近日在德国汉堡举行的国际高性能计算大会（ISC HighPerformance 2026），作为洞察全球AI基础设施产业走向的风向标，聚集了欧美及亚洲各国顶级科技企业，共同探讨AI与高性能计算基础设施的演进方向。

　　国内多位高校与科研机构专家向记者表示，随着大模型、AI智能体与科学智能应用的快速渗透，算力产业的价值逻辑正在发生全链条的深层重构：从算力的评价标准、技术架构的核心逻辑，到产业赋能的实现路径，体系化的综合能力正在成为下一代AI基础设施的核心竞争力。本届大会上中国算力企业展出的工程化实践，也为这一全球产业趋势提供了具象的落地参照。

　　“超智融合”重构算力底座

　　“AI时代，超级计算的定位早已不是单纯的数值仿真工具，而是正在成为算力、数据、模型三位一体的智能创新中枢。”中国农业大学网络技术中心副主任兼总工程师劳凤丹表示，传统超算的能力边界止步于基于物理定律的确定性数学推导，而当下的算力基础设施已引入混合精度计算支持AI大模型训练，正在实现通算、智算、超算乃至量子计算的跨域协同与异构智能编排。

　　这一判断已成为产业界与学术界的普遍共识。在多位业内专家看来，“超智融合”并非简单的超算与智算场景叠加，而是通过算力体系的深度融通，实现传统高性能计算与人工智能计算的双向赋能、互补升级。上海交通大学网络信息中心副主任林新华指出，CPU侧重基于客观规律的精准科学推演，GPU主打AI模型训练与智能算力迭代，二者深度融合是构建“世界模型”的核心基础，也决定了超智融合是AI时代超算发展的确定性大势。

　　广州国家实验室生物信息中心主任李亦学研究员认为，智算虽是数字科技发展的核心支撑，但传统超算具备不可替代的价值，二者相辅相成。“世界模型根植于物理、数学等底层客观规则，这套体系的搭建既需要传统超算的规则计算能力，也离不开AI智能算力的迭代能力，超智融合是算力发展的必然方向。”

　　伴随范式迁移的，是算力评价体系的根本性转向。劳凤丹提出，过去行业衡量超算能力看重峰值FLOPS（浮点运算次数），但在AI应用落地阶段，算力的本质是“产出智能”，未来核心考核指标将转变为每瓦特电力能产出多少Token（词元）和每单位成本的推理延迟是多少，即从追求绝对算力规模转向追求单位能效的智能产出效率。

　　企业端的工程实践已率先印证这一趋势。作为国内算力基础设施代表厂商，中科曙光此次展出的scaleX AI超集群便秉持算存网紧耦合设计理念，其产品从系统设计之初即引入全精度计算能力，覆盖FP64高精度到INT8低精度，本质上就是以超智融合为导向的新一代AI基础设施形态。

　　系统能力成为产业竞争重要赛道

　　当AI基础设施从单点硬件堆砌走向体系化竞争，算力价值的释放不再只取决于芯片性能，而是由计算、存储、网络、能耗、生态等多维度共同决定。多位专家均表示，未来3至5年，真正满足AI时代需求的算力基础设施，必然是高能效、高通量、存网高度融合且软件生态高度包容的系统化产物。

　　“在大模型训练时代，卡与卡之间的通信是瓶颈；而在智能体协作与行业落地时代，数据流动和亚毫秒级响应变得更为关键。”劳凤丹表示，算力架构正在从“以计算为中心”向“以网络和存储为中心”演进，无损网络、高带宽存储系统正在成为下一代AI基础设施的重要技术指标。这一转变的本质，是基础设施目标从“提升单点芯片利用率”升级为“提升千卡、万卡级集群的整体效能”。

　　与此同时，电力与算力的循环效率，正在成为决定算力产业发展上限的关键变量。随着AI集群规模持续扩大，电力供给与散热能耗已成为全球产业共同面对的核心课题。从全球范围来看，将每瓦时电力的算力效率发挥到极致，已是所有头部算力厂商的共同追求。

　　中科曙光的scaleX AI超集群通过相变浸没液冷技术降低散热能耗，提升电能向算力的转化效率；同时结合可再生能源与系统级算电循环设计，直接降低电力成本；并依托超算互联网实现跨区域算力调度，缓解算力资源分布不均、电力成本推高算力成本的问题。这一“电力—算力”大循环思路，被视为下一代算力基础设施实现普惠化的重要路径。

　　在应用端，AI推理需求的规模化爆发，正在倒推算力基础设施向服务化转型。生命科学与计算生物学领域专家张骏指出，当前高校科研、产业落地、互联网应用等各类场景均呈现海量、高频、多元化的AI推理算力需求，推理算力已成为数字化转型的刚需。未来优质算力平台必须突破单一算力供给模式，向集约化、服务化、普惠化的顶级算力云平台转型，具备多用户、多场景、高适配、高安全的综合服务能力。

　　全链条协同打通产业价值闭环

　　值得注意的是，尽管技术迭代速度不断加快，但全球AI超算产业的规模化落地仍面临瓶颈。多位专家均指出，当前产业最大的短板并非单一技术环节的不足，而是数据、模型、算法、算力四大核心要素相互割裂，硬件厂商、软件开发团队、科研机构各自为战，未能形成一体化的研发与应用体系。

　　林新华直言，单一环节的单点突破无法实现AI超算的产业化落地与规模化赋能。未来行业发展必须推动四大要素四位一体深度融合，打通上下游产业链资源，联动硬件研发、软件迭代、科研创新、产业落地全链条协同发力。李亦学也持相同观点，他表示，只有打破行业与技术边界，构建全域协同创新体系，才能真正将AI超算的技术能力转化为产业落地能力，充分释放算力生产力。

　　在算力侧，劳凤丹提出，一方面要通过统一的并行计算框架屏蔽底层硬件差异，实现异构算力的统一调度；另一方面要像构建电网一样构建算力网，通过低时延大带宽网络将超算算力输送到产业一线，实现“算力即服务”。中科曙光超算互联网便是这一思路的产业实践，其通过将万卡级AI超集群接入算力网络，提供Token、API、MaaS、卡时等多种算力接入形式，大幅降低了用户的算力获取门槛。

　　在算法与模型侧，关键是推动开源与共性化。专家普遍建议，应鼓励超算中心与科研机构、企业联合，针对材料科学、生物医药、工业制造等垂直领域训练公共行业基座大模型，让中小企业无需从零开始训练，只需基于基座模型微调即可落地应用。同时针对大模型开发更高效的分布式训练与混精度技术，让算力价值最大化。

　　在应用与生态侧，落脚点是场景化与闭环化。张骏指出，超智融合的核心价值在于搭建“高性能计算—高质量数据—高精度智能模型”的正向循环：超算通过大规模模拟生成高质量科研与行业数据，高质量数据反哺AI模型迭代升级，升级后的AI模型再进一步提升科研与产业效率。