中國算力的十萬卡雄心

當一套全國產十萬卡AI超集群落成不到一周即滿載時，這不僅僅是一個工程奇跡，更是中國算力生態從荒原走向雨林的生動注腳。

文 | 華商韜略

2026年7月9日，鄭州，國家超算互聯網核心節點。

當曙光8000（登峰）的系統指示燈次第亮起時，很多人都不確定，這臺集成了30億顆電子元器件、互連線纜總長突破1600公里的“算力巨獸”，能否扛住真實世界的重量。

答案來得比所有人預想的都快。

系統上線首周，直接進入應用滿載運行的狀態。日均處理作業數突破15萬個，單日處理作業峰值超過50萬個——用戶排隊提交的計算任務，讓這個十萬卡超集群的每一塊芯片都忙得熱火朝天。

這在中國算力史上，幾乎是從未有過的景象。

一般來說，新的算力集群從部署到形成戰斗力，需要數月甚至更長的“預熱期”——應用軟件的適配、編譯器的調試、用戶的熟悉，每一個環節都是看不見的溝坎。而今天，這些溝坎似乎一夜之間被填平了。

過去幾年，各地智算中心密集建設，市場曾擔憂算力是否會出現閑置。而曙光8000恰好完成了一次需求側驗證：市場并不缺少算力需求，真正稀缺的是好用、穩定且能被便捷調用的優質算力。

但結論不應停留在優質算力缺口上，真正的問題是：中國，這個曾經在信息時代前二十年奮力追趕的國家，為何能在算力這個數字時代“新石油”的角逐中，凝聚起“十萬卡”級別的磅礴力量？又如何能短短一周就把應用需求塞滿這樣一艘算力巨輪？

答案，藏在產業鏈的韌性里，藏在競爭范式的轉移里，也藏在市場獨特的生態協同與這個國家清醒的戰略布局中。

【01 產業鏈的集體沖鋒】

十萬卡算力高地拔地而起，不是某個天才的靈光一現，也不是一家企業的單兵突進。它是一場有著最完備產業鏈、最廣闊應用市場、清晰政策謀劃和深厚人才儲備的系統性“會戰”。

第一，是產業鏈的“扎硬寨，打呆仗”。

讓我們把目光投向整個算力產業鏈。在安徽合肥，長鑫存儲的工程師們，用了數年時間死磕一個任務——突破DRAM內存芯片的壟斷。在極度苛刻的潔凈室里，他們與納米級的物理極限搏斗，從19納米到17納米，每一步微縮，都意味著天文數字般的研發投入和難以想象的工藝挑戰。

在產業鏈下游，是DeepSeek這樣的新銳力量。他們向世界證明：大模型的奇跡，不只有堆砌算力這一條路，極致的算法優化，同樣能讓更少的“卡”迸發出更強的智能。這本質上，是一種更聰明的算力使用方式，對緩解算力饑渴意義深遠。

從芯片設計、制造、封裝，到服務器整機、高速互連網絡，再到操作系統、數據庫、大模型……中國正在艱難但堅定地，一段一段地補齊產業鏈的拼圖。

這就像建一座通天塔，每一塊磚都必須自己燒制，其艱辛可想而知，可一旦建成，其根基之牢固也非比尋常。

第二，是市場的“大海里練游泳”。

任何技術，如果脫離了應用的土壤，最終都會枯萎。而中國，恰恰擁有全球最復雜、最龐大、最饑渴的算力應用試驗場。

當具身智能在工廠車間里學著像人一樣擰螺絲時，背后需要進行海量的實時感知、決策與控制訓練。當無數輛新能源汽車在路上飛馳，每一公里的自動駕駛數據，都要匯入后臺的算力中心進行循環學習。更不用說智能制造、金融風控、藥物研發、氣象預測……幾乎每一個行業的數字化、智能化轉型，都在催生對算力的無盡需求。

有一個數據更加直觀：我國日均Token調用量，已從2024年初的約千億飆升到2026年的百萬億級別。這種需求不是漸進增長，是指數級爆發。

這種“拿來就用、用了就反饋、反饋了就迭代”的極速閉環，是中國市場給予本土算力企業最慷慨，也最殘酷的饋贈。活下來的，都是能打硬仗的。

第三，是頂層戰略的“一張藍圖繪到底”。

“東數西算”工程啟動，讓西部充裕的清潔能源，化為東部的數字生產力，針對中國算力失衡的戰略布局隨之開始。而政策的遠見，不僅在于給錢給地，更在于構建一個龐大的人才底座。

過去十年，中國培養了全球規模最大的理工科人才隊伍。那些在曙光8000監控屏幕后的年輕面孔，那些在無塵車間里一待十幾個小時的工藝工程師，那些為DeepSeek通宵達旦優化模型的算法天才……他們或許面容稚嫩，但眼神都一樣堅定：在核心技術上挺直腰桿，就是我們這一代人的長征。

【02 十萬張卡的工程噩夢】

但十萬卡超集群不是有了十萬張卡就能建成的。

難的不是數量，是規模帶來的工程難題。行業里有個說法：一千張卡是算術題，一萬張卡是代數題，十萬張卡是玄學題。

這道玄學題，海外的頂級玩家也剛剛摸到門檻。

2024年，馬斯克的xAI在美國孟菲斯建起Colossus超算，122天塞進十萬張英偉達H100，速度震驚行業。但建起來之后的麻煩才是真正的難題。當地電網供不上電，馬斯克直接拉來數十臺移動燃氣輪機現場發電，因為排放問題還被當地居民抗議了一年多。

Meta為訓練Llama囤了幾十萬張GPU，但它自己發布的技術報告卻顯示：1.6萬張H100的集群上，一次54天的大模型訓練，意外中斷了419次，相當于每三個小時壞一次，大部分故障來自GPU和顯存。

至于OpenAI和微軟的“星際之門”計劃，規劃投資以千億美元計，至今仍在圖紙和工地之間。

無限量的英偉達芯片、無限量的光模塊、無限量的電，這些巨頭想用錢把物理問題燙平。可即便如此，他們的萬卡集群依然被故障率、供電和散熱折磨得夠嗆。

而曙光8000的工程化難度直接拉滿——英偉達的高端卡拿不到，海外成熟方案用不了，每一個環節都得自己造。但反過來，這也逼出了一套不一樣的解法。

十萬張卡要協同工作，節點之間每秒鐘都在交換海量數據。海外集群的標準答案是光模塊——一個十萬卡集群要用掉數以十萬計的光模塊。

但光模塊有三個毛病：貴，一個頂級光模塊要幾百上千美元，十萬卡集群要吃掉幾十萬個；發熱，本身就是耗電大戶；最要命的是嬌氣，它是整個集群里最容易壞的零部件之一。

通過自研的scaleFabric網絡架構和底層交換芯片，中科曙光極大地優化了互連效率，并用全新的冗余設計解決了大規模集群下光模塊極易損壞導致訓練中斷的死穴。

由此，一條數據從這臺機器傳到那臺機器，全程只要0.93微秒——一眨眼的功夫，夠它跑三十多萬個來回。即便某條線路出了問題，系統能在千分之幾秒內自動切換到備用路徑，訓練任務根本感覺不到。Meta每三小時中斷一次的那種噩夢，被從架構上拆掉了隱患。

但連起十萬張卡，不代表你就能用好十萬張卡。存儲往往是一個容易被忽視的算力瓶頸——數據供不上，GPU就要空轉，存儲的性能直接決定了集群的數據吞吐能力。曙光8000配備的ParaStor分布式存儲，在2026年IO500拿下生產型榜單雙料全球第一，并大幅刷新世界紀錄，代表了業內商用存儲系統的性能天花板。

對十萬卡規模而言，散熱是又一大難題，傳統風冷就像用電風扇吹煉鋼爐。對此，美國人的解法是硬堆電力，而中科曙光的解法是不浪費。通過浸沒相變液冷、湖水冷卻等方案，曙光8000能把PUE（電能使用效率）壓到1.04。而全球大型數據中心的平均水平在1.5上下，最先進的AI機房也普遍在1.1以上。同樣一度電，中科曙光的機器能干更多的活。在“電力即算力”的時代，這就是競爭力本身。

一臺機器背后，芯片、整機、互連、存儲、液冷、供電、調度軟件，這些環節沒有一個能單獨買來，這是比造出一塊芯片更難的系統工程能力。

【03 供需錯配的破解密碼】

搞清了“如何造出來”，接下來更重要的問題就是“為何被搶著用”。

曙光8000能夠首周滿載，首要原因在于它精準命中了算力需求的結構性變革。

AI產業正經歷兩股巨浪的交匯。一是Token需求的指數級增長，百萬億級別的日均調用量要求算力基礎設施必須“開箱即用”。二是科研范式正在發生深刻變革：AI for Science要求算力不能僅停留在低精度的大模型訓練，還需要支撐高精度的科學計算與工程仿真。

這正是傳統算力中心的軟肋。過去，超算和智算往往分開建設：超算擅長雙精度浮點運算，適合科學仿真；智算擅長低精度運算，適合AI訓練。這種分裂導致算力供給與真實需求出現嚴重錯配——科研用戶苦于AI算力不足，智算中心又難以承接高精度仿真任務。用戶在兩邊排隊，兩邊都吃不飽。

曙光8000走了一條不同的路：原生超智融合。

它摒棄了傳統的分區方式，在同一硬件平臺上支持從FP64雙精度科學計算到INT8低精度推理的全精度覆蓋。十萬卡不再只是大模型訓練的“大力出奇跡”，而是能夠同時承接大模型訓練、高通量推理、蛋白質折疊模擬、萬億網格湍流仿真等復雜任務的“算力工廠”。

破解了一個關鍵的需求缺口——這才是曙光8000首周滿載最深層的技術原因。它不是搶了別人的生意，而是填補了一個市場空白。

【04 只要在路上，就沒有到不了的地方】

曙光8000證明了國產十萬卡“能不能做”、回答了“有沒有人用”的疑問。同時一個更具標志性意義的信號已經出現：中科曙光已與北京科學智能研究院啟動第二套全國產十萬卡系統的研制。

第一套建成是技術突破，第二套啟動則標志著產業意義上的“產能擴張”開始出現。

當十萬卡集群從“明星工程”變為“常規基建”，中國智算產業的真正考驗才剛剛開始：能否持續產生高價值應用、不斷優化成本結構、打破不同算力中心之間的“數據孤島”，形成真正高效協同的全國一體化算力網絡——這才是決定十萬卡體系能走多遠的關鍵變量。

我們在用別人意想不到的速度追趕，并且在追趕過程中走出了一條獨特的路徑：用系統效率彌補單點差距，用生態協同對抗技術封鎖，用市場縱深消化創新成本。

中國算力的崛起之路，不是從勝利走向勝利的凱歌，而是從一代人解決“有無問題”，走向另一代人解決“好壞問題”的接力。

河南鄭州的機房里，指示燈還在快速閃爍。30億顆元器件在同一個節奏里脈動，1600公里線纜里流淌著這個國家最聰明的計算任務。

而這，只是第一道曙光。

歡迎關注【華商韜略】，識風云人物，讀韜略傳奇。

版權所有，禁止私自轉載

部分圖片來源于網絡

如涉及侵權，請聯系刪除