在AI与科学计算深度交织的当下，AI for Science正在改变物理、化学、材料、生命科学等诸多领域的科研模式。国家超算互联网作为国家级算力基础设施平台，一方面承接十万卡级别的超大规模科研任务，另一方面承担算力普惠的使命。

在2026 CCF全国高性能计算学术大会（CCF HPC2026）现场，曙光智算总裁何牧君围绕超级科学计算智能体建设、大模型适配落地、超智融合算力架构、算力普惠生态构建、中小企业服务路径等话题，分享了超算互联网一线实践经验。

超级科学计算智能体：瞄准科研“查、算、做、写”全流程痛点

超级科学计算智能体是超算互联网面向科研人员推出的核心能力，自2025年底发布第一版超级科学计算智能体，经过两年迭代，该智能体已可覆盖科研工作的完整链路，何牧君将其归纳为查、算、做、写四大环节：查即文献检索，做代表实验，算为科学计算，写对应论文撰写。

查文献、写论文可以复用现有大模型能力；实验环节，超算互联网已和部分高校推进云端实验合作；而在四大环节之中，科研人员需求最为迫切的集中在“算”的模块。

科研课题组大量使用科学软件，软件编译、运行环境配置流程复杂，技术门槛较高。行业内由此衍生出一批代算服务团队，由具备计算能力的人员承接课题组计算任务。这一现象反映出科研群体真实而普遍的算力使用痛点。依托超算互联网的算力积累，智能体的计算模块已经趋于成熟，相当一部分原本需要寻求代算服务的科研人员，现在可以直接使用平台能力完成计算工作。

不同学科领域对文献、计算逻辑的诉求存在明显差异，生信、材料科学对文献质量标准各不相同。为此平台开放个性化Skill MCP能力，允许科研人员构建属于自身领域的专属智能体。截至采访时，超算互联网平台线上运行智能体数量达到600‑700个，其中半数由用户、合作伙伴自主生成，平台Skill MCP总量超过1万个。

从“能够运行”到“真正好用”：大模型适配的现实鸿沟

开源大模型频繁发布，但模型点亮上线与业务实际落地之间，存在显著差距。何牧君区分了通用基础大模型与AI for Science垂域模型两类对象，阐述国产算力环境下模型适配的真实现状。

对于参数量500B以上，甚至达到3‑4T规模的通用基础大模型，得益于国产芯片对CUDA生态的兼容，超算互联网可以实现绝大多数开源模型的零栈适配。但零栈适配仅仅代表模型“可以跑起来”，距离业务可用仍存在大量调优工作。

此外，从2026年开始，国内头部基模厂商从被动适配转向主动适配国产算力。一方面算力供给整体趋紧，国产芯片性能持续提升；另一方面AI基础设施企业的参与，大幅降低模型厂商适配工作量。

和通用大模型不同，AI for Science领域模型大多为20B以下小参数模型，生命科学领域占比较高。这类模型的突出特征是数量庞大，同一细分方向会产出数十甚至上百个专用模型。目前这类垂域模型在国产芯片上适配进展整体良好。

图说：曙光智算总裁何牧君

AI for Science驱动架构变革：超智融合成为科研算力刚需

传统超算与面向AI的智算边界正在消融。如部署在超算互联网核心节点的曙光8000，它将双精、单精、半精浮点计算与AI推理能力集成，正是为了适配AI for Science带来的新需求。

课题组的实际工作流往往是混合算力任务。以生信研究为例，单日工作流中，既有分子动力学模拟这类双精度传统科学计算任务，也有蛋白质筛查这类依赖半精算力的AI任务，后续还会用到通用大模型推理、智能体能力。

这意味着算力升级不只是芯片层面，整套系统的网络、存储IO、任务调度软件都面临新的挑战。科研需求迭代速度很快，很多科研人员自身也无法提前完整定义需求，平台需要和科研客户同步成长，持续完成一体化工程落地。

生态共建：推动AI for Science规模化落地，吸纳青年科研力量

想要推动AI for Science实现规模化落地，除算力供给之外，还需要构建开放生态，吸纳学生、青年科研人员参与进来。

赛事是重要培育手段。2026年超算互联网已经落地5‑10场相关赛道赛事，后续还会增加，主要通过提供算力，辅以部分资金支持，吸引青年科研群体参与。

与此同时，平台推出万卡共创者激励计划，针对不同能力的合作对象设置三类合作模式。第一类面向科学家领衔、已经具备成熟落地智能体的顶尖团队，平台提供算力与平台入口，将成果上架至超算互联网供全网用户使用；第二类面向985高校具备初步实践基础的团队，开展联合开发，共同打磨解决方案推向市场；第三类面向药厂、医院等缺少IT技术能力的机构，由平台承担更多技术开发工作。

该共创模式的底层逻辑是商业化生态，不同合作方诉求各不相同，部分追求行业影响力，部分希望实现商业收益，平台通过匹配各方诉求，保障合作可以长期可持续运行。

面向中小企业：分层产品降低科学智算使用门槛

超算互联网的服务对象并不局限于高校、科研院所，也面向广大中小企业，分层设置产品体系，解决不同层级使用门槛。

底层为IaaS裸算力，提供容器、GPU虚拟化、Notebook等工具，以作业队列调度方式交付算力，不附带行业应用属性。该模式技术门槛较高，但目前这部分业务收入占比超过一半，平台持续通过工作坊、培训等方式降低使用难度。

中间层为应用商城。平台应用商城现有约一万个应用商品，科学软件版本逻辑复杂，同一软件不同版本对应差异化功能，而非简单新版本优于旧版本。平台启动精品工程，部分软件在平台维护多达两三百个不同版本，适配不同业务场景。平台将“应用商城作为算力使用入口占比”作为团队考核指标，该占比从2025年底19%提升至采访时27%，目标2026年底达到30%。

上层为AI社区，包含Token工厂，中小企业无需自行部署大模型，直接调用API即可使用算力能力；同时上线大量SaaS化AI应用，由平台联合合作伙伴共同建设，进一步降低业务落地门槛。

点评

AI for Science不只有通用大模型，大量小参数垂域科学模型同样具备极高价值。国家超算互联网平台正通过科学计算智能体、应用商城、共创激励计划、赛事培育等多重手段搭建国产AI4S生态，并以商业化机制平衡国家任务与市场需求。科研领域，算力的价值建立在底层科学理论之上，算力的上限会受科学本身的发展约束，而算力基础设施将伴随基础科研的进步持续演进。