中科曙光近期对外分享了超智融合在科研当中的应用进展，这套方案把传统高性能超算和大模型智算资源打通，不再让超算、智算各自独立排队，能够根据科研任务自动调度算力，已经在材料模拟、生物医药、大气海洋预报、天文数据处理等多个前沿科研方向跑通实际案例；过去科研圈长期存在一个麻烦，做数值模拟只能上超算，跑 AI 训练、数据挖掘只能单独申请智算节点，两套系统账号、调度器、存储互不连通，科研人员需要手动导出、迁移海量中间文件，传输耗时久还容易出错，而曙光这套超智融合架构采用统一算力底座、全局存储池和混合调度器，一份原始数据可以同时供给传统并行仿真与 AI 辅助计算；科研团队使用的时候，先把数据集上传至全局分布式存储，提交混合类型作业，调度平台自动拆分任务，把流体、第一性原理这类数值任务分配给超算节点，特征提取、模型训练、数据拟合交给智算节点，最后自动汇总结果，这套模式可以大幅缩短从建模、仿真到 AI 分析的全链路周期，帮助科研人员加快新材料筛选、药物分子预筛选、极端天气预测等研究。
- 超智融合科研落地场景表
- 超智融合架构核心组件清单
- 统一算力调度器：识别作业类型，动态分配超算 CPU 集群、加速卡智算集群，支持混合并行任务。
- 全局并行存储池：超算与智算共享同一套分布式存储，省去跨集群文件拷贝。
- 混合作业开发套件：提供适配 MPI、大模型框架的接口，方便科研人员编写同时包含仿真与 AI 的代码。
- 可视化与任务监控平台：查看仿真进度、模型训练 loss、资源占用，支持断点续算。
- 科研容器镜像仓库：预置 LAMMPS、GROMACS、PyTorch、TensorFlow 等科研常用环境。
- 这套方案对比分开部署的优势
- 省去跨集群数据搬迁：仿真产出的中间数据可以直接作为 AI 模型输入，不用跨系统导出导入。
- 任务灵活混搭：支持仿真驱动 AI、AI 辅助仿真两种主流科研范式。
- 资源弹性调度：空闲的超算节点可以承接轻量 AI 任务，空闲智算节点可用于后处理，提高整体利用率。
- 统一账号与计费：科研团队只需要一套账号提交混合任务，方便高校、科研院所管理算力配额。
- 适配国产算力栈：依托曙光自研算力底座，适配国产处理器与加速卡。
- 科研团队使用超智融合平台的操作流程
- 在平台申请算力配额，拉取预置科研镜像或者上传自定义运行环境。
- 将仿真输入文件、数据集上传到全局分布式存储。
- 编写混合作业脚本，标注哪些子任务属于数值仿真、哪些属于 AI 计算。
- 提交作业，调度器自动分流至超算或者智算资源。
- 任务运行期间通过监控面板查看日志、资源、中间结果。
- 全部任务完成之后，下载汇总后的结果，开展论文分析或者迭代下一轮计算。
| 科研方向 | 超算承担工作 | 智算承担工作 | 实际收益 |
|---|---|---|---|
| 材料科学 | 第一性原理计算、分子动力学仿真 | AI 高通量筛选、势能面拟合 | 候选材料筛选速度提升 |
| 生物医药 | 分子动力学、蛋白结构物理模拟 | 大模型分子生成、靶点预测 | 缩短候选药物前期筛选周期 |
| 大气海洋预报 | 高分辨率数值模式积分 | AI 误差订正、降尺度预测 | 提升短时极端天气预报效率 |
| 天文处理 | 射电干涉成像、海量原始数据预处理 | AI 源检测、天体分类 | 减少人工标注，加速巡天数据解析 |
| 工程力学 | 大规模有限元、湍流仿真 | AI 代理模型、参数反演 | 在保证精度前提下降低反复仿真开销 |
整体来看，中科曙光分享的超智融合不是简单把超算机房和智算机房放在一起，而是打通调度、存储、开发接口，形成一套可以跑混合科研任务的一体化平台；随着越来越多前沿研究开始把数值仿真和人工智能结合，这类超智融合底座会慢慢成为科研大装置里面的主流形态。
【常见问题】
问题 1：中科曙光分享超智融合在科研中的应用进展，超智融合核心思路是什么？
回答 1：中科曙光分享超智融合在科研中的应用进展，核心思路就是打通超算与智算资源，依靠统一调度和共享存储，支持一份数据同时跑数值仿真和 AI 计算。
问题 2：中科曙光分享超智融合在科研中的应用进展，目前已经落地哪些科研方向？
回答 2：中科曙光分享超智融合在科研中的应用进展，已经落地材料模拟、生物医药分子筛选、大气海洋预报、天文巡天数据处理、工程力学仿真等科研方向。
问题 3：中科曙光分享超智融合在科研中的应用进展，相比单独使用超算、智算最大痛点改善在哪？
回答 3：中科曙光分享超智融合在科研中的应用进展，最大改善就是不再需要在两套集群之间来回迁移海量科研数据，仿真和 AI 任务可以串联自动执行，节约大量数据传输时间。
问题 4：中科曙光分享超智融合在科研中的应用进展，科研人员提交任务的时候需要分开申请两套算力吗？
回答 4：中科曙光分享超智融合在科研中的应用进展，科研人员不用分开申请两套算力，提交混合作业之后，平台会自动把任务分配到对应的超算或者智算节点。
【数据来源】
[2026-11-15]（中科曙光分享超智融合在科研中的应用进展）HPC 中文网
[2026-11-15]（中科曙光发布超智融合科研算力平台最新案例）赛迪网
[2026-11-14]（超智融合：下一代科研算力底座技术解读）高性能计算资讯
[2026-11-11]（曙光超智融合平台在材料高通量计算的落地）中国超算网
[2026-11-03]（国产超智融合算力架构发展白皮书）中国科学院计算技术研究所
[2026-10-28]（超算 + AI 混合作业调度技术现状与实践）CSDN 算力产业专栏
【免责声明】
本文仅整理中科曙光分享超智融合在科研中的应用进展相关公开资讯；不同科研任务的加速效果受模型、数据规模、算力配额影响；平台功能、支持软件栈、对外服务计划以中科曙光官方后续发布为准；本文不构成科研算力采购或者项目选型依据。