如果将视线投向全球科技竞争，会发现一个有意思的转向：美国有“创世纪计划”，欧洲、日本也密集推出了面向科学智能的国家级布局，中国同样有相应的顶层设计。

各方心照不宣的目标只有一个——让AI成为科学研究的“新引擎”。

01.

全球AI4S“新竞赛”，

真正的胜负手是什么？

为什么这件事如此重要？国家高性能计算机工程技术研究中心副主任曹振南这样描述：AI之于Science，就像当年“互联网+”之于传统行业，它会带来工具和方法的质变。从几百年前依赖实验，到计算机发明后靠数字模拟，再到今天，每一次方法跃迁都重塑了行业面貌。

诚然，今天具身智能、航空航天之所以火，核心瓶颈在电池材料；一旦AI驱动的材料模拟取得突破，带来的将是整个产业的本质飞跃。这背后既是国家竞争力的制高点，也蕴藏着巨大的新兴产业机遇。

愿景很清晰，但落地路径上有一个关键问题被反复讨论：我们现有的算力基础设施，真的准备好迎接AI4S了吗？

从行业反馈来看，痛点相当具体。

一方面，大量科研团队和中小企业面临“算力门槛过高”的困境——不是没有算力中心，而是优质算力始终稀缺，传统超算与AI框架之间“水土不服”，数据和模型难以打通。另一方面，部分地区算力建设出现结构性错配：通用算力相对充裕，但面向AI4S场景的“超智融合”能力严重不足。

正如曹振南所言，“AI绝对不是万能的，它要跟传统实验、理论、模拟相结合”。这意味着AI4S需要的不是单纯的AI算力，也不是传统的科学计算算力，而是一个能把两者真正融合起来的底座。

02.

中国6万卡集群问世，

用超智融合“打了个样”

在此背景下，行业里开始出现一批探索性的算力集群项目。

近期，郑州国家超算互联网节点迎来一套标志性装置——由中科曙光提供的6万卡科学智能计算集群，这也是国内迄今最大的专门面向AI4S的超智融合基础设施。

它试图回应一个核心命题：AI4S的算力底座，到底应该长什么样？从公开的技术细节看，这套6万卡AI4S集群在几个方向上实现了突破。

第一是“超智融合”的系统架构——不再是AI计算和科学计算两张皮，而是通过高速网络和统一调度，让一个科研任务可以同时调用AI加速单元和传统超算节点。该集群采用了国内首款类InfiniBand 400G无损高速网络，满足了AI4S对低延迟、高带宽的极致需求。

第二是“存算传协同”——通过三级协同优化突破存储IO瓶颈，叠加先进液冷和数字孪生运维，系统可用性达到99.99%。

第三是“应用验证”——在真实科研场景中，该集群已在3万卡规模下将蛋白质折叠模拟较传统算法加速1000倍，在4.5万卡规模完成万亿原子液态水分子动力学模拟，打破世界纪录的同时效率提升三个数量级。

这些具体数据释放了一个清晰的信号：AI4S算力正在从“能用”走向“好用”，从理论可能性走向工程可复制性。

与此同时，这也正带动整个算力产业链的升级。过去两年，行业焦点集中在“抢卡、囤卡”，硬件军备竞赛一度成为主旋律。而随着AI4S等应用场景的深化，算力产业的竞争逻辑正在切换：从拼规模转向拼效率，从卖资源转向卖能力。那些能够提供超智融合架构、能够打通数据与模型壁垒、能够让科学家“无感使用”算力的平台，才是下一阶段的核心竞争力。

回到那个宏观问题：AI4S到底需要什么样的算力底座？

答案已经越来越清晰——它需要足够大，更需要足够强；需要硬件的规模，更需要软件生态的厚度；需要自主可控的技术路线，更需要开放协同的服务模式。而行业中这些先行者的工程实践，正在为这个问题勾勒出清晰的图景。