问题—— 当前，人工智能技术正加速融入科学研究领域，大模型等新方法正改变材料发现、药物研发、气象预测等科研路径。，科研对算力的需求呈现“双高”特点：既需要超算能力支持大规模模拟计算，也需要智能计算能力满足模型训练和推理需求，同时还要保障跨机构、跨地域协作时的数据流转、存储共享与合规性。传统以集中式架构为主的算力供给模式，难以兼顾效率、成本和协同需求，导致科研周期因资源分散和调度复杂而延长，影响从科学发现到应用落地的整体效率。 原因—— 业内人士指出，此矛盾源于计算形态与科研范式的双重变化：一上，复杂科学问题往往需要多种计算范式结合，包括高精度数值模拟、数据驱动建模和模型推演；另一方面，算力资源分散在不同中心和集群中，软硬件体系不统一，跨域网络与存储链路不畅，导致“算力资源可用性”与“实际需求”之间存在差距。此外，科研对平台化工具链、基础软件和统一运维调度的依赖日益增强，缺乏全链路支持，即使算力再强，也难以形成稳定、可复现的科研生产力。 影响—— 针对这一问题，上海人工智能实验室在年会上推出“珠穆朗玛计划”，旨在打造“科学智能创新中枢”，整合算力、数据、工具和应用场景等资源，助力全球科学家攻克重大科学难题。同时启动的DeepLink超智融合算力平台，定位为面向通用人工智能驱动科研的一体化算力服务平台，通过连接全国主要超算和智算中心，实现通用计算、智能计算与超算的统一管理和调度，构建跨域网络与存储通道，并优化高性能基础软件栈，以提升复杂科学问题的求解效率和稳定性。 国家超级计算深圳中心凭借其在工程计算、物理模拟、生物医药和气象预测等领域的长期积累和算力优势，成为该平台跨域协同的重要支撑力量。深圳超算的加入，将促进长三角与粤港澳大湾区在算力供给上形成更紧密的联动与互补，为跨区域科研协作提供更高效的底层支持，同时加速科研成果从实验室到产业应用的转化。 对策—— 下一步，平台将以“超算支撑智算、智算赋能超算”的双向机制为核心：在资源层面，优化异构算力的统一调度，提升跨集群、跨节点、跨架构的协同效率；在系统层面，打通跨域网络与存储，降低大规模数据和模型迁移成本；在应用层面，推动大模型技术与科学计算、分子模拟、量子化学等场景深度融合，形成可复用的工作流和工具链。此外，深沪双方将持续完善跨域算力协同机制，推动资源互联互通的常态化运行，为科研团队提供更便捷的算力获取和更稳定的任务执行环境。 前景—— 业内预计，随着一体化算力平台在更多科研场景中落地，材料、生物、化学等前沿领域的“计算—实验—验证”周期有望更缩短，科研模式将从“单点突破”向“平台化提速”转变。更重要的是，通过跨区域算力协作带动人才、数据和场景的协同整合，有望形成针对重大科学问题的联合攻关能力，促进区域创新链、产业链、资金链和人才链的高效衔接。未来，随着软硬件协同解决方案的迭代和平台服务能力的提升，科研的组织方式、研发效率和成果转化路径或将迎来新的变革。
从超算到智算——从单点供给到跨域协同——算力基础设施正成为推动科学发现的关键支撑；深圳国家超算中心与上海人工智能实验室的合作，既是应对科研范式变革的实际需求，也是推动区域创新要素高效流动的有益实践。未来，只有持续打通算力、数据与应用链条，通过开放协作提升整体创新效率，才能更好地支持关键领域的原创突破和科研成果的快速落地。