深圳湾实验室张鋆：AI能接管工具学习，但接管不了科学问题

【赛迪网讯】高性能计算是科学发现的加速器。从蛋白质折叠到新材料设计，从气候模拟到药物研发，计算科学与实验、理论并列为现代科研三大支柱。然而，这条支柱在中国的土壤中一直面临一个结构性矛盾：国产硬件迭代迅速，国产软件生态却相对薄弱；算力资源逐步充沛，真正能用好算力的科学计算平台却仍然稀缺。

2026年10月，第二十二届CCF全国高性能计算学术大会在深圳国际会展中心举行，恰逢这一矛盾走到关键节点。大会聚焦的不只是硬件性能的数字竞赛，更是如何让国产算力真正服务于科学问题。深圳湾实验室系统与物理生物学研究所高级工程师、计算生物化学软件平台项目总工程师张鋆在会间接受赛迪网采访，从一线计算化学软件开发者的视角，揭示了协同优化、多尺度模拟与异构计算等核心议题。

协同优化：兼容不是补丁，而是架构原语

"协同优化"是国产高端计算领域被反复提及的词，但多数停留在适配层面，硬件出来之后，软件被动跟上。张鋆的判断截然不同：兼容性必须是软件设计的起点，而非后期的修补。

"从软件一开始设计就要从底层架构考虑到要兼容哪些软硬件，包括国产的软件还有其他的各种硬件，"张鋆指出，"从底层架构到上层的应用以及中间的软硬件联合层都要考虑到这方面的结合。"

这一观点指向一个常被忽视的事实：国产生态的碎片化，本质上是架构层面缺乏统一约束的结果。如果每一个软件都按单一平台的最优路径设计，那么跨平台迁移的成本将指数级增长。真正的协同优化，是在架构设计阶段就为异构环境预留抽象层与接口标准，使上层应用的变化不会击穿底层，底层硬件的迭代不会反噬上层。

基础架构的长期主义：稳定性就是生产力

协同发展面临的另一重隐忧是基础设施的可持续性问题。编译器、数学库、性能调优工具，这些看似"底层"的组件，恰恰是科学计算软件赖以生存的土壤。

张鋆强调："要保证计算的基础架构长期的稳定性和可靠性。软件的发展是一个长时间的发展，如果它的变化特别大，可能会影响我们长期的投入。"

科学计算软件的成熟周期往往以五年、十年计。一个力场参数的验证周期、一套量子化学算法的收敛测试，都需要在稳定的工具链上反复迭代。如果底层环境频繁变动，科研人员的精力将从科学问题本身被大量转移到工程适配上。这种隐性成本，往往比硬件性能差距更具破坏力。

多尺度模拟：从"脚本拼接"到"统一软件"

计算化学面临的体系正从单一分子走向多组分、长时间的复杂系统。空间尺度不够大、时间尺度不够长，很多涌现现象就无法观测，研究便无从展开。而不同尺度，从电子结构的微观到分子动力学的介观需要截然不同的算法。

过去，将不同尺度的方法组合起来，依赖科研人员自行编写脚本和联合程序，结果复杂且难以复现。张鋆认为，这是国产软件实现突破的关键窗口。"深圳湾实验室自己开发的Qbics程序，将电子结构的微观模拟和分子动力学的介观模拟平滑地统一在一起，结合到同一个软件里。"

这不仅是代码层面的整合，更是性能层面的跃升。当不同尺度的算法运行在同一个软件栈上，开发者可以针对特定硬件逐一优化各模块的性能特征。"不同尺度的算法需要的硬件特点不一样，在有了充分文档和资料的情况下能够充分优化程序，得到最好的性能。"这正是国产软件与国产硬件协同的最大红利。

异构计算的应用边界与人才协同

对于海光等国产硬件，张鋆看到了"双向奔赴"的价值："最大的好处就是可以和国产的软件进行相互的优化，但协同的前提是各司其位。"从计算的角度来说，一个很重要的点是要把软件在不同设备上的应用边界划清，哪种计算适合在哪种异构设备上应用，这样才能发挥出硬件的最大优势。"强行将不适合的计算迁移到特定硬件上调优，"事倍功半"。

AI时代：回归科学问题本身

"现在的AI工具发展非常快，几个月前的前沿概念可能几个月后就成为基础架构，"张鋆坦言，"科研人员不应该拘泥于具体工具。"

在他看来，对于科学计算从业者，软件和编程是工具而非主业。AI正在大幅压缩工具学习成本，使科研人员得以将精力回归到科学问题与理论问题的本质思考上。"至于计算机方面的大部分问题，都可以通过与AI对话来解决，大大减轻科研人员的精力负担。"

这或许是国产算力生态最值得期待的远景：当基础设施趋于稳定，当软件实现跨尺度统一，当AI接管工程细节，科学计算将真正回归科学本身。而这条路的起点，是架构设计时的兼容性远见，是基础组件上的长期主义坚守，是不同尺度算法在国产软硬件上逐模块榨取性能的那份耐心。(文/徐培炎)