社区

导语：

从北京到上海，从综合性大学到顶尖科研院所，过去的一两年内，AI算力基础设施的建设浪潮席卷了整个教育界。

其中最为瞩目的，莫过于上海交大的“致远一号”，覆盖理工人文全学科的“通用”智算平台，早已成为业内教科书式的标杆。

然而，同处上海的另一所百年工科强校同济大学，在刚过119周年校庆之际，独家携手海光信息达成战略签约，并启动全国首个国产千卡工科智算集群。

工科强校的“仿真之痛”，国产算力真的能治吗？当别人都在卷大模型，谁来解决工程落地的真问题？全国那么多国产算力厂商，同济为什么独家选择海光？桃李财经带来独家视角解读。

主笔/ 佳佳；文章架构师/ 拓拔野；出品/ 桃李财经

01 工科强校的“仿真之痛”

同济大学土木工程学科稳居全球第一，建筑、机械、海洋等学科实力同样身处第一梯队。

但鲜少有人意识到一个问题：这些全球顶尖的工科，每天在实验室里跑的不是大模型，而是ANSYS、ABAQUS、流体力学、结构仿真。一台摩天大楼的结构受力分析、一座跨海大桥的抗风稳定性计算、一艘深海潜水器的耐压壳体设计，这些需要的不是“理解一句话”，而是“算准一个值”。

偏偏在这个领域，全国高校普遍陷入一个尴尬的矛盾。

市面上NPU架构为AI训练推理而设计，在大模型场景中表现出色，但面对工程仿真所需的FP64双精度浮点计算和高端混合计算，并非其设计目标。这类场景是通用GPGPU的天然领地，而传统CPU跑工程仿真又太慢，一个数万网格的流体力学模型，用单台工作站跑下来，少则数小时，多则数天。

更要命的是，很多高校的教学科研代码，都是在CUDA生态下写成的。一旦换成国产算力，要么推倒重写，要么耗费大量精力做平台适配。

而从政策导向来看，人工智能与教育的融合早已不是锦上添花，而是刚性需求，不能停留在少数学科的浅层应用中，必须加速向多学科场景下沉，让AI真正成为工程、医学、农业等各领域教学科研的基础能力。算力、数据、算法和人才的协同供给，正在成为教育数智化转型的核心命题。

同济需要的，不是一个仅用于训练大模型的“通用平台”，而是一个“既懂工程、又能国产、还能无感迁移”的算力定制底座。这种工科专用的差异化需求，需要算力方案在兼容性、工程计算能力和自主可控三个维度上同时给出答案。

谁来支撑，成了同济必须回答的问题。

02 海光凭什么成为“唯一解”？

事实上，市场上并非没有备选项。

目前主流的AI算力路线大致可分为两类：一类是NPU架构的AI专用计算路线，为AI训练推理而设计，在通用大模型场景中表现出色；另一类则是基于GPGPU架构的高端计算路线，既面向AI计算，也兼顾更广泛的科学计算与工程仿真场景。

海光DCU正是后一条路线的代表。

GPGPU本身就是通用图形处理器的延伸，天然具备更广泛的通用计算能力。如果说NPU是为AI“量身定做”的专用赛道，那么GPGPU就是一条“既跑得了AI、也跑得了工程仿真”的通用大道。

而海光DCU的关键在于，它走的是“CUDA”原生兼容+全精度原生高端计算的技术路线。这套方案的核心价值体现在几个层面：

· 兼容性层面：海光DCU全面兼容CUDA生态，算子覆盖度超过99%。正如海光信息总裁沙超群所言，海光始终致力于“为国产芯片注入高性能、高通用、高安全的基因”。同济现有的工程软件代码，从ANSYS、ABAQUS等商业软件到自主开发的土木工程模型，无需重写、无需二次开发，即可直接迁移。双方团队通力协作，让“存量代码迁移更加平滑无感，模型应用能够实时适配、快速上线”。

· 工程场景层面：海光DCU基于GPGPU架构和全精度计算能力，原生支持高端计算与AI的混合计算。海光DCU全面覆盖FP64、FP32、FP16、BF16、IN8、IN4等多种精度算力，使得同一套基于海光CPU+DCU的集群，既能高效支撑AI训练与推理，也能胜任对双精度算力有严苛要求的工程仿真、科学计算等任务。沙超群强调，这座集群“不只在于算力规模有多大、精度覆盖有多广，而是它能聚焦一些关键性、垂直性、实际性的应用场景，给出与之相匹配的系统化解决方案”。

· 安全可控层面：这座千卡集群基于海光DCU，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。

市面上做国产芯片的不止海光一家。但能同时做到“GPGPU通用架构+CUDA生态兼容+AI计算+高端计算+纯国产”这几个维度的，海光是那个“最大公约数”。同济的“唯一解”，是在“工程刚需”这个窄门里，它是唯一能同时满足所有条件的那个选项。

03 同济×海光模式 = 一个可复制的“工科智算样板间”

要理解同济为什么选择海光，还需要把视野拉到更高维度。

当前国产算力赛道，正面临一场深刻的路线之争。一条是“封闭重建”路线，即自研指令集，生态从零开始。这条路的长期战略价值毋庸置疑，但短期内工科应用“等不起”。

另一条是“兼容进化”路线，即海光“兼容x86生态+自主研发迭代”，既保生态无缝迁移，又实现自主可控。这条路更难，因为它需要技术突破和商业验证“双线并行”。但正因为它难，所以壁垒更高、护城河更深。

同济的选择，本质上是对后一条路线的战略投票。

而海光为同济做的，远不止建一个千卡集群。光合组织副秘书长王圣勇指出，这座集群实现了“三个跨越”：技术生态向应用生态的跨越、产业力量与教育力量的协同跨越、从‘可用’到‘好用’的跨越。他还特别强调，光合组织将继续做好产业生态的“连接器”和“助推器”，“期待这座集群成为国产算力赋能工程教育的一面旗帜，为更多高校和关键行业领域提供可参考、可复制的范本”。

为什么说这是“可复制的范本”？因为同济的需求并非孤例。每一所有土木、机械、船舶、航空航天学科的工科强校，都面临着同样的“仿真之痛”，通用算力不适用、封闭生态等不起。海光在同济跑通的这套“GPGPU通用架构+工程场景深度优化”模式，具备向全国工科院校复制的潜力。

海光为同济提供的是一套完整的算力底座：从芯片到板卡、从整机到软件栈的一站式交付，让科研团队无需在底层基础设施上耗费精力。同时，双方在产教融合、联合培养高层次创新人才等方面持续深化合作，让这座集群既是科研工具，也是国产算力生态的“孵化器”。正如沙超群所说，海光要提供的是“懂教育、懂工程”的算力，让师生们“算得好、算得快，算得安全又省心”。

而这背后，是国家战略的强力支撑。八部门联合印发的《“人工智能+制造”专项行动实施意见》明确提出，到2027年推出1000个高水平工业智能体，推广500个典型应用场景。国务院《关于深入实施“人工智能+”行动的意见》则进一步要求推动AI与实体经济深度融合。

海光×同济的模式，恰好踩在了“人工智能+教育”和“人工智能+制造”的交汇点上。

04 桃李财经的思考

国运，更是每个关键赛道上的“唯一选择”堆出来的

119年前，同济大学在上海建校，校名取自德文“Deutsch”的谐音，寓意“同舟共济”，立志“工程救国”。彼时的中国，近代工业刚刚起步，最缺的就是精通现代工程技术的中国人。

119年后，同济再次站到一个历史节点上。校园里，上海自主智能无人系统科学中心的师生们正在攻关：人形机器人在复杂地形中的自主适应与全身动作生成，需要大规模并行仿真和强化学习训练；无人机群在弱通联场景中的自主通信与协同增强，需要高保真仿真环境支撑；水空跨介质无人机“同济飞鱼”的跨域协同，需要强大的算力支撑复杂协同算法运行。这些来自一线工科场景的需求，精准地指向同一个答案，一座真正“懂工程”的算力集群。

从工程救国到工程强国，中国用了近一百二十年。这条路从来不是规划出来的，而是一代代工程人用代码、图纸、实验数据堆出来的。海光走了一条更难的路，不是封闭重建，而是兼容进化。这条路让顶尖工科的教授们不用重写代码、不用等待适配、不用牺牲性能，就能用上纯国产的算力底座。

国运从来不是偶然的礼物，而是每一个关键赛道上“唯一选择”堆出来的必然。同济选择了海光，本质上是为中国的工程强国梦，投下了关键一票。