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。与此同时，全国产 E 级超算"灵晟"以 2.198 EFlops 登顶全球 TOP500，将全球 1 公里分辨率大气海洋模拟从 30 天缩短至 2 小时以内。
海洋科学正从观测驱动走向计算驱动。而这场转变中，国产算力扮演的角色正在发生质变——不再是"替补"，而是"主力"。
观测驱动，依赖实地采样、卫星遥感数据，数值模拟周期长、分辨率低，难以支撑实时业务决策。
计算驱动，AI 大模型 + 超算融合，分钟级预报、公里级分辨率，从科研走向业务化实时输出。
数据来源：中科院海洋所智算平台与"灵晟"超算公开指标。2 小时完成此前需 30 天的全球 1 公里分辨率大气海洋模拟。
并行科技行业事业部总经理吕昇亮告诉我们："在科学计算领域，国产芯片的占比已经非常非常高。"这不是一个孤立的判断，而是正在发生的现实。
最硬的检验，不是跑出一个漂亮的测评分数，而是每天在固定时间点向远洋船舶输出预报结果——船往哪个方向开，取决于它。
一个诚实的注脚：
这套系统跑在国产算力上，但前期稳定性远未达标。问题不在于芯片本身，而在于大规模集群的系统工程——这是从"跑得通"到"跑得稳"必须跨越的鸿沟。
"船出海了，你得知道未来航线上天气情况是什么样。每天固定时间点必须拿到结果，否则航向就会受影响。"
如果说业务化预报系统证明了"国产算力能跑稳"，那下面这些进展则展示了"国产算力能跑多快、多远"。
全球首个面向南海区域的此类模型。只用了 3 年历史数据就完成训练（传统 AI 模型通常需要 20 年以上）。在国产化单机环境下，完成 3 天预报只需要 3 秒。突发天气变化，船上设备几秒钟内拿到未来三天海况。
基于国产昇腾算力集群和 MindSpore 框架部署，从硬件到软件全部国产化。海温分钟级预报、海浪有效波高智能预报，已在深圳海洋防灾减灾和生态保护中实际应用。
答案藏在三个层次的融合里。吕昇亮观察到，超算与智算的协同正在从概念走向工程：
以海光 DCU 为代表的国产异构加速方案，已构建起"CPU+DCU"异构算力平台。在科学计算领域，一方面为传统 CFD 仿真带来数十倍性能提升，兼容 Transolver、MeshGraphNet 等主流 AI4CFD 应用；另一方面支撑气象海洋方向国家大装置建设，实现大气‑海洋‑陆地面多圈层高分辨率长时序耦合模拟。
但融合之路的复杂度在指数级上升。吕昇亮坦言，最大的挑战在于"对场景的理解"——"你不可能一次性把所有事情都讲清楚。客户自己也有很多东西一开始没想到，项目进行的过程中，新问题就出来了。只能反复沟通、反复迭代。"
"我们是一家 IT 公司，但你必须跨领域去理解客户的业务，得具备这个领域的专业知识和 Know-how。"
为此，算力服务商正在将前端部署工程师（FDE）设为标配，派驻常驻工程师在客户现场长期融合工作。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——这是算力服务从通用走向行业的必经之路。
国产算力在海洋科学领域完成了从"替代"到"创新"的关键一跃。但真正的考验不是单点性能的突破，而是系统工程的成熟度——从"跑得通"到"跑得稳"，中间隔着的是对垂直场景的深度理解和长时间的现场打磨。算力竞争的下半场，拼的不再是芯片参数，而是行业 Know-how 的积累厚度。
核心技术已应用于"盘古"海洋智能预报大模型及"瀛澜·深圳海洋"等业务系统，通过国产算力平台向海洋防灾减灾、远洋航运、气候预测等领域提供服务。
了解更多 → 国产算力生态