超算智算同台：意图导向重构科研

引言

过去的科研计算像一条由人力驱动的流水线：找工具、写脚本、提交作业、排队监控、出错重跑、再把结果一格格整理。算力越来越强，但把任务“喂给”算力的方式却长期停留在“手搓”状态。现实是，在数据准备、环境配置、任务编排与结果分析等环节，绝大多数时间耗在人工流转，真正用于计算的不足五分之一。随着AI全面进入科学探究，科研正从“人驱动工具”转向“人定目标、智能体自主执行”。要让这种转变落地，超算（HPC）与智算（AI）必须在同一平台上协同，智能体成为默认的科研“操作系统”。

从“作业导向”到“意图导向”的科研重构

• 科研负载多元叠加：高精度物理仿真（HPC）、大模型训练与推理（AI）、智能体的工具调用与沙箱计算，在同一课题中并行出现。AI不再只是辅助手段，而是贯穿观测、模拟、猜想到实验的关键环节。
• 算力结构快速重排：国内智能算力增长显著，增速远超通用算力，生成式AI基础设施服务的需求更是呈倍数攀升。供需两端共同催化“把多种负载喂到同一张桌子上”的基础设施升级。
• 调度范式需要跃迁：传统HPC调度关注“作业需要多少核、多少内存、跑多久”，但不了解科研意图与上下游依赖。一旦混入AI与Agent任务，轻重不一、时延敏感点不同，原有单一调度逻辑便捉襟见肘。未来调度的关键不只是资源分配，而是基于科研意图的工作流编排与闭环优化。

超智融合的技术难点：精度、调度与数据

• 混合精度的无缝切换：气象、流体、分子动力学等需要FP64抑制累积误差；大模型多用BF16/FP16甚至FP8提升吞吐；智能体沙箱又偏向轻量、短生命周期计算。难点不是“选一个精度档位”，而是在同一科研链条上动态切换与正确对齐，保证数值稳定性与可复现性。
• 资源画像差异极大：HPC吃内存带宽与双精度浮点，AI训练吃高速互联与大显存，Agent强调极速启停与弹性扩缩。单一架构难以让每类负载都跑在甜点区，要求在CPU/GPU/网络/存储之间做跨域协同与共同优化。
• 数据流动与治理：AI与HPC共享同一数据底座带来“数据重力”问题。既要兼顾并行文件系统的高吞吐，又要满足对象存储的规模与版本管理，还要在跨精度、跨任务间建立数据血缘与质量度量，支撑自动回溯与校验。

工程落地样本：算力网络与统一编排

一种务实的路径是“资源层—互联层—编排层”三层解耦，既各得其所，又协同如一。

• 资源层：为不同负载提供匹配实例
• HPC优化实例针对CAE、EDA等对计算、内存带宽、网络时延极敏感的场景。例如基于第五代AMD EPYC处理器的hpc9a，最高5GHz睿频、128物理核、最高3TB内存，叠加200G低时延eRDMA网络与CIPU 2.0带来的近乎无虚拟化开销，相比上一代性能进一步提升。
• AI侧提供从单卡到大规模集群的加速实例。以自研加速芯片为例，M890P较上一代实现数量级提升，新一代V900在此基础上再翻一番以上，配合超节点与弹性算力，覆盖训练、推理全场景。

• 智能体与沙箱任务则采用通用计算与容器实例，强调冷启动时间、横向扩缩效率与按需计量。

• 互联层：以“算力网络”统一连接

• 通过云上统一虚拟网络将CPU、GPU、容器等异构资源编织为一张“算力网”，在eRDMA等高速互联加持下，实现跨实例低时延通信。

• CIPU 2.0为IO与网络虚拟化卸载提供硬件级加速，最大限度降低虚拟化损耗，保证HPC与AI混部时的稳定性与性能弹性。

• 编排层：用开放接口承载“意图感知”调度

• 通过统一OpenAPI实现跨资源的创建、调度、计量与审计；在此之上引入工作流语义与策略引擎，让系统理解“变异检测”的上下游，不只是“一个占用N核M小时的作业”。
• 关键能力包括：跨精度流水线编排、训练/仿真/沙箱的协同调度、数据血缘与版本化、细粒度计量与预算控制、预占与抢占、自动快照与断点续跑，以及面向安全的沙箱隔离与合规审计。

由此，智能体可以像“科研操作系统”一样，根据研究目标自动选择合适精度与资源、驱动数据在正确的层级间流转，并以最优成本/时延完成闭环。

影响与展望

• 对科研机构：从人力密集转向智能体密集，实验设计—仿真—训练—验证的周期明显缩短，失败成本与能耗同步下降；统一计量让资金与算力管理透明化，科研可复现性与审计能力显著提升。
• 对产业与生态：ToB侧的算力服务将从“资源售卖”升级为“目标达成的SLA”，市场将围绕意图编排、数据治理、AgentOps与能耗感知调度展开竞争。芯片—网络—系统—平台—应用的协同优化成为常态。
• 未来十年看点：
• 调度从作业中心转为意图中心，科研工作流具备自调参与自验证能力；
• 能耗与碳强度成为一等约束，碳感知与能效优先的算力编排走向普及；
• 标准化的跨精度数值验证与数据血缘协议形成行业共识；
• “一云多形态”成为基础设施标配：同一平台同时支撑HPC、AI与Agent的最优运行。

当算力不再被割裂、智能体成为默认接口，科研的边际成本会被持续压低，创新的迭代速度被持续拉高。这正是超智融合决定下一个十年科技走向的真正理由。

标签： 超智融合 HPC 智能体 科研计算 云计算