过去两年，整个AI行业都在追逐一种“看起来更聪明”的能力。从写代码、做PPT、生成视频，AI已经能胜任不少过去需要专业人士参与的内容工作。然而，当2026年世界智能产业博览会（WIE 2026）大幕拉开，我们能够清晰看到，AI的竞争焦点已经从比拼模型参数时代，全面迈向"解决问题"的AI4S新时代。

产业界与投资界开始达成一种新的共识：如果AI仅仅停留在“看起来聪明”的文本交互层面，它将很难真正重塑实体产业。

下一场竞争，是计算组织能力

从DeepMind的AlphaFold突破性地解决了困扰生命科学界数十年的蛋白质折叠问题，到GraphCast在中期天气预报中超越传统数值系统，再到GNoME系统助力发现数十万种新型晶体材料。AI4S的成功模式正在全球范围内快速复制。美国能源部已在2025-2026财年拨款超过100亿美元，构建"AI+超算+实验设施"的全新科研体系，将科学智能提升到了国家战略高度。

中科曙光董事长历军

中科曙光董事长历军在主论坛演讲中明确指出，AI4S正在重塑人类认知世界的方式，基础科学突破能力已成为全球科技竞争新的“胜负手”，人类正加速迈入“科学智能时代”，超智融合的全精度计算开始重构AI形态。未来，数学模型驱动的高精度科学计算与数据模型驱动的低精度智能计算紧耦合的系统化协同，将成为新一代计算和AI基础设施演进的重要方向。

如果把今天的大模型理解为一种“知识压缩系统”，那么AI4S更像是一种“复杂世界模拟系统”。两者最大的区别在于：后者需要的不只是推理能力，更需要极强的计算组织能力。

换言之，当AI真正进入产业深处后，问题开始不再只是“模型够不够大”，而是整个算力系统能否被有效组织起来。科学智能的落地需要超智融合、全精度的强大计算能力，才能够高效处理高维函数和复杂科学问题。

历军回顾了中国计算产业经历的三次外部封锁——1995年代的“整机禁售”、2015年“芯片断供”、以及当前面临的“应用”壁垒。每一次封锁都倒逼出更强的自主创新能力。他强调：在科学智能时代，以新型超大规模AI基础设施为代表的全精度大算力体系，将成为新时代的重要“入场券”。“算力就是AI4S时代的‘电力’。没有强大的算力基础设施，一切科学智能创新都无从谈起。”

系统级“反内耗”才是真功夫

既然AI4S的核心是计算组织能力，那么当传统智算集群规模向万卡甚至十万卡扩展时，所面临的最大挑战是什么？

答案是系统内耗。

随着集群规模扩大，线缆连接带来的信号衰减、网络延迟，以及庞大元器件导致的散热故障率会呈现指数级上升。往往成千上万张卡同时运行时，会有相当一部分算力被白白浪费在数据等待和系统容错重试的过程中。

面对这道复杂的应用壁垒，中科曙光以“智能计算基础算力底座+超算互联网服务+光合组织生态协同”为逻辑闭环，集中公开展示覆盖芯片、整机、液冷、存储、高速互联全栈硬件底座，以及全国算力网统一调度、行业智能体应用、算力服务运营全链条能力。

从世界首个无线缆箱式超节点scaleX40，到全球首个单机柜级640卡超节点，再到作为镇馆之宝的曙光scaleX万卡超集群，中科曙光试图解决的，其实都是同一个问题：如何让超大规模AI计算真正具备产业化运行能力。

伴随大模型训练规模持续提升，行业已经进入“万卡时代”。但万卡并不意味着GPU的“粗放堆叠”，而是需要高速互联、稳定调度、存储吞吐，以及长时间训练过程中的系统协同。

限制训练效率的，往往并非单卡性能，需要从底层架构进行全面重构，让整个集群能否像一个“大脑”一样高效协同。

围绕AI时代“大规模、高吞吐、强协同”的计算需求，中科曙光同步展示了FlashNexus集中式全闪存储、ParaStor分布式存储、ScaleFabric高速网络等成果，实现了国产原生的RDMA高速网络能力，允许芯片直接访问远程节点的内存，跨过了操作系统的中间干预，将十万卡集群之间的通信延迟压缩到至0.9微秒，完善了超大规模AI集群在数据吞吐、高速互联与集群调度等关键环节的系统能力。

这意味着，AI基础设施正在从过去“粗放式堆卡”，转向“超节点+高速互联+液冷+存储协同”的系统级集成，在底层技术上为化解2026年的应用壁垒提供了坚实的硬件基础。

让科学智能体触碰真实物理世界

基础设施的价值，最终需要通过真实的业务来验证。

在工业和科研的深水区，中科曙光所构建的大科学新基建，正在展现出将理论研究推向产业实感的巨大能量。数据显示，中科曙光超智融合算力集群已扩展至60000卡规模，并完成70余个万卡规模测试，正式接入了全国一体化算力网。

在生命科学领域，该集群被直接运用于支撑复杂的蛋白质折叠模拟，帮助科研人员快速筛选潜在的药物靶点；在材料科学与汽车锂电领域，该集群成功刷新414.7亿原子DFT精度模拟纪录，将原本在分子动力学、量子化学模拟中，需要耗时数周甚至数月才能完成的十亿级网格仿真，直接压缩到了小时级。

但要真正实现大规模产业落地，仅靠硬件堆砌还远远不够。

在平台层，中科曙光通过SothisAI、Gridview 7.0智能体版本以及OneScience科学大模型一站式开发平台，构建起覆盖算力调度、模型开发与科研工具链的协同体系，使科研人员能够屏蔽底层复杂系统细节，更专注于科学发现本身。

在生态适配方面，该平台目前已深度适配了400多个行业大模型，并针对全球主流大模型进行系统级优化，完成了流体、生物、量子力学、仿真等专业软件国产化适配移植优化。

这种“数算模用协同”的路径，把模型、算力、数据与行业软件真正组织成一个完整体系，将成为激活中国本土的科学智能体生态重要力量。

写在最后

从AIGC到解决物理世界的复杂难题，大模型迈向产业深处的每一步，都需要底层算力基础设施进行脱胎换骨的系统级重构。

越过2026年的“应用壁垒”，中国计算产业正在告别盲目的堆叠扩张，全面转向超智融合、数算模用协同的精细化深耕。

中科曙光在2026智博会上展现的以scaleX万卡超集群为代表的全栈自主智算能力，以及超算互联网平台所代表的开放生态，标志着AI时代的新型“大科学”基础设施，正在开始形成。

而这背后，一个更深层的变化也正在发生：AI大模型的发展方向，已经开始从“生成内容”，转向“参与发现”，进入一个更接近真实产业核心的新阶段。为大科学时代中国前沿科技的创新爆发，点亮了确定性的算力未来。