首个全国产10万卡AI超集群投用：从规模指标看互连、存储与调度挑战

事件概况

2026世界人工智能大会期间，曙光8000全国产10万卡人工智能超集群投入使用，并被列入大会展示成果。公开信息显示，该系统面向科学计算与人工智能复合任务，覆盖从FP64高精度计算到INT8智能计算的多种精度需求。

10万卡意味着国产算力基础设施从单机和千卡集群验证，进一步走向超大规模系统工程。芯片数量只是起点，真正困难的是让计算、网络、存储、调度和故障恢复形成可持续运行的整体。

卡数扩大后，通信拓扑会直接影响训练效率。数据并行需要高效梯度同步，张量并行和流水线并行需要更低时延的卡间与节点间通信。任何网络拥塞、链路抖动或拓扑不合理，都可能让大量加速卡处于等待状态。

存储同样是关键瓶颈。大模型训练需要持续读取数据集、写入检查点并保存日志。分布式存储必须同时满足吞吐、元数据性能、并发访问和容错要求。公开资料提到的高速互连与分布式存储能力，正是判断超大集群能否有效运行的重要部分。

全国产并不只涉及计算芯片，还包括服务器、网络、存储、系统软件、驱动、编译器、通信库和集群管理平台。上层框架能否稳定支持主流模型，故障定位工具是否完善，任务迁移成本是否可控，都会决定用户是否愿意长期使用。

大多数企业不需要直接使用10万卡规模，但可以借鉴其验收方法：用真实模型测试有效吞吐；记录多机扩展效率；进行节点故障和任务恢复演练；持续监控存储、网络和功耗；核算单位有效训练量的综合成本。

规模新闻值得关注，但项目采购最终仍应回到可复现基准、稳定交付和软件兼容性。

本文根据数字中国建设峰会发布的《首个全国产10万卡人工智能超集群正式投用》及公开技术信息二次整理。

官方信息：https://www.digitalchina.gov.cn/2026/xwzx/szkx/202607/t20260727_5350810.htm

来源、翻译与版权说明

来源：网昱原创。第三方内容版权归原作者或发布机构所有；本站仅在许可证或明确授权允许时提供本地原文。