去年上海高校算力圈迎来“致远一号”——采用国产NPU主打AI for Science全学科通用。今年同济出手。选择海光纯国产GPGPU路线不做大而全的通用平台而是将算力精准注入土木、建筑、机械等工程场景瞄准AI for Engineering。6月全国首个国产千卡工科智算平台正式落地。这一路线分野值得深究。过去两年是AI4S的“高光时刻”——AlphaFold预测了几乎所有生命分子AI在科学推理层面逼近人类水平。这是用AI去“理解”世界运行的底层规律。但AI4E要解决的是另一件事让AI去“改造”世界——设计桥梁、优化发动机、调度生产线。国家《“人工智能”行动》文件明确提出推动AI与实体经济深度融合指向的正是AI4E方向。沙超群在启用仪式上表示千行百业的AI新基建面临一道更现实的考题不仅要有面向全行业场景的高端通用算力还要让算力在垂类场景中真正发挥出生产效力。他进一步指出这座集群的特征不只在于算力规模有多大、精度覆盖有多广而是它能聚焦关键性、垂直性、实际性的应用场景给出与之相匹配的系统化解决方案——让存量代码迁移更加平滑无感让模型应用实时适配、快速上线。从AI4S到AI4E不是简单的场景切换而是对算力底层的系统性考验。通用大模型的算力需求以并行扩张为主——堆卡、喂数据、炼参数三板斧解决大多数问题。工程计算的逻辑完全不同要精准、要实时、要混合。结构力学仿真需要高精度算力支撑微小变形和高应力梯度计算机械工程师做流体仿真需要海量内存带宽和极低通信延迟。更复杂的是工程场景中存在大量存量Fortran代码工业软件生态繁复数据安全要求严苛。通用算力平台难以覆盖这些差异化需求。海光DCU的核心竞争力在于几个维度信创合规——芯片全自研硬件级安全生态兼容——基于GPGPU架构CUDA兼容存量代码可平滑迁移高并发性能——双精度浮点算力足以应对峰值冲击。沙超群表示海光十几年饱和式技术研发投入推动“C86GPGPU”双芯路线持续迭代核心目标就是让国产算力真正从“可用”走向“好用”。海光信息副总裁吴宗友有一个判断“真正的壁垒不在芯片本身而在于生态协同。”海光依托光合组织已汇聚超6000家成员单位涵盖整机厂商、软件开发商与系统集成商2025年推进了1400余项联合优化。同济项目承载的不仅是千卡算力更是一整套面向工程场景的全栈式生态能力。一旦在同济完成验证就具备了在“AI for Engineering”领域复制推广的条件。交大仰望星空同济深耕大地。上海两所顶尖工科高校在算力赛道上的差异化布局各有侧重、互不替代。当“人工智能制造”被确立为“十五五”产业升级的核心方向工程高校的智算基础设施建设从锦上添花的增量投入转变为国家战略驱动的刚需。沙超群在致辞最后表示希望这座千卡集群能够带来实实在在的赋能帮助同济这座工科强校抢占工程智能时代先机打造教育数智化转型标杆。美国高校人均GPU不足0.1张的时代中国高校正在用国产算力抢跑。同济与海光的这次合作既是百年工科基因与智能时代的深度融合也是对国家工程强国战略的一次实质性响应。声明如以上内容有误或侵犯到你公司、机构、单位或个人权益请联系我们说明理由我们会配合无条件删除处理。
