“AI4S”进入深水区：国产算力如何扛起海洋计算的重任？

事件概述

海洋科学正从观测驱动转向计算驱动，国产算力在其中的角色日益重要。2026年上半年，全国首个深度融合AI技术、全栈国产算力支撑的“盘古”海洋智能预报大模型实现工程化落地；中国科学院海洋研究所建成国内同类机构中规模最大的智算平台，集成1万余个CPU物理核心与100余块高性能GPU卡。海洋计算挑战赛（MCC）决赛亦依托海光国产DCU加速卡及国产超算平台进行，参赛代码直接跑在国产芯片上。

核心案例

高精度海洋预报系统：并行科技为自然资源部第一海洋研究所搭建的业务化预报系统，要求每天固定时间输出结果，以支撑远洋船舶航线决策。系统初期面临集群规模扩大带来的稳定性问题——100至200台机器并行，单点故障可能导致整套系统瘫痪。团队经过近半年磨合，通过冗余设计、数据传输保障和应用层调优，最终满足业务需求。这一案例凸显了业务场景对算力稳定性和实时性的刚性要求，远高于科研场景。

全国产E级超算“灵晟”：国家超级计算深圳中心的“灵晟”于2026年6月以2.198 EFlops持续双精度浮点性能登顶全球TOP500。该超算完全摆脱海外GPU依赖，首创Online Acceleration纯CPU超智融合架构，自研LX2处理器内嵌AI矩阵加速单元，并配合国产HBM内存和“灵启”高速互连网络，实现全链路国产化。它已将全球1公里分辨率的大气海洋模拟计算时间从30天缩短至2小时以内，为极端天气预警提供算力支撑。

海洋大模型“飞鱼-1.0”：2026年2月，中国科学院南海海洋研究所与中国石油大学（华东）联合发布全球首个面向南海区域的海-气双向耦合智能大模型。该模型仅用3年历史数据即完成训练，而传统同类AI模型通常需要20年以上数据；在国产化单机环境下，完成3天预报仅需3秒。

“瀛澜·深圳海洋”：这是中国首个全栈国产化人工智能区域海洋大模型，基于昇腾算力集群和MindSpore框架部署，实现从硬件到软件全部国产化。其海温分钟级预报、海浪有效波高智能预报已在深圳海洋防灾减灾和生态保护中实际应用。

AI与超算融合路径

超算与智算融合包含三个层次：用AI方法取代传统计算、用GPU计算模块做科学计算（AI for Science）、以及超算与智算协同工作。海光DCU为代表的国产异构加速方案，通过兼容现有软件生态降低CUDA迁移成本，构建“CPU+DCU”异构算力平台，在科学计算领域已有实际验证：可为传统CFD仿真带来数十倍性能提升，兼容Transolver、MeshGraphNet等AI4CFD应用，并支撑气象海洋方向国家大装置建设，实现大气-海洋-陆地多圈层高分辨率长时序耦合模拟。

超节点架构也被视为提升稳定性的新思路——所有部件由同一家公司完成适配和稳定性测试，相比从多家采购后自行组装，能显著降低前期故障率。

挑战与趋势

当前最大挑战在于算力服务商对垂直场景的理解能力，需要跨领域知识积累和现场长期驻守，前端部署工程师（FDE）因此成为ToB算力服务商的标配。国产芯片在部分尖端场景的绝对性能仍有差距，但经过软硬件适配调优，已能支撑大量业务落地。

AI4S规模化落地仍面临“叫好不叫座”困境，原因在于科学计算场景对高并发、大吞吐量、长时任务稳定运行有特殊要求，且软件生态碎片化、产学研协同壁垒、垂直领域专业知识匮乏等问题突出。不过，海洋大模型的发展速度惊人：三年前还是稀罕物，到2026年海洋智能计算大会上已出现几十个专属模型；国产芯片在海洋领域的应用也从需要刻意强调，发展为MCC决赛全程跑在海光国产DCU加速卡上。