可重复使用的火箭要落回地面，发动机尾焰会以接近三千摄氏度的高温冲撞、反弹、卷回，在箭体底部制造随机游走的热点。想预判这些热点，需要一场天文数字规模的仿真——过去，这类计算要么做不起，要么只能依赖海外软硬件生态。现在，一支高校团队用全国产装备把这条路走通了。
据证券时报网报道，西安交通大学团队联合中科曙光，在曙光8000全国产十万卡AI超集群上，动用数万张国产芯片完成6.774万亿网格的超大规模仿真，复现33个喷口超声速射流的完整演化过程，创下国际已知同类型仿真的最大规模纪录。带队的是西安交大航天航空学院教授姬兴。
99.01%，这个数字为什么关键
大规模集群最难的不是堆卡，是"加卡不加活"：机器越多，通信开销越大，一万卡之后效率常常断崖下跌。而这次仿真实现了99.01%的弱扩展效率——意味着加卡几乎是线性加速，单卡双精度计算效率超过国际同类开源软件两倍。这才是国产算力能不能真正顶上全球级工程任务的试金石。
团队还做了一个反直觉的选择：放弃国际主流的多层时间推进算法，自研单步时空耦合算法，计算效率提升3倍。逻辑很朴素——国产芯片的架构特性与国际主流硬件不同，把海外代码原样搬过来跑，等于穿着别人的鞋走自己的路。为国产硬件重新设计算法，费劲，但只有这条路能把硬件性能真正榨干。
下一站：把仿真变成秒级工具
姬兴透露，后续将基于这批高精度三维数据训练AI代理模型，把耗费巨大算力的仿真，转成秒级输出的工程工具，并拓展到更复杂的气动场景。这笔账算下来很惊人：一次超大规模仿真的成果，可以被固化成所有工程师随取随用的能力——这正是"人工智能加科学计算"最性感的兑现方式。
也正如他自己点破的：硬件可以采购，软件可以编写，能啃硬骨头的人才需要时间培养。
普通人现在能做什么
第一，计算数学、流体力学、软件工程专业的学生，国产超算生态是政策与需求双热的方向，越早入局越吃香。第二，制造业工程师可以关注"AI代理模型"这个概念——把你行业里最贵的仿真或试验，变成秒级工具，可能就是下一个降本突破口。第三，围观者记住一个判断标准：看国产算力新闻，别只看"多少万卡"，要看扩展效率和应用落地。
真正的自主可控，不是买多少芯片，而是有多少人会在这些芯片上干出世界级的活。
来源：证券时报网、西安交通大学公开信息综合整理。