随着大模型、科学智能和智能体应用加速发展，算力基础设施正从千卡、万卡集群向更大规模演进。面向高并发、高吞吐、多精度、多任务的负载，十万卡级AI超集群不再只是数字概念，而是下一代AI基础设施的重要入门能力。
7月10日，光合组织2026智能计算应用大会期间，中科曙光（603019）宣布中国首个全国产十万卡AI超集群——曙光8000(登峰)正式落成，并同步接入国家超算互联网。这标志着AI基础设施建设开始从万卡级迈向十万卡级部署阶段。
“中国首个全国产十万卡AI超集群的推出，意味着我国在超节点能力、超集群建设等系统工程化能力方面已经可以对标海外先进水平。”国海证券（000750）计算机首席分析师刘熹表示，这将在一定程度上缩小中美在AI算力产业间的差距，并推动国产算力在互联网、金融、运营商等行业客户的大规模应用，基于国产供应链的服务器、交换机、存储等产品及产业链生态伙伴有望受益。
作为国产的十万卡AI超集群，如何评估这类标杆项目对本土供应链的实际拉动效应？华源证券分析师钟依浓表示，短期看，一次性项目带来约百亿元本土订单，带动芯片、光互联、液冷、存储等环节放量；中期看，十万卡长时间运行完成国产全栈的工程化验证，补齐国产算力最大的稳定性短板；长期看，国家级标杆会形成示范效应，带动我国智算全面国产化，推动本土算力供应链从单点突破到完整生态的升级。
“十万卡时代”
产业链价值分配如何洗牌？
“人工智能（885728）正在从大模型向智能体和具身智能快速演进，AI for Science正在推动基础研究和技术发明加速发展，这些变革催生了巨大的算力需求。它不再是单一精度的计算，而是需要同时支持高精度的科学计算和低精度的AI训练，这种融合要求计算系统在架构、规模、能效和可靠性上实现系统级创新。”在上述大会上，中国工程院院士李国杰表示。
中科曙光（603019）高级副总裁李斌介绍，曙光8000的核心技术路线是原生超智融合，并非简单的“超算+智算”堆砌，而是在同一芯片和系统上同时支撑高精度科学计算与AI神经网络计算。这是其区别于传统算力设施的本质特征。
与万卡级系统相比，十万卡部署考验的不只是计算卡数量和理论峰值性能，更包括系统架构、网络互连、访存效率、能效控制和生态应用能力。
在系统建设上，曙光8000(登峰)具有“芯片、计算、存储、网络、散热、应用、服务”全链路全自研AI基础设施能力。其中，海光等国产芯片为系统建设提供底层支撑；scaleFabric类IB原生RDMA高速网络实现十万卡集群高可靠连接；ParaStor分布式存储支撑大模型训练和科学计算中的海量数据（603138）读写；浸没式相变液冷技术可支撑单机柜MW级高功率密度部署，并通过国产冷媒、全年自然冷却等方式提升集群能效。同时，依托开放计算生态、算力服务能力，平台可为各类科研机构、行业用户和应用开发者提供从底层算力到应用适配的全面支撑。
一个超大规模智算中心涉及复杂的产业链上下游，包括芯片、硬件集成、网络、光模块、软件调度等。在“十万卡时代”，产业链的价值分配格局将会如何洗牌？
国泰海通（HK2611）证券计算机首席分析师杨林认为，价值分配正从“卖卡”向“卖系统、卖能力”全面迁移。光互连、液冷、网络方案、系统集成与调度软件等环节获得更高的价值权重，而单纯依赖单卡性能的厂商、传统铜连接与存储整机环节则面临价值挤压。“‘十万卡时代’，赢家属于能够交付完整系统效率的企业。”杨林说。
“伴随着集群规模的持续扩大，智算中心发展的难点也在不断变化。”刘熹表示，对于千卡集群而言，GPU、服务器等半导体（881121）性能对集群的影响是较为明显的。但随着集群从千卡到万卡、十万卡及以上规模，其组网、系统集成、散热、电源、软件调度等环节的作用反而变得更加重要。网络的复杂度和集群芯片的数量是乘数关系，而非线性关系，随着集群内芯片数量的增长，交换机、光模块等环节将变得愈发重要，包括使用数量及传输速率，甚至封装工艺等都将发生变化。此外，系统集成、散热、电源等环节在超大规模集群时代也将迎来更多创新机遇，超节点服务器架构、液冷散热、HVDC等新技术未来有望在超大规模智算中心实现“从0到1”的突破与发展。软件调度、PCB等环节未来的价值占比也有望在超大规模智算中心时代进一步提高。
算力供给不足
算力厂商盈利模式如何转型？
据悉，曙光8000(登峰)依托国家超算互联网接入全国一体化算网，将面向科研高校、企业及个人用户全面开放普惠、高效、便捷的算力服务。目前，在十万卡核心节点上，已完成300余项超智融合应用优化，涵盖大模型、机器人、汽车、创新药（886015）、新材料、量子计算、天文气象等20余个领域。
随着曙光8000(登峰)正式落地，全国产十万卡级AI基础设施的技术、生态、应用、服务标准已完成闭环验证。上述大会期间，中科曙光（603019）还与北京科学智能研究院达成战略合作，启动第二套全国产十万卡超智融合算力系统研制与建设。面向AI for Science、大模型等大规模算力需求，十万卡级全精度算力中心有望从示范性工程走向规模化复制。
关于算力供给问题，李斌表示，随着AI的进一步发展，特别是今年智能体起来后算力需求量进一步爆发，未来可能会持续呈现算力供给不足的局面。
谈及算力消费（883434）主力结构，浙商证券（601878）计算机首席分析师刘雯蜀表示，未来算力消费（883434）的主力会是大模型公司，稳定基本盘的是科研机构、高端制造与政企国产化客户，长尾增量主力将是中小企业数字化与轻量化AI服务商。对于占到主力结构的大模型厂商来说，一方面，他们有模型训练需求，随着基础模型参数量的提升，对训练集群的规模要求更高；另一方面，随着coding、视频生成等AI应用的普及，推理需求大幅提升。
“随着大模型进入应用爆发期，推理侧的算力需求已超过训练侧，且优化空间巨大，直接关系到Token产出的经济效益。”李斌说。
对于算力厂商的盈利模式，刘雯蜀表示，以上需求都会使得算力利用率维持一个较高水平，若算力厂商的盈利模式从一次性的硬件销售转向持续性的算力服务，可以获得更持续的现金流。若算力厂商可以提供集群运维托管，或者Token使用效率提升的增值服务，就可以提高服务的毛利率。
“算力消耗的主力正从少数巨头的大模型训练转向百万企业以及亿级用户的推理与微调。”有分析人士进一步表示，对算力厂商而言，其营收模式随之质变，过去主要聚焦硬件销售与算力建设，相对偏向一次性建设费，而未来将走向持续的算力建设与运营收费。这也将带来盈利能力的变化，毛利率从15%到25%跃升至40%甚至更高，客户群体也从模型厂商拓展到百万元级企业用户、亿元级消费（883434）级用户。随着收入从项目制收入转为经常性收入，完成转型的厂商将享受未来10年甚至更久的产业红利。
