在WAIC 2026星环科技（688031）「认知涌现 · 数据新生」主题论坛上，曙光智算总裁何牧君围绕国家超算互联网（SCNet）的建设历程与最新进展发表演讲，分享了SCNet如何从传统算力供给升级为应用引擎。
曙光智算负责运营国家超算互联网。7月9日，由10万张国产GPU构成的曙光8000主机系统在郑州正式上线运行——这台WAIC 2026「十大镇馆之宝」榜首的大机器，是目前国内首个十万卡级AI超算集群。今天的SCNet已汇聚超350万CPU核心与25万GPU卡，注册用户超160万，累计提交作业2.4亿次。
这场同台，不止于一场演讲。论坛现场，曙光智算总裁何牧君与星环科技（688031）CEO孙元浩共同发布了基于「曙光8000」万卡超集群的新一代认知数据库解决方案；演讲中他更亲自披露实测数据：基于超算互联网算力底座，采用星环科技（688031）向量索引引擎后，性能较传统CPU方案提升51.8倍，且8卡扩展效率达7.97倍、接近线性。他的这场演讲，既是一份国家算力底座的年度答卷，也是国产算力与国产数据库双向奔赴的实证。
以下是演讲实录。
尊敬的各位来宾，大家好，我是曙光智算的何牧君。曙光智算负责运营国家超算互联网，今天主要跟大家报告一下，我们在过去一年当中取得的一些成绩、实践和探索。
报告分为三部分内容。
新范式：人工智能重塑人类科研体系
第一部分，回顾一下国家超算互联网的建设历程。
在科学范式的演进当中，人类经历了观察实验、理论推演、计算仿真、大数据建模，现在正在进入第五范式——AI for Science。过去十年，从 AlphaGo夺冠、Transformer新架构，到 AlphaFold 拿下诺贝尔奖，再到 DeePMD 实现亿原子级量子精度模拟、斩获戈登贝尔奖，AI4S 一路狂奔。也正因如此，美国、欧盟、中国、英国纷纷把它上升为国家战略——这是一场关于未来科研主导权的博弈。
我们国家在很多年前就开始布局作为国家超算互联网核心节点的主机系统，目标是建成全球领先的超级融合算力基础设施。2021年底，科技部正式批复立项这台机器的研制——它的代号叫曙光8000。
2023年，国家超算互联网启动正式部署；2024年，平台正式上线，同年底曙光8000主机系统研发完成；一直到今年7月9号，这台机器在郑州正式上线运行。它由10万张国产GPU构成，FP16半精度人工智能（885728）算力达到50 EFLOPS量级，研制过程中攻克了非常多的技术难题，包括自主可控的芯片、世界级的供电和散热难题以及作业调度能力。
五张牌：把全国算力连成一张网
作为核心节点接入国家超算互联网，我们主要做了五方面的工作。
第一，连算力。 目前已经连接超过30个国家级超算和智算中心，线上提供350万颗CPU核心、25万张国产GPU卡——其中10万张卡就来自曙光8000节点。
第二，搭平台。 搭建一体化的算力服务和调度平台，让分布在全国各地的算力中心有效地调度起来。
第三，建商城。 为了降低用户使用门槛，我们搭建了线上应用商城，目前线上提供超过7300个应用商品，适配了超过1500个模型。
第四，做服务。 超过百人的技术服务团队，为客户在科学计算、工程计算、人工智能（885728）计算等方面提供线上技术服务。
第五，聚生态。 通过可持续的商业化合作模式，汇聚算力、软件、数据、模型的产业链上下游。目前平台注册用户超过160万，日均作业量超过25万，累计提交了2.4亿次作业。
基于这个平台，我们已经完成了一系列大规模应用适配与重点行业的应用创新：深度适配应用300个，覆盖23个行业领域；超过5万卡的半机应用达到65项；用到满配10万卡的整机应用有20个，其中15个具备冲击戈登贝尔奖的条件。
举几个例子：生物领域，用8万张卡的算力实现了蛋白质折叠过程模拟的加速；材料领域，基于9万张国产GPU卡实现了3.16万亿原子的DFT精度模拟；流体领域，用8.8万张卡实现了328万亿网格的湍流直接数值模拟。这些都是世界级的难题，也都打破了世界纪录。
从模型军备竞赛，到Token能效比之争
第二部分，超算互联网如何赋能AI应用创新。
尤其从2026年二季度开始，我们深刻地感受到，人工智能（885728）的竞赛已经从模型军备竞赛进入Token能效比的竞争，所有的超算中心都在转变，探索重新构建所谓的“Token工厂“。
官方数据显示，每天有140万亿的Token消耗——但这只是商业化的部分。如果再结合各大厂商的内部使用量，我们的判断是一天大概在千亿量级，相比过去两年是数千倍的增长。同时更重要的变化是：推理的量已经超过了训练，现在大概是6:4，我们预计下半年推理的比例还会进一步提升。
在这个背景下，不只是堆卡——做Token工厂更需要精细化的运营：一方面把Token的成本降下来，另一方面在满足海量Token供给的同时，保证效果、精度与能效。
在这个过程中，超算互联网做了大量工作，形成了从硬件、算子、模型、推理框架、编排到平台服务的六层整体架构。
硬件层面，为什么DeepSeek去年能在性价比上实现巨大提升？因为工程师发现，底层性能与硬件的深度适配有非常多的空间——比如一个系数矩阵，针对GPU核心数量和Cache性能做优化之后，就能带来很大的提升。
在网络通信、数据库和大数据方面，我们也在做类似的底层适配。此外还有算子层的优化；模型层通过量化的方式降显存、保精度；推理框架采用新的开源模型或自研框架，以及PD分离技术——不知道大家有没有遇到过这样的痛点：智能体的需求打到Token工厂上，和coding需求的特点是不一样的，通过平台编排可以做进一步优化。
我们有几十个数据中心，相当于几十个Token工厂，不同的Token工厂处理不同类型的数据——长上下文、短上下文，我们都有相应的流量治理方法和手段。
基于大模型适配优化技术体系以及开放多元的生态合作策略，目前已覆盖从开源到闭源的全谱系模型能力——不光是大语言模型、多模态，甚至包括OCR。补充说一句OCR：现在用大模型的方式也可以做OCR，但实践来看还需要跟传统技术相结合，这块目前在金融行业的单据、票据识别上取得了不错的成绩。
针对不同用户的不同需求，我们也提供了不同的使用方式：直接API按量计费调用、针对智能体按量计费的API接口，以及Token Plan、Coding Plan三种产品形态，支持面向B端的规模化交付和C端的通用需求。
与星环科技：51.8倍与7.97倍
非常重要的是，今天想分享我们在数据库层面和星环科技（688031）的合作：基于超算互联网的算力底座，采用星环科技（688031）的向量索引引擎之后，可以看到相比传统CPU解决方案，性能提升了51.8倍。
我想强调另一点：大家看到的不只是性能显著提升——在8张GPU卡做提速时，扩展性基本上是线性的，达到了7.97倍。这意味着当需求更大时，只需要增加GPU、扩大算力规模，就能继续获得显著的性能提升。
SCNet：超级科学计算智能体
第三部分，SCNet超级科学计算智能体。
过去一年里，围绕材料计算、生物信息、工业仿真、气象模拟等很多领域，我们构建了非常多的智能体，覆盖一百多个核心计算场景，把复杂的科研流程封装成用自然语言就能使用的智能体服务。
过程中我们发现，科学计算智能体和通用智能体有很大的区别，主要面临三大挑战：
模型幻觉：科研任务的链条往往比较长，幻觉会在多个环节当中不断累加，这时候需要行业SOP来兜底。
场景复杂：不同领域的需求非常不一样——做气象预报的、做石油模拟的，完全不是一回事。
开发门槛高：每个场景都要投入大量的研发人员。
经过一年的摸索，我们认为，有必要把积累的行业技能、MCP、知识库还有AI4S模型向整个行业开放。我们希望基于超算互联网的统一对话入口，让用户在移动端、客户端，甚至在Codex、Claude Code等第三方工具中——包括星环科技（688031）的智能体上——都可以通过非常方便的方式，直接调用和获得超算互联网上所有智能体的服务能力。
要实现这样的目标，我们沉淀了三方面的能力：
第一，低代码开发环境。让用户像搭积木一样，非常方便地在线上快速构建自己专属的智能体。
第二，丰富的线上内容组件。目前覆盖一万多个技能、一万多个MCP、一千多个知识库和500多个成型的智能体。
第三，多智能体协同架构。通过规划、分发、执行、报告等多个子智能体的协同，在保证准确度的情况下，处理非常复杂的科研任务。
我们欢迎更多合作伙伴、优秀的智能体、工具模型和研究成果来加盟，我们共同来构建科学智能的生态系统。我们在构建发布、调用编排、托管运营和转化共赢几方面，会提供非常大的支持力度，谢谢大家！
本文根据何牧君先生在WAIC 2026星环科技（688031）「认知涌现 · 数据新生」人工智能（885728）主题论坛上的演讲速记整理，经授权发布。
