海光DCU赋能科学大模型，开启世界级应用创新新篇章

海光DCU驱动科学大模型，引领全球智能创新新纪元

　　 近期，以“科学数据与可持续发展”为主题的第十届（2025）科学数据大会顺利举行，全面展示了中国科学院自动化研究所、高能物理研究所、国家天文台等单位依托海光DCU开展的技术创新成果，以及在科研应用和行业实践中的创新进展，推动多学科加快智能化进程。

　　 在会议现场，海光信息与中国科学院高能物理研究所联合发布“基于DCU的科学大模型联合方案”，构建起以“海光DCU、高能所自研模型及自有科学大数据”为核心的科研协作体系。双方充分发挥各自优势，借助国产算力推动AIforScience的发展，助力科学研究的深度创新与突破。 这一合作体现了我国在人工智能与科学研究融合方面的积极探索，也展示了国产算力在支撑前沿科技研究中的潜力。通过整合高性能计算资源与专业科研力量，不仅提升了科研效率，也为未来更多跨学科合作提供了可复制的范本。

　　 多模态模型赋能自动化科研新范式

　　 随着大模型逐渐成为科研范式变革的重要工具，自动化研究正迈向跨模态、跨领域的全新探索方向。中国科学院自动化研究所副研究员陈盈盈以“紫东太初”大模型的科研实践为例，阐述了多模态人工智能如何助力科研人员实现跨学科的数据整合、知识关联与自动推理。

　　 聚焦国产化工具链的系统性建设，中国科学院自动化研究所联合海光信息共同研发了包含海光DCU驱动组件、运行时组件在内的7个完整的高性能工具链解决方案，能够在神经网络模型、图文模型训练以及大语言模型的训练与推理等复杂任务中提供“一体化”的智能支持。

　　 AI加速高能物理走向人机交互

　　 在高能物理研究日益依赖大数据与人工智能的背景下，中国科学院高能物理研究所特聘青年研究员张正德指出，面对正负电子对撞机等大科学装置所产生的海量数据，仅依靠传统分析手段已难以满足理论研究在效率与深度上的需求。 当前，高能物理研究正面临前所未有的数据挑战。随着实验设备的不断升级，数据量呈指数级增长，这对数据分析和处理提出了更高要求。传统方法在面对复杂、多维的数据时显得力不从心，难以挖掘出深层次的物理规律。因此，引入人工智能技术成为推动研究进展的关键路径。这不仅是技术发展的必然趋势，更是提升科研效率、拓展研究边界的重要手段。

　　 面对训练资源紧张、模型生态复杂、安全合规要求高等多重挑战，高能所最终选择海光DCU作为底层算力支撑，落地全球首个L2级高能物理大模型“溪悟”，并以此为核心，打造高能物理科研智能体系统——“赛博士”，多项技术指标处于世界领先地位。

　　 海光信息智能计算研发负责人从合作模式角度出发，进一步补充了双方联合攻关背后的技术策略与组织机制。他指出，在严峻的现实条件面前，高能所选择海光DCU作为算力支撑，体现了科研机构对“国产、安全、可信”能力体系的高度认可。海光信息也为“赛博士”项目提供从算力部署、算法适配到模型训练的全链条支持，已形成助力客户孵化世界级科研成果的可复用“方法论”。

　　 科研软件“三驾马车”协同优化

　　 在天文领域，随着设备灵敏度提升与观测手段拓展，数据呈现指数级爆发。中国科学院国家天文台研究员张彦霞在分享中提到，像中国天眼FAST这样的大科学工程，每年产生的数据量达96PB，未来更将突破1000EB，这对存储、分析、计算带来了前所未有的压力。

　　 海光信息智能计算产品负责人表示，海光DCU能够兼容全球主流的AI架构，其配套的开发工具套件DTK、人工智能基础软件栈DAS以及人工智能应用平台DAP构成了科研软件的“三驾马车”，助力包括天体识别、气象模拟以及冷冻电镜重构等多个领域实现算力的显著提升。

　　 例如，在碳星识别任务中，海光DCU的计算性能比CPU单核高出107倍；在冷冻电镜算法的并行处理效率方面，海光DCU已达到91.7%的高水平。

　　 从技术突破到成果产出，再到产业应用，海光信息与众多科研客户的合作早已超越传统意义上的协作模式。实际上，海光信息正积极联合顶尖科研机构，推动软硬件协同创新，探索国产算力的最佳技术路径，逐步构建起具有中国特色的科技创新孵化体系，助力中国在全球人工智能发展浪潮中抢占先机。 在当前全球科技竞争日益激烈的背景下，海光信息通过持续的技术积累与生态构建，展现出强大的战略定力和发展韧性。其不仅在核心技术上实现自主可控，更在产业落地方面形成闭环，为国产算力的发展提供了可复制、可推广的实践样本。这种以技术为核心、以应用为导向的发展模式，无疑为中国科技自立自强注入了强劲动力。