三套万卡级曙光超算建成，构建国家级AI算力新底座
2月5日，中科曙光提供的三套万卡超集群在国家超算互联网郑州核心节点同步上线试运行，标志着全国首个实现三万卡部署并已投入实际运营的、规模最大的国产AI算力池正式投入使用。
这一举措意味着我国在人工智能算力基础设施建设上迈出了坚实一步，该算力池能够全面赋能万亿参数模型训练、高通量推理以及AI for Science等大规模AI计算场景，为前沿科研与产业智能化转型提供了强大支撑。
从概念到实用化的跨越
人工智能大模型正朝着万亿级参数、多模态乃至世界模型的路径高速演进，对底层算力设施提出了前所未有的挑战。去年12月，曙光scaleX万卡超集群在HAIC大会首度以真机亮相，短短不足两个月后，便以超过三万卡的AI算力规模正式落地。这也标志着国产万卡集群已迈入规模化部署与实战应用的新阶段。
这背后是复杂的系统工程实践。中科曙光凭借系统性创新，攻克了高速互联网络、存算传紧耦合设计、高密供电与散热、统一资源高效调度等一系列关键技术难题。
从自主自强到普惠开放
随着AI产业的蓬勃发展，全球智能算力需求呈现爆发式增长。算力基础设施需要具备生态兼容、弹性扩展等特性，从而高效支撑多元应用场景，大幅降低产业使用门槛。
曙光scaleX万卡超集群基于开放式AI计算架构，能够全面兼容主流软件生态，支持多品牌国产加速卡混合部署，显著降低开发者迁移适配成本。同时，它更具向十万卡、百万卡规模灵活扩展的能力，更好地契合了产业规模化发展的现实需求。
依托这些优势，scaleX万卡超集群成为国家超算互联网郑州节点的核心AI算力支撑，并依托国家超算互联网实现一体化算力调度，从而为全球用户提供通用、易用、高效、普惠的中国AI算力服务。
从算力基石到创新沃土
培育繁荣的AI产业，需要构建协同共生的创新生态。scaleX万卡超集群已完成400多个主流大模型、世界级模型的适配与优化。依托国家超算互联网，更可接入上千款成熟应用，链接更广泛的AI产业生态伙伴，实现“算力+应用”的一体化交付。
在实际应用中，scaleX万卡超集群持续为多场景提供深度赋能：针对超大规模模型训练，支持万亿参数模型的整机训练与容错恢复；面向高吞吐推理场景，已服务于多家头部互联网用户的核心智能化业务，并通过联合深度优化持续提升推理效能；在AI for Science领域，支撑国内某材料研发大模型登顶国际权威榜单，助力国内顶级科研团队将蛋白质研究效率提升3-6个数量级；同时搭配OneScience科学大模型一站式开发平台，大幅降低多学科交叉研究的创新门槛。
“智能化的浪潮正以前所未有的力量重塑世界。”中科曙光高级副总裁李斌表示，“我们将以郑州核心节点上线为新的起点，持续深化技术研发与应用实践，推动国产智能算力更高效、更稳定、更普惠地服务于经济社会发展的各个领域。”
相关攻略
4月28日，在第九届数字中国建设峰会上，一项关键进展引发行业关注：部署于国家超算互联网核心节点的中科曙光超智融合算力集群，正式完成与全国一体化算力网的对接。这一事件标志着我国最大规模的科学智能计算集群首次接入国家级算力调度主平台，不仅为“东数西算”工程的深入实施提供了重要支撑，也为“人工智能+”行动
中科曙光发布FlashNexus9000全闪存存储系统，性能达2亿IOPS，时延低至0 090毫秒。该系统采用四控架构与“超级隧道”技术，突破性能瓶颈。通过三层冗余架构与RAID-QC等技术，可靠性高达99 99999%，支持极端故障场景。核心部件实现国产化，全栈自研，兼容主流操作系统、数据库及云原生架构，适配AI训练等高要求场景。
中科曙光发布国内最大AI4S集群：60000卡国产超智融合算力巅峰 4月14日，河南郑州国家超算互联网核心节点迎来一个重磅消息：中科曙光正式发布了规模达6万卡的AI4S（AI for Science）计算集群，并宣布其已投入实际使用。这标志着国内AI4S领域的基础设施建设，迈上了一个全新的台阶。 那
中科曙光2025年报解读：业绩稳健增长，算力全产业链布局深化 4月15日，中科曙光正式发布了2025年年度报告及年度利润分配方案。这份成绩单，为我们勾勒出了一家算力基础设施龙头在关键年份的发展轮廓。 先看核心财务数据。2025年，公司实现营业收入149 64亿元，同比增长13 81%；归属于上市公司
引言：当算力成为新时代的“水电煤” 不知你是否注意到，我们正身处一个奇妙的拐点。从前，谈论技术突破，焦点多在算法模型；如今，风向悄然转变，一股更基础、更磅礴的力量——算力，正从幕后走向台前，成为驱动智能时代前行的核心引擎。这不再是实验室里的远景，而是真切发生在数据中心、云服务账单和产业竞争格局中的现
热门专题
热门推荐
在流量日益分散的今天，把鸡蛋放在同一个篮子里，风险不言而喻。多平台推广，早已不是“要不要做”的选择题，而是“如何做好”的生存题。它的核心价值，可以概括为两点：实现“流量风险对冲”，以及构建“品牌触点全覆盖”。通过在不同生态位——无论是搜索、短视频、图文还是电商——建立内容矩阵，企业不仅能有效缓冲单一
DeepSeek知识库的核心，是运用RAG（检索增强生成）技术，将DeepSeek强大的大语言模型推理能力，与您的私有文档资源——包括PDF文件、内部代码库、标准操作流程（SOP）等——深度融合。其最终目标是实现基于特定垂直领域数据的精准智能问答，让AI的回答不再是通用泛化，而是具备专业依据、内容详
三大运营商推出Token套餐，将大模型调用量包装为类似流量包的产品，以降低AI使用门槛。中国电信推出个人与企业多档套餐，最低月费9 9元；上海移动推出1元购40万Tokens服务；联通则提供个人与团队版套餐。运营商凭借用户渠道和支付优势，推动算力消费向大众市场普及，可能重塑AI服务消费模式。
HermesAgent本地运行缓慢常因未量化的大语言模型占用资源过多。可通过AWQ量化模型、llama cpp后端加载GGUF模型、配置vLLM引擎提升并发吞吐、禁用非必要工具降低上下文开销，以及调整SQLite记忆检索阈值等方案优化。这些方法能显著降低延迟，提升响应速度。
随着AI智能体能力的持续增强，确保其行为始终符合预设目标与安全边界，已成为行业亟待解决的核心挑战。然而，当前主流的治理方案在防止智能体“失控”或“脱轨”方面，仍面临显著的实践瓶颈。 在之前的探讨中，我们分析了主流治理思路：部署多样化的对抗性验证器，构建一个多层次的安全审查网络。该方案的核心逻辑并非限