首页 / 资讯详情
当超算走出实验室：一场从”算得快”到”算得值”的产业迁徙
摘要
记者：郭思编辑：包永刚导语：超算产业需要更多算力中立供应商深夜十一点，某新能源汽车企业的仿真计算中心里，屏幕上的流体模拟进度条正在缓缓推进。窗外的城市已经安静下来，但这里的服务器仍在轰鸣——工程师白天做分析、调参数，到了晚上就把计算任务交给算力，第二天一早推开门，结果已经摆在了桌上。这种“夕发朝看”的工作节奏，正在中国各地的研发实验室里成为新常态。而与此同时，在内蒙古、宁夏、新疆的广袤土地上，一排排服务器机房亮着指示灯，像沉默的巨人吞吐着数据。这些地方的电费便宜、气候适宜，是部署大规模算力中心的理想之选。但它们不再是过去那种只服务于高校科研的“象牙塔”——越来越多的汽车制造商、大模型企业、航空航天企业、生物医药公司，正在成为这些机房里最活跃的用户。超算，这个曾经带着浓厚学术色彩的词汇，正在经历一场深刻的产业迁徙。超算“出圈”：从象牙塔到产业主战场“五六年前，科研跟高校的场景在我们业务里要超过70%-80%。但到今年，需求更多的是来自企业。”并行科技行业事业部总经理吕昇亮在采访中这样描述行业的巨变。这个数字背后的驱动力，是各行各业对算力需求的急剧增长。IDC发布的《2026年中国人工智能计算力发展评估报告》预计，2026年中国智能算力规模将达2576.5EFLOPS，同比增长87.9%，到2030年将突破万EFLOPS大关。面对这一问题，过去，企业要么自建算力集群，要么依托高校超算中心“搭便车”。但这条路如今越走越窄。自建集群投入高、运维重，且难以应对研发高峰期的弹性需求；而高校超算中心本身资源有限，面对企业级任务的体量和时效要求，常常力不从心，曾经就有车企CAE工程师遭遇仿真任务积压两周、排队12天起步的窘境。“以前我们给高校服务，用户群体比较固定，业务增长相对缓慢。但现在不一样了，”吕昇亮说，“企业端的算力需求在急剧增长，对于需求满足的时效性也在急剧提高”。这也就意味算力使用模式的变革才是这场迁徙的核心。过去，企业获取算力的方式很简单——买整机、租整机。但这种方式面临着典型的资源错配困境：买多了浪费，买少了不够用。因为研发工作天然存在潮汐效应——白天工程师们需要即时算力做分析和调试，晚上则可以放下工作让算力继续跑计算。“我们给客户提了一个叫「夕发朝看」的业务模式，吕昇亮介绍道，“工程师白天在公司看前一天计算的结果，做分析调整。下班后希望算力不要休息，让算力帮他把计算继续跑下去。第二天早上九点上班的时候，就能看到计算结果。”为了实现这个模式，并行科技做了一系列复杂的后端工作：保证计算的准确性、出错时自动重跑、智能调度后端资源……“对一个工程师来讲，不用再担心因为算力不够要排队，或者算力多了浪费的问题。你想用多少就有多少，不用的时候也不收费。”这种按需供给的模式，被吕昇亮比喻为”像用电一样”——开灯就有电，关灯就不计费。而更深层的变化来自Token经济的兴起。随着大模型和AI应用的爆发，算力的使用模式开始从训练为主转向推理为主。“随着大模型Token调用量快速增长，推理正在成为新增算力的重要驱动力，”吕昇亮说，“我们联合合作伙伴推出了面向推理场景的Token工厂，为不同行业客户的模型推理和智能应用提供算力与平台服务，同时不介入客户模型和应用本身。”推理场景对算力的要求与训练截然不同，有些场景对实时性要求极高（比如观看短视频、玩在线游戏），需要算力部署在离用户近的地方；而有些场景（比如AI辅助编程）则可以容忍一定的延迟，适合部署在算力成本更低的西部数据中心。“如果把算力部署在内蒙古、宁夏、新疆，电费比较便宜，整体算力成本就降低了。”吕昇亮分析道，“但