全國產十萬卡落地后，中國算力頂流開始回答下一個問題

今年WAIC最擁擠的地方，依然集中在機器人、大模型和智能體展臺。

這些展品足夠直觀：機器人可以走路、握手，模型可以對話，智能體可以現場完成任務。相比之下，一套由大量機柜組成的AI基礎設施，并不天然具備吸引觀眾的能力。

但在中科曙光展臺，情況有些不同。

首次公開亮相的曙光8000（登峰）被評為大會“鎮館之寶”，展臺前持續聚集著觀眾。這套中國首個全國產十萬卡AI超集群受到關注，不只是因為“十萬卡”這個數字足夠大，更因為它開始回答一個比規模更現實的問題：這么多算力，究竟準備拿來做什么？

7月18日，曙光8000公布最新運行數據。自7月9日上線以來，系統首周即進入滿載狀態，日均處理作業超過15萬個，單日峰值超過50萬個。

目前，曙光8000已完成近千項超智融合應用適配，其中包括大模型訓練、高通量推理、科學計算等不同類型的任務。

對一套十萬卡系統來說，建成只是一個工程節點。能不能迅速裝入真實任務，才決定它是基礎設施，還是一座昂貴的技術展品。

十萬卡開始尋找具體用途

過去幾年，AI基礎設施最容易傳播的指標是規模。

多少張卡、多少算力、多少參數，構成了行業最直觀的競賽方式。規模擴張有其合理性：沒有足夠大的算力集群，就無法支撐大模型訓練和復雜科學計算。

但當集群進入十萬卡階段，規模本身已經不能完整解釋價值。

一個更現實的問題是，是否存在足夠多的任務，持續消耗如此龐大的計算資源。

從曙光8000目前承接的應用來看，十萬卡的需求來源正在變得更加分散。

其中既有大模型訓練和推理，也有機器人、創新藥、新材料、汽車研發、氣象流體、能源勘探等產業任務；既有大量中小規模作業，也有需要數萬張卡協同運行的科學計算任務。

目前，曙光8000已完成300余項重點應用深度優化，覆蓋20余個科研和產業領域，超過70項應用實現萬卡規模擴展。

這些應用中，有蛋白質折疊模擬、萬億原子級水分子動力學模擬，也有超大規模湍流模擬和科學智能體。

這些名字距離普通消費者很遠，卻可能是十萬卡算力真正能夠長期獲得需求的地方。

大模型訓練具有明顯的階段性。一個模型完成訓練后，算力需求會進入推理和迭代周期。而科學研究、工業仿真和行業智能化，則會持續產生大量計算任務。

藥物研發需要反復篩選分子結構，汽車研發需要持續進行仿真，氣象預測需要不斷更新模型，材料研究則要計算不同微觀結構的變化。

十萬卡不再只服務于某一次超大模型訓練，而是開始承載一批不斷發生、不斷更新的計算任務。

這可能也是曙光8000上線后迅速滿載的重要原因：算力需求并沒有集中在單一行業，而是從多個領域同時涌入。

應用越復雜，越考驗算力是否“好用”

應用數量增加之后，十萬卡面對的另一個問題是，任務并不整齊。

大模型訓練追求大規模并行，模型推理強調吞吐效率，科學計算看重精度和穩定性，工業用戶則更加關心成本、周期和部署門檻。

這些任務很難用一套單一標準調度。

因此，十萬卡是否好用，不只是看峰值性能，而是看系統能不能處理混合負載：既要承接一次占用數萬張卡的大任務，也要同時處理大量中小規模作業。

曙光8000首周日均處理超過15萬個作業，單日峰值超過50萬個。這組數據的意義，不在于數字本身有多大，而在于它說明這套系統承接的并不是少數幾個超大任務，而是大量并發、規模不同的真實需求。

為了讓這些任務同時運行，曙光8000采用智能調度引擎、數據親和性算法和多元融合調度策略，根據任務類型、數據位置和資源狀態進行分配。

這套機制解決的，不只是“有沒有空閑卡”，而是如何減少數據搬運和等待時間，把合適的資源交給合適的任務。

底層的網絡、存儲和散熱，也都服務于同一件事：讓任務持續跑下去。

曙光8000通過scaleFabric類IB原生RDMA高速互連，解決大規模節點之間的數據交換；ParaStor分布式存儲負責持續供給數據；浸沒式相變液冷則支撐高密度系統在高負載狀態下運行。

這些技術單獨拿出來，都不是一個容易進入公眾討論的話題。但對于使用者而言，它們最終會轉化成更直接的體驗：任務是否需要長時間排隊，擴展到數千卡后效率是否明顯下降，運行過程中是否頻繁中斷。

從這個角度看，十萬卡真正的門檻，不在于能否把足夠多的卡裝進機房，而在于能否把它們組織成一種穩定、可調用的生產工具。

比造出十萬卡更難的是讓更多人用上

曙光8000此次釋放出的另一個信號，是超大規模算力正在從封閉集群轉向公共服務。

過去，萬卡級算力通常屬于少數大型科技公司或科研機構。要使用這類資源，往往需要自建數據中心、采購設備、部署軟件，并承擔長期運維成本。

這種模式決定了，大規模算力很難被更廣泛的企業和開發者使用。

曙光8000接入國家超算互聯網后，試圖把十萬卡能力轉化為可按需調用的服務。企業、科研團隊和開發者無需自行建設超大集群，也可以在已有環境中獲得相應算力。

圍繞十萬卡共創者、智能體生態和核心生態伙伴等計劃，曙光8000也在吸引更多應用進入平臺。

這件事的重要性在于，十萬卡能否持續滿載，最終取決于它能否形成一個循環：更多用戶帶來更多任務，更多任務推動軟件和系統優化，更成熟的系統又進一步降低使用門檻。

相比建成一套十萬卡系統，建立這樣的應用循環更難，也更需要時間。

目前，曙光8000首周滿載、近千項應用適配，只能說明它完成了早期驗證。后續還要面對成本、商業模式、開發環境和生態遷移等問題。

但至少從WAIC現場可以看到，十萬卡競爭的敘事正在變化。

過去行業更關心，誰能建出更大的集群；現在開始關心，這些集群是否有足夠多的任務，是否能被不同用戶使用，以及最終能產生多少科研成果和產業價值。

機器人和智能體展示的是AI如何進入現實世界，而曙光8000所代表的，是支撐這些應用持續運行的另一面。

十萬卡不是答案。

讓十萬卡持續裝入真實任務，才是下一階段真正需要回答的問題。