從4兆個宇宙粒子到數位大腦
一項使用4兆個暗物質粒子的模擬、含有1,000億個神經元的數位大腦，以及解析度達1公里的海洋預報系統，都是在深圳一場大型會議中，與中國曙光8000運算系統一同發表的應用成果。
目錄
開發商稱，這部機器是中國首個完全自主研發、搭載10萬張加速卡的AI超級集群。它在第22屆CCF高效能運算全國年會上亮相。年會於2026年10月17日至20日在深圳國際會展中心舉行，並於10月18日發布10項前沿應用成果。
曙光8000又稱「登峰」，在河南省鄭州市建置，並接入國家超級計算互聯網。其核心設計結合高效能運算與人工智慧：前者依照數學和物理規則進行計算，後者則從資料中學習模式。
實際目標是讓研究人員能更快探索棘手問題。傳統模擬可產生訓練資料，AI可搜尋各種可能答案，再由另一輪細緻模擬檢驗最有希望的結果。
曙光的完工公告指出，系統於2026年7月10日完工並接入網路。因此，10月的發表聚焦於已投入使用的系統所支援的應用，涵蓋天文、材料、生命科學、氣象與農業等領域。
10萬張連接在一起的加速卡實際能做什麼
AI加速卡是一種運算硬體，專為平行執行大量計算而設計。若能快速交換資料，連接10萬張卡便可讓集群把高負載工作分配給大量處理器。
曙光表示，該系統支援從FP64到INT8的數值格式。FP64使用64位元表示浮點數，可為科學計算提供相當高的數值精度。INT8則以8位元表示整數，適用於部分AI運算；較小的數值可降低記憶體用量與計算成本。
研究的不同階段需要不同精度。細緻的物理模擬可能需要FP64；AI模型篩選可能的材料時，則可採用精度較低的格式。曙光8000的設計，是讓這些工作能在同一運算平台上執行。
從1萬張卡增至10萬張，卡片數量增加了10倍。但實際效能也取決於軟體分配工作的效率、資料傳輸速度，以及處理器彼此等待所耗費的時間。
曙光將其做法稱為高效能運算與AI的原生融合。實際而言，這套基礎設施旨在支援科學模擬、模型訓練與推論；推論是指使用已訓練的AI模型產生答案。
以物理規律驗證AI的研究流程
科學模擬與AI的出發點不同。模擬可能使用描述原子交互作用或空氣流動的方程式，從初始狀態開始，透過許多微小步驟計算接下來會發生什麼。
AI模型則從範例中學習。只要有足夠的模擬結果，模型便能找出模式，並比重複執行每一項細緻計算更快估算結果。當研究人員需要檢視大量可能的設計或分子排列時，這種速度格外重要。
曙光8000的整合方法分為三個階段。首先，科學運算產生模擬資料；其次，AI從資料中學習並篩選候選方案；最後，再以細緻的科學計算檢驗較少數、較有希望的答案。
最後的檢驗不可或缺，因為AI可能產生看似合理但不準確的結果，這類情況常稱為幻覺。在科學研究中，再吸引人的預測也仍須對照研究對象的物理行為加以驗證。這種整合流程會先篩選候選方案，再把成本高昂的計算資源用於檢驗通過初步篩選的對象。
對研究人員而言，這種做法改變了運算時間的分配方式。他們不必對每一種可能性都執行最細緻的計算，而能先用AI縮小搜尋範圍，再把較高精度留給值得深入研究的案例。
7月啟用與10月展示
曙光7月的公告與10月的年會發表，描述的是系統推出過程中的不同階段。公司先宣布完工，接著公布營運數據，之後再展示更廣泛的科學應用成果。
- 2026年7月10日：曙光宣布曙光8000完工，並接入國家超級計算互聯網。
- 7月18日：世界人工智慧大會公布的數據顯示，系統在啟用第一週即滿載運轉，平均每日處理超過15萬件工作。
- 10月17日至20日：CCF高效能運算全國年會在深圳舉行。
- 10月18日：曙光在年會上發表10項前沿應用成果。
曙光公布的正式完工日期是7月10日；10月的一篇報導另稱集群於8月正式投入服務，但未說明這個里程碑與7月啟用有何關聯。
第一週的數據顯示，每日尖峰處理量超過50萬件工作，是每日平均門檻15萬件的3倍以上。所謂一件工作，是指提交的運算任務，因此統計總量可能包含規模和執行時間差異很大的工作。
7月的營運更新也提到，系統透過考量任務類型、資料位置與資源可用情況的排程機制，支援數百萬筆並發使用者請求。這種排程就像把工作分派給合適的團隊，同時避免共用路線與設備成為瓶頸。
宇宙與大腦計畫的內容
「千衍」宇宙學模擬使用4兆個暗物質粒子來模擬宇宙演化。暗物質是其引力效應可被觀測到、卻不會發光的物質。模擬粒子代表部分暗物質，讓研究人員得以計算大型結構如何形成。
這個數值規模，讓「可容納模擬宇宙」的說法有了具體內涵。研究人員以數學方式呈現宇宙物質及其行為，再計算這種呈現方式如何隨時間變化。
復旦大學團隊也發表一個包含1,000億個神經元的數位大腦，會中稱其為全球首個達到這一規模的數位大腦。數位大腦以軟體呈現神經細胞及其交互作用，讓研究人員能探究它們的集體行為。
這兩項計畫所需的不只是儲存大量物件的空間。隨著模擬系統不斷變化，電腦必須反覆計算交互作用，並在處理器之間傳遞資訊。
天文與大腦計畫說明了為何10月的發表不只聚焦於加速卡數量。衡量成果還要看模型能處理多複雜的問題、計算細緻程度，以及完成模擬所需時間。
材料、氣象、海洋與虛擬玉米
機器學習力場軟體套件MatPL將分子動力學模擬擴展至1兆個原子，精度據稱接近量子力學計算。分子動力學追蹤原子隨時間的移動；力場則估算原子間的作用力，這些作用力決定原子的移動方式。
相較於反覆求解更細緻的量子問題，機器學習能以較低成本估算作用力。年會發表將MatPL的成果定位在模擬規模與數值精度的交會點；這兩項要求往往難以兼顧。
鳳清集合預報V1.0系統已投入短期與中期全球天氣預報的實際運作。集合預報會執行多個版本的預測，探索天氣在起始條件或假設略有不同時可能如何發展。
在海洋研究方面，swLFS被介紹為全球首個解析度達1公里的全球海洋環流預報系統。較高解析度讓模型能呈現更小尺度的空間特徵，但也會增加涵蓋全球海洋所需的計算量。
中國農業大學的「虛擬玉米」平台據稱將育種週期從10多年縮短至數年。這個平台將運算能力用於尋找有利的作物性狀，協助研究人員縮小育種時需要嘗試的組合範圍。
10項成果也涵蓋能源勘探與高階裝備研發。這些具體案例共同呈現集群的用途：預測天氣、模擬海洋環流、研究原子行為，以及篩選作物育種方案。
支撐運算的網路與儲存
曙光表示，其自主基礎設施涵蓋晶片、運算設備、儲存、網路、冷卻、應用與服務。海光等國產自主研發晶片構成運算基礎。年會相關報導也提到，整體架構中包含6款自主研發晶片。
scaleFabric網路採用原生遠端直接記憶體存取技術，簡稱RDMA。這項技術能在較少仰賴主處理器的情況下，讓資料在不同機器之間傳輸，降低資訊交換的一部分額外負擔。
快速連線不可或缺，因為大型模擬或AI訓練會反覆分享中間結果。若處理器完成計算後必須等待資料，部分已部署的運算能力就會閒置。
曙光將ParaStor分散式儲存列為另一項關鍵元件。分散式儲存將資料分散到多台機器，讓大型工作負載能透過多條路徑讀寫資訊。公司表示，ParaStor在2026年IO500排名的生產級全節點及10節點效能類別中名列第一。
模型訓練時需要反覆讀取大型資料集，科學模擬則可能需要儲存中間結果，因此儲存效能十分重要。儲存進度也有助於長時間運算在中斷後繼續執行。
在這種規模下，網路壅塞、負載平衡與故障隔離都成為核心工程課題。排程器需要把工作安排在具備合適處理器與資料的位置，網路則須承載由此產生的流量，避免局部問題擴大為整體效能下降。
冷卻、密度與維持加速卡運轉的成本
曙光8000採用相變式浸沒冷卻。設備將熱量傳入冷卻液，再由冷卻液的相變幫助帶走熱量。曙光表示，這項設計可支援功率密度達百萬瓦級的機櫃。
公司也介紹了自主研發的冷卻液，以及全年利用室外環境條件進行冷卻的做法。這些設計針對一項基本限制：在有限空間內配置更多運算能力，會產生更多必須持續排出的熱量。
曙光在7月的營運更新中宣稱，與其他超級節點相比，其單位運算密度提高20倍。公司7月的完工聲明則另外指出，能源效率、記憶體存取與網路設計，都是這種規模的集群必須面對的考驗。
電力供應與冷卻設備必須支援持續高負載運作，也要因應需求變化。系統同時執行科學模擬、AI訓練與大量推論時，工作負載變動可能帶來不同的流量與耗電模式。
接下來值得追蹤的實際指標包括每完成一項工作所消耗的能源、等待資料的時間、工作完成時間，以及故障後的復原能力。已發布的公告並未提供可供完整比較的總耗電量、營運成本、應用速度或使用者收費數據。
系統的使用範圍
曙光7月的完工公告稱，已有超過300項科學運算與AI應用完成最佳化，涵蓋20多個領域；其中超過70項應用已擴展至1萬張卡的規模。公告列舉的案例包括蛋白質摺疊、涉及1兆個水分子的分子動力學，以及使用100兆個網格單元的湍流模擬。
7月的營運更新提到，近1,000項應用完成調適。10月年會的數據則提及，30多個領域中有超過300項深度最佳化的重點應用，其中超過20項應用在整個系統上運作。10月另一篇報導則統計26個領域、超過300項運算任務。這些數字採用不同分類，包括軟體調適、重點應用最佳化與運算任務。
國家超級計算互聯網旨在讓大學、研究機構、企業與個人使用者都能取得集群運算資源。它的功能是連結運算需求與可用資源，讓無法自行建置並營運大型集群的機構也能使用這些資源。
曙光8000也獲選為10月18日啟動的「HPC+AI for Science前沿觀測計畫」代表性應用案例。年會並推出產業合作行動計畫及開放社群，推動運算基礎設施、軟體與應用的共同開發。
曙光已宣布與北京智源人工智慧研究院建立策略合作夥伴關係，並著手開發第二套完全國產、搭載10萬張卡的系統。對第一套系統而言，10月公布的成果聚焦於已完成的科學研究及持續提供服務。若第二套系統如期推進，這種模式將不再局限於單一部署。
重點整理
- 曙光8000連接10萬張AI加速卡，建置於河南省鄭州市。
- 曙光於2026年7月10日宣布系統完工，並接入國家超級計算互聯網。
- 10月18日，深圳年會發表10項前沿應用成果。
- 具名計畫包括使用4兆個暗物質粒子的模擬、含有1,000億個神經元的數位大腦，以及涉及1兆個原子的分子模擬。
- 系統在同一平台上結合細緻的科學計算、AI訓練與推論。
- 曙光已宣布開發第二套完全國產、搭載10萬張卡的集群。
