十萬卡集群建成，但真正的考驗剛開始

過去幾年聊中國 AI，繞不開一個事：缺卡。投資人問缺不缺卡，創業者說算力不夠，行業報告里也總少不了“算力瓶頸”。時間長了，“缺卡”幾乎成了中國 AI 產業的一層底色。

但最近，這個話題開始有了新變化。國產十萬卡級 AI 超集群曙光8000正式落成，并接入國家超算互聯網，對外提供算力服務。前兩年，行業還在討論“萬卡集群”意味著什么；現在，規模直接加了一個零。十萬卡最容易被看見的是“大”，但如果只把它理解成“國產算力又上了一個臺階”，其實還不夠。真正值得關注的是，當算力供給開始從“有沒有”轉向“能不能穩定、低成本、規模化使用”，行業要面對的問題也變了。

十萬卡不是終點，更像是中國 AI 基礎設施進入下一階段的一張入場券。

十萬卡，不是萬卡乘以十

先說個現實問題：一萬張卡擴大到十萬張，并不只是算力簡單疊加十倍，麻煩更會跟著放大。大規模計算系統最怕短板，網絡延遲高一點，成千上萬張卡就可能在數據同步上互相等待；存儲吞吐跟不上，訓練效率會被拖慢；散熱、能耗、調度、軟件棧，任何一環不穩，都會在十萬卡這個量級上被放大。所以到了這個階段，已經不能只看硬件數量，真正考驗的是系統工程能力。

這也是“超智融合”值得被拿出來講的原因。過去，超算更多服務科學計算，智算更多服務 AI 訓練，兩類系統各有邊界。但現在很多任務已經不再按這種邊界來運行。AI4S、科學智能體、工業仿真、新材料、創新藥篩選，往往既需要高精度科學計算，也需要低精度 AI 訓推，還要處理大量數據讀寫和復雜調度。也就是說，未來的先進算力平臺，不能只會干一種活。

曙光8000走的，是一套原生一體化的超智融合路線。它要解決的不是“把超算和智算設備放在一起”的問題，而是在同一套系統里，支撐不同精度、不同負載、不同任務協同運行。這種能力在發布會上不一定最搶眼，但真正到了機房里，它決定的是系統能不能長期跑、穩定跑、以更低成本跑。十萬卡的難點，從來不只是建起來，而是用起來。

一個關鍵，算力入網了

不過，這件事最值得琢磨的地方，還不只是十萬卡本身。如果一套十萬卡集群只是放在某個園區里，服務少數幾個項目，它當然也是一項工程成果，但和更多科研機構、企業、開發者之間還有距離。曙光8000接入國家超算互聯網之后，性質就變了。它不再只是一個孤立的大系統，而是進入統一調度、統一服務的算力網絡，開始以算力服務的方式對外開放。

鎖在機房里的算力是資產，接進網絡里的算力，才更接近生產力。

這對很多用戶來說很現實。AI 創業公司、科研團隊、產業用戶，很多時候不是沒有題目，也不是沒有需求，而是缺少一個穩定、可負擔、能長期使用的算力入口。自己建機房太重，買設備周期太長，養運維團隊成本太高，臨時找資源又常常面臨排隊、適配和穩定性問題。算力接入國家超算互聯網后，邏輯開始變化。用戶不必都去自建自管，而是可以通過統一入口申請、調度和使用先進算力。它還不能簡單等同于“像水電一樣即開即用”，但方向已經很清楚：從各建各用，走向聯網調度、按需調用和普惠服務。

所以看十萬卡，不能只看“建成”。更重要的，是它被接入了怎樣的服務體系。

真本事，要看真實負載

AI 基礎設施領域有個常見問題：容易把建設規模當成應用成果。機器建得大、參數寫得漂亮，當然重要，但用戶最后看的不是這些。科研團隊關心的是，蛋白質結構能不能算得更快，新材料篩選周期能不能縮短；企業關心的是，工業仿真的試錯成本能不能降下來，大模型訓練能不能少崩幾次，遷移和適配成本能不能更低。

據披露，曙光8000十萬卡核心節點已完成300余項超智融合應用優化，覆蓋大模型、機器人、汽車、創新藥、新材料、量子計算、天文氣象等二十多個領域，其中超過70個應用實現萬卡規模擴展。這組數字真正有價值的地方，不在于領域列得多全，而在于它說明這套系統已經開始被真實任務檢驗。

大規模集群最怕的不是測試，而是長期運行。科學計算、AI訓練、推理服務、工業仿真、數據密集型任務，每一種負載對網絡、存儲、調度、軟件棧和穩定性的要求都不一樣。能在這些場景中持續優化，十萬卡才不只是一個規模數字，而是一套能被反復使用的生產工具?！俺侨诤稀弊詈竽懿荒苷咀∧_，也要看它能不能在這些真實任務里跑出來。

下半場，拼的是運行賬

集群落成不等于交卷，最多算進入了下一輪考試。接下來要看的，是一筆更細的運行賬：算力利用率高不高，調度效率怎么樣，任務排隊時間能不能縮短，應用遷移難不難，單位任務成本能不能降，生態適配能不能滾起來，用戶能不能持續用、放心用、用得起。這些指標沒有“十萬卡”三個字那么有沖擊力，但更接近 AI 基礎設施的真實賽點。

過去幾年，全球 AI 競爭更多圍繞模型展開：誰的模型更聰明，誰的參數更大，誰的推理更強。接下來，算力供給本身會變得越來越重要。誰能用更低成本、更高穩定性、更開放的方式，長期提供大規模算力，誰就更有機會支撐 AI 從模型競賽走向產業落地。

如果說萬卡集群回答的是“能不能撐起大模型訓練”，那么十萬卡要回答的問題更難：能不能支撐 AI 進入科研、工業和公共服務的長期場景。曙光8000把這道題推到了臺前。它的意義不只是中國又多了一套大機器，而是國產先進算力開始通過國家超算互聯網，從系統工程能力走向公共服務能力。

十萬卡之后，行業不會只為“建得更大”鼓掌。真正的問題會變成：好不好用，貴不貴，能不能長期穩定用上。