问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
2026年6月29日，由中国科学院计算机网络信息中心、中国科学技术大学、中国科学院力学研究所、中科曙光等机构联合研发的国产全栈算力生态平台“异算方舟”在北京正式发布。平台针对国产GPU架构深度适配，内置覆盖多科研场景的16款高性能求解器，可有效解决当前国产异构算力在科学计算领域适配门槛高、代码迁移难等问题，助力自主计算生态建设。
近年国产算力硬件迭代速度远超市场预期，多款通用GPU产品的峰值算力已经追平国际同类旗舰产品，但在实际应用中，异构算力适配难、传统CUDA代码迁移成本高、科学计算场景专用工具不足等问题，导致大量国产算力资源处于闲置状态，科研团队即便采购了国产硬件，也往往要投入数月时间做适配改造，拖慢了科研进度。
从产业结构来看，算力体系的竞争力由硬件、软件、生态三部分共同构成，过去几年国内厂商的技术突破多集中在硬件制造环节，上层软件工具的缺口始终存在。尤其是在科学计算领域，大量成熟的算法、代码均是基于海外厂商的生态开发，直接迁移到国产算力平台上往往会出现兼容性差、性能不足的问题，不少科研项目为了保障进度，不得不继续采购海外硬件。
这种“硬件跑得快、软件跟不上”的错位，也直接制约了国产算力的落地渗透率。相关调研显示，目前国内已部署的国产GPU算力中，有近3成因为适配问题处于低负载运行状态，软件生态的短板已经成为自主算力普及的核心阻碍。
此次发布的“异算方舟”正是瞄准上述痛点打造的全栈式解决方案，平台覆盖从底层算法适配、编译工具到上层应用框架的完整技术链条，不需要科研人员从零开始做适配改造。
其核心搭载的“九衍枢”算法库，集成了线性代数、流体仿真、生物计算及深度学习等主流科研场景的16款高性能求解器，所有模块均针对国产GPU架构做了深度指令集优化，核心计算性能较通用适配版本提升显著，可直接为科研项目提供开箱即用的算力“内核”。
针对此前行业普遍头疼的CUDA代码迁移问题，平台还搭载了专门训练的代码转换大模型，可自动识别不同架构的语法差异，完成批量代码的转换与适配校验，相较于传统手动迁移的模式，效率提升十分明显，开发者能够将现有CUDA代码快速迁移到国产算力平台，大幅降低适配的时间与人力成本。
作为国内首个面向科学计算场景的国产异构算力全栈软件平台，“异算方舟”的落地也被视作自主计算生态建设的重要节点。据研发团队透露，目前平台已经和多家国产GPU厂商完成兼容性测试，接下来还会接入更多国产算力芯片类型，覆盖工业仿真、新药研发、AI训练等更多产业级场景。
业内人士指出，此前国产算力的竞争大多集中在硬件层面，“异算方舟”的出现填补了上层软件生态的短板，未来硬件厂商与软件平台的协同创新，将进一步缩小我国自主算力体系与国际先进水平的差距，为科研创新和产业数字化转型提供更稳定、可控的算力支撑。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号