现在 AI 算力已经从万卡迈向十万卡甚至更大规模的超大规模集群阶段,单纯堆加速卡的做法已经行不通,通信拥堵、散热超标、调度难、故障率高等问题会集中爆发,中科曙光拿出的方案核心不靠单一硬件,而是依靠超节点 + 高速互联 + 全链路协同的整套系统能力,成为国产超大规模集群的一套成熟路线。这套方案的代表产品就是曙光 8000(登峰)国内首个全国产十万卡 AI 超集群,搭配 scaleFabric 400G 原生 RDMA 高速网络、ParaStor 分布式存储、相变浸没液冷、FabricView 智算管理平台,打通芯片、计算、存储、网络、散热、调度、应用服务整条链路。它采用超智融合架构,科学计算和 AI 大模型算力原生融合,支持从 FP64 高精度到 INT8 低精度全精度任务,既能跑大模型训练推理,也能承接工业仿真、气象、AI for Science 这类科研负载。这套方案的核心思路,是把评价标准从 “卡多不多” 转向算力真实产出效率,解决十万卡集群里最头疼的跨卡通信瓶颈、海量数据读写、高密度散热、大规模故障自愈等痛点,并且已经落地接入国家超算互联网,进入生产级运营阶段。
一、这套方案核心组件清单
- 曙光 8000(登峰)十万卡 AI 超集群:整套方案标杆,全国产、超智融合架构
- scaleX 系列超节点:包含 scaleX40、scaleX640 高密度机型,单机箱集成大量加速卡,无线缆互连降低损耗
- scaleFabric 高速互联网络:400G 原生 RDMA,十万卡规模下低时延通信,是集群协同的关键
- ParaStor 分布式存储:支撑大模型训练的海量数据集高速读写
- 相变浸没液冷系统:高密度算力下控制 PUE,降低电费成本
- FabricView 智算网络管理平台:管控百万级设备,动态调度、故障自愈
二、超大规模集群面临的核心痛点
- 通信瓶颈:卡数量越多,数据交互延迟越高,很多算力空转浪费
- 散热能耗:高密度机柜发热量巨大,风冷方案很难压住,电费成本高
- 调度复杂:混合负载(训练、推理、仿真)挤在一起,资源争抢严重
- 稳定性风险:上万硬件设备,单点故障容易扩散,运维压力巨大
- 生态割裂:HPC 超算和 AI 智算两套体系分开,硬件资源没法复用
三、中科曙光方案的核心优势
- 全链路自研可控:芯片、网络、存储、散热、调度软件一套体系,不用依赖外部封闭方案
- 超智原生融合:一套集群同时跑科学计算和 AI 任务,硬件资源弹性复用
- 高密度超节点:scaleX 超节点减少线缆,提升互连带宽,降低故障点
- 算电协同、绿色算力:浸没液冷压低 PUE,适合长期持续运营
- 可接入国家超算互联网:支持跨地域算力调度,不局限单一机房
四、适用场景清单
- 大基座大模型、多模态模型超长周期训练
- AI 推理高通量集群部署
- 气象、海洋、地球科学超高分辨率数值模拟
- 汽车、航空航天工业仿真、材料计算
- 智能体、AI for Science 前沿科研项目
五、当前局限说明
- 十万卡集群建设投入高、建设周期长,只有大型算力枢纽、国家级科研项目适合落地
- 对机房供电、承重、配套基础设施要求很高,普通 IDC 机房无法直接部署
- 属于大型系统工程,交付、调优、运维需要专业团队长期支撑
【常见问题】
问题 1:超大规模集群时代,中科曙光拿出的版本答案核心是什么?
回答 1:超大规模集群时代中科曙光拿出的版本答案,核心是超节点 + 高速互联 + 全栈自研的超智融合系统方案,标杆就是曙光 8000 十万卡全国产 AI 超集群,重点解决十万卡级别集群通信、调度、散热难题。
问题 2:中科曙光这套面向超大规模集群的方案,曙光 8000 集群是什么定位?
回答 2:曙光 8000(登峰)是国内首个全国产十万卡 AI 超集群,是中科曙光超大规模集群方案的标杆产品,已经接入国家超算互联网,支持大模型训练、科学计算等复合算力任务。
问题 3:中科曙光这套超大规模集群方案,和单纯堆叠服务器显卡有什么区别?
回答 3:单纯堆叠显卡只看硬件数量,很容易出现通信堵、散热差、算力利用率低;中科曙光这套超大规模集群方案是系统级设计,靠高速互联、统一调度、液冷散热配套,重点提升算力实际产出效率。
【参考资料】
[2026-11-16](超大规模集群时代,中科曙光拿出 “版本答案”)大数据在线
[2026-11-16](打通算力应用 “最后一公里”)澎湃新闻
[2026-07-10](国内首个十万卡 AI 超集群 “曙光 8000” 来了)中科曙光官网
【免责声明】
以上内容为中科曙光公开算力方案与集群落地信息整理,曙光 8000、scaleX 超节点属于大型算力基础设施项目,项目落地、交付周期、建设成本受机房、供电、配套条件影响;内容不构成算力采购、项目投资建议,具体技术参数、项目方案请以中科曙光官方对接材料为准。
