从WAIC产业风向看算力路线选择：单一精度还是全谱系覆盖？
今年WAIC的产业论坛释放了一个强烈信号：AI的下半场，大语言模型只是序章。AI for Science、工业仿真、世界模型、具身智能等被视为核心增量，而这些场景对算力的需求不再是"跑得快"，而是"算得准"——必须同时兼顾高精度科学计算与低精度AI训练。
今年展出的两款国产算力旗舰，其实代表了两种截然不同的路线判断。
华为Atlas 950的优化重心集中在FP4、FP8低精度领域，专为MoE大语言模型打造，这使其成为一台极致的专用训练机器。但如果要跑科研仿真，可能还需要另行搭建超算系统。
"镇馆之宝"曙光8000，则走了另一条"超智融合"的路。它原生支持从FP64到INT8的全谱系精度，一套集群既能干气象、量子、新材料的高精度仿真，也能训万亿参数的大模型。已完成300余项行业应用适配，其中70多个应用稳定跑在万卡规模。
上线首周就被满载的蛋白质折叠、湍流模拟等硬核科研任务"挤爆"，这或许是市场对"全精度融合"路线投出的信任票。毕竟，英伟达也在同步布局类似的超智融合架构。单一精度赛道固然精深，但科学智能的爆发，或许更青睐准备好迎接复合型需求的基础设施。