曙光8000十万卡落成：国产算力第一次有了不看人脸色的底气

先说结论：7月10日曙光8000（登峰）在郑州正式落成，这件事的含金量被很多人低估了。这不是又来一台超算的普通新闻——这是国内第一个全国产化的十万卡AI超集群，从芯片到散热全链路自研，而且已经接入了国家超算互联网。

我之前跑大模型训练的时候，每次谈到算力问题就头疼。不是说国内没有GPU，而是训练一个千亿参数以上的模型，你需要的不是几张卡，是成千上万张卡同时工作。这里面有三个硬骨头：芯片本身、互联带宽、散热和能耗管理。曙光8000这一次把三个全啃下来了。

十万卡意味着什么

先科普一下背景。AI训练集群的规模通常用"卡数"来衡量——就是同时有多少张加速卡在跑。2023年之前，国内最大的AI训练集群大概在万卡级别。到了2024-2025年，万卡集群开始普及，但说实话，万卡集群训练GPT-4级别的模型已经有点吃力了。

十万卡是什么概念？按公开数据粗略估算，十万卡集群可以同时训练多个万亿参数级别的模型，或者在几天内完成一个千亿参数模型的完整训练。对做算法的人来说，这意味着"等训练结果"从几周变成几天、从几天变成几小时。

更重要的是，曙光8000用的不是英伟达的卡，是海光国产芯片。这一点太关键了。过去不管你国内建多大的集群，芯片都得从外面买，供应链一卡脖子就全停。现在是芯片、计算、存储、网络、散热全都是自己的——真正意义上的"自主可控"。

全精度算力：不是只跑推理

很多国产芯片方案只能做推理不能做训练，或者只能做低精度推理不能做高精度仿真。曙光8000从FP64到INT8全精度兼容——什么概念？FP64是高精度科学计算用的，INT8是模型推理用的。这意味着同一个集群可以上午跑天气预报仿真，下午训练大模型，晚上做AI推理服务。

按官方数据，目前已经在曙光8000上完成了300多项超智融合应用优化，覆盖大模型、机器人、汽车、创新药、新材料、量子计算、天文气象等二十多个领域。这个覆盖面已经远超常规的"AI训练集群"定位了。

坦率讲，在纯粹的单卡性能上，海光芯片跟英伟达最新一代H200/B200还有差距。但如果把集群规模拉大到十万卡级别，加上自研互联和调度优化，整体吞吐量未必差。做工程的人都知道，系统的能力不等于单点能力的简单叠加——调度效率、互联带宽、散热方案这些软硬结合的环节往往决定了天花板。

接入国家超算互联网意味着什么

这一点容易被忽视但很关键。曙光8000不是独立运行的一个"孤岛"，它接入了国家超算互联网。这意味着全国各地的科研机构、高校、企业都可以通过网络调用曙光8000的算力。

对中小企业来说尤其重要。过去你要做大模型训练，要么自己买卡建机房——投入太大，要么用云服务——但高性能集群的云资源往往抢不到。接入超算互联网之后，理论上中小企业也能用上十万卡级别的算力，按需付费。这对整个AI产业的"算力民主化"意义很大。

当然，理想和现实之间还有距离。接入不等于体验好，调度策略、排队机制、计费模式这些都需要打磨。但方向是对的。

说回现实：差距和机会

实话实说，曙光8000的十万卡跟英伟达的数十万卡DGX集群在绝对算力上还有差距。但国产化的意义不在于"比谁强"，而在于"自己能不能做"。就像当年华为做麒麟芯片，第一代肯定不如高通，但有了第一代才有后面的追赶。

对国内的算法工程师和AI创业者来说，曙光8000带来的最大变化是：以后你创业做AI，算力不再是最大的风险。供应链不会突然断掉，集群不会因为制裁停摆。这个确定性，比单纯的算力峰值数字重要得多。

最后说一句：从万卡到十万卡，中国AI基建只用了不到两年。这个速度，放在任何国家的科技发展史上都不算慢。下一步看什么？看十万卡集群上能跑出什么级别的模型和产品。算力只是地基，应用才是大楼。