一支十万人的队伍，不会因为人数是万人队伍的十倍，就自然获得十倍效率。消息要及时送达，任务要合理分派，人员掉队后还得有人接手。AI 集群也是如此：卡越多，网络拥堵、存储读写、故障处理和散热供电越可能卡住整套系统。7 月 10 日，中科曙光在郑州宣布，全国产 AI 超集群“曙光8000（登峰）”落成，部署十万张国产加速卡，并接入国家超算互联网和全国一体化算力网。它值得关注，不只因为“卡多”，而是国产算力开始接受大规模互联、调度和实际应用的系统考验。
目前关于项目的关键数字均来自量子位获授权刊载的同一篇报道，尚缺建设方公告、科研论文或第三方测试的交叉验证。以下能力与案例应视为中科曦光方面披露，而非已经独立确认的测评结论。
十万张卡，难在一起工作
这里的“卡”是用于 AI 计算的加速器。十万卡集群，就是用高速网络、存储和调度系统，把十万级加速器组织成一台协同工作的“大机器”。AI 算力竞争也由此从单颗芯片跑得多快，转向大量芯片能否稳定地一起跑。
据量子位报道，曙光8000以海光等国产芯片为底层支撑，覆盖芯片、计算、存储、网络、散热、管理和服务等环节。系统采用 scaleFabric 类 IB 原生 RDMA 高速网络。RDMA 是一种让不同机器之间直接高速传送数据、减少中间处理开销的通信方式。报道将其作用概括为实现十万卡的高可靠连接，但没有披露带宽、延迟、故障率或并行效率。
存储和散热同样决定集群能否持续运行。报道提到，ParaStor 分布式存储负责海量数据读写，并称其在 2026 年全球 IO500 榜单的生产型全节点和 10 节点性能类别中均列第一；这一成绩仍需榜单原始记录和参测配置确认。液冷系统则被称可支撑 MW（兆瓦）级高功率密度部署，并使用国产冷媒和全年自然冷却方案，但报道没有给出 PUE 等量化能效指标。
一套系统，兼顾两种计算
曙光8000强调“超智融合”——让同一套基础设施兼顾传统科学计算与 AI 计算，并统一调度资源，而不是简单把两类机器摆在同一间机房。
这两类任务需要不同的数字精度。FP64 用更多位数表示数字，精度高，常用于科学计算；INT8 占用的内存和算力较少，常用于 AI 推理。推理是让训练好的模型生成答案，训练则是用大量数据调整模型内部参数。量子位称，曙光8000支持从 FP64 到 INT8 的多种精度，可同时承载科学计算和万亿参数大模型训练。报道还称其采用开放架构，支持多品牌 AI 加速卡并兼容主流生态，但未提供芯片清单、软件兼容列表或迁移测试结果。
真正的门槛在应用现场
项目披露的重点已经从设备规模延伸到应用验证。量子位称，曙光8000完成了 300 余项应用适配，覆盖材料、电磁、量子、生物医药、天文气象等 20 多个领域，并累计进行 70 余次万卡规模测试。
报道列出三项大规模任务：用 8 万张卡加速蛋白质折叠全流程模拟；用 8.8 万张卡完成 328 万亿网格的湍流直接模拟；用 9 万张卡协同完成 3.16 万亿个原子的 DFT 高精度仿真。DFT 即密度泛函理论，是计算材料和分子电子结构的一类方法。这些案例至少说明，项目方已经把验证范围推到数万卡和具体科研负载，而不只展示单卡参数。不过，卡数本身还不能证明十万张卡可以长期、高效地协同运行。
这也是曙光8000最值得观察的地方：国产芯片竞争不再只回答“单卡有多快”，还要回答网络能否传得动、存储能否喂得饱、调度能否管得住，以及应用能否真正迁移过来。中科曙光还与北京科学智能研究院启动第二套全国产十万卡超智融合系统的研制与建设。若要证明这套路线可以复制，后续仍要看公开、可比较的运行数据。
局限与未知
- “中国首个”“业内首个”等说法目前来自单一授权报道，不能作为已经独立证实的行业结论。
- 报道所列 2024 年启动研制、2025 年完成建设，以及 3 万、6 万、10 万卡分阶段上线的关系并不清楚，无法判断是累计扩容还是不同系统。
- 三项科研任务没有披露硬件型号、运行时长、有效算力、并行效率、成果单位及同行评审情况；系统的国产化口径、核心器件清单和实际利用率也仍待公开。