随着人工智能从数字世界向实体产业渗透，AI4E（工程智能）正成为继 AI4S（科学智能）之后的产业新赛道。
近日海光信息与同济大学达成战略合作，共同打造国内首个国产千卡级工科智算集群，专为土木、建筑等顶尖工科场景定制，填补了国产工程专用智算基础设施的空白，标志着 AI 正式向精密工程领域纵深落地。
一、产业演进：从 AI4S 到 AI4E 工程场景催生算力新需求
过去几年 AI4S（人工智能赋能科学）实现了快速发展，从蛋白质结构预测到科学推理，AI 已具备理解世界运行规律的能力。
而 AI4E（人工智能赋能工程）则更进一步，核心目标是用 AI 改造物理世界，解决桥梁设计、工业研发、结构仿真等真实工程问题，也是国家 “人工智能 +” 行动的核心落地方向。
与通用大模型 “堆算力、拼参数” 的需求不同，工程计算对算力有着复合性要求：
精度层面，结构力学、流体仿真等场景需要高精度计算支撑微小形变、高应力梯度等复杂场景；
性能层面，需要极高的访存带宽与极低的通信延迟应对峰值负载；
安全层面，重大工程数据涉及核心信息，对自主可控算力有刚性需求。传统通用 AI 算力难以匹配这些需求，专用工程智算基础设施成为行业刚需。
二、硬件底座：千卡级集群 打造自主可控工程算力
本次落地同济大学的千卡级工科智算集群，是国内高校首个超智融合国产算力平台，专为顶尖工科科研与教学打造，核心具备三大技术优势。
一是超智融合架构，可同时承载高性能工程计算与 AI 训练推理任务，灵活适配不同规模的计算需求，有效缓解校级平台的峰值算力短缺问题，支持复杂跨学科任务并行处理。
二是全链路安全可控，依托海光 DCU 算力底座，可全面支撑大模型安全护栏应用，在关键工程数据保护、模型输出管控等环节实现对国际方案的替代，为重大科研任务筑牢数据安全防线。
三是生态平滑兼容，采用 GPGPU 主流架构，全面兼容主流深度学习框架，师生可从 CUDA 开发环境无感迁移，大幅降低国产化适配的学习与时间成本。
三、生态配套：不止于算力 构建工程智能服务体系
硬件算力只是基础，工程智能的落地更需要 “懂工程” 的软件生态支撑。
本次集群落地的同时，全国首个 “高校海光算力优化中心” 同步揭牌，联合光合组织打造生态协同机制，推动 AI4E 应用深度适配。生态体系覆盖开发落地全流程：应用层面提供智能体可视化编排工具，降低工程智能体的搭建门槛；社区层面提供丰富的工具链、行业模型与技术文档，帮助师生快速落地科研项目。不同于传统算力平台仅提供计算资源，该集群定位为工程智能生态孵化平台，将算力、工具、社区深度整合，加速 AI 技术从实验室走向工程一线。
当前全球工程智能赛道已进入加速期，海外厂商推出工程自动化智能体，国内 CAE 企业也在仿真智能体领域持续布局，未来工程师的核心竞争力将逐步转向工程智能体的调教应用，完善的算力生态正是产业转型的核心底座。
四、行业意义：AI 落地实体产业的关键里程碑
这座工科智算集群的落地，是 AI 向实体产业渗透的标志性事件。
顶尖工科院校与国产算力厂商的深度合作，既验证了国产算力支撑高端工程科研的可行性，也为 AI4E 的规模化落地探索了可复制的模式。从认知世界到改造世界，AI 的价值正在向实体经济核心环节延伸。从土木建筑到工业制造，从能源基建到航空航天，工程智能的落地将大幅提升研发效率、降低试错成本，推动实体产业智能化升级。而自主可控的算力底座，正是这场产业变革的核心基石。
整体来看，千卡工科智算集群的落成，正式打响了国内 AI4E 技术落地的发令枪。随着算力底座与行业生态的持续完善，AI 将逐步走进大国工程的每一个现场，为实体经济高质量发展注入全新的智能动力。
