文章核心观点 - AI4S（科学智能）正引发科研范式变革，其核心在于像AlphaZero一样“发现未知”，而非重复已知[2] - AI4S产业链发展的关键瓶颈在于缺乏能打通“通智超融合”算力需求与上层应用的“枢纽”[3] - 郑州国家超算互联网节点投入使用的6万卡科学智能集群，通过全精度覆盖、存算传协同及搭载科学大模型平台，为AI4S产业提供了确定性的算力底座，有望驱动产业链价值重心从“交付算力”向“交付科研成果”转移[4][8][9] AI4S的范式变革与算力需求 - AI4S代表科研范式从基于已知理论仿真（如AlphaGo）转向模型自主探索未知（如AlphaZero），去年诺贝尔化学奖和物理学奖是对此变革的背书[2] - AI4S对算力需求极其“分裂”，需同时满足FP64双精度科学计算、低精度AI训练及通用任务调度，即“通智超融合”[2] - 过去国内科研机构算力来源分散（超算中心、公有云），数据来回倒腾导致效率极低[2] AI4S产业链的痛点与断点 - 产业链分为三层：底层算力基础设施、中层技术解决方案、顶层行业应用[3] - 产业发展的核心痛点是缺乏能将三层打通的“枢纽”，底层算力分散，中游模型训练难以调动足够高精度算力，下游应用方难以直接获得成果[3] 6万卡科学智能集群的关键设计 - 实现**全精度覆盖**，从FP64到FP4，同一套硬件可同时支持分子动力学模拟（FP64）和AI训练（FP16），使中下游无需自行适配算力[6] - 通过**存算传三级协同**解决大规模集群数据读取瓶颈，系统可用性达**99.99%**，保障了数万卡规模下科研任务的极致稳定性[7] - **搭载OneScience科学大模型平台**，作为集群的“操作系统”，中游公司可快速部署模型，下游实验室可数小时内完成大模型开发[8] - **6万卡**级别的专用集群及配套平台软件，为AI4S产业铺设了标准化、规模化的“高速公路”[8] 对产业商业模式与未来发展的影响 - 算力足够便宜和好用后，AI4S应用层将迎来爆发，产业链价值重心从“交付算力资源”升级为“交付科研成果”[9] - 商业模式随之改变，算力不再仅是成本项，而是能直接参与成果分成，商业想象空间扩大[9] - 此轮AI4S热潮与互联网创业不同，其核心是“靠算力换发现”，6万卡集群的落地为行业提供了最基础的确定性[9]