今年WAIC最拥挤的地方，依然集中在机器人、大模型和智能体展台。
这些展品足够直观：机器人可以走路、握手，模型可以对话，智能体可以现场完成任务。相比之下，一套由大量机柜组成的AI基础设施，并不天然具备吸引观众的能力。
但在中科曙光展台，情况有些不同。
首次公开亮相的曙光8000（登峰）被评为大会“镇馆之宝”，展台前持续聚集着观众。这套中国首个全国产十万卡AI超集群受到关注，不只是因为“十万卡”这个数字足够大，更因为它开始回答一个比规模更现实的问题：这么多算力，究竟准备拿来做什么？
7月18日，曙光8000公布最新运行数据。自7月9日上线以来，系统首周即进入满载状态，日均处理作业超过15万个，单日峰值超过50万个。
目前，曙光8000已完成近千项超智融合应用适配，其中包括大模型训练、高通量推理、科学计算等不同类型的任务。
对一套十万卡系统来说，建成只是一个工程节点。能不能迅速装入真实任务，才决定它是基础设施，还是一座昂贵的技术展品。
十万卡开始寻找具体用途
过去几年，AI基础设施最容易传播的指标是规模。
多少张卡、多少算力、多少参数，构成了行业最直观的竞赛方式。规模扩张有其合理性：没有足够大的算力集群，就无法支撑大模型训练和复杂科学计算。
但当集群进入十万卡阶段，规模本身已经不能完整解释价值。
一个更现实的问题是，是否存在足够多的任务，持续消耗如此庞大的计算资源。
从曙光8000目前承接的应用来看，十万卡的需求来源正在变得更加分散。
其中既有大模型训练和推理，也有机器人、创新药、新材料、汽车研发、气象流体、能源勘探等产业任务；既有大量中小规模作业，也有需要数万张卡协同运行的科学计算任务。
目前，曙光8000已完成300余项重点应用深度优化，覆盖20余个科研和产业领域，超过70项应用实现万卡规模扩展。
这些应用中，有蛋白质折叠模拟、万亿原子级水分子动力学模拟，也有超大规模湍流模拟和科学智能体。
这些名字距离普通消费者很远，却可能是十万卡算力真正能够长期获得需求的地方。
大模型训练具有明显的阶段性。一个模型完成训练后，算力需求会进入推理和迭代周期。而科学研究、工业仿真和行业智能化，则会持续产生大量计算任务。
药物研发需要反复筛选分子结构，汽车研发需要持续进行仿真，气象预测需要不断更新模型，材料研究则要计算不同微观结构的变化。
十万卡不再只服务于某一次超大模型训练，而是开始承载一批不断发生、不断更新的计算任务。
这可能也是曙光8000上线后迅速满载的重要原因：算力需求并没有集中在单一行业，而是从多个领域同时涌入。
应用越复杂，越考验算力是否“好用”
应用数量增加之后，十万卡面对的另一个问题是，任务并不整齐。
大模型训练追求大规模并行，模型推理强调吞吐效率，科学计算看重精度和稳定性，工业用户则更加关心成本、周期和部署门槛。
这些任务很难用一套单一标准调度。
因此，十万卡是否好用，不只是看峰值性能，而是看系统能不能处理混合负载：既要承接一次占用数万张卡的大任务，也要同时处理大量中小规模作业。
曙光8000首周日均处理超过15万个作业，单日峰值超过50万个。这组数据的意义，不在于数字本身有多大，而在于它说明这套系统承接的并不是少数几个超大任务，而是大量并发、规模不同的真实需求。
为了让这些任务同时运行，曙光8000采用智能调度引擎、数据亲和性算法和多元融合调度策略，根据任务类型、数据位置和资源状态进行分配。
这套机制解决的，不只是“有没有空闲卡”，而是如何减少数据搬运和等待时间，把合适的资源交给合适的任务。
底层的网络、存储和散热，也都服务于同一件事：让任务持续跑下去。
曙光8000通过scaleFabric类IB原生RDMA高速互连，解决大规模节点之间的数据交换；ParaStor分布式存储负责持续供给数据；浸没式相变液冷则支撑高密度系统在高负载状态下运行。
这些技术单独拿出来，都不是一个容易进入公众讨论的话题。但对于使用者而言，它们最终会转化成更直接的体验：任务是否需要长时间排队，扩展到数千卡后效率是否明显下降，运行过程中是否频繁中断。
从这个角度看，十万卡真正的门槛，不在于能否把足够多的卡装进机房，而在于能否把它们组织成一种稳定、可调用的生产工具。
比造出十万卡更难的是让更多人用上
曙光8000此次释放出的另一个信号，是超大规模算力正在从封闭集群转向公共服务。
过去，万卡级算力通常属于少数大型科技公司或科研机构。要使用这类资源，往往需要自建数据中心、采购设备、部署软件，并承担长期运维成本。
这种模式决定了，大规模算力很难被更广泛的企业和开发者使用。
曙光8000接入国家超算互联网后，试图把十万卡能力转化为可按需调用的服务。企业、科研团队和开发者无需自行建设超大集群，也可以在已有环境中获得相应算力。
围绕十万卡共创者、智能体生态和核心生态伙伴等计划，曙光8000也在吸引更多应用进入平台。
这件事的重要性在于，十万卡能否持续满载，最终取决于它能否形成一个循环：更多用户带来更多任务，更多任务推动软件和系统优化，更成熟的系统又进一步降低使用门槛。
相比建成一套十万卡系统，建立这样的应用循环更难，也更需要时间。
目前，曙光8000首周满载、近千项应用适配，只能说明它完成了早期验证。后续还要面对成本、商业模式、开发环境和生态迁移等问题。
但至少从WAIC现场可以看到，十万卡竞争的叙事正在变化。
过去行业更关心，谁能建出更大的集群；现在开始关心，这些集群是否有足够多的任务，是否能被不同用户使用，以及最终能产生多少科研成果和产业价值。
机器人和智能体展示的是AI如何进入现实世界，而曙光8000所代表的，是支撑这些应用持续运行的另一面。
十万卡不是答案。
让十万卡持续装入真实任务，才是下一阶段真正需要回答的问题。
热门跟贴