IT时报记者 郝俊慧

9月9日，上海外滩大会太初元碁展台，台风“白海豚”正在大屏幕上向中国东南沿海移动。

地图上，上海、杭州、福州、台北等城市清晰可见，台风中心周围形成大片粉红色高风速区域。随着工作人员拖动屏幕下方的时间轴，台风的位置随预测时间不断变化。

这不是一家气象公司的展示，而是来自国产AI芯片公司太初元碁。今年7月，太初元碁上线新一代国产AI4S计算平台。这次在外滩大会上，平台搭载的TecoWeatherNext台风追踪系统首次公开亮相。

工作人员告诉《IT时报》记者，系统可以调用不同气象模型，一次向后预测40个时间步（每步间隔6小时），即可预报未来10天的天气情况，全球气象预测的水平空间分辨率达到0.25度，约为25公里量级，并可叠加风场、海平面气压、温度、降水等气象要素进行分析。

三天后的河北廊坊，太初元碁换了一种展示方式。

在算力中国・AI与算力产业展览会上，太初元碁展示了一套256卡的HyperIntelliX超智融合计算系统，这套系统面向万亿参数大模型训推和AI4S科学计算，并可以通过高速光互联继续向更大规模扩展。与此同时，公司还第一次在线下展示了20英尺标准化集装箱算力单元。

在众多国产AI芯片拥挤的赛道中，太初元碁给自己选择的突破口，是一个目前仍相对小众、但技术门槛不低的方向——HPC（高性能计算）+AI，以及由此延伸出来的AI4S（AI for Science）。

一家从“超算”走出的AI芯片公司

如果把今天国内AI芯片公司的技术路线摆在一起，太初元碁有一个很明显的不同：它并不是典型的大模型“原生公司”。

公开资料显示，太初元碁成立于2019年，核心成员来自国家超级计算无锡中心和清华大学计算机系，与很多从AI训练、推理起步的国产GPU公司相比，它身上的HPC基因更重，公司联合创始人乔梁将其技术内核概括为“HPC+AI”。

在AI之前，HPC是传统科学研究的主要计算方式。流体力学、分子动力学、气象模拟、材料计算、量子模拟等科学问题，首先需要根据物理规律建立方程，通过数值方法求解，对FP64双精度计算、高带宽通信、大规模并行和长时间稳定运行都有较高的要求。

但今天，AI4S作为一种新的科研范式正在被寄予厚望，一个典型例子便是天气预报。传统数值天气预报需要将大气运动转化为物理方程，再依靠HPC进行大规模数值计算；AI天气模型则从海量历史数据中学习规律，把过去耗时很长的部分预测过程压缩到分钟甚至秒级，而AI4S将两条路线结合在一起后，可以给出更为精准的答案。

太初元碁技术人员向《IT时报》记者解释道，在天气预报、地震等真实观测数据十分稀缺的科研领域，大量训练数据首先通过HPC进行物理仿真获得，再利用真实数据进行校准，最终训练AI模型，从而实现“超智融合”。

太初元碁的新一代AI4S平台便是沿着这个逻辑构建的，平台面向气象、生物医药、量子力学、化学材料、流体力学等领域，底层使用自研异构众核AI芯片，同时向上覆盖基础组件、加速库、模型框架和开发套件，并兼容龙芯、申威、飞腾和x86等CPU，以及PyTorch、JAX、飞桨、MindSpore等框架。

而支撑这个平台的是太初元碁独特的芯片设计理念：如何能让一颗国产芯片同时服务HPC和AI？

今年WAIC期间，太初元碁展出的新一代T2Ultra芯片采用了HCU异构众核架构。简单来说，就是把通用计算核心、AI加速计算核心以及数据处理能力在芯片内协同起来，大家“各司其职”：通用计算核心负责复杂逻辑、任务调度和数据处理，AI加速计算核心负责大规模并行计算，再通过高速互联和共享存储协同工作。

这种设计在AI4S场景中的价值更容易理解。T2Ultra的计算精度原生覆盖FP64至FP4：FP64对应传统需高精度计算解决的流体、气象、材料等科学计算，FP16/BF16等对应AI训练，更低精度的FP8、FP4则主要面向大模型推理，其FP64算力达到38TFLOPS，FP4稀疏算力达到4800TFLOPS。

这相当于在一颗芯片、一套系统里，试图同时解决HPC+AI两个方向的问题。

从一块芯片到一个科学计算平台

如果说外滩大会展示的是AI4S能做什么，那么三天后的算力中国・AI与算力产业展览会上，太初元碁展示的是这些应用准备跑在什么样的机器上。

9月12日，太初元碁新一代超智融合计算系统HyperIntelliX亮相，并入选了“算力中国·年度卓越成就”。

现场展示的是一个256卡集群单元HyperIntelliX，通过高速光互联架构可继续平滑扩容至十万卡超大算力规模，同时可面向万亿参数大模型训练、推理和AI4S科学计算，支持加速计算和自主计算两种模式，原生覆盖FP64至FP4不同计算精度。

正如前文所言，这套系统可同时支撑高端HPC科研任务，以及大模型、多模态、智能体等AI应用。

在诸多国产芯片中，太初元碁希望另辟蹊径。AI4S目前仍处于大量计算范式并存的阶段，气象、流体、材料、量子、生物医药等面对的计算任务差异巨大，并不存在一个类似Transformer那样能够覆盖绝大多数场景的统一架构。因此，太初元碁希望打造的是一套从芯片架构向上延伸的自研软件生态，从HCU异构众核芯片，到自主编程模型、虚拟指令集，再到AI4S应用平台实现全覆盖。

“我们不做类CUDA的平台。”一位现场工作人员告诉《IT时报》记者，太初自己构建了一套SDAA软件栈和编程体系。

然而，挑战也恰恰来自这里。如果试图在一套平台内覆盖全精度计算，意味着软件层必须能够把不同任务有效映射到不同计算单元，这并非简单照搬CUDA便可以实现，而是要在异构众核架构上建立一套独立的指令集，也意味着要有一套独立的生态。

生态，是所有芯片厂商最难跨过的门槛。几十年来，科学计算已经形成庞大的CPU、GPU软件生态。大量科研代码、数学库、算子和行业软件都围绕成熟平台构建，换一颗国产芯片，真正昂贵的往往不是硬件本身，而是科研人员过去几十年积累的代码如何迁移。

目前，太初选择的是底层重构、上层开放的策略：一方面在底层建立自主的编程模型、编译器和加速库，另一方面向上兼容PyTorch、飞桨、JAX等主流框架及vLLM推理引擎，并通过模型迁移、算子自动生成等方式降低开发者从既有生态迁移的成本。

今年2月，太初元碁推出SDAA Copilot工具，该工具可利用AI辅助生成和优化适配SDAA平台的算子代码，太初元碁称春节以来已适配10余个新发布模型、累计适配40余个主流AI模型。

“迁移的速度非常快。”现场技术人员向《IT时报》记者举例称，一个生物医药项目涉及大约80个相关模型的适配，他们在一个半月至两个月内完成了迁移，“如果按照以前的方式做，可能需要半年以上。”

HPC+AI最终会不会成为AI4S最主要的计算架构，现在还远没有答案。但至少像太初元碁这样从中国超级计算体系中成长起来的力量，带来一种新的可能。