海光信息王毅：国产算力落地AI4S，要跨过三道坎、算清三本账

【赛迪网讯】当AI从辅助工具演变为深度参与科研全流程的引擎，算力与科学的关系正在被重新定义。从文献分析、实验设计到模拟仿真、结果解读，几乎每个科研环节都开始呼唤更高阶的算力支撑。与此同时，国产算力也迎来了从“具备能力”到“真正被科研人员信任、持续使用”的关键跨越期。

在10月17日开幕的第二十二届CCF全国高性能计算学术大会（CCFHPC2026）上，海光信息呈现了国产算力在科研场景中的落地实践。在热闹的展台现场，海光信息科研业务总经理王毅接受赛迪网采访时，给出一个重要信号：决定国产算力能否真正服务科研的，不只是芯片参数，还有一道道需要脚踏实地跨过的“坎”。

把算力价值讲成科研语言：AI4S的三个主战场

本届大会上，海光没有停留在“秀参数”，而是选择以科研任务为切口，把CPU、DCU、软件栈与具体的科研场景绑定。在生命科学领域，海光为基因测序、蛋白质结构预测、冷冻电镜等研究提供算力支撑，其中冷冻电镜图像原位重构软件DisSPA已在海光平台实现多节点并行加速，为复杂生物大分子结构解析提供有力支撑；在材料科学领域，海光针对MatPL机器学习力场平台及DeepMD、OpenMM等主流科研软件开展深度适配和性能优化，提升原子尺度模拟与分子动力学计算效率；此外，地球系统数值模拟、粒子物理分析、工业仿真等任务同样在海光芯片上运行。

这种“以场景讲价值”的方式，契合了AI4S范式下算力的新要求。在王毅看来，AI时代算力的变化体现在三个层面：

一是算力形态更多样，双精度科学计算与低精度AI并行负载必须在同一套系统内协同工作，同时保证科研结果的准确性与可复现性；

二是软件生态与易用性被提到前所未有的高度，科研人员的时间应花在科学问题上，而不是折腾环境；

三是稳定性和规模化，平台要能长期稳定支撑，并从单机实验平滑扩展到集群，同时为敏感科研数据提供内置的原生安全能力。

“三道坎”与“三本账”：国产算力服务科研的核心命题

提及国产算力进入科研流程的本质难题，王毅用一句话点出这段"距离"的分量："拥有国产芯片和计算能力，只是拿到了入场券；科研人员敢用、放心用、持续用，才真正谈得上支撑科研突破。"在他看来，这"三个用"背后，正是三道必须跨过的坎：

第一道是“能不能跑”，大量科研软件是十几年来积累下来的，写法各异，很多还是课题组自己维护的代码，让它们在国产平台稳定运行，靠的是一个软件一个软件的适配工作，而非参数量大小；

第二道是“结果敢不敢信”，科研最看重可复现，同样的输入必须跑出与原来对得上的结果，尤其是科研需要的双精度计算和长时间迭代计算，数值精度不能打折扣；

第三道是“能不能常态化用”，科研人员不会为了一款芯片改变研究习惯，若每次都要额外配置调优，方案就永远停在演示环节，走不进实验室。

而判断算力是否真正帮助了科研，王毅给出一把尺子：看科研人员是否还需要“为算力分心”，并可拆成“三本账”：时间账，同样的任务端到端等待有没有缩短；规模账，原来做不了、做不起的规模现在能不能做；可信账，结果是否与原有平台一致、能否复现。三本账同时对得上，才算真正帮上了科研。

这“三道坎”与“三本账”，实质上把国产算力服务科研的标准，从“跑分”拉回到了“信任”与“复现”的科学底线，也回应了行业普遍关注的“国产算力是否只是演示”的质疑。

给科研团队的“四步法”：把问题问清楚，再谈算力

针对想尝试AI辅助科研的团队，王毅给出的建议同样朴素而清醒：先做好一件事，把问题说清楚。与其问“AI能帮我做什么”，不如问“我现在的流程里哪个环节最慢、最贵、最卡人”。在此基础上，他提出四步法：定目标，把预期收益写成可对照的科研指标；盘家底，摸清数据在哪、软件依赖哪些库和框架；选切口，先挑边界清晰、有对照结果、失败成本低的环节试点；建基线，先在现有平台上跑出时间、精度、成本的基准，换了平台才有得比。

这种“让国产算力适配科研流程，而不是让科研人员适配算力平台”的出发点，构成了海光生态策略的底色。王毅透露，海光正从算力基础设施、科研智算方案适配、技术支持与联合机制等方向提供支撑。生态合作的核心，是把芯片、软件工具与具体应用之间的接口打通，让上层用户尽量感受不到底层差异。

海光的答案清晰而克制：方案展示只是交流的起点，能够持续服务科研工作，才是真正要实现的科研价值。当国产算力从“拿到入场券”走向“被持续使用”，跨越那道“可信”之坎，或许正是中国AI4S叙事真正成熟的开始。（文/徐培炎）