文报告显示，曙光8000十万卡AI超集群日均处理作业超过15万，已完成300余项重点应用深度适配；试运行阶段完成的70余项万卡规模测试，弱可扩展性达98.4%。报告认为，AI4S项目任何一个环节出现短板，都会导致算力闲置、通信等待或任务中断，因此厂商竞争壁垒正从单点硬件性能升级为覆盖系统交付、平台软件、科研场景和安全可控的系统化能力。
协同创新：从“交付设备”到“共建能力”
上述成果背后，中科曙光与科研团队形成的是一种“联合攻关”关系，而非传统设备交付。材料模拟中，MatPL机器学习力场需要在异构环境中完成大规模并行训练与推理，中科曙光团队与龙讯旷腾围绕国产加速卡内存约束、跨节点通信效率和任务调度策略深度适配，使机器学习力场训练与分子动力学模拟在同一超智融合底座上高效衔接。
气象模式迁移中，国产异构计算环境中不同计算单元的运行结果能否严格一致，直接决定数值模式能否通过业务化检验；中科曙光团队与气象局团队在调度系统、通信库和计算单元适配层面反复调试，将系统能力转化为可验证的科研成果。深部物探中，中科曙光团队适配SLURM调度体系，开发跨节点多国产加速卡自适应资源分配算法，实现算力细粒度调度。火箭尾焰模拟对跨节点并行效率和长时间稳定运行要求极高，系统级资源调度与故障恢复机制成为任务完成的底层保障。
这种协同模式的核心，是将厂商的系统工程能力与科研团队的领域知识深度结合。卜景德强调，超智融合不是把超算和智算简单拼在一起，而是让同一套系统同时承载高精度科学计算和低精度AI训练推理两类负载。曙光8000采用“超智融合”技术路线，支持FP64到INT8全精度计算，从芯片、硬件、集群到调度系统一体化设计，使高精度科学计算与低精度AI训练可在同一底座上并行承载。公开信息显示，该集群通过Gridview7.0统一管理异构资源，ScaleFabric高速互连端口速率达400Gb/s，浸没相变液冷使PUE最低降至1.04，系统可用性目标达99.99%。
上海交通大学智能计算研究院院长葛冬冬评价，十万卡AI超集群的意义在于第一次让超智融合从概念变成可运营的基础设施，同一套底座可并行承载高精度科学工程计算和AI训练推理两类任务，让更多科研团队低成本、低门槛使用。
沙利文报告亦提示了下一步的挑战与潜力：报告预计，中国科研机构AI4S基础设施潜在市场规模将从2025年的约420亿元增长至2030年的约1480亿元；高校科研机构仍处于“试点深化、局部扩散、平台化起步”阶段，校级/院级平台化应用仅占15%，跨学科平台运营、数据治理和持续服务能力将成为厂商分水岭。
从万亿原子模拟到公里级气象预报，从千亿神经元数字孪生脑到百亿网格海洋环流，一批具有国际水平的成果正在国产算力底座上涌现。它们表明了中国算力服务国际前沿研究的能力，也提示软件生态、人才供给和治理规则仍需补课。当AI从工具变为协作者，科研基础设施的竞争就不再是单纯的算力竞赛，而是系统能力、平台生态与科研组织方式的综合较量。乌镇这场分论坛，讨论的也是这场较量的下一程。
