同济联手海光打造首个工科智算集群，国产AI4E引爆人工智能新基建

type

status

date

slug

summary

过去两年是AI4S（AI for Science）的黄金时代。无论是AlphaFold对生命分子结构的精准预测，还是各类LLM在科学推理上的突破，都展示了AI理解世界运行规律的强大能力。然而，人类科技的发展不能仅停留在理论层面，更需要走向“改造世界”的工程实践。

这便催生了AI4E（AI for Engineering，工程智能）。国家《“人工智能+”行动》明确指出，要推动AI与实体经济深度融合。与通用大模型“堆卡、喂数据、炼参数”的暴力计算不同，工程智能计算对算力底座提出了更为严苛和复杂的“复合型”要求：

高精度计算需求：在土木工程的结构力学仿真、高应力梯度分析和复杂材料非线性问题中，微小的计算误差都可能导致灾难性后果，这需要极强的高精度双精度浮点计算支持。

面对AI4E给出的新考卷，海光信息与同济大学联合打造的国产千卡级工科智算集群，为行业给出了系统性的答案。作为国内高校首个超智融合国产算力平台，该集群具备以下三大核心优势：

超智融合全场景覆盖：集群基于超智融合架构，既能承载传统的高性能数值计算（如有限元分析、流体力学计算），也能满足AI大模型的训练与推理需求，有效解决了高校科研在高峰期的算力短缺问题。

自主可控的安全防线：依托海光DCU的硬件安全特性，集群构建了坚实的安全护栏，在关键工程数据保护和模型输出管控上实现了国产化替代，为涉及重大工程数据的科研任务筑起安全屏障。

无感迁移的生态兼容：该集群采用基于GPGPU主流架构的DCU产品，全面兼容主流人工智能生态。高校师生可直接基于主流深度学习框架进行开发，实现从CUDA开发环境的平滑迁移，极大降低了国产化适配的学习与时间成本。

硬件性能只是基础，软件生态是否“懂工程”才是AI4E能否真正落地的关键。同济大学作为顶尖工科殿堂，不仅需要算力性能的提升，更迫切需要适合科研和工程应用的完整生态。

伴随着千卡工科智算集群的落地，双方还挂牌成立了全国首个“高校海光算力优化中心”。通过这一平台，科研人员不仅能获得算力支持，还能享受完善的工具链、行业模型和智能体可视化编排服务。

这种“开箱即用”的生态，能够帮助师生快速构建垂直领域的提示词（Prompt）和工程智能体，加速科研成果的转化。这不仅是一次硬件的升级，更是一次面向AGI时代的工程范式转移。

放眼全球，工业AI的竞争已经悄然打响。国外工业巨头纷纷推出用于自动化工程的AI Agent，意在巩固其在工业软件领域的垄断地位；而在国内，CAE仿真等领域的智能体也在加速落地，推动AI深入工程一线。

在可以预见的未来，工程师的核心竞争力或许不再是绘图速度或手动计算的熟练度，而是如何调教和利用好一个“工程智能体”。而这一切的前提，是拥有如同钢筋混凝土般扎实可靠的国产算力底座，以及在此之上孕育出的国产化工程创新生态。

同济大学率先点亮首个千卡工科智算平台，拉开了国产AI4E技术攻坚战的帷幕。从实验室走向大国重器，国产AI与精密工程的结合才刚刚开始。

随着AI4E的深入发展，我们有理由期待国产算力在更多物理世界现场大放异彩。获取更多关于人工智能、大模型应用及行业最新AI新闻，敬请关注AI门户 aigc.bar，为您提供每日最新的AI资讯与技术指南。