海洋科学正在经历从观测驱动走向计算驱动的转变，国产算力在这一进程中扮演的角色日益关键。并行科技行业事业部总经理吕昇亮透露，在科学计算领域，国产芯片的占比已经非常高。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了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。
科研场景与业务场景对算力的要求存在本质差异。并行科技为自然资源部第一海洋研究所搭建的高精度海洋预报业务系统，每天需在固定时间点输出预报结果，远洋船舶据此决定航线。吕昇亮回忆，该系统前期经历了接近半年的磨合，最初难以在固定时间点完成预报，与业务要求的准确率存在较大差距。问题根源在于超算集群原先面向小规模科研场景，而预报业务系统的规模远超所有科研场景。100至200台机器并行工作时，单台机器故障率虽不高，但集群整体出问题的概率大幅上升，某一台机器甚至某一张卡出问题，就可能造成整套系统瘫痪。
破解这一难题的关键在于冗余设计。备用节点替代方案、手动处理预案需提前准备，数据传输稳定性、计算性能保障、IT系统与海洋应用系统的适配，每个环节均需反复调试。吕昇亮表示，项目过程中除了IT工作，还包括客户应用的调试与优化。这一预报系统仅是海洋科学领域应用的冰山一角，AI正在加速进入该领域。国家超级计算深圳中心的全国产E级超算“灵晟”已于2026年6月登顶全球TOP500榜单，以2.198 EFlops的持续双精度浮点性能位列第一，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。
超算与智算的融合正在提升问题复杂度。吕昇亮观察到，融合至少包含三个层次：用AI方法取代传统计算、用GPU计算模块做科学计算、以及将超算和智算打包协同工作。在落地层面，海光DCU等国产异构加速方案依托现有软件生态，降低CUDA代码迁移成本，构建“CPU+DCU”异构算力平台，可为传统CFD仿真带来数十倍性能提升，同时支撑气象海洋方向国家大装置建设。然而，融合过程中复杂度呈指数级上升，大模型部署、传统海洋数值模式与AI模型结合、定制开发等问题接踵而至。吕昇亮坦言，最大挑战在于对场景的理解，IT公司必须跨领域理解客户业务，具备专业知识和Know-how。为此，并行科技不仅招聘各领域专家，还派驻常驻工程师在客户现场长期协同工作。
海洋计算的变化速度依然惊人。今年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“飞鱼-1.0”，仅用3年历史数据即完成训练，而以往类似AI模型通常需要20年以上数据。在国产化单机环境下，该模型完成3天预报仅需3秒。中国首个全栈国产化人工智能区域海洋大模型“瀛澜·深圳海洋”亦基于国产昇腾算力集群构建。从跑得通到跑得稳，中间隔着的是长时间的现场驻守和持续优化，而这正是算力服务从通用走向行业的必经之路。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
