曙光8000要的，不止是“十大”前沿应用|宇宙学|智能体|曙光8000|科学|算子

天气预报有一个先天的难处：要算得准，还得算得快。短时强降雨的预报窗口很短，模型如果在天气到来之后才算完，结果再精确，也只是一份事后报告。

网格越细，对天气过程的刻画越精细，要算的东西也越多，越难赶在天气发生之前及时交卷。而现在，最新的MCV天气气候一体化模式，已能在1小时内完成全球公里级数值预报计算。MCV由中国气象局地球系统数值预报中心自主研发，今年9月，该中心与中科曙光在郑州联合发布了这项成果。

10月18日，2026 CCF全国高性能计算学术大会（CCF HPC 2026）在深圳举行期间，中科曙光集中发布了曙光8000十大前沿应用成果，MCV就是其中之一；在随后19日举行的AI4S前沿论坛上，中科曙光又展示了科学大模型开发平台OneScience等软硬件进展。

在计算机里做科学

从美国的Genesis Mission到中国的“人工智能+”行动，各大经济体都在把科学数据、模型和算力当作公共基础条件来建设，算力的评价标准也在变。最近一段时间，一个说法被中科曙光反复提及：真正稀缺的是稳定、可用、易用的“优质算力”——问题正从“谁的机器更大”，转向“谁能让更多研究者用上”。

十大应用和OneScience，恰好是这个问题的两面：前者证明国产大算力已经能支撑起最前沿的科研需求，后者则试图降低更多团队开展这类研究的门槛。中科曙光的角色，因此也从造机器、帮少数团队调优，延伸到了为科研提供服务。

以材料研究为例，芯片越做越小，原子的扩散、界面的变化直接影响性能和良率。量子力学精度的模拟能看清这些细节，但代价极高，过去只能处理很小的原子体系。曙光8000与机器学习力场软件MatPL联合优化，实现了3.6万亿原子高精度模拟，刷新多项世界纪录，研究者开始能在接近真实芯片器件的尺度上观察材料的行为。

“千衍”宇宙学模拟则用数万亿个暗物质粒子，构建了世界最大的宇宙学N体模拟。研究者希望它成为未来十年宇宙学大尺度理论研究的标准模拟星表，为巡天观测提供理论参照。

十大应用中的成果还包括：全球首个千亿神经元规模的数字孪生脑、全球首个1公里分辨率全球海洋环流预报系统、用于火箭研发的全球最大规模多喷口超声速射流模拟、综合能力超越欧洲同类模型的国产AI全球短中期集合预报模型“风清集合V1.0”、挑战国际最高难度的槽道湍流工况的AI辅助壁湍流模拟、推动玉米育种周期由十余年缩短至数年的“虚拟玉米”数字平台、填补了国内相关领域的工程化应用空白的深部资源地球物理探测模拟、实现无规相近似（RPA）精度的量子-超算协同生物分子动力学模拟。

这些能力也在走出实验室，例如MatPL的超大规模模拟面向半导体器件设计。中科曙光副总裁曹振南在大会的报告列出，曙光的算力服务已延伸到油气、数字风洞、低空经济和新能源汽车产业链等领域。

从市场角度，兴业证券经济与金融研究院副院长蒋佳霖今年初判断：“AI4S赛道爆发性基础是非常扎实的，而且动能是很强的。”如果说大算力正在进入产业应用的爆发期，那么决定这股动能能走多远的，正是有多少团队能真正把算力用起来。

纪录背后的另一份工作

以上应用的成绩并非一蹴而就。以MCV为例，模式团队与中科曙光团队进行了400多天的全栈联合优化，从代码移植、编译调优，到通信、存储读写，再到业务化验证，一层一层地改。据发布材料，目前已有300余项重点应用在曙光8000上完成深度优化，覆盖30多个科研与产业领域，其中20余项实现整机运行。在这一过程中，中科曙光与科研用户联合开展代码移植、性能调优和应用验证，逐项排查瓶颈。

大规模科学计算是一项系统工程，任务规模越大，一次通信等待、一次存储拥堵、一个没适配好的算子，都会吞掉大量算力。这类联合攻关能做出纪录，却不容易规模化——联合优化需要持续投入，对后续使用者而言，如何减少重复移植、适配和排错，是另一道门槛。

而对不少研究者来说，难题出现得更早。设想一位想用AI模型做区域天气预报的研究者。即便拿到了算力账号，他还得挑模型、找数据，解决依赖库冲突，把代码适配到国产加速卡上，写脚本远程提交，再从成堆的日志里找报错原因。

这些工作很少出现在论文里，却实实在在地消耗着科研时间——曹振南在演讲中列举了数据碎片化、工具难用、环境复杂、模型选择多等难题。而如今，依托国家超算互联网，研究者已能在线获取曙光8000的算力，不必自己建机房、搭集群。

当然，拿到算力只是开始，“用得好”才是OneScience想回答的问题。

不造Agent，给Agent装上科学知识

编程智能体已经改变了许多软件工程师的工作方式，同样的事能否发生在实验室里？OneScience选了一条有些出人意料的路：不是再造一个科研智能体，而是专为主流智能体提供科学计算能力。

“只赋能主流Agent，不产生Agent。”中科曙光高端计算总工程师卜景德在AI4S前沿论坛的演讲中说。中科曙光把多年积累的科学计算软件、科学模型、真实数据和算子知识，整理成Claude Code、Codex、Trae等主流智能体可以直接调用的技能——智能体负责理解需求、组织步骤，OneScience提供科学方法和工具，曙光8000负责计算。

他在报告中展示了一个案例：研究者用一句话提出北京区域的预报需求，平台以AI气象模型FourCastNet为基础，读取数据并裁剪出北京区域，生成代码、配置依赖，把作业提交到超算上运行，再回收日志、预报场和验证指标。

更关键的是积累。一次任务的经验，要写清适用条件和边界、通过正常与异常输入的验证，才会沉淀为可复用的技能。他说，目标是“让每一次科研执行，留下可验证、可复用的能力积累”。如果这套机制运转起来，下一支做区域预报的团队就不必从零开始。

这套积累现在已初具规模：平台的模型库OneModels已复现200余个热点模型的训练与推理过程；技能库OneSkills在相关测试中，也已经让任务端到端耗时降低了45%，结果可复现率提升了60%。

目前，OneScience的相关资源也已在超算互联网、魔搭社区、Hugging Face等渠道发布，数据下载量超过46万。

回到天气预报。1小时完成全球公里级预报，已经证明这件事“能算”。下一个问题是：一所普通高校的气象课题组，想在自己关心的区域试一个新模型，需要准备多久？

OneScience接下去要回答的，正是这个问题。答案不在发布会的演示里，而要看未来一两年，有多少普通实验室真的把它用了起来。