来源：环球网

前言：1986年，面对世界高技术浪潮的冲击，国务院批准启动“高技术研究发展计划”（863计划），高性能计算被列为重点攻关方向之一。此后四十年间，从国产超级计算机的问世，到芯片指令集、高速互联等底层技术的逐步自主化，中国算力经历了从“跟跑”到“并跑”乃至局部“领跑”的漫长爬坡。

进入人工智能时代，算力需求呈指数级增长。国产算力不再满足于“造得出”，更要“用得好”——尤其是支撑实体经济的核心环节。2026年6月25日，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。它既是国产算力四十年技术积累的一次集中检验，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。以下为本次合作的采访实录与深度观察。

【环球网科技报道 记者 李文瑶】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，AI技术难以真正深入工科教研一线。

这一局面正在被打破。

工程智能的算力“精算师”

AI4E（AI for Engineering）与当前大众熟知的通用大模型对算力的需求，有着本质区别。

在采访中，海光信息总裁沙超群对此做出了清晰的界定。他谈到，AI for Science更多的是理解世界，而AI4E则是要提升工程计算的效率与效益，直面实体产业场景。

“大模型训练遵循Scaling Law，需要极高的算力扩展性，规模越大越好，同时追求对外输出Token的成本经济性。但AI4E不同。”沙超群指出，“工程计算场景不需要特别大的规模，一千卡或两千卡可能就已足够。但它对精度、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的考量也印证了这一点。据透露，此次选型同济基于多年工程仿真实践，从算力性能、场景适配、生态兼容与数据安全四个维度进行系统比对。

最终胜出的海光DCU（深度计算单元），采用超智融合架构，可同步承载高端计算与AI训练推理任务。更为关键的是，其对结构仿真、流体力学等核心工科场景进行了深度适配，并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、快速地迁移至国产算力平台。“不需要把大量的精力花在移植上，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”

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在采访中透露了落地的细节：“高校老师用的软件，很多已经在我们的生态组织里做好了支撑，直接拿来用就可以。而对于老师和学生自研的代码，我们有一套机制，可以让他们不需要懂太多底层逻辑，就能快速转化到海光平台上。”

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，会进入千行百业。他们在学校里就对海光的产品、生态、软件非常了解，未来走上工作岗位，会非常熟悉国产化的生态体系。这是我们为什么特别重视和教育市场合作的原因。”

从“能量关系”到“产业结合”的生态进化

本次合作的一个重要看点，在于其模式的创新性。

沙超群透露，当前AI应用已进入深水区，算力需求不再仅仅是单一的GPU芯片堆积。海光拥有CPU、DCU以及自研的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。

“我们把DCU的软件栈进行开源，把CPU总线进行开放，成立了工作组，已经有大量的芯片合作伙伴加入进来。”沙超群说，“通过光合组织，我们与数千家应用单位、AI优化伙伴、大模型伙伴一起，打造更强的训练、更好的推理性价比，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：“我们今年计划突破近一万家合作伙伴。未来两三年，光合组织将在全国省会城市建立实体化的产业创新中心，从过去的会议形式走向实体运作，为合作伙伴提供适配、展示、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”的关系。“同济把应用需求输入给我们，我们基于这些需求调整整个系统的能力。”吴宗友说，“工程计算有计算密集型，也有通讯密集型，没有针对性的优化，效率会大打折扣。我们前期做了大量交流，最终交付的是相对定制化的系统，应用效率非常高。”

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，更重要的是，它提供了一套可复制的方案。由于集群方案对主流工程软件的高度兼容，同类代码可实现低成本迁移，这意味其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。