十万卡全国产AI超集群落地：宣传叙事下的事实边界与待验指标

2026年7月上旬，企业主体中科曙光在光合组织智能计算大会上宣布，国内首个全国产十万卡AI超集群曙光8000（登峰）正式落成，同步接入国家超算互联网调度池，相关宣传将该事件定义为中国AI算力基建迈入十万卡时代的标志[1]。仅一周后，由国家超算中心联合地方政府主导的国家超算互联网核心节点在郑州正式上线，公开信息显示该节点是当前接入平台的最高调度优先级核心节点，也是最大规模单体国产AI算力资源池，可对外提供超10万卡国产AI算力，可支撑十万亿级参数大模型全量训练[5]。二者分属企业主导商业化集群、政府主导公益核心节点两类属性，“十万卡”标称均未明确统一统计基准，几乎同步落地的节奏让原本看似清晰的产业突破叙事出现了多个需要校准的模糊点：从统计口径到工程性能，从商业化价值到长期影响，所有超出“物理部署完成”范畴的判断，都需要基于可验证的事实与通用工程规律逐一拆解。

已确认的高置信事实边界

当前唯一经过多源交叉验证的核心事实是：2026年7月，国内已有十万卡级国产AI算力集群完成物理部署，并接入国家超算互联网调度体系。这一判断的支撑包括三个独立信源的交叉印证：其一为中科曙光公开发布的集群落成信息，其二为郑州国家超算互联网核心节点的上线公告，其三为中国信息通信研究院（信通院）AI算力基础设施监测平台对国产算力部署进度的月度跟踪数据[2]，整体置信度达到90%。

其中可单独验证的工程基础，是中科曙光自研的ParaStor F9000分布式全闪存储在2026年6月ISC高性能计算大会上包揽IO500榜单双项冠军，且该存储系统已在数万卡级AI集群稳定运行超过12个月，可将千亿参数大模型的部署时间缩短一半，训练效率提升50%，这也是目前公开信息中唯一经过第三方实测验证的集群核心组件性能指标。

除此之外，所有附加在该事件上的标签与判断，均未达到同等的证据强度。无论是“首个全国产十万卡”的身份界定，还是“支撑十万亿参数大模型全量训练”的性能承诺，抑或是“单位训练成本接近英伟达集群”的商业结论，都建立在多个未明确披露的前提假设之上，需要进一步拆解边界。

核心统计口径的模糊地带

宣传叙事中最容易被混淆的，是三个决定集群实际价值的核心统计口径，目前均无公开的官方定义或第三方验证材料，直接导致两个集群的“十万卡”标称参数缺乏横向可比性。

第一个模糊口径是“十万卡”的统计基准。现有公开信息并未明确该数值指代的是物理部署的AI加速卡数量，还是对标国际旗舰AI芯片的等效算力折算值。根据信通院2026年第二季度监测数据，国内单款主流国产AI加速芯片的季度最高出货量为4.2万张[2]，若按物理卡统计，十万张的部署量需要至少两个半季度的产能供给，与本次宣布的落成时间线存在明显的匹配缺口。行业通用的算力折算逻辑下，约七万张主流国产AI加速卡的总算力即可对标十万张国际旗舰AI卡的性能水平，这一规模也更符合当前国产芯片的产业供给能力，因此“十万卡”为等效算力折算值的可能性远高于物理卡统计。但两种统计口径下，集群的实际硬件规模、成本结构、可承载的训练任务量级存在本质差异，若不明确统计基准，标称的规模指标将失去实际参考意义。

第二个模糊口径是“全国产”的覆盖边界。宣传中“全国产”的表述并未明确覆盖范围是仅包含硬件核心组件，还是涵盖从计算芯片、高速互联、存储系统到调度框架、操作系统的全栈软硬件。截至目前，仅存储子系统的国产化与稳定运行有公开的第三方榜单数据支撑，计算芯片的型号与供应商、高速互联技术的自研占比、集群调度软件的知识产权归属、操作系统的国产化率等核心指标均无公开明细。而根据当前国家级算力基建采购的核心要求，核心元器件国产化率需达到80%才算符合合规资质，在没有第三方检测报告佐证的前提下，“全国产”的合规价值无法得到确认。

第三个模糊口径是“接入国家超算互联网”的调度等级与“首个”的界定标准。郑州节点为国家超算互联网的核心调度节点，拥有全平台算力分配的优先级调整权限，且无市场化运营资质，所有算力按公益科研、政策采购规则分配；而曙光8000集群仅为接入调度池的市场化商业集群，仅拥有自身算力的运营权限，可对外提供定制化调优服务。二者在算力调度优先级、资源分配权重、商业化运营权限等方面的核心差异未在宣传口径中明确提及。与此同时，两个十万卡级集群几乎同步上线，“首个”的定义也没有明确的界定标准：若按上线时间统计，二者无明确先后；若按主导主体统计，郑州节点为政府主导，曙光集群为企业主导；若按全栈国产化率统计，二者均未公开达标证明。这种口径缺失直接导致“首个全国产十万卡”的标签存在明显的叙事过载风险，无法作为严谨的产业判断依据。

性能与成本优势的假设边界

在口径模糊之外，宣传叙事中关于性能与成本优势的判断，大多建立在理想工程假设之上，并未覆盖十万卡级AI集群的核心工程约束，实际落地价值存在较大的不确定性。

其中最常被提及的判断是“十万卡级国产集群的单位训练总拥有成本（TCO）已降至英伟达集群的1.1倍以内”，这一结论的支撑仅来自存储系统的性能提升与数万卡级集群的运行经验，并未计入十万卡规模下的通信损耗与调度复杂度抬升带来的算力折损。根据信通院对国内已投运AI集群的实测统计，万卡级通用AI集群的训练线性加速比行业均值为62%，区间为58%-68%，即每增加10%的卡数，实际可用算力仅提升6%-7%；当集群规模扩大到十万卡级别时，若卡间互联技术与全局调度算法没有针对性的跨层级优化，线性加速比通常低于40%[2]，这意味着标称的十万卡算力，实际可用值仅为峰值的四成。这种规模带来的算力折损，足以完全抵消存储系统带来的效率提升，原本基于理想线性加速比测算的TCO优势也会随之消失，甚至可能出现单位可用算力成本反超万卡级集群的情况。

另一项容易被忽略的硬成本是大模型的生态迁移成本。IDC 2026年全球AI基础设施成本调研显示，当前主流大模型90%以上的训练代码基于英伟达CUDA生态开发，若要迁移到国产芯片架构，需要修改30%以上的核心算子逻辑，单模型的适配迁移成本区间为120万-350万元，且完成适配后，训练效率仍存在16%-21%的固定损失[3]。这部分成本不会因政策要求或合规需求凭空消失，只会在集成商、运营商与最终用户之间转移，最终仍会推高全链路的实际使用成本。对于预算有限的中小AI研发团队而言，仅迁移成本就足以形成较高的使用门槛，更遑论后续的持续调优成本。

至于宣传中提到的“可稳定支撑十万亿级参数大模型全量训练”的性能承诺，目前也没有任何公开的第三方实测数据支撑。无论是国际通用的MLPerf Training评测基准，还是国内信通院发布的AISHPerf评测体系，均未出现该十万卡集群的实测成绩，这一性能主张的实际落地效果仍有待验证。

商业化逻辑的适用边界

当前产业端对该集群的乐观判断，大多锚定政策驱动的付费逻辑，但这一逻辑同样存在明确的适用边界，并非无条件成立。

不可否认的是，政策端对国产算力基建的支持方向具备较高的确定性。据公开披露的政策规划，中国正研究未来五年投入约2950亿美元打造全国互联互通的AI算力网络，核心要求为核心元器件80%国产化，国家级算力采购的优先级已从“性价比优先”转向“合规优先”。但政策采购的硬前提是项目必须出具国产化率达标的第三方检测报告，在相关材料公开之前，集群能否拿到足额的政策订单仍存在不确定性。

相较于郑州核心节点的公益属性，企业主导的曙光8000集群确实具备独特的商业化优势：郑州节点无商业化运营权限，而曙光作为集成商可获得算力调度分成与定制化调优服务收入；与华为昇腾相比，曙光不直接布局大模型业务，不存在与客户的直接竞争关系，中立性更强；与三大运营商相比，曙光拥有多年的超算集群集成与调优经验，在十万卡级集群的全链路性能优化上具备技术积累；与主流云厂商相比，曙光的全栈国产化适配程度更符合政策合规要求。但这种优势的窗口期并不长，2026年7月9日上线的粤港澳大湾区韶关万卡昇腾智算集群已提交接入国家超算互联网的申请，后续随着更多符合要求的十万卡级集群落地，合规准入的门槛将快速抬升，先发优势的窗口期可能仅为9-12个月。

与此同时，集群的商业化运营仍面临较大的现金流压力。按IDC统计的行业通用硬件折旧、电力与运维成本测算，十万卡级AI集群的年化固定成本约为14.8亿-15.2亿元[3]。若集群的线性加速比仅为40%的行业下限，那么需要实际可用算力的利用率达到70%以上，才能实现5年现金流回正，远高于行业平均的4年周期。若利用率无法达到该阈值，单位可用算力的成本将进一步抬升，待政策补贴到期后，集群可能陷入现金流困境。

需求端的约束同样不可忽视。目前该集群所有公开的技术优化方向均针对Transformer架构的大模型训练，暂无非深度学习路径的算子适配与调度优化规划，这意味着其服务的客户群体将集中于头部大模型厂商与国家级科研机构，中小AI研发团队与小众研究方向的需求很难得到满足。此外，国家超算互联网的算力分配规则尚未公开，若70%以上的算力额度定向分配给政务与国央企项目，市场化客户的可用算力额度将被进一步挤压，市场化需求的可持续性仍有待验证。

可证伪的后续验证指标

所有关于该十万卡级国产AI集群的判断，最终都需要通过可验证的事实来确认。后续可重点跟踪四类核心指标，任何一类指标的落地情况，都会直接改变现有判断的边界。

第一类是核心口径的公开验证。若未来3个月内，相关方公开全栈国产化的明细与第三方检测报告、“十万卡”的统计基准、接入国家超算互联网的调度层级定义，那么当前的模糊口径将得到澄清，“全国产十万卡”的标称参数才具备实际参考价值。若始终未公开相关材料，则口径模糊带来的叙事过载风险将持续存在。

第二类是工程性能的实测验证。若未来6个月内，该集群的MLPerf Training或AISHPerf全集群实测数据公开，尤其是千亿/万亿参数模型训练的线性加速比数据，将直接验证集群的实际可用算力水平。若线性加速比稳定在60%以上，那么关于TCO优势的判断将具备事实支撑；若线性加速比低于40%，则标称的十万卡规模实际可用算力仅相当于4万卡级进口集群，规模价值将大打折扣。

第三类是商业化闭环的验证。可重点跟踪三个核心数据：其一为未来6个月内该集群的政策订单占比，若达到70%以上，则验证合规付费逻辑的稳定性；其二为是否出现年框金额超千万的市场化大模型厂商续费订单，若有则证明市场化需求具备可持续性；其三为国家超算互联网是否公开明确的算力分配规则，若市场化额度占比不足30%，则集群的商业化空间将被大幅压缩。

第四类是长期风险的验证。若后续出台针对符号主义、进化计算等非深度学习路径的算力支撑规划，以及明确的集群伦理审查机制与数据隐私保护措施，则大算力集中带来的AI研究路径窄化风险与数据安全风险将得到缓解；若始终无相关规划，则长期风险将持续抬升。

国产AI算力基建突破万卡级天花板，是毋庸置疑的产业进步，但进步的幅度与价值，不能仅靠宣传叙事来定义。从物理部署到稳定商用，再到真正形成产业竞争力，十万卡级国产集群仍有多个层级的证据缺口需要填补。相较于泛化的产业突破表述，更值得关注的是那些可验证、可证伪的硬指标——只有当口径统一、性能达标、商业闭环形成时，中国AI算力基建才算真正迈入十万卡时代。