来源：环球网

前言：1986年，硬骨头面对全球高技术浪潮的千群落冲击，国务院批准启动“高技术研究发展计划”（863计划），卡工科智将高性能计算列为重点攻关方向。算集此后四十年，地同从国产超级计算机的济国问世，到芯片指令集、产算程智高速互联等底层技术的力啃逐步自主化，中国算力完成了从“跟跑”到“并跑”乃至局部“领跑”的下工跨越。

进入人工智能时代，硬骨头算力需求呈指数级爆发。千群落国产算力不再仅满足于“造得出”，卡工科智更追求“用得好”，算集尤其是地同支撑实体经济的核心环节。2026年6月25日，济国海光信息与同济大学签署战略合作协议，全国首个国产千卡工科智算集群正式落地。这既是国产算力四十年技术积累的集中检验，也标志着AI基础设施正从科学智能（AI4S）向工程智能（AI4E）纵深延伸。以下为本次合作的深度观察与实录。

填补空白：打破高校AI for Engineering算力缺位

6月25日，上海同济大学，海光信息与同济大学正式签署战略合作协议，挂牌成立全国首个“高校海光算力优化中心”，共建国内首个国产千卡工科智算集群。

这不是一次常规的校企合作。在国内高校AI for Science（AI4S）算力体系日渐成熟的当下，面向工程设计、工业研发、智能建造等AI for Engineering（AI4E）场景的专属算力基础设施，长期处于缺位状态。工科院系大多依托通用平台开展研究，导致AI技术难以真正深入工科教研一线。这一局面正在被此次合作打破。

工程智能的算力“精算师”：精度与效率的双重考验

AI4E与大众熟知的通用大模型对算力的需求存在本质区别。

海光信息总裁沙超群对此做出了清晰界定：“AI for Science更多是理解世界，而AI4E旨在提升工程计算的效率与效益，直面实体产业场景。”

他指出，大模型训练遵循Scaling Law，追求规模扩展性与Token输出的经济性；而AI4E场景不需要极大规模，一千卡或两千卡往往已足够，但对精度、实时性、迁移成本有着极为苛刻的要求——“工程计算不能算错，小数点后几位都不能有偏差。”

同济团队在选型过程中，基于多年工程仿真实践，从算力性能、场景适配、生态兼容、数据安全四个维度进行了系统比对。最终，采用超智融合架构的海光DCU（深度计算单元）胜出。其优势在于：
1. 同步承载：可同时承担高端计算与AI训练推理任务。
2. 深度适配：针对结构仿真、流体力学等核心工科场景进行优化。
3. 生态兼容：通过自研软件栈兼容主流工程软件生态。

这意味着，工程师们积累了数十年的历史代码与商业软件，能够低成本、快速迁移至国产算力平台。“不需要把大量精力花在移植上，而是拿来就能用，用起来就能算得准。”沙超群强调。

破解产教融合“最后一公里”：降低使用门槛

高校是科研创新的发源地，但也是算力使用的“高门槛”地带。

海光信息副总裁吴宗友透露了落地细节：“高校老师常用的软件，很多已在我们的生态组织里做好支撑，可直接使用。对于师生自研代码，我们提供了一套机制，让师生无需精通底层逻辑，即可快速转化至海光平台。”

目前，该集群已接入同济校级算力服务体系并投入使用。同济大学在土木、建筑、交通、环境等工程学科保持领先地位，是国内最早系统推进工程智能的高校之一。依托该集群，学校将推动科研范式向科学智能与工程智能融合驱动模式转变，并探索“师机生协同”的创新教学模式。

吴宗友特别强调了教育市场的战略意义：“学生未来走向社会，进入千行百业。他们在学校熟悉海光的产品、生态及软件，未来在工作中将无缝衔接国产化生态体系。这是我们高度重视教育市场合作的核心原因。”

从“能量关系”到“产业结合”：生态进化新范式

本次合作的重要看点在于其模式的创新性。

沙超群指出，当前AI应用进入深水区，算力需求不再是单一的GPU芯片堆积。海光拥有CPU、DCU及自研HSL高速互联总线，正在构建涵盖系统、软件栈、开源生态的全栈能力。

“我们将DCU软件栈开源，开放CPU总线，成立工作组，已有大量芯片合作伙伴加入。”沙超群表示，“通过光合组织，我们与数千家应用单位、AI优化伙伴、大模型伙伴合作，打造更强的训练能力、更高的推理性价比，以及在AI4E领域更快的适配效率。”

目前，光合组织已积累超过6000家合作伙伴，互认证证书接近5000个。光合组织副秘书长王圣勇透露：“今年计划突破近万家合作伙伴。未来两三年，光合组织将在全国省会城市建立实体化产业创新中心，从会议形式走向实体运作，为合作伙伴提供适配、展示及联合应用场景突破的支持。”

不同于简单的买卖关系，海光与同济的合作被定义为“产业结合”。“同济输入应用需求，我们据此调整系统能力。”吴宗友说，“工程计算涉及计算密集型和通讯密集型，缺乏针对性优化会导致效率大打折扣。前期大量交流后，我们交付的是相对定制化的系统，应用效率极高。”

算力底座上的工程强国想象空间

业内普遍认为，工程智能是AI赋能实体经济的“硬骨头”，其涉及的数据安全、精度要求、实时响应，远高于消费级AI应用。

此次千卡集群的落地，不仅填补了国内AI4E工程算力的空白，更提供了一套可复制的方案。由于集群方案对主流工程软件高度兼容，同类代码可实现低成本迁移，具备向更多工科院校复制推广的条件。

正如同济大学党委书记、中国工程院院士郑庆华在签约仪式上所言，算力是人工智能的底层支撑平台。当国产算力开始真正理解桥梁的承重、气流的涡旋、材料的疲劳，关于工程智能的未来图景才刚刚展开。

随着海光与同济合作的深化，围绕工程智能关键技术攻关、“AI+工程”课程体系建设、科研协同创新及产业生态合作将持续展开。对于正处于产业升级关键期的中国制造业而言，一个基于国产算力底座、面向工程智能的产教融合新范式，正从蓝图走向现实。