从3万卡到6万卡郑州这个超算集群,是国产算力真正「上牌桌」的证明
2026年4月14日，央视新闻联播播出了一条乍看不起眼的消息：郑州国家超算互联网核心节点AI加速芯片规模从3万张升级至6万张，正式投入使用，成为全国最大规模科学智能计算基础设施。和很多算力新闻不同，这条不是发布会上的PPT，不是招标公告里的愿景，而是已经在跑的系统——6万张国产AI加速卡，全栈自研，蛋白质折叠模拟加速1000倍，液态水分子动力学计算打破世界纪录。1、从3万到6万：69天发生了什么
69天，3万张→6万张。这个速度不只是工程交付能力的体现，更说明一件事：国产AI加速卡已经能稳定、批量、按时交货了。这在两年前是奢侈品，现在是标配。2、scaleX到底是个什么架构？
640卡/节点是什么概念？英伟达DGX GB200 NVL72的单节点规模是72张GPU。640 vs 72，差距近9倍。当然这不是公平的算力对比——架构不同，片间带宽也不同——但它说明中科曙光选择的路径是「高密度、大节点」，以减少跨节点通信开销。自研网络芯片scaleFabric是这套集群能做大的关键。当集群规模超过万卡，互联网络的性能往往比芯片本身更决定实际训练效率。260纳秒的交换芯片转发延迟、比InfiniBand快2.33倍的节点间通信，意味着在跑大规模并行任务时，等待数据传输的空档时间大幅压缩。PUE=1.04的全浸没液冷——全国数据中心平均PUE是1.5左右，绿色数据中心目标是1.3以下，1.04意味着每消耗100份算力用电，只有4份额外花在散热上。这一数据的背后是曙光数创139项液冷专利的技术积累。与华为的路线差异：华为昇腾集群是全封闭自研生态——芯片、互联、软件必须全用华为。scaleX的定位是「开放兼容」，支持多品牌国产加速卡混合部署，兼容主流计算生态，已适配400+主流大模型。这对采购方意味着什么？不被绑定单一厂商，议价空间更大，迁移成本更低。3、6万卡跑什么？三项科研成果震了谁
数字再大，如果只是跑跑benchmark，意义是有限的。这次郑州集群披露了真实科研任务的测试结果，而且数字相当惊人。这两个场景都指向AI for Science（AI4S）——人工智能驱动科学研究。这是GPT-6之后被很多人忽视的一个赛道，但它在算力消耗上其实不比大语言模型训练小。蛋白质折叠模拟是新药研发的核心环节。传统方法从实验到计算结果需要数月时间，AlphaFold2把这个时间压缩到了天级，而6万卡集群可以进一步把某些大规模筛选任务压缩到小时级。对于国内制药企业来说，能不能用到这个算力，直接影响研发竞争力。液态水分子动力学的万亿原子模拟打破世界纪录，听起来很学术，实际应用在半导体制造工艺优化、新型电池材料开发等领域都有直接价值。更重要的是：这个纪录是用全国产集群跑出来的，不是英伟达H100。蛋白质折叠、万亿原子模拟——这两项测试用国产算力打破了世界纪录。问题不再是「国产能不能用」，而是「你有没有机会用上」。这个集群不是孤立的一个项目，它是国家超算互联网战略的核心节点，也是当前国产算力基础设施积累的集中体现。50+万卡集群将在2026年落地——平均下来差不多是每周一个。国家数据局划定的8大枢纽+10大集群格局，正在把「东数西算」从基础网络铺设推进到算力实质部署阶段。国产圈绕不开的一个问题：scaleX和华为昇腾集群，到底怎么选？这里不做倾向性推荐，只把两条路线的核心差异摆清楚。两条路都是国产替代的正解，核心取舍在于：如果你的业务已经深度依赖CUDA生态，scaleX的迁移成本更低；如果你在做全新的国产化构建，昇腾的一体化程度更高。① 国产算力的「堆量期」已经到来，采购窗口正在打开。2026年新增50+万卡集群，意味着供给侧快速放量。价格竞争会越来越激烈，今年是比较好的谈判时机。但要注意选型时不只看卡数，互联网络性能（延迟/带宽）才是大规模并行任务的真正瓶颈。生命科学、材料、气候、能源——这几个垂直方向的算力需求正在从国际超算平台向国产集群迁移。如果你在这些行业做IT采购或解决方案，现在开始布局AI4S算力方案的时机比等政策更好。③ scaleX的「开放兼容」路线值得关注，尤其是对已有CUDA代码的团队。华为昇腾占国产出货量50%，但它不是唯一选择。400+大模型适配、多品牌加速卡兼容，意味着scaleX的迁移门槛远低于昇腾。对于已经积累了大量CUDA代码的科研和工程团队，这条路可能是阻力最小的国产化通道。数据来源：央视新闻（2026.04.14）、河南日报（2026.04.16）、新浪财经（2025.12.23）、南方都市报（2026.04.15）、IDC中国AI加速卡市场报告（2025）、工信部智算集群统计、国家数据局一体化算力网规划（2026.04.03）
10个月宝宝每天需要喝多少奶粉？
