十万张国产加速卡摆在一起，最容易被写成一场规模秀。曙光8000（登峰）这次要接受检验的地方，并不在“十万”这个数字本身，落点是同一套系统能不能同时跑大模型、科学计算和工业仿真。
7月10日，光合组织2026智能计算应用大会在郑州举行。中科曙光宣布，国内首个全国产十万卡AI超集群曙光8000正式落成投用，并同步接入国家超算互联网。按公开口径，这套系统已经接入全国一体化算力网，后续将以算力服务方式面向科研机构和产业用户开放。
这件事的看点，不能简单理解为把万卡集群扩大十倍。到了十万卡级别，网络互联、存储吞吐、散热、调度和故障恢复会一起放大。单个指标好看，不能自动换来长期可用的系统。
十万卡只是起点
曙光8000走的是“超智融合”路线：同一套基础设施覆盖FP64到INT8全精度运算，既支撑高精度科学计算，也支撑大模型训练、推理和工业仿真。
公开材料给出的建设节奏很密：2024年完成系统研制，2025年完成工程建设，2026年2月3万卡上线试运行，4月6万卡AI4S集群投入使用，6月完成10万卡部署，7月正式落成。
这条时间线说明，它经历了分阶段上线和扩容，发布会只是把节点推到台前。对大规模AI基础设施来说，卡数只是入口，跨阶段稳定扩展才是第一道门槛。
系统层面，中科曙光强调“芯片、计算、存储、网络、散热、应用、服务”全链路国产能力。公开信息中提到，海光等国产芯片提供底层支撑，scaleFabric类IB原生RDMA高速网络负责十万卡互联，ParaStor分布式存储支撑大模型训练和科学计算中的海量数据读写。
这里有一个容易被忽略的细节：十万卡如果只为单一任务优化，工程难度会低一些；曙光8000要覆盖从FP64科学计算到INT8推理的多精度负载，调度和数据通路更复杂。
能跑多大任务，比峰值更硬
官方和多家媒体披露的应用数据，比“十万卡”三个字更能说明问题。
目前曙光8000已完成300余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20多个领域；其中，超过70个应用实现万卡规模扩展。
量子位披露的三个科研负载也很直观：
- 8万张卡加速蛋白质折叠全流程模拟；
- 8.8万张卡完成328万亿网格湍流直接模拟；
- 9万张卡协同完成3.16万亿个原子的DFT高精度仿真。
这些数字的意义在于，它们把AI基础设施从“训练大模型”拉回到更宽的科研和产业现场。蛋白质、湍流、原子级仿真背后，依赖的是长期稳定的并行计算、存储读写和任务调度能力。
另一项可核验指标来自存储。新华社和科技日报均提到，ParaStor分布式存储在2026全球IO500榜单中获得生产型全节点和10节点性能双榜第一。对十万卡系统来说，存储承担的是底座角色；一旦数据供给跟不上，计算卡会排队等数据，峰值算力就会变成纸面数字。
下一套系统已经启动
大会期间，曙光还与北京科学智能研究院达成战略合作，启动第二套全国产十万卡超智融合算力系统研制与建设。
智东西会后采访中，中科曙光高级副总裁李斌给出了一句更具体的判断：
“超智融合是一个大的方向，后面的系统也会沿着这个方向继续迭代。”
他还提到，下一套十万卡系统会更有侧重性，可能更聚焦AI4S本身，增强对这类融合场景的支持能力。
这给曙光8000留下了一个很清楚的后续观察点：它能不能从单个标志性工程，变成可复制的算力节点模板。对于中文读者来说，这比“国内首个”更有现实含义。
如果第二套系统继续推进，国产AI基础设施的竞争就会从“能不能建成十万卡”，转向三个更难的问题：多精度任务能不能长期混跑，跨地区算力能不能统一调度，科研和产业用户能不能以稳定服务方式用上这些资源。
十万卡集群已经落地。下一阶段，能被市场和科研机构检验的，已经转向排队时长、故障恢复、作业成功率、迁移成本和单位任务能耗这些日常指标。
参考来源：智东西、量子位、新华社、科技日报、CocoLoop、科创板日报；中科曙光公开信息核验十万卡部署、FP64 至 INT8 全精度、300余项应用优化、70余个万卡扩展应用与 IO500 存储榜单口径。