近日，中科曙光曙光8000（登峰）落地。这被业界视为国内首个全国产十万卡AI超算集群，其核心不只是“十万卡”这几个字，而是把芯片、计算、存储、高速网络和浸没式相变液冷放在同一套系统中验证。对通信行业而言，这一事件的看点在于：当AI算力从千卡、万卡走向十万卡，竞争焦点正从单颗加速卡转向集群系统工程，网络、散热、存储和调度能力开始决定算力能否真正释放。
十万卡时代，瓶颈不只在芯片
过去衡量智算中心，常看加速卡数量和峰值算力。但十万卡规模下，芯片功率密度大幅抬升，传统风冷和冷板散热逐步逼近物理上限。高温带来的降频、稳定性下降，会让理论算力在长时训练中打折。曙光8000把浸没式相变液冷作为核心方案，说明散热已从机房配套升级为集群设计的前置条件。液冷是否可靠，直接关系到国产高算力芯片能否持续满负荷运行。
浸没式相变液冷：从“可选优化”到“基础设施底座”
从已披露方案看，曙光8000把计算卡、主板等部件直接浸入绝缘冷却液，利用受热沸腾相变快速带走热量，再通过闭环循环完成换热。相比传统风冷，这种方案的散热密度显著提升，可压缩机房占地，整机能耗降低约40%，集群PUE低至1.04。这组数字的意义在于，十万卡高密度部署下，持续温控不再是局部问题，而是影响TCO、供电容量、机房利用率和碳排指标的系统问题。
对通信运营商和第三方IDC而言，液冷路线正在改变智算中心的设计逻辑。高密机柜、液冷管路、冷却液循环、漏液监测、材料兼容性和运维规范，都需要在建设初期纳入。PUE低至1.04，意味着冷却系统接近极限效率，也意味着IT设备、供电和冷却必须协同设计。在国产超大规模AI集群的工程语境里，液冷已从优化项变为底座能力。
全链路国产自主：高速网络和存储是隐形主角
曙光8000的另一层价值，是实现从加速芯片、整机计算、存储到高速网络的全链路国产自主可控。集群采用超智融合架构，兼顾AI大模型训练推理与高精度科学计算，并搭载自研scaleFabric高速网络与高性能分布式存储。对通信行业来说，这部分尤其值得关注：十万卡集群中，参数同步、梯度聚合、检查点写入和推理请求分发，都会形成大规模并行通信。网络拥塞、尾延迟和故障恢复能力，直接影响算力利用率。
在万卡以下，部分问题可以靠堆带宽和调优掩盖；到了十万卡级别，网络拓扑、拥塞控制、集合通信库、存储I/O和任务调度必须协同优化。自研高速网络与分布式存储的组合，意味着国产集群不能只解决“算得快”，还要解决“传得稳、存得进、调得动”。这也是通信设备商、光模块厂商、交换芯片企业和云网服务商的新机会窗口。
接入国家超算互联网：算力网络需要通信级确定性
曙光8000已接入国家超算互联网，并适配新材料、生物医药、气象仿真等AI for Science场景。这类场景与互联网大模型训练不同，往往对精度、稳定性和数据吞吐有更高要求。国家超算互联网的目标，是推动超算、智算资源互联互通和统一调度。超大集群接入后，算力不再是一座孤岛，而可能成为全国算力网络中的重节点。
这对通信网络提出更高要求。算力调度需要低时延、大带宽、确定性和安全隔离；跨地域训练与推理需要DCI、全光交换、SRv6、算力路由等能力配合。过去通信网主要解决人与人、人与信息的连接，未来还要解决算力与算力、模型与数据、训练与推理之间的高效连接。十万卡集群落地，实际上把“算网融合”从概念推向了工程验证阶段。
产业影响：液冷、光互连与算网融合迎来工程化窗口
从产业格局看，全球AI算力竞赛正在从单卡性能转向集群规模。海外头部厂商依靠GPU、互连协议和软件生态形成紧耦合体系，中国厂商则必须走通芯片、网络、存储、液冷、操作系统和调度平台协同的路径。曙光8000登峰的意义，在于验证国产算力硬件的大规模协同能力，也证明自研浸没相变液冷可以支撑十万卡级超大规模智算工程。
对通信产业而言，至少有三条影响链条值得跟踪。第一，液冷与高密机房将带动冷却液、管路、传感器、监控和运维服务市场；第二，十万卡集群内部互连将拉升高速光模块、交换机和光纤连接需求，并推动国产高速网络协议与软件栈成熟；第三，国家超算互联网和“东数西算”体系需要更强的算力调度与网络编排能力，运营商和通信设备商将从“连接提供者”进一步转向“算网服务提供者”。
曙光8000（登峰）落地，不只是一次算力规模刷新。它把国产AI集群的竞争拉到了系统层：液冷决定能否稳定运行，高速网络决定算力利用效率，存储和调度决定大规模任务能否持续，国家超算互联网则决定这些算力能否被更广泛地调用。十万卡之后，更大规模国产算力集群仍将面临能耗、可靠性、软件生态和标准开放等挑战。但可复制的工程样本一旦形成，国产算力底座和算力网络的下一阶段扩张，就有了更现实的起点。
热门跟贴