问题：大模型浪潮下，“算力够不够、用得好不好”成了决定性因素；过去一年，国内开源大模型以较高性能和较低训练成本引发国际关注，也让产业更清楚地看到：模型能力的提升不只靠算法和数据，更依赖稳定、可持续的算力供给，以及高效率的软件栈支撑。尤其国产芯片加速替代的过程中，“能不能跑起来、跑得快不快、稳不稳”，直接影响应用落地的速度和成本边界。 原因：算力瓶颈往往不在硬件本身，而在软硬件协同和工程化能力。位于平湖智创园的是石科技办公区里，研发人员多为90后，团队平均年龄不到30岁，却长期深耕并行优化、异构计算调度等底层能力。公司创始人闫博文曾参与“神威·太湖之光”涉及的核心算法向国产芯片迁移与优化。团队在实践中形成共识：面对不同架构处理器以及不同通信、存储特性，如果缺少编译优化、算子适配、任务调度和资源管理等系统工程，单纯扩硬件规模不仅难以释放性能，还可能叠加能耗与成本。 影响：从“堆算力”转向“提效率”，正在改变算力产业的竞争方式。近几年全球出现“算力饥渴”，带动芯片和服务器采购升温，但行业正逐步回归理性：在供需趋于动态平衡后，真正拉开差距的往往是软件平台能力、调度效率、兼容适配速度，以及面向具体场景的改进。是石科技的业务结构变化也说明了此点——智能计算相关业务占比不断提升，同时保持对科研计算的服务深度，形成“头部需求牵引、长尾创新活跃”的客户结构。对科研机构而言，更稳定的高性能计算平台、更高效的任务排队，意味着科研周期缩短、试错成本降低；对产业客户而言，国产加速卡适配成熟度提升，有助于在供应链不确定性下保持连续运营。 对策：以软件为牵引，打通超算与智算之间的“计算桥梁”。据介绍，是石科技并未把路径押注在单一的硬件扩张上，而是通过自主并行优化技术和平台化能力提升异构资源利用率：一上围绕国产芯片建立适配与优化能力，推动大模型训练与推理负载国产加速卡上实现“可用、好用”；另一上在资源管理、任务编排、性能剖析等环节强化工程化，减少“算力闲置”和“热点拥堵”。同时，公司以科研客户对稳定性的要求为基础，积累跨学科应用经验，在航空航天、生物医药等高算力行业沉淀可复用的方法论，为产业侧规模化推广提供验证场景。 前景：算力基础设施将更强调“绿色、可控、可用”，软硬件协同能力将成为国产生态突围的关键。面向未来，随着大模型应用从通用能力走向行业深水区，算力需求将呈现“总量增长与结构分化并存”的特征：通用训练仍需要大规模集群，行业应用更关注推理成本、时延与稳定性；另外，数据要素流通、网络传输与存储体系也将对算力调度提出更高要求。在这一背景下，能够在不同芯片架构间快速迁移、在不同负载间动态调度，并在性能与能耗之间做精细权衡的企业，将在产业链中占据更关键的位置。业内人士认为，算力发展正从“比规模”转向“比体系”，从单点突破转向平台能力与生态协同；谁能在国产软硬件协同上形成可复制的工程能力，谁就更可能在下一轮竞争中掌握主动。
在科技创新加速推进的背景下，青年科研与工程团队正以更务实的方式推动中国算力产业从“量”的扩张走向“质”的提升。是石科技的实践表明，核心技术突破既需要对行业关键问题的准确判断，也离不开长期投入与持续迭代。这个案例也提示中国科技企业：唯有扎根技术、面向真实需求，才能在全球竞争中走得更稳、更远。