十万卡只是起点！《对话》聚焦曙光8000，国产算力亮出硬核答卷 ！
发布时间：2026-10-28来源：半导体盒
近期，《对话》栏目围绕十万卡超级工程的一次深度交流，把几个行业一直在追问的问题摆到了台面上：算力是不是已经过剩？国产算力的价值该怎么衡量？一套系统建成之后，能不能真正进入科研和产业现场？这些问题没有停留在参数和规模层面，而是落到了用户正在使用的系统、正在运行的模型，以及真实科研和产业场景中的计算结果。面对“算力过剩”的讨论，中科曙光董事长历军给出的判断很直接：部分低效、使用价值有限的算力资源可能存在富余，但高端、绿色、自主可控、真正能服务产业的优质算力，仍然稀缺。这一区分很重要。科研人员需要的是更快得到结果，企业需要的是稳定可靠的计算环境。只有硬件峰值，却没有适配的软件、顺畅的模型迁移和持续的技术服务，算力就很难转化为生产力。因此，算力的竞争不能只看建了多少，还要看用户能用多少、能否持续使用，以及这些计算资源最终解决了什么问题。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，原本可能需要半年的任务，缩短到两周完成。陕西莱特则把计算筛选和实验验证结合起来，先从大量候选显示材料中寻找更有潜力的方案，再进入实验阶段。河南钢铁把生产数据用于模型训练，辅助调整特钢生产工艺参数。这些案例的共同点，是AI和高性能计算开始分工协作。AI擅长从大量数据中寻找线索，科学计算擅长进行高精度模拟和验证，工程师则负责判断结果是否符合真实场景。刻蚀、薄膜沉积、清洗和量测设备，往往同时涉及流场、热场、电磁场、等离子体、表面反应和图像识别。设备研发人员需要在大量结构参数、工艺参数和材料组合中寻找更合适的方案，单靠逐组试验很难覆盖全部空间。未来，算力可以先用高保真仿真生成数据，再用 AI 代理模型快速筛选候选方案，最后交由工程师通过真实设备和量测结果验证。这个过程与 “计算筛选加实验验证” 的研发逻辑是相通的。需要说明的是，这里谈的是曙光8000面向半导体设备研发的潜在应用方向，不代表相关设备企业已经在曙光8000上完成商业部署。交流现场，三位用户分别给曙光8000打出90分、90分和95分。这个分数已经不低，但历军最关心的不是 “为什么得了高分”，而是 “剩下的10分为什么没有拿到”。中国农业大学希望模型迁移和适配更加顺畅，河南钢铁希望AI更好地适应实际生产工艺。为了解决应用中的问题，河南钢铁与曙光技术团队共同驻场三个月，在真实场景中反复磨合。这件事对半导体设备行业也有启发。设备研发中的软件适配，不可能只靠一次部署完成。工艺模型、实验数据、设备日志和量测结果之间，需要持续校准；不同设备、不同材料和不同工艺窗口，也需要不断调整算法和计算流程。算力系统交付只是起点，真正的工作发生在用户的代码、模型和设备现场里。交流中，历军还谈到科学智能体。未来的计算平台，可能不只是按照指令完成任务，还能结合人工智能和专业知识，给科研人员提供几条此前没有想到、但有可能成立的研究路径。这对半导体设备研发尤其值得关注。面对复杂工艺时，智能体可以帮助工程师整理历史实验数据，识别参数之间的关联，提出值得验证的仿真方向，再把候选方案交给高性能计算系统进行模拟。它不会替工程师做最终判断，也不能绕过真实实验。但它有机会把研发人员从大量重复的数据整理和参数搜索中解放出来，把更多时间用在模型判断、设备设计和工艺验证上。从“把系统建好”，到“把应用做好”，再到“帮助用户发现新的方向”，曙光8000 正在面对的是一套更难的评价标准。十万卡是工程规模，3000 份材料两周完成是应用效率，用户打出的 90 分和 95 分则提醒行业：国产算力真正的满分答案，不在机房里，而在科研和产业现场。对半导体设备企业来说，下一道题也许不是要不要使用AI，而是能否把算力、物理模型、实验数据和工程经验真正接到同一条研发链路上。说明：半导体设备部分为结合超智融合、高性能计算和工程研发特点作出的场景分析，相关内容不代表曙光8000 已完成对应商业部署。国产超算 “王炸” 来了！曙光8000 一次跑出十大世界级前沿成果
↓设置星标，精彩不错过↓
本文仅作行业信息分享、技术交流，不涉及任何涉密内容欢迎关注本公众号，获取更多半导体设备、工艺、产业动态
转载说明：本文系转载内容，版权归原作者及原出处所有。转载目的在于传递更多行业信息，文章观点仅代表原作者本人，与本平台立场无关。若涉及作品版权问题，请原作者或相关权利人及时与本平台联系，我们将在第一时间核实后移除相关内容。
五度妙笔
企业透视镜
API商城
数据库
