從天氣預報到新藥研發，從飛機設計到電影特效，這些應用場景背后都離不開一種叫“科學計算”的超級大腦。可這個領域長期依賴國外的軟件生態。想把它們搬到國產算力上，如同讓燃油車的發動機直接去燒新能源，“適配難、效率低、門檻高”三重障礙層層疊加。

為破解這一困局，中國科學院計算機網絡信息中心、中國科學技術大學、中國科學院力學研究所和中科曙光等機構聯合打造的“異算方舟”國產計算系統軟件生態全棧平臺應運而生。它不是某個單點工具的亮相，而是一場歷時數年的聯合攻關，圍繞算法供給、代碼遷移和智能應用三大方向，試圖為國產GPU（圖形處理器）算力設施提供一體化解決方案。

算法要“長”在國產架構上

把很多科學計算軟件放到國產硬件上跑，性能大打折扣，原因并不復雜——國外主流的軟件生態長期圍繞特定架構生長，底層算法與硬件之間有多年磨合，而換到國產架構上，這種磨合幾乎要從頭來過。

中國科學院計算機網絡信息中心研究員王彥棡打了個比方：底層算法沒有針對國產架構優化，性能便很難釋放出來。因此，團隊需要解決的問題很明確：算法庫不能靠簡單移植，必須在國產架構上“長”出來。

這個被命名為“九衍樞”的算法庫項目，匯聚了16款高性能求解器，覆蓋線性代數、并行計算、流體仿真、生物計算、深度學習算法等主流場景，每一款算法都深度適配國產GPU架構。最終的實測數據顯示，多項核心模塊實現了超10倍以上的性能加速。平臺將每一款算法作為獨立節點，搭建起整個體系的全域網絡，為全鏈路應用提供底層支撐。

中國科學技術大學教授程萬從科研一線視角給出了評價。在他看來，把最常用的高效算法整合成一個可復用的體系，研究者就不用再在底層適配上反復消耗精力，“可以更快地切入真正的科學問題”。

讓大模型學會“翻譯”代碼

底層算法有了，更難啃的骨頭還在后面。

過去幾十年，科學計算領域積累了海量的CUDA（統一計算設備架構，由英偉達公司推出，僅支持自家GPU）代碼。一個中等規模的仿真軟件，代碼動輒幾十萬行，全憑人工逐行改寫，工作量幾乎不可承受。而常規的轉換工具，面對復雜的科學計算邏輯，成功率常常不理想。

王彥棡團隊在這個問題上走出一條新路——讓大語言模型來當“代碼翻譯官”。

但這并不是直接把通用大模型拿來用。通用模型能寫詩聊天，卻讀不懂CUDA與國產GPU編程之間的差異。團隊的做法是，向大語言模型“喂養”大量國產GPU代碼規范、編程知識以及遷移經驗，把領域知識融入模型能力之中——就像一位語言天才被送進專業學院深造，大模型由此從“文科生”向“理科翻譯官”進化。

“大語言模型的來源數據與領域知識相融合，是這次模型能夠勝任專業代碼轉換任務的關鍵。”王彥棡說。這個被命名為“無界BoundX”的代碼轉換大模型，核心能力由此生成：開發者上傳一段原有的CUDA代碼片段或科學計算軟件中的關鍵模塊，系統可智能完成代碼轉換、環境適配和編譯運行。相較傳統人工遷移和常規轉換工具，它在效率和便捷性上都有明顯提升。

哈爾濱工業大學教授左德承從系統可靠性的角度談到，人工遷移代碼極易因操作疏忽引入隱蔽錯誤，影響大規模計算的可信度。“用AI輔助遷移，相當于在翻譯過程中就自帶語法和邏輯的自動校驗，遷移更高效，代碼也更安全。”

這一步，瞄準的是打通異構生態之間的“語言障礙”。從底層算法到應用軟件的壁壘，正在被大模型一點點消解。

讓仿真變得越來越簡單

算法適配了，代碼遷移了，但科學軟件的使用門檻依然橫在面前。

真實的工程仿真場景中，參數配置、求解監控、故障診斷等環節環環相扣，人工操作成本大，結果的復現性也常常難以保證。中國科學院物理研究所研究員王磊對此感觸頗深：“在材料物理這類研究領域，復雜仿真流程常因人工干預的差異，導致不同人做出來的結果對不上，科研可重復性一直是個痛點。”

這促成了第三個核心能力的誕生——Agent-HiReFlow自動化仿真智能體。

“它基于多智能體架構，把流體仿真中煩瑣的參數配置、自動求解、故障診斷等關鍵環節全部串聯起來，支持用戶通過自然語言指令完成自動化仿真任務。”程萬告訴記者，用戶不需要手動配置一個個參數，而是可以直接說出需求，由智能體自主完成全流程仿真，如同一輛車從“手動擋”切換到“自動巡航”。

“這不僅大幅減少了人工操作，更重要的是保證了結果可復現、可追溯。”王磊說，標準化、自動化的流程有助于解決長期困擾科研領域的復現性難題。

中科可控信息產業有限公司董事長聶華則從產業角度看到更大的空間。他觀察到，大量中小企業有仿真需求，但養不起專業的計算團隊。“Agent-HiReFlow這類智能應用，讓科學計算從專家工具變成通用能力，有望催生更多產業創新。”

值得注意的是，三項核心能力并非各自為戰：九衍樞夯實計算內核，無界BoundX實現跨生態互聯互通，Agent-HiReFlow則完成業務場景落地，三者雙向協同、迭代賦能，形成“算法—代碼—應用”的完整技術閉環。

“‘異算方舟’全棧平臺集高效算法、便捷代碼轉換與自動化工具于一體，保障各類科學計算軟件順暢適配國產算力體系，推動國產計算系統從硬件算力領先邁向軟件生態完善、開發便捷、應用易用的新階段。”中國科學院計算機網絡信息中心黨委書記孫德剛說。

按照規劃，團隊未來將繼續深耕AI for Science（人工智能驅動的科學研究）、國產GPU適配、高性能科學計算軟件和智能化工具鏈研發，不斷迭代升級“異算方舟”全棧平臺，面向各類科學計算和工程應用場景持續輸出能力，為構建開放、可用、可持續發展的國產科學計算軟件生態貢獻力量。