CCF HPC 2026-AI4S论坛召开：共议Token基座与科研范式变革

从算力到服务，始终快人一步 - 并行算网 - 算力资源 - 算力服务平台 - GPU云服务器 GPU云主机提供弹性的GPU算力服务 - 弹性云服务器 GPU云服务器提供弹性的GPU算力服务 - GPU高性能算力池 满足大规模预训练、微调和高精度科学计算中对计算 、存储 、网络等环节的多样性需求 - GPU容器云 基于kubernetes构建的面向AI开发、调试、应用的轻量级容器实例产品 - 容器镜像服务 面向容器镜像、Helm Chart 等符合 OCI 标准的云原生制品安全托管及高效分发平台 - Prometheus监控服务 - 并行文件存储ParaFS 可扩展的并行文件存储系统 - 对象存储 稳定、安全、高效、高可拓展的云存储服务 - 大模型-MaaS平台 覆盖文本对话/视觉理解/图片生成/向量化等多个系列 - 算力服务平台 一站式超算服务平台 - 算力网络服务 面向用户自建算力集群，提供高质量算力运营服务平台、运营服务 - 算力网络应用SaaS产品 基于并行算力网络的应用软件SaaS化服务 - 并行智造云 并行智造云是基于超算云基础设施，整合企业线下及云上资源，集成工业制造企业所需的设计与仿真工具，支持AI大模型训练、仿真高性能计算、前后处理可视化、应用设计交互化等业务需求，提供工程机械、汽车工业、家电 - ParaCloud企业版 ParaCloud并行应用服务平台（简称：ParaCloud）是专为 HPC系统构建的基于HPC硬件层与应用软件层之下的集成平台，旨在HPC混合云的基础上提供统一的用户管理、设备管理、应用管理、作业管 - NPU弹性云服务器 高性能、资源独占、高安全性的裸金属服务器支撑 - NPU弹性云服务器定制化服务方案 基于NPU服务器平台，从基础环境搭建，到模型迁移中问题解决及性能优化，根据用户需求提供深度定制化服务 - 行业解决方案 - 全云方案 全云模式，快速对接，即开即用，可以助力企业的成长 - ParaPost+云 1-5 天交付，数据自动回传，统一用户管理，支持在线前后处理等，提升用户使用体验 - 混合云方案 支持万核秒弹，既保证本地资源利用率，又提升项目研发效率，整体实现降本增效 - 超智融合混合云方案 统一管理，一站式操作，满足企业仿真业务与AI需求，实现“多、快、好、省”的极致追求 - 大模型训练 专为AI大模型训练设计的高性价比、自动容错的架构方案 - 大规模在线推理解决方案 基于算力网络服务模式，为用户提供高可用、高并发、高吞吐的推理解决方案 - 数值预报领域解决方案 通过构建全栈式支撑平台，满足数值模式预报业务需求，提高业务运行成功率和稳定性。 - 能源领域解决方案 基于全栈式计算资源平台支撑，支持解释处理一体化系统，完成数据处理和解释全业务流程。 - 工业软件SaaS化 打造新型云化工业软件，实现商业模式创新 - 材料软件SaaS化 助力建设一站式材料模拟计算云平台 - AI应用SaaS化解决方案 训推一体化服务，加速AI应用场景落地 - MaaS平台 - 新闻资讯 - 了解并行 - 产品登录 推荐新闻 CCF HPC 2026-AI4S论坛召开：共议Token基座与科研范式变革 2026-10-24 10月17-20日，第二十二届CCF全国高性能计算学术大会（CCF HPC2026）在深圳国际会展中心举行。大会以“超智深融 算力圳浓”为主题，聚焦国产算力自主创新、超智深度融合、算力互联互通、绿色算力体系建设等核心议题，汇聚20余位中外院士领衔的专家学者，500余位高性能计算领域专家学者及业界精英与会分享，超过5400人报名参会参展。 作为大会重要论坛之一，10月20日上午，由并行科技主办的“「超智深融·科学涌现」AI for Science时代的算力底座与新范式”论坛在深圳国际会展中心举行。论坛由并行科技董事长、中国计算机学会副理事长陈健主持，围绕类脑智能、科学发现平台、Token基座、太空智算、量子计算、材料研发与油气勘探等方向，讨论AI for Science时代算力底座与科研范式如何共同演进。 AI for Science进入“涌现”之年 中山大学计算机学院教授，国家超级计算深圳中心、广州中心主任卢宇彤教授在致辞中表示，今年大会注册参会人数超过5400人，从keynote到各个论坛，大半以上内容都与AI for Science相关，AI for Science尤其是HPC与AI for Science的融合，正处在“涌现”的一年。 她认为，算力是基础，生态是核心，高校、科研机构和企业需要紧密联合，打通从理论研究到技术落地的全链条，同时重视并行思维和交叉学科人才培养。 主旨报告：从类脑具身到科学发现平台 香港科技大学（广州）协理副校长、AI+实验室主任熊辉教授报告主题为《体用一如：类脑为体，具身为用》。他从数据、感知、认知和行为四个层面展开，认为科学发现往往来自认知盲区，而认知盲区要通过感知盲区、数据盲区去寻找。传统视频数据存在噪声大、人体与具身动力学差异明显、标注不足等问题，因此团队尝试引入肌电信号、事件相机等新型感知数据，并通过世界模型生成高质量仿真数据。他介绍，团队推出全球首个一站式具身智能开源平台AlphaBrain，集成类脑VLA、强化学习Token训练、世界模型与持续学习，提供全栈工具链，推动具身智能走向可解释、低成本与通用化。 上海人工智能实验室科研产品平台部高级工程师刘峰在活动上分享了《科学与智能共进化：书生·端砚驱动自主科学发现新范式》主题报告。他表示，长周期任务与试错迭代、检验并修正科研假设、高效组织物理实验，是AI从“提出假设”转向“完成验证”必须解决的三大问题。作为面向重要复杂科研任务的可信科研执行平台，书生·端砚通过连接科学大模型、专业智能体、实验装置与具身自动化设备，提供覆盖从“假设提出”到“实验验证”完整科研流程的全栈能力，现已在生命科学、关键材料、半导体、核聚变、量子、地球气象等六大核心科研领域落地。其中在蛋白质、新材料等前沿研究中，书生·端砚完成了干湿实验闭环，实现了科学发现全流程端到端验证。 并行科技：从卡时到Token，再到“买结果” 在AI的浪潮下，Token成为科学发现的的新基座。陈健在《AI4S时代的Token基座》报告中首先谈到AI coding带来的变化。他表示，从去年年底到今年，软件行业发生了翻天覆地的变化，AI coding让软件复刻和迭代速度加快。过去软件大多由人编写，如今绝大多数代码可由AI生成，但目标功能实现仍由人掌控。 陈健表示，国内一些平台型创业公司每月Token使用量已接近千万元级，场景大致分为研发自用、增值服务平台、Token聚合转发平台三类。并行科技目前正在推进三类MaaS服务：科研教育中小客户场景、月消耗Token百万元以上的大客户场景，以及服务大模型企业的Token工厂。 太空智算、材料智能体与油气勘探 宇算星河科技有限公司创始人、CEO王凯带来主题报告《打造天基世界模型，开启太空智算时代》。王凯表示，琶洲太空智算星组规划24颗卫星、3年内投运，面向应急救灾、智慧交通、农业监测等场景，并探索“天上的数据在天上训练、推理输入也来自天上”的原生天基大模型。团队既提供Token服务，也结合应用场景提供SaaS服务。 来自中国科学院物理研究所的刘淼研究员分享了行业趋势，美国AI行动计划将智能科学聚焦自动化实验室、高质量数据集、计算基础设施三大方向，其中计算基础设施核心底座。 在此趋势下，其团队自研 Atomly 库收录 34 万个无机晶体，自主可控，实现了国产替代；据此训练的 GPTFF 力场兼顾近 DFT 精度与分子动力学效率，降低大体系模拟算力门槛；建成机器人合成实验室，自主迭代工艺与相图；整合80 余万篇文献构建 MatChat 智能体，实现低幻觉回答，约 40% 活跃用户来自工业界。 在行业实践方面，AI也已深入各个领域，例如油气勘探。在《面向AI for Science的油气勘探算力实践》的报告中，中国石油集团东方地球物理勘探有限责任公司高级专家曹士炳进行了详细阐述。他介绍，中国石油集团东方地球物理公司是全球物探行业唯一的全产业链服务公司，地球物理勘探是全球95%以上油气田发现的重要技术手段。当前油气勘探向深层、超深层、深水及非常规领域推进，地下地质条件日趋复杂，原始数据量从GB、TB走向PB， 油气勘探需要大算力、大数据、大模型、大融合、大应用和大调整，超级算力是油气高效勘探的重要底座。 深圳理工大学算力微电子学院、量子技术研究中心负责人安硕明教授，带来了题为《量子计算：AI for Science算力底座的下一块拼图》的前沿主题分享。他指出，当前量子计算整体仍处于发展早期，面临比特规模不足、系统噪声较高、独立求解复杂问题能力有限等现实瓶颈，但可以通过“量超融合”的技术路线与高性能计算深度搭配，解决两类计算架构单独运行都难以高效处理的问题。其中经典计算可在量子算法编译、系统误差缓解、实验数据处理和量子纠错技术研发等环节为量子计算提供全流程辅助；量子计算则可在蛋白质折叠、材料模拟等强关联特定问题上，为超算提供超越经典方法的计算精度。 生成即验证，打通从算力到产业的闭环 论坛最后的轻Talk环节，并行科技行业事业部总经理吕昇亮对话了中国科学院物理研究所研究员刘淼。围绕“生成即验证”的主题，吕昇亮表示，AI for Science 正从实验室走向产业落地，真正考验的是结果能否被验证、真实可用。 刘淼认为，模型推理已经越来越靠谱，但材料验证依赖实验，成本高、周期长，仍有提升空间。在算力方面，刘淼认为：在 Token 推理场景下，算力充足可以让 AI 自己思考，少数科学家调动模型，就相当于上亿个“思考者”协同工作。在产业化方面，刘淼团队仍以科研为主，但开发的工具已有约 40% 的用户来自工业界；宁德时代等企业已经设立 AI for Science 研究院，而中小企业可以从知识库起步，用“预测—测量—修正”的数据飞轮把 AI 验证和实验连接起来。在他看来，算力足够，科研进展才会更快。 总结：科研节奏与算力范式都在被重写 陈健在论坛总结中表示，从类脑与具身、科研闭环、Token基座、天基世界模型，到材料智能体、油气勘探中的异构算力与量子计算，这些议题共同指向一个核心问题：在AI for Science的新时代，研究范式和Token底座该如何演进和构建？ 他感慨道，大模型迭代的速度已从去年约三个月一次，压缩到今年上半年两个月一次，最近几乎每周都有新模型涌现。传统科研的节奏能否跟上这种指数级加速，是产业界与学术界共同面对的紧迫课题。站在这一历史节点，期待明年的"AI for Science"能继续带来天翻地覆的变革；更期待论坛能续写下一个十二年的华章，届时让我们一同见证：十二年后，人类世界与硅基世界将碰撞出怎样的火花。