国内首个全国产十万卡集群落地 开启超智融合新时代

中国首个全国产十万卡AI超集群曙光8000（登峰）在郑州正式落成，并同步接入国家超算互联网。这是国内首个从芯片到服务器再到交换机全部完成国产化的十万卡集群。

十万张AI加速卡同时运转可以支撑当前中国5%~10%的Token访问需求，或者在一天内完成过去数月才能跑完的模拟任务。然而，构建十万卡集群并非简单的堆算力，其工程难度、可靠性压力和协同复杂度都会呈几何倍数增长。中科曙光高级副总裁李斌表示，万卡到十万卡的升级不存在十倍叠加的线性逻辑，任何一个部件或链路的微小漏洞都可能导致整个集群性能坍塌。

为了解决这些问题，曙光8000采用“原生超智融合”架构，在同一套系统内同时支持从FP64到INT8的全精度计算。这要求网络不仅要承载海量数据传输，还要在不同精度任务之间灵活切换。为此，曙光自研了scaleFabric高速互连网络，采用类InfiniBand的原生RDMA技术，具备毫秒级链路故障恢复能力。此外，为了提高可靠性，曙光在柜级单元内优先使用铜互联而非光互联，因为铜的信号质量更好、故障率更低。

在芯片层面，虽然国产芯片单点能力与全球顶尖水平尚有差距，但可以通过更多芯片和更优的系统效率来弥补。曙光8000的意义在于证明中国有能力将超大规模算力组织起来并稳定运行，为下一阶段的AI应用竞争提供了入场券。

此次落地的AI超集群在同一套系统内同时支持高精度科学计算和低精度AI训练，即超智融合。传统做法中，科学计算和AI训练是两套独立系统，数据和任务需要来回搬运。曙光8000通过实现全类型计算的原生一体化融合，解决了这一问题。这种通用性带来的好处是显而易见的，例如在药物研发中，科学计算和大模型训练可以在同一套系统内完成，无需跨系统调度数据，大大提高了效率。