当万卡集群逐渐成为AI算力基础设施的重要形态，行业关注的重点也在发生变化。算力规模仍在扩张，但比“卡数”更受关注的，是大规模集群能否稳定运行，国产软硬件能否形成系统能力，以及建成的算力如何真正支撑模型、科研和产业应用。

　　在7月17日举行的2026世界人工智能大会上，曙光8000（登峰）十万卡AI超集群真机首次亮相，并获评大会“镇馆之宝”。中科曙光副总裁王圣勇在大会现场接受上海证券报记者采访时表示，十万卡集群的落成和展出，代表国产算力基础设施迈上了一个新的台阶。除了规模扩大，这套系统中的核心技术体系和核心部件均实现国产自研，很多已达到国际先进水平。

　　从“建成”大集群到“用好”大算力

　　进入人工智能加速落地阶段，算力基础设施的建设目标已不只是提高峰值算力，如何在同一套系统中承载多元任务，成为大规模集群建设需要解决的问题。

　　曙光8000（登峰）采用原生超智融合架构，可同时承载科学与工程计算、大模型训练和推理等任务，覆盖从FP64到INT8的多种计算精度。目前，系统已围绕大模型、气象、材料、生物医药、工业流体和汽车研发等20余个方向，完成300余项重点应用优化。

　　算力集群到了十万卡规模，整机只是系统的一部分，互连效率、数据读写、任务调度、故障恢复和长期运维，共同决定着算力能否充分释放。王圣勇观察到，本届WAIC上，国产算力企业的整机系统能力均有明显提升。“大家都在朝着算力更强、机器更智能化、密度更高和更可靠的方向发展。”在他看来，超节点、万卡集群等集中亮相，也意味着国产算力开始更加重视系统落地和实际应用，供应链自主能力进一步增强。

　　大集群建成之后，如何让算力真正被使用起来，成为中科曙光下一步布局的重点。曙光8000依托国家超算互联网接入全国一体化算网，将面向科研高校、企业及个人用户全面开放普惠、高效、便捷的算力服务。

　　大集群背后的体系协同

　　随着集群规模和算力密度提高，AI基础设施越来越难以依靠某一个产品或单一环节完成。

　　在系统建设上，曙光8000具有“芯片、计算、存储、网络、散热、应用、服务”全链路全自研AI基础设施能力。其中：海光等国产芯片为系统建设提供底层支撑；scaleFabric类IB原生RDMA高速网络实现十万卡集群高可靠连接；ParaStor分布式存储支撑大模型训练和科学计算中的海量数据读写。

　　“十万卡集群这样一台机器，实际上是由多个团队协同完成的。”王圣勇说，曙光8000背后包括计算、存储、网络、整机集成和液冷等不同团队，是中科曙光多个产品线和技术能力共同作用的结果。

　　芯片是这一协同链条的起点。曙光8000搭载海光等国产芯片，也为国产芯片提供了更大规模的工程验证场景。本次大会上，海光完整展出CPU、DCU全系列自研芯片、高速互联整机集群、DTK/DAS/DAP全栈软件平台与全域Token化运营解决方案，目前已经形成从芯片到集群级算力协同的完整能力图谱。

　　海光信息总裁助理兼智能计算产品部总经理杜夏威接受上海证券报记者采访时表示，国产芯片进入十万卡集群后，评价标准正在由单芯片峰值性能和跑分，转向有效算力利用率、线性加速能力和故障恢复效率等系统级指标。

　　对于国产算力而言，硬件进入集群只是第一步。行业用户从原有平台迁移时，仍然面临技术路线差异、软硬件适配和性能调优等问题。杜夏威表示，海光CPU和DCU不仅具备异构融合能力，同时也完整兼容了主流软件应用生态，通过软件栈无缝兼容、模型广泛适配、生态开放协同等方式，降低用户迁移调优成本。

　　多位受访人士透露，未来，随着大集群由建设转向应用，国产算力产业协同也将继续向软件适配、模型运行和行业场景延伸。