我國智能算力規模居世界前列（科技視點·加快高水平科技自立自強）

圖①：工作人員在安徽省宿州市算力產業園淮海人工智能計算中心機房查看服務器運行情況。

新華社記者 黃博涵攝

圖②：在2025世界製造業大會上展示的全流程機器化學家。

程 兆攝（影像中國）

圖③：在內蒙古呼和浩特伊利現代智慧健康谷，人工智能支撐自動化生產線運轉。

本報記者 谷業凱攝

位於貴州省貴安新區的東數西算（貴州）智算中心（無人機照片）。

新華社記者 陶 亮攝

基於最新人工智能理論、採用領先計算架構的智能算力，正在為人工智能發展提供有力支撐。

黨的二十屆四中全會通過的《中共中央關於制定國民經濟和社會發展第十五個五年規劃的建議》提出，“加快人工智能等數智技術創新，突破基礎理論和核心技術，強化算力、算法、數據等高效供給。”

工業和信息化部數據顯示，截至今年6月底，我國在用算力中心機架總規模達1085萬標準機架，智能算力規模達788百億億次/秒，存力規模超過1680艾字節，已發佈1509個大模型，在全球位居前列。同時，智能算力應用走向深入，與各行業耦合作用不斷增強，成為數字經濟新底座。當前，智能算力應用主要體現在哪些方面？算力新產品、新服務模式怎樣為高質量發展提供有力支撐？記者進行了採訪。

驅動科研範式變革，加速原始創新成果產生

在西湖大學非編碼核酸生物學實驗室，研究員申恩志正在開展非編碼RNA（核糖核酸）的作用機制和生物學功能研究。“非編碼RNA約佔人類轉錄組的98%，它不僅參與生命體的各種基本生命過程，而且與很多重大疾病的發生密切相關。”申恩志介紹。

非編碼RNA數量龐大，而且在生命體裏是高度動態的，可以跟很多其他生命分子相互作用、相互調節，如果單純採用傳統實驗方式研究，需要耗費大量時間和精力，也很難分析其中複雜的調控關係並找出規律。如今，申恩志團隊利用智算技術高效解析測序數據，解決了以前單靠實驗解決不了的問題，大大加速了研究進程。

近年來，西湖大學在浪潮信息等企業助力下打造了領先的算力平台，支撐科學家開展跨學科研究。申恩志認為，人工智能與生命科學尤其是計算生物學的跨學科研究，顯著提高了科學研究的速度和準確性，讓很多新的發現從不可能成為可能。

依託智能算力實現高效模型訓練與推理，極大加快了人工智能在科研領域的應用創新。國內高校院所和算力企業也在加快產學研合作步伐，推動智能算力在科研領域落地。

南開大學智能計算系統研究室在眼底圖像血管分割研究中，藉助高效人工智能計算開源框架，將單張眼底圖像的推理速度提升了2.4倍，從而推動眼底圖像分析技術的臨牀應用；上海人工智能實驗室和臨港實驗室、上海交通大學、復旦大學等緊密協作，僅用2個月就發現、驗證了2個癌症新靶點；鵬城實驗室通過中國算力網整合20餘座城市的算力節點，依託“鵬城雲腦Ⅱ”服務數萬名科研人員……

在清華大學人工智能研究院常務副院長孫茂松看來，人工智能有望成為驅動科學範式革新的重要工具。在人工智能驅動的科研範式變革中，要善於利用智能算力發現“根節點”問題，如大模型預測蛋白質結構等，“解決它，就可能給該領域帶來根本性變化”。

成果落地加快，適配多樣化應用場景

國務院印發的《關於深入實施“人工智能+”行動的意見》提出，“強化智能算力統籌”“推動智能算力供給普惠易用、經濟高效、綠色安全”。

位於內蒙古呼和浩特的伊利現代智慧健康谷，牧場裏的奶牛擁有專屬的“健康檔案”。基於阿里雲提供的人工智能算力以及飛天操作系統，伊利構建了“一雲多芯、一雲多算”的智能算力基礎設施，為人工智能應用提供了穩定、彈性的部署環境，並且將決策算法和生成式大模型融入生產和供應鏈領域。

“靠人工觀察奶牛健康狀態，效率低且主觀性強，現在通過計算機視覺識別奶牛眼部特徵，我們能夠對奶牛健康進行即時監測與精準飼餵管理，有效提升了產奶質量。”伊利集團數字科技中心數字技術總監程國強介紹，在伊利智能工廠，智能算力賦能自動化生產線，不斷提升生產和管理效率。

“目前，伊利已開發超800個智能體。大模型覆蓋訂單履約、庫存週轉、物流時效等70%的供應鏈場景，顯著降低了原輔料臨期、積壓及缺貨風險。”阿里雲解決方案高級總監賈朝輝表示，未來他們還將打造“智算雲”，並結合牧草種植、奶牛健康等專業數據和行業知識，共同開發農牧行業大模型。據介紹，自2023年開源第一款模型以來，阿里通義大模型在全球下載量突破6億次，衍生模型突破17萬個。

隨着高速動車組速度等級不斷提升，氣動外形設計成為研發的關鍵。中車集團以既有仿真、試驗數據為基礎，構建高速動車組氣動載荷標準數據庫，依託百度飛槳深度學習平台以及飛槳科學計算套件，構建了空氣動力學智能化仿真大模型。

中國中車集團科技質量與信息化部數字化創新處副處長、人工智能辦公室推進組組長陳鑑介紹，與傳統仿真方法相比，大模型實現仿真週期由超算資源的天級縮短至單機顯卡的10秒級，整體仿真效率提升30倍以上，結果誤差小於5%，推動我國高速列車外形設計從經驗驅動向數據驅動轉型，推動高速動車組外形的智能優選和快速優化。

百度基於文心大模型與飛槳深度學習平台打造的人工智能基礎技術底座，正在助力千行百業提效降本。百度首席技術官王海峯介紹，飛槳支撐超大規模自適應分佈式深度學習訓練，萬卡集羣上大模型有效訓練時間佔比達到98%，通過大模型壓縮、推理、服務部署全鏈條協同優化，實現低時延、高吞吐的大模型推理。此外，飛槳持續積極開展硬件統一適配，為算力多元化提供了有力保障。

產學研協同，新產品新模式不斷湧現

近日，浪潮信息發佈了面向智能體優化的人工智能計算系統。其中，基於元腦SD200超節點人工智能服務器，DeepSeek R1大模型詞元（模型輸入輸出的基本單位）生成速度僅需8.9毫秒；最新發布的元腦HC1000超擴展人工智能服務器，使詞元生成成本大幅降低。

超節點服務器是在有限物理空間內，通過極低時延的總線級互聯技術和極簡互連架構，打造一個邏輯統一的緊湊計算單元，整個系統可以像一台超大號計算機那樣運轉。

“開發超節點的關鍵是計算架構的創新，即跟隨應用和算法發展方向，以應用為導向，以系統為核心，有效破解智能算力發展的瓶頸問題。”在浪潮信息首席人工智能戰略官劉軍看來，人工智能的大範圍應用不斷推動算力高速增長，發展智能算力要克服系統規模逼近工程極限、能耗過高等挑戰，有效平衡投入與產出。

在業內專家看來，通過軟硬件協同設計與深度優化，持續推動人工智能計算架構的創新與突破，才能進一步促進大模型、智能體等人工智能技術與實體經濟的深度融合，讓人工智能成為賦能千行百業的創新力。

2024年，在北京市科委中關村管委會組織下，浪潮信息等多家芯片、系統、大模型開發、應用創新等領域的企業和機構成立了“超節點算力集羣創新聯合體”，相關單位緊密協作，在超節點互連協議、系統研製、標準制定、應用部署等方面取得顯著進展。

作為參與方之一，太初（無錫）電子科技有限公司積極與科研機構、運營商、算力服務商等合作打造智能算力解決方案，其推出的高密液冷智算集羣已服務200餘家高校企業，支持超1200千萬億次/秒浮點運算算力需求。“智能算力的創新突破，離不開產學研協同和人才支撐。”公司首席產品官洪源表示，他們與湖南大學、南京郵電大學、蘇州大學等成立聯合研發團隊共同進行科研攻關，此外還構建了基於自研人工智能加速卡、軟硬件協同的教學實訓平台，培養了一大批年輕、有活力且具備實踐能力的人才。