10月18日，2026 CCF全国高性能计算学术大会（CCF HPC 2026）期间，中科曙光集中发布曙光8000十大前沿应用，涉及天文宇宙、气象海洋、材料科学、生命健康、农业育种、能源勘探和高端装备等领域，多项研究实现“世界首次”。
从4万亿个暗物质粒子的宇宙学模拟，到万亿原子规模的材料计算，再到全球海洋预报、数字孪生脑和“虚拟玉米”，这些项目研究对象不同，采用的算法和计算精度也存在明显差异。它们在同一平台上运行，反映出科学研究对算力基础设施的新要求：既要处理传统高性能计算，也要承接人工智能以及多种计算方法组成的复合任务。
科研走向多种方法协同
高性能计算长期承担天气预报、工程仿真和分子动力学等数值模拟任务，对双精度计算、大规模通信和数据读写能力要求较高。随着人工智能进入科研流程，机器学习开始用于提取规律、生成候选结构或替代部分计算环节，科学计算的负载随之发生变化。
此次发布的应用集中呈现了这一趋势。“千衍”宇宙学模拟以4万亿个暗物质粒子重现宇宙演化；MatPL机器学习力场软件首次将接近量子力学精度的分子动力学模拟推进至万亿原子规模；复旦大学团队构建出世界首个千亿神经元规模的数字孪生脑。
气象领域则形成了两条并行的技术路径。国产AI全球短中期集合预报模型“风清集合V1.0”已投入业务运行，全新MCV天气-气候一体化模式在1小时完成全球公里级数值预报计算，我国AI气象预报与数值预报业务化能力双双迈入世界先进水平。
类似变化也出现在工程研究中。AI辅助壁湍流模拟在国际最高难度的槽道湍流工况下，实现高保真求解；多喷口超声速射流模拟以6.77万亿网格的规模，创下国际已知的最大同类仿真纪录。高精度模拟、大规模并行和人工智能，正在进入同一科研过程的不同环节。
异构计算支撑超智融合
不同科研任务需要的计算资源并不相同。数值模拟强调FP64等高精度计算，人工智能训练和推理更多使用张量及混合精度计算，数据处理、通信和存储又有各自的性能要求。
异构计算的作用，是在同一系统中组织不同类型的计算单元，并根据任务特点分配资源。CPU负责复杂控制和通用计算，加速器承担高并行计算，网络与存储系统支撑大规模数据流动。超智融合则是由此形成的系统能力，使科学计算、工程计算和智能计算能够在统一环境中运行和调度。
曙光8000基于国产芯片异构平台构建，覆盖FP64至INT8计算精度，在同一套系统上支持高精度科学计算与AI训练推理，并与“九章”光量子计算机协同探索量子计算和超级计算的融合应用。中国科学技术大学等单位通过这种协同，实现无规相近似（RPA）精度的生物分子模拟，并完成超过50亿原子规模的扩展性验证。
不过，当集群达到十万卡规模，计算单元的数量只是系统能力的一部分。节点通信、数据读写和任务调度的效率，都会影响算力能否得到充分利用。曙光8000通过计算、网络、存储、散热和软件协同支撑大规模运行。此次多项应用保持较高扩展效率，使新增资源能够用于扩大研究对象、提高模拟分辨率或缩短计算时间。
十大应用检验技术路线
计算技术最终要通过应用形成科研价值。十大应用覆盖基础研究、公共服务和工程研发，对系统性能和软件环境提出了不同要求。
MatPL将机器学习力场与分子动力学结合，在兼顾精度的同时扩大模拟规模；“虚拟玉米”把AI分析与生物学建模结合，将育种周期由十余年缩短至数年；swLFS建成全球首个1公里分辨率全球海洋环流预报系统；深部资源地球物理探测模拟填补国内相关领域的工程化应用空白。
这些成果说明，异构计算的价值并非简单叠加不同类型的芯片，而是让计算资源与具体任务相匹配。对材料研究而言，它意味着在接近量子力学精度的条件下扩大研究对象；对气象海洋研究而言，它意味着提高分辨率并满足业务时效；对工程仿真而言，则意味着把过去难以承载的复杂计算推进到可验证的规模。
应用落地还取决于软件适配。科研程序形成于不同的软件环境，使用不同语言、框架和并行方式，迁移到新系统后，需要处理编译、通信、存储及性能优化问题。中科曙光与科研用户联合开展代码移植、性能调优和应用验证。目前，已有300余项重点应用在曙光8000上完成深度优化，覆盖30多个科研与产业领域，其中20余项实现整机运行。
生态支撑科研应用落地
除了硬件资源，科研用户还需要完成模型选择、数据组织、任务配置和结果验证。任何一个环节存在障碍，都可能影响算力进入实际研究流程。
OneScience科学大模型开发平台整合科学数据、模型和计算工具，科学计算智能体则可以将自然语言描述的研究需求拆解为软件选择、资源配置、任务执行和结果分析。依托国家超算互联网核心节点，科学家、工程师和科技创业团队可以在线获取曙光8000的算力与应用服务。
在这一模式下，科研人员负责提出问题、设定精度并判断结果，计算平台负责衔接算力资源与软件工具。十大应用既是对国产大规模异构系统的一次检验，也呈现出科研计算方式的变化。
随着人工智能、高性能计算和量子计算逐步进入同一研究流程，先进算力的评价标准也将更加综合。系统规模与峰值性能仍然重要，应用适配、扩展效率以及持续服务科研任务的能力，将更直接地决定计算基础设施能够产生多少实际价值。
