面向超级算力的跨地域研发协同体系报告

随着全球数字经济的蓬勃发展与通用人工智能（AGI）技术的演进，科学研究与工业创新的基本范式正在发生深刻的历史性变革。以“人工智能驱动的科学研究”（AI for Science, AI4S）和全链路数字孪生为代表的新型研发模式，不仅打破了传统的理论推演与实验验证的线性流程，更对底层的计算能力、数据吞吐量以及跨地域协同协作效率提出了极高要求。传统的孤岛式超级计算中心和局域网内的研发环境，在面对动辄需要十万卡级异构算力集群、千亿级参数大语言模型训练以及海量多模态数据实时交互的庞大需求时，已显得捉襟见肘。

在此宏观背景下，构建面向超级算力的跨地域研发协同体系成为各主要科技强国与创新主体的核心战略。该体系并非物理设备的简单堆砌，而是通过深度整合国家超算互联网（SCNet）、确定性广域网络、超智融合异构调度平台以及基于多智能体（Multi-Agent）技术的虚拟实验室，构建出一个“算、网、数、模、用”五位一体的泛在协作中枢。本研究报告旨在穷尽并深度剖析该协同体系的技术底座、国家与国际架构标准、智能体驱动的范式变革、典型前沿应用场景以及跨主体数据主权治理机制，从而为推进全国一体化算力网的高质量建设与全球化研发协同提供系统性的战略洞察。

一、 跨地域算力协同的物理底座与架构标准

跨地域研发协同的首要前提是打破算力、存储与网络的物理壁垒，实现广域空间内异构计算资源与数据的逻辑统一。这高度依赖于国家级底层算网标准体系的规范，以及算力资源从“集中式物理供给”向“分布式普惠服务”的战略演变。

1.1 国家超算互联网的发展脉络与规模效应

中国在构建跨地域算力协同生态方面展现出了前所未有的系统性布局。自科技部于2023年启动超算互联网部署工作以来，国家高性能计算机工程技术研究中心着力破解了算力中心分布不均、接口不统一、应用推广成本高昂等行业痛点。2024年4月，国家超算互联网平台正式上线，这一平台的问世标志着我国算力资源调度正式迈入网络协同的规模化服务新阶段。

截至2026年，国家超算互联网已成功接入全国14个省市的30余家国家级超算中心与核心智算中心，整合形成了包含超过15万张各类加速卡、350万个CPU核心的全国最大异构算力资源池。其服务规格从最初的数十种迅速拓展至近70种，全面覆盖了从传统的材料科学、气象预测到大模型AI训练等多元化场景。在强大的资源聚合效应下，超算互联网的用户规模在短短两年内突破100万大关，日均API调用量超过百万次，累计处理的高性能计算作业数达到惊人的1.65亿次。这种规模效应的形成，意味着高端算力正在从少数科研机构的“专属奢侈品”转变为赋能千行百业的“普惠基础设施”。

1.2 智能计算标准化体系架构解析

为了确保由数十家独立算力中心、数百家服务商以及上百万用户构成的庞大生态系统能够无缝协作，国家层面的标准化工作起到了定海神针的作用。2025年10月底，由国家高性能计算机工程技术研究中心牵头，北京大学等40余家顶尖单位深度参与研制的两项核心国家标准——《智能计算 超算互联网参考架构》（GB/T 46575-2025）及《智能计算 超算互联网平台运营要求》（GB/T 46574-2025）正式发布并实施。

该标准体系以“共商、共建、共享、共赢”为理念，汇聚了全价值链的技术积累，通过统一术语体系与平台规范，实现了“泛在接入、智能调度、高效利用”的宏伟建设目标。这一核心参考架构从底层向顶层分为四个严密协同的逻辑层，彻底将物理硬件转化为标准化的可消费服务。

标准的落地推行，不仅为全国一体化算力网的逐步发展奠定了坚实基础，更使得算力产业链上下游能够在统一的规则下盘活资源，有效降低了跨主体的协作成本，提升了全产业链的耦合协同效率。

二、 确定性网络与“安全新总线”的跨域运载力

在跨地域研发协同体系中，“网”不再仅仅是连接“算”与“存”的通信管道，而是算力调度的直接延伸。对于研发协同中常见的大规模参数同步、联邦学习、异地算力混合训练或高分辨率数字孪生而言，传统互联网基于“尽力而为”（Best-Effort）机制的传输模式存在极大的局限性。其不可控的传输时延、高抖动和频繁丢包，极易导致底层TCP窗口崩溃，进而使得远端内存直接访问（RDMA）等要求苛刻的高性能网络协议完全失效，严重制约了算力的跨域发挥。

2.1 广域无损传输的技术突破

为解决这一网络运载力瓶颈，我国依托通信行业首个国家重大科技基础设施——未来网络试验设施（CENI），前瞻性地构建了支撑全国一体化算力网络体系的“安全新总线”。该体系以光电融合与确定性网络技术为核心，彻底颠覆了传统的网络调度理念。

在实际的骨干网测试与应用中，江苏未来网络集团基于CENI成功构建了南京至贵阳往返长达2450公里的广域试验网络。在该线路上，体系实现了智能业务流量与RDMA流量的跨广域无损传输，吞吐量高达88Gbps，最大时延抖动被严苛地控制在20微秒以内，其整体传输性能较传统的FTP协议提升了36倍。这种大带宽、极低时延、极低抖动且零丢包的确定性网络运载力，使得远在西部的超算枢纽节点能够实时服务于东部科研机构的研发需求，真正将“东数西算”的战略构想从简单的“温冷数据备份”升级为“西训东推”和“异地协同计算”的实时热链服务。

2.2 三重时延圈与网状全协同调度架构

依托CENI及安全新总线，我国正逐步确立并超前落地国家“1520”时延圈算力网建设目标。该目标旨在打造1毫秒时延的城市级算力网、5毫秒时延的区域级算力网（如长三角枢纽节点内部互联）以及20毫秒时延的跨国家枢纽节点算力网，形成“三重算力圈”的立体覆盖。

传统的算力调度多采用东西部点对点、单兵作战的线型对接模式。而在一体化算网协同调度平台中，系统通过“物理并网+逻辑并网”的双路径完成了架构升级，形成了覆盖全网的网状全协同调度体系。例如，江苏未来网络集团已联合中国科学院计算技术研究所等顶尖机构组建了“131”协同创新联合体，并在郑州、贵阳、哈密、乌兰察布等多地率先布局，打造立足地方、辐射全国的确定性算力网络大动脉。这种多级联动的网络矩阵，有效保障了算力消费者在临时性、跳跃性和突发性计算任务中的网络匹配能力。

2.3 协议隔离与长效数据安全屏障

在跨地域、多主体的研发协同过程中，数据流通的安全防线至关重要。“安全新总线”不仅强调传输效率，更将安全能力内生于网络架构之中。该网络具备单机25Gbps的国密算法吞吐能力以及全网250Gbps的安全隧道容量，同时支持高达15Tbps的分布式拒绝服务（DDoS）攻击秒级自动化处置，保障了五个9（99.999%）的超高可靠传输能力。

面对勒索软件利用AI模型批量生成变种病毒的新型威胁，单纯的物理隔离已无法满足需求。现代算网底座全面推动安全架构从被动的边界防护向零信任（Zero Trust）纵深防御体系升级。通过应用AI技术，网络可实现健康度的实时检测、高级威胁的精准发现与分钟级自动响应，从而在源头为跨国、跨区域的数据流通与科技协同筑牢了长效运营的安全生态底座。

三、 超智融合调度平台与异构算力纳管

将分布在不同地理位置、采用迥异硬件架构的智算中心与超算中心无缝捏合，其核心挑战在于底层算力的异构性与调度算法的局限性。当前，以“超智融合”为技术特征的下一代算力调度平台正成为解决这一难题的枢纽。

3.1 算力原生与调度核心算法突破

国内的科研机构与企业界在算力调度内核的自研上取得了显著成就。例如，由北京大学及相关研究机构联合研发的“鹤思”（CraneSched）新一代超智融合信创开源算力调度系统，在性能指标上已全面超越了国际上广泛使用的Slurm和LSF系统。测试数据显示，鹤思的调度性能较Slurm提升了5至20倍，能够每秒实时调度超1万个任务，且任务分发延迟低于10毫秒。

其卓越性能源于一系列自研核心算法的支撑。其中，ORA作业时间预测算法将预测准确率提升了41%；TSMF算法大幅改善了资源利用率；而特有的节能算法在集群低负载时，能够使能耗降低惊人的78.64%。与自研算力平台SCOW（Super Computing On Web）深度集成后，鹤思形成了一套完整的“运营-使用-管理”一体化闭环，彻底改变了传统超算与智算分离建设造成的资源孤岛局面。

3.2 异构芯片生态的全面兼容与协同

跨地域研发协同需要平台不仅能调度CPU，还要精细化调度各种异构加速卡。以湖南省算力调度平台为例，该平台以“算力原生”为设计理念，通过资源图谱将不同厂商的芯片抽象为标准算力单元。目前，该平台已深度适配了华为昇腾910系列、平头哥真武、海光DCU、天数智芯、沐曦、摩尔线程等几乎所有主流国产AI加速器芯片。

通过深度集成上海人工智能实验室的DeepLink智能混训混推平台，该系统不仅支持异构算力的同集群纳管，更能通过统一通信协议实现跨厂商、跨架构芯片的模型训练与推理混合部署。这意味着科研人员在编写程序时，无需再为底层的CUDA或者特定国产硬件的算子库进行反复的代码重构，极大地释放了研发生产力。

3.3 开放计算Token谱系计划：算力的价值流转

随着算力集群规模向十万卡级迈进，技术栈能够建得起集群，但随之而来的现实问题是：算力的生产、流转和应用环节往往彼此割裂。为了让算力真正成为流通的生产力，光合组织推出了极具前瞻性的“开放计算Token谱系计划”。

该计划覆盖了算力生产层、调度层和应用层，试图建立一套从物理算力到Token，再到终端应用价值的统一度量标准和流转协议。在此体系下，用户不再需要理解购买“多少核时”或“多少节点”，而是直接消耗Token来换取大模型的响应或物理仿真的结果。依托曙光8000等算力底座，该计划有效降低了跨集群模型迁移的适配成本，让Token的使用门槛从需要专业工程师介入，降低到了只需普通用户描述自然语言需求即可自动匹配流转，成为算力普惠化、商品化过程中的里程碑式创新。

四、 “科学计算智能体”驱动的研发范式变革

长期以来，传统的高性能计算对使用者的要求极高，领域科学家（如化学家、气象学家）必须精通底层编程模型、并行计算原理以及复杂的命令行作业提交流程。这种巨大的跨学科认知壁垒，在计算资源与科学发现之间形成了一道难以逾越的鸿沟。而在跨地域研发协同体系中，多智能体（Multi-Agent）技术的引入正在彻底重塑科研工作流，宣告“科学计算智能体”时代的全面到来。

4.1 虚拟实验室与多智能体协同协作

科学计算智能体已跨越了简单的对话问答阶段，演化为具备强规划、工具调用、任务执行与科学推理能力的复杂系统工程。例如，上海人工智能实验室发布的“珠穆朗玛计划”，推出了具备奥赛金牌数理逻辑水平的万亿参数科学多模态大模型Intern-S1-Pro。在此基础上，科研任务已能够在一个名为“虚拟实验室”的协作空间内，由多个各司其职的专家智能体共同完成。

以开源的S1-Agent通用智能体框架为例，其内部构建了一个基于“历史记忆驱动”的“规划-执行-反思”多智能体交互协作逻辑：

• 规划智能体（Planner Agent）：负责接收科学家用自然语言提出的宏观研究目标（如“评估某类分子的成药性”），自主将其拆解为明确的任务规划与解题路径。
• 执行智能体（Executor Agent）：根据拆解的子任务，自动编写脚本，调用超算网络中的高性能量子化学软件或大模型，执行文献检索、参数建模等操作。
• 校验智能体（Verifier Agent）：自动评估计算输出，一旦发现物理约束冲突或计算不收敛，即可追溯记忆并触发系统重新规划。
• 报告智能体（Reporter Agent）：汇总海量执行数据，结构化输出最终的科研洞察报告。

在这一范式下，人类科学家的角色正逐渐从繁琐的代码实现者，转向高阶的科研方向规划者与结果验证者，真正实现了从“单向工具辅助”到全链条“双向赋能”的科研模式演进。

4.2 从耗时数月到立等可取：工作流自动化的效率革命

科学计算智能体极大地压缩了科研周期。以国家超算互联网平台发布的“超级科学计算智能体”GaliLeo为例，该平台将生成式AI与分子动力学（MD）、量子化学（QC）计算引擎进行了深度三位一体融合。用户通过零门槛的自然语言接入，平台模拟专业科研人员的行为逻辑，全自动完成任务识别、参数配置和跨源算力调度。原本需要经历复杂建模与排队计算的长周期任务，现在单任务处理平均周期被不可思议地缩短至30分钟以内。

在储能材料研发的复杂场景中，上海AI实验室与中海储能等机构联合构建的“分子-电网工业智能体”展现了惊人的跨尺度整合能力。该智能体能够同时打通微观分子结构设计、中试工艺放大验证以及宏观电网调度适配的全流程。它成功破解了储能材料在“能效、安全、寿命”上的不可能三角，将原本按“年”计算的传统研发周期骤然压缩至短短6个月，且电池综合性能提升超过100%，目前相关成果已在百兆瓦时级储能电站中落地应用。

五、 跨地域研发协同的核心应用场景深度剖析

依托强劲的跨域确定性算网底座与智能体工具链矩阵，该协同体系已在高端制造孪生、生物医药创制、高分辨率气象模拟等高价值领域实现了深度的产业渗透，催生出大量颠覆性科技成果。

5.1 工业孪生与智能网联汽车的端云协同

在重型装备制造领域，传统的物理原型测试耗资巨大且迭代缓慢。如今，依托5G全连接网络与超算互联网支撑的数字孪生系统，研发周期被大幅重塑。例如，在江苏徐工集团（XCMG）的制造基地中，过去研发一台起重机需要人工测算上千项参数，从设计到下线耗时近4年。通过深度融合孪生仿真与模块化生成式AI研发平台，现在不到两年即可推出3款新品。更具革命性的是，智慧系统将数千种定制组合置于云端，支持全球客户与研发团队进行跨地域的在线同步设计与调整。

在智能网联汽车领域，行业技术范式已全面转向数据驱动的端到端大模型架构，形成“重感知、轻地图”的共识。自动驾驶车辆在行驶过程中产生海量长尾边缘场景数据，这些数据必须回传至智算中心进行清洗、标注与模型微调，然后再以OTA（空中下载）的形式下发至车端。这一“端-云-端”的数据闭环，对算力调度提出了极致要求。在此背景下，借助跨地域算网将算力需求向西部大型智算枢纽溢出，大幅度降低了自动驾驶百亿级公里仿真验证的算力成本，帮助车企（如借助火山引擎Agentic AI大脑赋能的车企）实现了打通车控、导航与智驾的一体化闭环。

5.2 生物医药创制与高通量虚拟筛选

新药研发长期受困于“双十法则”（十年周期，十亿美元投入）。随着人工智能技术的介入，医药研发正经历从实验室台架试验向数字化超算模拟的根本性转场。

依托国家超算天津中心的新一代天河超算系统，清华大学团队研发的GalaxyVS人工智能虚拟筛选平台在这一领域取得了突破。该平台基于DrugCLIP模型，创新性地将传统的蛋白-配体分子逐一对接计算问题，转化为了高维向量的快速检索问题。在多达两万余个跨域计算节点及千级DSP节点的算力支撑下，平台在全球范围内首次实现了对近千亿级可合成化合物空间的秒级虚拟筛选。其实测日吞吐量达到约16万亿次分子对接，比国际最先进纪录高出整整6个数量级。

此外，由广药数科、华为等机构打造的新药创制AI智能体平台，首创了基于“多分辨率去偏”实验电子密度数据的三维分子生成模型。通过底层昇腾智算超节点与鲲鹏集群的算子流水线调度优化，模型推理速度达到国际同级平台的两倍以上。该平台利用强化学习机制，实现了实验室真实数据与计算模型之间的双向共生反馈，成功走通了自主算力驱动AI制药的全流程闭环。

5.3 地球系统模拟与公里级气象预测

气象预测是检验超级计算实力的试金石。传统预报严重依赖基于物理方程的数值天气预报（NWP），这种模式算力消耗极其惊人，一次10天的全球预报需耗费数小时并消耗大量电力，且通常仅能输出十几公里分辨率、每6至12小时更新一次的粗糙结果。

跨地域超算协同与AI气象大模型的结合（如华为盘古大模型、上海AI实验室风乌大模型），颠覆了半个多世纪以来的传统范式。AI模型绕过物理方程求解，直接从海量历史气象数据中学习时空演变规律。在中科曙光等构建的超智融合算力平台支持下，AI模型将极端天气的预报间隔从3小时锐减至1小时。

在中科天机发布的“全球-区域一体化数值模拟系统”（SD3引擎）中，依托球立方网格与全模块异构加速技术，平台成功突破了气象高分辨率模拟的“灰区”问题。目前，超算互联网已能够输出全球12公里分辨率以及中国区域3公里分辨率的逐小时精细数据，最长预报时效延伸至15天。在特定如新能源场站微观选址、低空经济航路规划等应用中，预报分辨率更是精细至1公里级别。这种通过算力红利转化而来的气象预报能力，不仅为电网调度、防灾减灾提供了决策支撑，也将农业、水利等部门的备灾响应周期大幅提前。

六、 数据主权、合规治理与全球化视野

在超大规模计算时代，跨地域研发协同面临的最大非技术性阻力，来自于各个国家、地区以及科研机构对数据主权（Data Sovereignty）、商业机密保护以及隐私合规的深切担忧。传统的“数据汇聚到中央”的研发模式，在应对诸如欧盟《通用数据保护条例》（GDPR）、《网络和信息安全指令2.0》（NIS2）或我国《数据安全法》等严苛的监管红线时，已暴露出极高的法律与操作风险。

6.1 协同数据主权与联邦计算治理框架

为了在确保“数据不动价值动”、“数据可用不可见”的前提下开展高水平协作，业界提出了“协同数据主权”（Collaborative Data Sovereignty）的治理范式。

该范式的核心思想是将分析算法与AI模型移动到数据所在的物理端节点，而不是将敏感数据集中上传至云端。在跨地域算力网中，各大医学中心、地方科研院所或企业的数据中心作为边缘节点，将原始高价值数据（如医疗病历记录、专有材料配方）保留在本地的私有基础设施或可信执行环境（TEE）中。中央算力网络仅负责分发未经训练的模型副本；边缘节点利用本地数据计算梯度后，通过加密传输通道将模型参数更新传回主节点进行联邦聚合（Federated Learning）。

这种去中心化的分析方法，不仅满足了国际间或区域间多中心联合科研的诉求，更从根本上培育了数据生成地机构（尤其是发展中地区）的数据资产管理能力与可持续研发能力，避免了知识垄断效应的进一步加剧。我国发布的《智能计算 隐私保护计算技术框架》（GB/Z 191-2026）等标准，正从规范层面引导这一联邦生态的健康发展。

6.2 动态零信任机制与基于属性的访问控制（ABAC）

在应对复杂的研发平台数据合规挑战时，传统的基于角色或密码的静态访问防护机制已严重滞后。现代超算互联网及协作平台（如ONES研发平台等）正在全面部署基于属性的访问控制（Attribute-Based Access Control, ABAC）策略与零信任架构。

在该机制下，系统会在每次数据访问请求发生时，动态提取并核实多维属性。这些属性不仅包括用户的身份、职级，还极其关键地囊括了用户当前的地理位置（IP/司法管辖区）、设备的合规状态以及科研项目当前的脱敏许可级别。当系统检测到一名研发人员试图从不受监管协议覆盖的国家或使用未授权终端下载敏感工业图纸时，安全网关将在毫秒级内自动熔断连接，从而在保障跨地域敏捷协作的同时，将违反数据主权法律及知识产权外泄的风险降至最低。

6.3 国际视角的印证与借鉴：欧洲的高性能计算协作模式

在全球范围内，通过顶层设计构建跨地域算力协同体系，已成为主要经济体的共识。在这方面，欧洲高性能计算联合企业（EuroHPC JU）的实践具有高度的对比研究价值。

EuroHPC JU旨在协调欧盟成员国的力量，部署世界级的高性能计算、量子计算及数据基础设施联盟，以期在减少技术依赖的同时支撑其“数字十年”（Digital Decade）战略。与中国主导的“算网一体”或“超算互联网”类似，欧洲推行了“联邦计算基础设施”（Federated Computing Infrastructure）的宏观构想。

在具体落地项目上，欧洲不仅部署了Leonardo、JUPITER等旗舰级异构超算（如JUPITER系统作为首台Exascale机器，广泛接入了创新的AI Factory战略以扶持中小企业），更通过NOUS等先导项目，探索了从边缘（Edge）、雾计算（Fog）到云端、HPC的一体化计算连续体（Cloud-Edge-IoT Continuum）。此外，欧洲极其注重工业界的普惠接入，例如EXCELLERAT平台致力于为缺乏学术连接背景的制造业中小企业提供安全、标准化的HPC数据交换服务通道。

相比之下，我国的超算互联网在广域确定性网络底座（CENI）的传输性能、全产业链异构计算芯片（包含众多国产自主芯片）的软硬适配深度，以及科学计算智能体工作流的闭环自动化上具有显著的前瞻性优势。但在探索跨境、跨司法管辖区的数据联邦治理框架，以及开源底层软件栈的国际社区共建方面，EuroHPC中基于区块链追溯与GAIA-X数据空间标准融合的经验，仍值得我国在后续完善算网生态时予以深度借鉴与融合。

七、 未来展望与演进挑战

面向超级算力的跨地域研发协同体系，正在以前所未有的深度重塑物理世界与数字世界的边界。然而，在体系从“规模化联网部署”向“深水区效能转化”挺进的过程中，依然面临着底层硬科技突破与顶层商业模式重构的双重考验。

一方面，算存互连的“内存墙”（Memory Wall）与“通信墙”成为桎梏。随着AIforScience的深入，基础科研模型对长上下文和多模态解析（如高分辨时空视频、千万级原子演化动态模拟）的需求呈指数级飙升。为此，全球顶尖机构正竞相布局下一代技术：美国能源部与Nvidia主导的AMT计划正探索先进的3D堆叠超高带宽内存架构；我国则亟需加速光电共封（CPO）技术、全光交叉（OXC）网络底座以及万兆光网的全面普及，以应对断点续训与海量Checkpoint存档带来的极致存取压力，并从根本上解决超算集群的能耗噩梦。

另一方面，算网协同的商业闭环亟待走向成熟。在《超算互联网平台运营要求》的指引下，跨域算网必须彻底摆脱单向的政府补贴输血机制，全面激活“开放计算Token”经济体系。通过精确统筹通用算力、智能算力和边缘存储资源，结合峰谷电价、碳排放指标与任务优先级，建立动态、透明的智能多量纲计费与结算体系。只有让算力不仅能被“调得通”，还能被“算得清”、“交易得快”，才能真正吸引最广泛的第三方开发者、行业模型提供商与全球科研机构入驻，形成生生不息的算力应用生态。

结论

面向超级算力的跨地域研发协同体系，是我国在第四次工业革命浪潮中，牢牢把握科技自立自强主动权、系统构建新质生产力的关键性数字基座。它通过“安全新总线”消除了广域物理空间的阻隔，通过智能计算标准体系打破了底层异构芯片的孤岛，更通过多智能体协作框架，赋予了庞大冷酷的计算资源以真正的“智慧大脑”。

在未来五年乃至十五五期间，随着量子算力资源的并网、具身智能（Embodied AI）在新材料自动化合成中的广泛普及，该协同体系将进一步演进为托举起人类探索未知领域的“超级科学中枢”。持续攻克核心硬件的瓶颈，坚守协同数据主权的治理底线，繁荣开源开放的软件生态系统，将确保这一宏伟的算网工程在赋能千行百业的转型升级中，源源不断地释放出持久、磅礴的创新动能。