米兰官网-科技工作者拥抱AI，国产算力“添柴”—新闻—科学网

AI for Science（AI4S）的中文翻译应该是“人工智能驱动科学研究”还有是“人工智能赋能科研”，抑或者简译作“科学智能”？时至今日，尚无定论。不外，这其实不故障AI正于给科学研究带来愈来愈深刻的影响。

这也就不难理解，国产算力之光——“海光”会呈现于我国力学界范围最年夜的综合性学术嘉会“中国力学年夜会”上。近日，2025中国力学年夜会于湖南长沙进行，近5000名力学范畴专家学者、高校师生和财产界代表参会，范围空前。海光信息技能株式会社（如下简称海光）作为首席援助单元呈现于年夜会上，额外吸睛。

从传统的固体力学、流体力学到新兴的微纳米力学、生物力学等，力学学科包含万象，涵盖畴前沿基础研究到财产运用的各个研究类型。海光呈现于云云重量级的学术嘉会，也明示着中国一线的科技事情者正于追求科研范式的厘革，踊跃拥抱AI东西、加快科研进程。

“人工智能正经由过程数据驱动、模仿优化及试验节制等方式深刻转变出力学科研范式，人工智能驱动的科学研究正于向精准化、效率化、智能化成长。”海光科研行业副总司理冯洋先容说，今朝海光解决方案以国产C86处置惩罚器为计较焦点，提供多核高频算力，搭配自立研发的全精度DCU卡（属在通用图形处置惩罚器，具有强盛并行计较能力，广泛运用在AI练习与推理、高端计较、数据中央等范畴），可实现畴前处置惩罚到计较、后处置惩罚及长途可视化的全流程笼罩，正构建面向科学智能新范式的信息基础举措措施。

国产异构算力，助力动力学仿真效率跃升

流体力学是探究流体运动纪律的基础学科，于源情况、生物医学等浩繁范畴中阐扬着不成替换的要害作用。以计较流体动力学（CFD）为代表的传统流体力学仿真要领，始终难以解决计较成本高、繁杂模子构建难度年夜以和对于湍流等繁杂征象模仿精度欠佳等难题。最近几年来，人工智能与深度进修的飞速突起，为流体力学仿真注入了新的活气，鞭策其迈入智能化仿真的全新阶段。

于这一厘革暗地里，有提供强力支撑的国产异构算力的身影。

于中国力学年夜会分论坛上，智能计较产物事业部运营产物司理杨超以“国产异构算力助力AI4CFD”为题作陈诉，展示海光“CPU+DCU”异构算力平台于AI驱动CFD范畴的运用环境。

“将AI，尤其是将其深度进修及数据处置惩罚的上风，融入CFD仿真的成果猜测环节，正鞭策流体力学研究取患上主要进展。”杨超说，这类联合有用提高了仿真的正确性，晋升了计较效率，并拓展了其运用规模。而海光DCU高算力及兼容CUDA、ROCm主流生态的上风，不单可以或许为传统CFD提供数十倍的加快能力，还有能为诸如Transolver、MeshGraphNet、PINNsFormer、DeepFlame等主流AI for CFD运用提供优秀的加快机能及近乎线性的扩大比，实现加快流体力学从“数据驱动”向“智能驱动”的范式改变。

海光计较平台于力学运用历程中揭示出了卓着机能，特别是于工业仿真范畴。工业仿真范畴触及年夜范围CFD/CAE求解，对于计较机能、内存容量/带宽及高主频均有苛刻要求。海光工业仿真解决方案以C86处置惩罚器为计较焦点，可提供多核高频算力，周全撑持贸易版工业软件，很是适配仿真事情流，合用在匹配飞行器设计、能源装备、汽车仿真等年夜范围CAE计较需求。

例如，于高速列车与整车碰撞仿真场景下，面向汽车、高速列车布局碰撞与安全性阐发，海光工业仿真方案可实现高并发仿真与多节点扩大；于平易近航气动热耦合仿真试验中，海光方案可满意有限体积法（FVM）等繁杂场求解需求，合用在飞行器、涡轮策动机等热布局流多物理场协同仿真。此外，于聪明修建热恬静性与能耗优化仿真、多标准声学与颗粒类仿真研究、电瓷器件与芯片级旌旗灯号仿真等场景中，海光CPU+DCU协同撑持多物理场耦合、多核高频计较支撑非布局网格场迭代等特色，使其能异构加快年夜范围计较与模仿使命，晋升仿真效率及分辩率。

据悉，今朝海光技能团队正与多家高校院所睁开深度互助，以加快地球物理流体模子等的研究。

近期，北京脑科学与类脑研究所基因组学中央主任张力于接管《中国科学报》专访时暗示，国产算力硬件已经能很好地撑持基因组学科研事情。

他口中的国产算力，恰是海光CPU+DCU构成的算力体系。张力于受访中提到，作为面向疾病预警、个别化医疗、药物研发等多类场景的生物年夜数据平台，往往负担着海量测序数据阐发、突变检测、布局建模与多模态交融等使命。这种平台的开发与设置装备摆设需要满意“连续增加的PB级数据存储与调理压力”“算法流程对于计较、内存、I/O等资源高度敏感”“需撑持主流生信东西全流程运行”等苛刻要求，而今朝，这些要求“国产算力平台已经可支撑”。

“生命科学计较凡是包罗海量数据及繁杂算法，既重计较又重I/O，对于计较机能、内存带宽及并行处置惩罚能力要求极高，还有需统筹算法多样性及不变性。”冯洋先容说，联合这些需求，海光依托C86高主频多焦点CPU与DCU异构加快架构，兼容CUDA生态，撑持Alphafold等主流生物信息学东西，经由过程提供强劲算力与高带宽吞吐能力，支撑繁杂算法高效运行。

比海量数据及繁杂算法更难“弄定”的问题还有有不少，份子动力学模仿中的数据处置惩罚与高维张量计较，就是其一。

份子动力学模仿于物理、化学与质料研究中广泛运用，而经典力场精度有限，难以笼罩繁杂系统举动。市道上，“深势科技”的DeePMD-kit作为基在深度进修的原子势能函数天生框架，可年夜幅晋升精度并撑持第一性道理级另外模仿。然而，其练习历程需处置惩罚年夜范围原子邻域数据与高维张量计较，对于算力平台提出极高要求，尤其是于撑持高吞吐推理与练习机能的同时，还有需兼容主流CUDA架构与深度进修框架。

为此，深势科技联袂海光构建了国产DCU异构练习平台，基在并行练习方案乐成实现跨标准高精度模仿，并实现了DeePMD高精度原子势能模子的年夜范围并行练习，加快鞭策AI于份子模仿范畴的落地与进级。

这一方案，验证了国产DCU于AI4S运用中的通用性与靠得住性体现，也为份子模仿场景提供了可替换的练习平台。此外，海光国产算力还有于驱动高精度景象形象模仿与海洋预告立异进级等方面显露“身手”，介入及助力中国AI4S的活泼实践。

有须要再从头先容一下海光芯片。

海光CPU基在X86架构研发，定位在高端计较市场，涵盖办事器、事情站、挪动终端等多种运用场景；DCU产物则以GPGPU（通用图形处置惩罚器）架构为基础，兼容“类CUDA”通用情况，面向数据中央及云计较场景，解决传统架构于年夜范围并发、低延迟及高带宽需求下的瓶颈问题。

值患上一提的是，自本年2月DeepSeek V3及R1模子与海光信息DCU告竣适配，海光信息的硬件场景上风进一步闪现。尤其是于DeepSeek偏重在科学计较和超交融的场景适配上，海光硬件于此类运用中的体现不俗。同时，DeepSeek还有经由过程“多令牌猜测技能”优化数据处置惩罚流程，这使患上海光DCU于单元时间内可以或许处置惩罚更年夜范围的数据。

换言之，“海光系”面向AI4S范畴提供的高端计较、自立可控的加快解决方案，蕴含着团队专为科研场景如质料科学、生命科学、天气模仿、能源计较等做的设计优化，这才可以或许快速相应差别场景定制化需求，让AI变患上触手可和。

“AI与科学研究的深度交融，不仅是东西的进级，更是一场从经验驱动到‘数据+常识双驱动’的范式革命。”冯洋暗示，只管面对数据安全、跨学科协划一挑战，但跟着技能的选代与生态的完美，AI将慢慢渗入至科研全生命周期——从“一键仿真”到“自立优化”，从“单物理场阐发”到“多标准体系猜测”……将来，工程师的脚色将从反复性操作中解放，转向更高阶的立异设计与战略决议计划，而科学智能将成为新时代不成或者缺的焦点竞争力。

于这场厘革中，国产算力作为科学研究中的要害一环，正于从头界说计较于科学举措措施中的职位地方。它将与算法、人工智能及计较机技能一道，以科学智能的方式，将物理模仿晋升到一个新的境地。