据央视网 10 月 18 日报道（https://ysxw.cctv.cn/article.html?channelId=1119&item_id=3672217117270734568&toc_style_id=feeds_default ），在当日于深圳开幕的 2026 全国高性能计算学术大会上，全国首个全国产十万卡规模 AI 超集群曙光 8000 完成真机亮相，并同步发布十大应用成果。IT之家的会议专题（https://www.ithome.com/tag/全国高性能计算学术大会 ）记录，该集群由中科曙光牵头、联合国产芯片企业海光信息打造，主打超智融合原生架构，支持从 FP64 高精度科学计算到 INT8 低比特 AI 训练的全精度覆盖。
技术细节上，集群采用自研 scaleFabric RDMA 高速互联网络，配合 ParaStor 并行存储与浸没相变液冷，整机 PUE 低至 1.04。这套架构最特别的地方不是单纯堆卡，而是把传统超算的仿真能力和智算的训练能力编排成一条流水线，先用超算造仿真训练数据，交给智算海选候选方案，再回到超算复核结果、剔除模型幻觉，形成数据生产、模型训练、结果验证的闭环。
十万卡全国产意味着什么门槛？
十万卡是当前 AI 训练集群的第一梯队门槛，多数公开集群还停留在万卡到五万卡区间。全国产的难点不在卡数，而在全栈自主，从海光加速芯片、自研互联网络、并行存储到液冷散热，每一层都不能依赖进口组件。RDMA 网络的规模放大之后，通信拥塞和故障隔离指数级上升，能把十万张国产卡稳定跑成一个整体，本身就验证了配套软件栈的成熟度。
需要区分的是，十万卡全国产回答的是能不能自主建成大集群的问题，而不是单卡性能对标旗舰加速卡的问题。这台集群的定位是超算与智算融合，服务科学计算和行业大模型训练，不是单纯追逐参数规模。
超算智算融合和普通AI集群的差别在哪？
普通 AI 集群的逻辑是收集真实语料、加大规模训练；超智融合路线的独特价值在仿真。很多行业场景拿不到足够多的真实标注数据，比如航天气动、海洋环境、工业应力，真实样本要么稀缺要么危险，超算先做高保真物理仿真，批量生成带标注的训练数据，再喂给智算做模型海选，最后回到超算用物理定律校验模型输出，专门解决大模型凭空编造结果的幻觉问题。
这条路线对国产算力是一个差异化切口。在通用语言模型赛道，纯堆算力很难直接对标海外旗舰，而在物理仿真与工程验证这条线上，超算的积累是国产体系的既有优势，把仿真当数据工厂，等于用存量能力给新兴训练任务供血。
1.04的PUE在十万卡规模上有多难？
液冷在单台机柜上实现低 PUE 并不新鲜，难的是十万卡规模下整机散热均匀、漏液风险可控、运维批量管理。浸没相变液冷让服务器直接泡在冷却液里，PUE 1.04 意味着每消耗 1 度电几乎全部用于计算，散热只占零头，在长期运行的 TCO 上，这部分能耗差距会被放大到极其可观的量级。
对西部绿电和东部负荷之间的错配来说，低 PUE 让集群在能源约束下保持更高利用率，也是当前各地智算中心从盲目上规模转向算效比竞争的一个样本。
行业外的读者该如何看待这件事？
十万卡新闻容易被读成又一次规模竞赛，但超智融合的真正信号是国产算力找到了不正面硬拼单卡性能的生存路径，用仿真数据、工程验证和行业闭环建立自己的阵地。对行业从业者来说，值得跟踪的是十大应用成果落到了哪些具体行业，仿真数据流水线能否被中小企业低成本复用，而不是只看卡数新闻本身。
去论坛讨论
前往 silicon-agi.com 论坛 参与讨论