十万卡都建成了，国产算力还缺什么？央视《对话》聊到了关键

原创

圈圈
圈圈

网络技术干货圈

2026年10月29日 10:07
江苏

去阅读

十万张AI加速卡建成，算力规模足够惊人。但对真正做过网络、服务器和数据中心运维的人来说，设备堆得再多，也不代表整个系统就能跑得好。

十万张卡连起来只是开始，让它们高效协同，才是真正的硬仗。

这就像我们做网络项目，交换机上了、链路通了，不代表业务就一定流畅。带宽、时延、拥塞、冗余和故障恢复，任何一个环节处理不好，都可能影响最终效果。大规模AI集群也是如此，计算、网络、存储和软件需要相互配合，才能真正发挥出系统的能力。

10月24日晚，央视财经频道《对话》播出《走进十万卡超级工程》。节目中，中科曙光董事长历军与科研人员、产业用户展开交流，从算力供需聊到超智融合，再谈到国产算力的软件生态和科学智能体。

看完这场节目，我觉得有几个问题值得网络和运维从业者关注。

算力真的过剩了吗？

谈到算力供需，历军表示，中国目前拥有不少算力资源，但高端、绿色、自主可控的优质算力仍然稀缺。

这句话值得琢磨。现在讨论AI基础设施，很容易把目光放在芯片数量、集群规模和峰值算力上。但算力资源多，不等于所有需求都能得到满足。科研机构和企业需要的，不只是计算设备，还包括适合自身任务的软件环境、稳定的运行能力和完善的技术服务。

我的理解是，算力是否过剩，不能只看建了多少，还要看这些资源有没有被有效利用，能不能解决真实的业务问题。 对一套大型计算系统来说，建设完成只是起点，后续的调度、优化和运维同样重要。

超智融合，改变的不只是计算速度

这场节目中，我认为特别值得关注的一个主题，就是“超智融合”。

简单来说，人工智能擅长从大量数据中寻找规律、筛选方向，高性能计算则能够支撑复杂的科学模拟与计算验证。两者结合之后，科研人员有机会更快找到值得研究的方向，再借助计算和实验检验结果。

中国农业大学团队利用曙光8000，对3000份玉米材料开展遗传信息挖掘。按照此前可获得的计算资源估算，相关任务可能需要半年，如今缩短到了两周，为推进育种研究创造了条件。

陕西莱特则把计算筛选与实验验证结合起来，先从大量候选材料中寻找更有潜力的方案，再通过实验验证，减少盲目试错。河南钢铁也利用生产数据训练模型，辅助调整特钢生产中的工艺参数，让AI更好地服务实际生产。

这几个案例涉及农业研究、材料研发和钢铁生产，应用场景不同，但思路相似：利用AI寻找方向，再通过计算、专业知识和实验验证，让结果真正落地。

我认为，超智融合的价值不只是把AI与高性能计算放在一起，而是让计算资源参与到更完整的问题解决过程中。它不能取代专业判断和实验验证，却有机会帮助科研人员减少无效尝试，提高探索效率。

90分之后

节目现场，三位用户分别为曙光8000打出90分、90分和95分。面对这些评价，历军更关心的不是已经拿到的分数，而是用户为什么扣分。

这个细节比单纯展示高分更有看点。中国农业大学团队希望模型迁移适配更加顺畅，河南钢铁则希望AI更好地适应实际生产工艺。为了攻克应用难题，河南钢铁与曙光技术团队共同驻场三个月，在真实生产环境中反复磨合、解决问题。

这让我想到网络项目交付后的日常工作。设备上线不代表任务完成，后续还有业务验证、性能调优、故障排查和持续维护。真正决定项目质量的，是系统能否长期稳定地满足用户需求。

算力平台也是一样。硬件性能再强，如果软件适配困难、使用门槛高，用户就很难充分发挥设备能力。历军介绍，曙光先进计算技术研究所已有1000人，重点完善软件生态。他还表示，希望这支团队能够真正成为服务用户的技术力量。

从行业实践来看，国产算力要持续赢得用户认可，除了提升硬件性能，还需要不断改善软件适配、应用开发和技术支持。用户提出的问题能否逐步解决，往往比单次性能测试的分数更能说明问题。

从执行任务到科学智能体

节目还谈到了科学智能体。未来，计算平台有望结合人工智能、专业知识和科学计算，帮助科研人员寻找新的研究路径，并提供一些此前没有想到的候选方向。

这意味着计算平台可能不再只是被动执行既定任务的工具，还可以进一步参与科研探索，为研究人员提供思路和辅助分析。

当然，科学智能体并不意味着AI能够直接替代科研人员。研究方向是否合理、计算结果是否可靠，仍然需要专业知识和实验验证。但随着超智融合不断发展，计算平台有机会从单纯提供算力，进一步走向辅助解决专业问题。

从网络技术的视角看，这种变化也会给底层基础设施带来更高要求。应用越复杂，对数据传输、资源调度、系统稳定性和运维能力的要求就越高，网络与计算系统之间的协同也会变得更加重要。

十万卡是一个醒目的数字，但国产算力的发展不能止步于规模。算力能否有效利用，超智融合能否产生实际成果，软件生态能否持续完善，以及科学智能体能否真正进入专业场景，都需要在真实应用中检验。

算力拼到最后，不只是拼设备数量，更是拼整套系统的协同能力，以及解决实际问题的本事。