中科曙光董事长历军：超智融合是下一代AI计算核心特征

背景

在2026世界智能产业博览会上，中科曙光董事长历军针对当前人工智能与高性能计算（HPC）融合发展的趋势发表了重要观点。随着大模型技术的爆发，传统的超级计算模式正面临范式转移。过去，超算主要依赖精确的数学模型进行科学模拟；而在大模型时代，基于数据驱动的智能模型成为主流。历军指出，这两种计算范式并非相互替代，而是呈现出互补关系。当前，科学计算、模型训练以及智能推理等多元应用场景正在加速融合，这标志着AI基础设施的竞争逻辑发生了根本性变化。

核心内容

历军强调，AI for Science（AI4S，即“人工智能驱动科学研究”）正在加速推动人类进入“科学智能时代”。在这一进程中，传统超算与大模型展现出不同的技术特质：传统超算的核心在于依赖严谨数学模型的高精度计算，而大模型则依赖于海量数据训练出的数据模型。未来，AI计算将不再是非此即彼的选择，而是演变为一种“超智融合”的新形态。

这种“超智融合”的本质，是高精度科学计算与低精度智能计算的深度耦合。一方面，科学计算需要极高的数值精度来保证模拟结果的准确性；另一方面，智能推理和训练往往容忍一定的精度损失以换取巨大的效率提升。两者的结合，使得计算系统能够同时满足严谨的科学探索与高效的智能决策需求。

与此同时，AI基础设施的竞争格局也在重塑。竞争焦点已从单一的“算力比拼”转向更为复杂的系统性竞争。这种系统式竞争涵盖了技术架构、产业协同以及生态构建等多个维度。在此背景下，具备全精度算力覆盖能力，并能够实现系统级深度融合的基础设施，有望成为下一代AI计算的核心特征。

关键要点

• 范式互补：传统超算的数学模型与大模型的数据模型具有互补性，二者共同构成未来计算的基础。
• 超智融合定义：下一代AI计算的核心特征是“高精度科学计算”与“低精度智能计算”的深度耦合。
• 场景融合加速：科学计算、模型训练、智能推理等多元场景正在加速融合，界限日益模糊。
• 竞争维度升级：AI基础设施竞争已从单点算力比拼，升级为融合技术、产业和生态的系统性竞争。
• 核心特征展望：全精度算力覆盖能力与系统式融合能力，将成为定义下一代AI计算竞争力的关键指标。

意义与影响

历军的观点揭示了AI与HPC（高性能计算）融合发展的必然趋势。对于科技产业而言，这意味着未来的算力基础设施不能仅追求浮点运算次数（FLOPS）的最大化，而必须具备处理混合精度任务的能力。

首先，在技术层面，“超智融合”要求芯片架构和系统软件能够同时优化科学计算的精度需求与AI计算的吞吐量需求。这将推动异构计算、存算一体以及新型互联技术的发展。

其次，在产业层面，从“单点算力”到“系统生态”的竞争转变，意味着拥有完整产业链布局、能够打通底层硬件到上层应用生态的企业将占据优势。中科曙光等具备超算基因的企业，在布局AI基础设施时拥有天然的技术积淀优势。

最后，在科学探索层面，AI4S的加速发展意味着科学研究方法论正在发生变革。通过“超智融合”，科学家可以利用大模型的泛化能力和推理速度，结合传统超算的精确模拟能力，大幅缩短新药研发、材料发现、气象预测等领域的研发周期，从而真正释放“科学智能”的生产力价值。