据《财经》杂志2026年2月报道，中国工程院院士陈左宁指出，以往完全依赖超算的应用场景中，约30%的计算环节正受到AI技术影响，约70%的任务仍需超算支撑。科研算力正从“谁替代谁”的选择题，变为“怎么搭配”的组合题。随着AI for Science成为科研新范式，各自为战的超算与智算正加速走到一起。“超智融合”从技术探索走向落地实践，成为高校算力建设值得关注的新趋势。

 

 

　　所谓“超智融合”，并不是简单把超算设备和智算设备放在一起，而是围绕科研任务实现不同类型算力的协同。从目前实践看，超智融合主要体现在三个层面：资源层面，对CPU、GPU等异构计算资源进行统一管理；平台层面，通过统一调度提升资源利用效率；应用层面，让科学计算、数据处理、AI训练和推理进入同一科研流程。

 

　　超算与智算面向的计算范式有所不同，二者是互补关系，而非替代关系。传统高性能计算主要面向数值模拟、科学计算等任务，智能计算则更多服务于大模型训练、机器学习和数据驱动的预测分析。随着AI for Science发展，越来越多科研任务同时包含数值模拟、数据处理、模型训练和智能分析等环节，两类算力因此开始进入同一科研工作流。

 

　　中国工程院院士、清华大学计算机系教授郑纬民指出，“有了智能算力就不用买HPC的观点是不对的”。他用两个例子把这种互补讲得很透彻：天气预报中，海量观测数据的预处理环节仍只能依赖超算，而模式处理、降雨预测环节已可由 AI大模型承担。石油勘探同理，数据预处理离不开超算，资源预测则用到了人工智能。

 

　　中国科学院院士、国家超算互联网总体专家组组长钱德沛则将两者关系概括为“不是相互替代，而是相互使能”，并提出超智融合可沿三个层面推进：超算支撑AI应用（for AI）、用AI技术改进超算（by AI）、走向超智内生融合（being AI）。

 

 

　　2023年12月，国家发展改革委等五部门印发《深入实施“东数西算”工程 加快构建全国一体化算力网的实施意见》，该《实施意见》在“促进多元异构算力融合发展”条目下明确提出“建设涵盖通用计算、智能计算、超级计算的融合算力中心”。

 

　　2025年上半年，工业和信息化部印发《算力互联互通行动计划》，明确“以智算、超算为重点，通过部署算力调度系统等多种方式，实现算力任务万卡调度和算、存、网多种业务互通”。

 

　　2026年4月，教育部等五部门联合印发《“人工智能+教育”行动计划》，明确“建设国家教育智能算力服务平台，有效汇聚算力、数据、模型、工具等人工智能创新资源。用好教育和科研计算机网，连接国家算力训练场、国家算力枢纽、企业和高校，整合各方智算、通算和超算资源”。

 

　　教育领域开始出现专门面向算力融合的部署，随着政策不断完善，政策导向正在从支持多元算力发展，进一步转向强调算力资源融合、调度和共享。

 

 

　　如果说过去超算和智算更多是两类相对独立的计算资源，那么近年来的变化是：二者正在从“分别建设”走向“统一组织”。这种变化首先体现在国家级算力基础设施中：

 

　　2026年6月，国家超算深圳中心牵头研制的“灵晟（LineShine）”超级计算系统以2.19 EFlops持续双精度浮点性能登顶全球超算TOP500榜单；同月，国家超算无锡中心启用智能计算应用服务平台。

 

　　7月，国家超算互联网核心节点在郑州正式上线运行，成为全国首个十万卡级超智融合算力资源池。这些变化释放出一个明确信号：未来算力基础设施建设的重点，不只是建设更大的单体计算中心，而是通过资源汇聚和统一调度，让不同类型的计算能力围绕科研任务协同工作。

 

　　高校也在探索类似方向。对高校而言，拥抱超智融合并非只有“自建重资产”一条路。从目前已有案例看，高校参与超智融合大致呈现出三种方式：

 

　　方式一：自建平台、向外输出。

 

　　北京大学建设的SCOW平台，是高校推进异构算力统一管理的代表案例。据北京大学2026年1月报道，该平台2025年已实现智算、超算、量子计算、云计算四类算力一体化融合，已在国内23个省市、超过80个算力中心部署；其配套的“鹤思”调度系统是国内首个开源的超智算融合调度系统，可实现超算任务与AI大模型训练任务在相同节点上混合调度。这套系统采用开源方式，为其他高校部署和二次开发提供了较低门槛路径。

 

　　方式二：依托平台、双向赋能。

 

　　高校也开始依托国家级算力平台开展AI for Science研究。例如，国家超算长沙中心由湖南大学运行管理，湖大依托中心牵头建设“超算与人工智能融合计算”教育部重点实验室，推动计算机与机械、材料、医学等优势学科交叉；清华大学深圳国际研究生院等团队基于相关平台开展降雨预测、遥感影像重建等研究。高校优势学科与国家级算力平台，正形成双向成就的共生关系。

 

　　方式三：借力共享、轻量接入。

 

　　2024年7月，国家超算无锡中心青海大学分中心正式投入运行，填补了青海省超算基础设施空白，服务天文观测、生态保护、气候水情预测等特色研究。更多高校师生则直接通过国家超算互联网获取算力：该平台已接入30余家超算与智算中心，汇聚超350万CPU核、25万GPU卡，注册用户已超百万；今年7月，国家超算互联网核心节点面向新用户推出普惠算力资源包，让高校师生能以更低成本完成模型测试、算法验证和科学计算实验。

 

　　这些探索的意义，并不只是增加一套算力管理工具，而是在改变科研人员使用计算资源的方式：过去，科研人员往往需要根据不同任务寻找不同平台；未来，通过统一算力平台，用户更多关注科研问题本身，底层资源则由系统根据任务需求进行匹配。

 

　　由此看，超智融合的核心并不是把超算和智算简单放在一起，而是让算力资源从单一建设走向多元汇聚、从设备管理走向任务调度、从少数机构能力走向更广泛共享。随着AI for Science不断深入，高校算力建设的重要问题，也将从“建设什么算力”，逐步转向“如何组织和使用不同算力”。

 

 

　　对不同高校而言，参与超智融合的路径也会有所不同：有算力基础的高校，可评估校级平台向超智融合架构升级的路径；学科特色鲜明的高校，可主动对接就近的国家超算中心开展共建；资源有限的高校，则可用好超算互联网的普惠算力，先“用起来”，再谈“建起来”。

 

　　回到开篇那组数据：30%与70%，并不是谁取代谁，而是不同计算方式在科研流程中的重新分工。超智融合的本质，不是简单增加一种算力，而是让不同类型计算资源围绕科研任务协同运行。对于高校而言，更重要的问题也不再只是选择建设哪一种算力，而是根据自身科研需求和资源条件，探索不同算力协同使用的路径。