10月19日消息，2026 CCF全国高性能计算学术大会（CCF HPC 2026）于17日在深圳举行。中科曙光携全国产十万卡AI超集群曙光8000真机参展，并发布曙光8000十大应用成果。会上，中科曙光副总裁曹振南、中科曙光高端计算总工程师卜景德对中科曙光智能科研一站式开发平台OneScience进行了详细介绍。相比“AI4S”这一略显抽象的概念，OneScience呈现的是一套可操作、可验证、可沉淀的科研工作流程。
从一句话预报北京天气，看OneScience怎么跑
在气象科学演示中，中科曙光展示了“FourCastNet北京区域天气情况预报”。研究人员只提出一句话的区域预报需求，平台便自动完成模型二次开发与运行验证。
按实际步骤拆解，这条链路包括：
第一步，需求理解与代码实现。平台读取`/data/`数据，完成北京区域裁剪，并自动生成和修改模型代码。
第二步，环境安装与远程提交。平台识别可用算力，配置运行依赖，提交远程作业。
第三步，训练推理与效果验证。平台回收日志、预报场和验证指标，完成结果验收。
整个流程被概括为：自然语言需求→自动生成配置→适配算力环境→远程执行→回收日志与指标。
对研究人员来说，AI4S不再只是“用某个模型跑一次”，而是从需求到验证的完整闭环。
三层执行体系，把计算、软件与实验能力组织起来
卜景德将曙光路线概括为：“计算底座承载任务，科学软件发挥性能，平台组织执行。”底层是曙光8000，承担科学计算与AI复合负载；中间是科学软件，包括科学应用、算子、工具链与应用验证；上层是科研平台，由OneScience智能研发平台和OneSkills封装方法构成。任务执行与反馈改进双向流动，形成一套执行体系，支撑软件性能优化与平台场景积累。
OneScience平台自身则集成了多类科研资产。曹振南介绍，平台已具备200+ TOP模型、100+科学数据、100+知识组件/算子，支持PP、DP、TP等多种并行模式，科学模型并行效率可达90%，并支持Pytorch、JAX等多种AI框架。
OneModels已经复现“气象海洋、生命信息、材料化学、流体仿真”等领域200+热点模型训练与推理过程，包括GraphCast、FourCastNet、Pangu-weather、AlphaFold3、Evo2、MACE等。
在数据与基础设施层，OneData作为国内首个科学数据治理中枢，覆盖基因预测、蛋白质折叠/生成/设计、气象海洋、偏微分方程求解、流体计算等场景；OneInfra提供自下而上的全栈基础设施，包括100+用户真实科研工作流、20+知识体系能力、5+基础框架底座，涵盖FlagOS、vLLM、PyTorch、JAX、Megatron等。
在技能层，OneSkills面向AI4S形成资源检索、方案规划、分步执行的完整能力闭环。其四层协作体系包括：L1编排层理解需求、拆解计划、调度执行；L2资源层检索模型、数据集、工具及可视化资源；L3专家层规划科研工作流、制定数据处理方案；L4执行层完成编码、训练、运行与结果分析。目前已有4层架构、17个技能、8个MCP、52个工具。任务经验可转化为候选Skill，经过验证后进入技能版本库，发布并再次调用。OneEvolve则通过“软件效率”和“平台场景”双路径进化，由性能瓶颈或用户需求、纠错触发，推动能力更新。
私有部署与自动化实验室：资产安全与科研闭环
从平台核心能力看，OneScience强调“内容沉淀，自主进化，资产安全”。对科研机构而言，私有部署的用途首先体现在用户资产快速迁移，模型、数据、Skills等可快速导入，多种内容格式与运行依赖统一适配，迁入资产可统一管理、调用与复用。
其次是OneScience支持异构算力智能适配，统一任务入口，屏蔽GPU等硬件环境差异，自动识别计算框架、资源队列及负载条件，自主分配任务，并以自然语言式安装运行环境，大幅降低适配成本。再其次是Tokens工厂，自建配额与消耗管理，本地模型与外部模型按任务灵活组合，模型选择权与平台使用权自主掌控。
自动化实验室集成方面，自主科研智能体可联动自动化实验形成科研闭环。OneSkills执行层完成编码、训练、运行与结果分析，任务经验经过验证进入技能版本库，验证未通过则完善后重试。这意味着，平台可以把实验设计、执行、数据回收、模型更新串成可追溯、可复现的闭环，同时把敏感数据和核心资产留在私有环境中。
与曙光8000配合，全精度异构算力承载AI4S
OneScience的底层支撑是曙光8000。它是国内首个采用“超智融合”技术路线的全国产十万卡级AI基础设施，支持FP64到INT8全精度，从芯片、硬件、集群到调度系统一体化设计，可同时承载高精度科学工程计算与低精度AI计算。其十万卡级工程能力、全链路国产化和绿色低碳运行，为大规模科研任务提供稳定底座。
OneScience则通过异构算力智能适配和OneInfra框架底座，屏蔽硬件差异，把上层自然语言需求、Skills调度与底层曙光8000连接起来。OneScience组织执行，OneSkills提供方法，OneInfra适配框架，曙光8000提供全精度算力。
通过这套系统，MCV模式1小时完成全球5公里分辨率未来10天预报计算，业务化能力迈入全球第一梯队；国产AI全球短中期集合预报模型“风清集合V1.0”，综合能力超越欧洲同类模型；swLFS全球首个1公里海洋环流预报系统，实现百亿网格数量模拟；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；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，刷新多项世界纪录；数字孪生脑在全球范围内首次达到千亿神经元规模；实现无规相近似（RPA）精度的量子-超算协同生物分子动力学模拟达到52.2亿原子规模......
研究人员少做重复劳动，但仍需专业判断
对一线科研人员而言，OneScience减少的是大量重复性操作，如环境安装、依赖配置、算力适配、远程提交、日志回收、checkpoint检查、指标验证、代码生成、论文复现、数据集构建、模型推理、训练、分布式并行、数据分析、科研可视化和模型发布等。平台披露的数据显示，重构科研流程编排后，场景规划通过率达到30%，端到端耗时降低45%，结果可复现率提升60%。
但平台并不会替代科学家的专业判断。科学问题如何定义、数据质量与偏差如何判断、模型适用边界在哪里、机理约束如何嵌入、实验设计是否合理、异常结果如何解释、最终结论是否成立，以及伦理与合规问题，仍需研究人员把关。
OneScience的设计理念是“Science for AI，让科学知识真正融入AI”，通过知识驱动让主流Agent向科学智能专家进化，但专家层仍需规划科研工作流、制定数据处理方案。AI4S仍面临可解释性弱、数据稀缺、算力受限、伦理治理不足等挑战。
正如上海交通大学智能计算研究院院长葛冬冬所言，十万卡AI集群的意义在于第一次让超智融合从概念变成可运营的基础设施。OneScience的价值，则在于把这种基础设施变成科研人员可调用、可验证、可沉淀的具体工作流，AI4S正在从抽象口号走向可执行的科研日常。
