【导读】国产算力为科研装上聪明的“耳朵”，通过融合AI与强大算力，声学等基础研究能够“听”得更准、更快，重塑科学发现范式。

作者 | 小葳

从国产大飞机舱内噪音的精准控制，到家庭影院中身临其境的环绕声场，声学的奥秘深刻影响着我们探索世界的方式。

过去，解读声音的密码依赖海量实验与漫长的数值计算。在11月1日举行的全国声学大会上，一场深刻的科研范式变革正在发生：AI算法与算力的融合，正让声学研究从经验模型迭代走向进入数据、算法与算力协同驱动的全新阶段。而以海光为代表的国产算力正成为这场变革的关键加速器。

从数值建模到智能驱动，声学计算的范式革命

传统声学研究长期依赖于“实验验证 + 数值建模”的计算路径。然而，随着问题复杂度不断攀升，声学计算所涉及的数据量与模型规模已逼近传统计算的处理极限。在争分夺秒的科研创新中，科学家的宝贵时间应聚焦于关键问题攻关，而非消耗在底层基础设施的调试与等待中。突破算力制约，成为突破声学研究效率的关键。

中国声学学会常务副秘书长 王秀明

中国声学学会常务副秘书长王秀明指出，当前声学研究对算力提出四大核心诉求：

• 极高的计算性能：声学研究常需处理海量实验与仿真数据。更强大的算力意味着在相同时间内能完成更多实验探索，率先实现前沿突破。

• 更高的计算精度：计算精度决定科研深度。例如，以双精度浮点（FP64）为代表的双精度格式，能有效控制误差累积，在声学领域的傅里叶变换（FFT）等关键数值模拟中至关重要。

• 海量内存容量与带宽：面对不断增长的数据规模，大容量内存与高读取速度是声学研究的基础要求。

• 底层的数据安全：保护科研数据的安全，是科研工作的生命线。

当声学研究步入“深水区”，人工智能与强化学习等新技术，为突破传统算力边界提供了全新可能。正如海光信息科研行业总经理韩美筠所言：“科研智能化的核心在于算力智能化。”AI模型与高端算力的深度融合，正推动声学研究迈入“智能驱动”的新阶段。

海光CPU+DCU，声学科研加速器

在这场范式革命中，以海光为代表的国产算力正以其系统级优势，扮演着“科研加速器”的关键角色。其通过三大核心能力，直击声学科研的痛点：

首先，极致性能，实现科研效率的跨越式提升

基于海光C86处理器与全精度DCU卡构建的协同计算架构，可为声场模拟、噪声控制、结构振动分析等复杂任务提供高并发、高能效的算力支持。

在科研实践中，这一优势已转化为显著的效率提升。例如，在航空噪声控制中，传统数值模拟需耗时近一个月，而在海光AI算力加持下，同一任务缩短至几天内即可完成。在水声工程领域，海光通过AI模型与高端算力的深度融合，可以在仿真效率、特征识别精度与实时响应能力上实现数量级的跨越。

其次，全面生态兼容，支持科研进展无缝迁移

海光C86处理器兼容x86架构，DCU芯片兼容CUDA和ROCm生态，同时兼容国内外主流软件开发环境。这意味着科研进展可实现“零成本”平滑迁移。科学家可以在安全、可信的国产算力平台上，无缝延续前沿工作，将宝贵精力从环境适配中解放出来，高效完成从模型构建、训练优化到结果验证的全链路科研任务。

第三，全精度覆盖，确保科学探索的深度与准度

海光DCU提供从FP64、FP32到FP16、BF16、INT8等精度的完备的算力支持，可全面覆盖从模型仿真、数据分析到AI推理等多元场景，满足各类科研需求。

 国产算力，AI for Science基石

在全球科研创新竞速的今天，利用AI推动科学发现已成为大国竞争的战略高地。这一背景下，国产算力能否支撑前沿探索的重任，不仅关乎技术自主，更关乎国家科研战略的主动权。

海光成熟的CPU+DCU协同架构，为这一问题给出肯定答案。该架构融合GPUfusion异构加速与DeepAI深算智能引擎，构建了从底层算子到上层模型的全链路支持能力。这不仅解决了国产算力“有没有”的问题，更在“好不好用”上实现了关键突破。

海光算力的实力已在多个前沿科学发现中得到实证。在生命科学领域，海光优化版AlphaFold（AF3）在国产平台上成功复现国际顶尖算法性能，展现出对复杂生物计算任务的强支撑力。在材料科学领域，由海光支持的研究论文《精确锚定两亲性金属-有机框架于聚合物界面用于坚韧可生物降解混合物》于近日在《Nature》子刊发表。该研究创新性地融合AI高通量筛选与模拟计算，大幅提升了新材料研发效率，也实证了海光算力的卓越能力。

更重要的是，以海光为代表的国产算力，已演进为支撑科研新生态的关键基础设施。在流体力学、材料科学、生命科学等领域，海光平台不仅实现了显著提升主流CFD求解器性能、有效缩短分子动力学模拟与晶格结构计算周期、更高效的基因比对与蛋白质预测等突破，更从根本上推动了前沿学科向智能化、高效化研究范式的转型。

结语

以海光为代表的科研算力新体系，不仅是算力的升级，更是一场科研范式的跃迁。透视声学大会，国产算力展现的系统级能力，已经成为科研创新与AI for Science的基石。

END

本文为「智能进化论」原创作品。