国产科研算力走进AI4S,海光交出科研应用优化答卷

持续完善国产算力与软件生态,深化科研场景适配,推动AI4S在更多学科落地,为科研创新提供更高效、更稳定的算力支撑。

10月17日至20日,在深圳举行的第二十二届CCF全国高性能计算学术大会(CCF HPC2026)期间,海光信息携国产芯片、科研解决方案及应用成果亮相,并参与多个分论坛,围绕AI4S应用、国产科研算力与大模型推理优化分享观点和案例,探讨国产科研算力如何更深入地服务科研创新。

海光信息科研业务总经理王毅表示,AI4S新型科研范式要求科研全流程依托算力,充分发挥算力的核心支撑作用。当前实践已呈现三大趋势:多精度算力协同、软件易用且保障结果复现、规模化运行与安全合规。海光以双芯底座全方位支撑AI4S新范式,联合光合组织及生态伙伴完成科研场景适配调优,助力科研人员聚焦科学问题,把时间留给科研本身。

▍让国产算力支撑复杂任务

AI4S推动传统科学仿真与人工智能加速结合,也让科研平台面临更复杂的任务,既要支持不同精度的计算,又要兼顾既有软件迁移与长期稳定运行。

海光信息表示,支撑这一变化,需要芯片与软件共同发力。海光以CPU、DCU及互连技术构建算力底座,依托DTK基础软件栈、DAS软件工具及主流框架适配能力,支持科学计算与人工智能协同运行,并将优化贯穿应用、编译器、数学库和运行环境。

这一体系已延伸至生命科学、材料研究、地球系统模拟等领域。海光围绕不同学科的实际软件和计算流程开展适配工作,让科研团队能够在已有研究基础上使用国产算力,也为AI4S融入更多任务创造条件。

让应用优化缩短科研等待

算力接入科研流程之后,能否减少反复计算中的等待,是检验应用价值的直接尺度。

材料研究中的MatPL机器学习力场平台,利用高精度数据训练模型,预测原子的能量和受力,为分子动力学模拟提供支持。针对NEP模型训练中部分计算并行不足、寄存器溢出等问题,海光通过定位耗时环节、调整任务拆分方式,提高硬件利用效率。

应用优化也在深入重大科研任务。在粒子物理领域,海光通过定位关键计算环节的性能瓶颈,使分波分析软件PWA在相关测试中的性能提升41%,并在BESIII等大科学装置的应用中验证计算结果的一致性,为国产算力承接核心科研任务提供支撑。

海光信息在相关分论坛中提出,AI4S应从具体科学问题出发,通过应用适配、性能调优和结果验证,让计算效率的提升真正服务研究过程。

让大模型更高效运行

大模型进入科研与行业应用场景,使得优化要求进一步从单个计算环节延伸至整个系统。多卡、多节点之间的数据传输、显存使用和任务调度,都会影响模型响应速度。

大模型推理需要围绕DCU开展全栈优化,协同核心计算、显存管理、跨节点通信与请求调度,减少各环节等待,提升整体运行效率。在量化及通信优化测试中,输入处理阶段的吞吐提升19%—31%,首个输出的等待时间降低15%—24%。为让优化成果更易使用,海光持续将适配经验沉淀为模型资源、部署文档和开发工具,帮助科研团队减少环境配置与部署中的重复摸索。 从算力底座到应用提效,再到模型服务,海光正将AI4S能力逐步接入科研流程。未来,海光将持续完善国产算力与软件生态,深化科研场景适配,推动AI4S在更多学科落地,为科研创新提供更高效、更稳定的算力支撑。



本文来源于DOIT传媒,文章内容仅供参考,不构成投资建议。

赞 ()

相关推荐

发表回复

评论列表

点击查看更多

    联系我们

    微信:百易小助手

    邮件:contact@doit.com.cn

    工作时间:周一至周五,9:30-18:30,节假日休息

    微信