同济出手！国产AI，第一次进攻土木工程

往事絮雨

( I& O& P; A; O1 p6 V新智元报道
. q" Q/ N2 x: B) @! S

, J2 G8 ?0 p$ t1 D/ m【新智元导读】AI进军物理世界！海光携手同济大学，落地全国首个国产千卡工科智算集群，让国产算力不仅懂科学，更懂精密工程。从实验室走向大国重器，AI4E时代正式开启。
近年来，人工智能的学习能力持续进化，AI写诗作画、陪聊解闷甚至预测蛋白质结构，都已成为现实。但AI应用的下半程，必将从「理解数字世界」走向「改变物理世界」。
当AI开始尝试设计桥梁、优化发动机、调度生产线时，工程智能赛道正面临一道新考题——我们需要什么样的算力底座？
! @& R( T7 a* z0 b0 I' b+ N: {5 U5 R今天，伴随着海光信息与同济大学战略签约，并推出全国首个国产千卡工科智算集群，AI4E时代迎来第一个系统性答案。
从AI4S到AI4E，读懂「工程智能」的算力期待
7 t2 V: y7 ~% U0 b$ j7 E, x8 Y5 i如果说过去两年是AI4S的「高光时刻」，那么接下来十年，将是AI4E的「攻坚阶段」。
近几年，AI4S（AI for SCIence）让AlphaFold预测了几乎所有的生命分子，也让Deepseek在科学推理上逼近人类。这是用AI去理解世界运行的规律。
$ v2 H% ]) c$ x" L3 h但人类科技树不可能只点「理论」。
) b- o7 B: z6 O9 M( v' q国家《「人工智能+」行动》文件明确指出，要推动AI与实体经济深度融合。这指向的就是AI4E（AI for Engineering）：不仅要让AI「认识」世界，更要让AI「改造」世界——去解决工程实践中那些具体、复杂、且容不得半点马虎的问题。
; b( k5 X( f- E! @" P* l然而，从AI4S跨越到AI4E，不仅仅是算法逻辑的改变，更是对算力底层的系统性考验。
. y) r' L6 |" h( h2 r: _- @通用大模型的算力需求往往是「暴力的」、「并行的」，业内最常见的「三板斧」——堆卡、喂数据、炼参数，足以应对大多数问题。但工程计算的需求完全不同：它是「精准的」、「实时的」、「混合的」。
; Y6 v4 @* C/ W. _2 Q3 i- m比如在计算精度上，如果涉及结构力学仿真中的微小变形、高应力梯度、复杂材料非线性问题，往往需要更强大的高精度算力支持；访存带宽方面，机械工程师做流体仿真时则需要海量的内存带宽和极低的通信延迟，以应对峰值场景需求。
3 f. S0 C* }+ t$ Q' i5 G更重要的是，即便工程科创团队有心升级算力基础设施，如何安全平稳的过渡到国产计算底座上又是一道门槛。工程应用环境复杂主体多、安全风险管控难度大、国产化转型适配成本高......一系列现实问题构成AI4E纵深落地的重重阻碍。
8 a* \8 O% r" @9 _( Y2 ^, c校企联合筑基，全国首个工科智算平台落成
面向AI4E给出的新考卷，一个专用的工程智能算力引擎已不可或缺。5月25日，海光信息与同济大学正式签署战略合作协议，共同打造出国内首个国产千卡级工科智算集群。

( d3 }2 I/ L5 Y6 a; a* ~, x
# S, @$ e3 J/ }) P海光信息总裁沙超群指出，AI4E直面工程仿真、智能建造、工业研发等实体产业场景，对算力提出了区别于通用AI的复合需求。「海光将持续打磨面向工程教育与工程科研的专属算力方案，助力高校答好『人工智能+工程』的时代命题。」
据悉，作为国内高校首个超智融合国产算力平台，该千卡集群专为土木、建筑等顶尖工科打造，兼具全精度、高安全、广兼容优势，深度满足了从AI4S到AI4E的专业计算需求。
2 P2 u" N* V; Z0 I2 C; w5 N4 p超智融合全场景覆盖：集群基于超智融合架构可同步承载高端计算与AI训练推理任务，提供针对不同参数量的不同规模的算力解决方案，支持复杂任务处理，适用于高并发场景，可有效解决校级平台峰值算力短缺的问题。
' o! r" f. K1 X9 ?% b安全护栏筑安全防线：依托海光DCU，集群可全面支撑大模型安全护栏应用，在关键数据保护和模型输出管控等环节，形成对国际主流方案的可替代能力，为涉及重大工程数据的科研任务筑起自主可控的安全防线。
8 R! L! H% Z) d( c生态兼容真无感迁移：针对国产化适配成本问题，集群采用基于GPGPU主流架构的DCU产品，全面兼容AI主流生态，高校师生可以直接安装主流深度学习框架，体会从CUDA开发环境的平滑迁移，把更多的关注投入到学习研究中去。
AI4E走出实验室：构建「懂工程」的软件生态
- p* W% f) y) b* l0 n% ~硬件性能只是基础。AI4E能否真正落地，同样取决于上层软件生态是否「懂工程」。
对于同济这种工程创新实践派，需要的不仅是算力性能的提升，更迫切渴求适合科研和工程应用的完整生态，包括工具链、开发环境、行业模型和算力调度体系等，都决定着国产算力能否更好地支撑大模型训练、科研仿真及跨学科创新，让AI4E真正从实验室走向工程实践。

  r# A  M8 C% y2 I
值得注意的是，此次千卡工科智算集群落地同济的同时，还挂牌成立了全国首个「高校海光算力优化中心」，光合组织也将围绕工科智算集群发挥生态协同创新机制，深入推动AI4E应用适配。
2 s! l; Z6 |% H7 a5 M  p这意味着，这座集群不仅是一个计算工具，更是一个工程智能生态孵化平台。
据悉，该集群不仅对核心工科场景进行了深度适配，还可提供应用平台、开发社区等关键支撑。
/ R9 x7 M! u1 V3 O* Y# B6 |- q) i前者通过智能体可视化编排，可以更直观感受智能体工作流程，提高工作效率；后者则带来海量工具、模型、技术文档，帮助师生在实践中加速获得技术能力与研究成果。
构建「懂工程」的算力生态底座，正在成为AI4E规模化落地的必要一环。
; G  D5 J% \, g6 T4 L& ^6 q8 P5 `: j前段时间，国外厂商如西门子推出了用于自动化工程的EIgen Engineering Agent，意在巩固其工业AI技术优势；国内CAE厂商也在仿真智能体赛道小步快跑，推动AI+工程深入场景一线。
显然，未来工程师的核心竞争力不再是画图有多快，而是能否调教好一个「工程智能体」。
$ x# s0 d6 I4 p  V6 P' N而这一切的前提，是拥有钢筋混凝土一样扎实可靠的算力底座，并以此发展出适用于国产化工程创新的生态体系。
' d; @7 Q, R8 o, p) F同济作为顶尖工科殿堂，在「人工智能+」时代率先点亮首个千卡工科智算平台，并快速接驳主流AI生态。其信号不言而喻：AI4E技术攻坚战已经全面打响。
期待国产AI4E自此而始，走向大国工程实践的每一个现场。
; \* X# O* f. a8 r# z, s