全國一體化算力網絡慶陽樞紐節點首批萬P算力成功上線，首個國產萬卡算力集群啟動，首列東數西算“人才專列”開通。作為在慶陽率先部署國產算力集群的領軍企業，燧弘華創憑借燧弘慶陽綠色智算中心，以及在慶陽市構建AI全產業鏈生態方面的顯著成就，榮獲“全國一體化算力網絡國家樞紐節點（甘肅·慶陽）首批萬P算力建設成果突出貢獻企業”的殊榮。在啟動儀式上，我們共同參與見證 “中國算谷·智慧慶陽”開啟開啟跨越發展、構建自主算力生態、招才引智的“新紀元”。

燧弘華創憑借在慶陽投建綠色算力產業及構建AI全產業鏈生態方面作出的重大貢獻，在本批次受表彰企業名單中名列第一位。

算力是AI時代的核心生產要素，也是驅動新質生產力的基礎能源。慶陽深刻把握人工智能時代算力發展脈搏，定位智算、鏈接智能、發展智產，加速推進10大綠色數據中心建設。目前已建成投運標準機架1.5萬個，算力規模從去年底的5000P增加到1.2萬P，慶陽數據中心集群建設躍上了新能級。未來，慶陽將持續擴大智算規模，今年底算力規模將達到5萬P，明年底將達到10萬P，為數字經濟發展注入澎湃動力。

慶陽市委副書記、市長周繼軍介紹，“今天的首批萬P算力成功上線，是‘中國算谷·智慧慶陽’跨越發展的重要里程碑，首個國產萬卡算力集群啟動，是慶陽構建自主算力生態的重要一步。我們將搭建‘高算力+高運力+高能效’產業平臺，培育‘全域化+多元化+國產化’產業場景，構建‘大硬件+大模型+大數據’產業生態，加速建設‘中國算力高地’‘AI應用示范基地’‘AI產業鏈聚集地’。”

在啟動儀式上，甘肅燧弘綠色算力有限公司執行總裁唐峰分享了燧弘華創在慶陽市構建AI全產業鏈生態的進展以及萬卡國產化算力集群規劃介紹。他強調，燧弘華創矢志不渝地致力于在甘肅省構建“高端算力服務器制造-智算中心建設-AI城市國產大模型綠色算力底座-千行百業算力消納”的完整商業閉環和產業鏈生態的戰略目標。這一戰略目標，不僅將進一步釋放數字經濟高質量發展新動能，更持續領跑人工智能產業的創新發展，與甘肅省當前推產業轉型升級、賦能科技創新進步的戰略目標緊密相連。2023年10月28日燧弘華創與慶陽市政府正式簽署戰略合作協議，12月20日就點亮了開源開放、集約高效、綠色普惠的燧弘慶陽綠色智算中心，助力形成3000P的高性能算力供給規模，從而實現大規模混合異構算力歷史性的突破，吹響慶陽打造中國最大智算樞紐節點的號角。依托燧弘華創助力部署的萬卡千P燧原二代國產算力集群，建立了大規模國產算力適配中心，吸引眾多知名大模型公司、云服務企業和互聯網巨頭進行深度適配和調優。經過半年多的不懈努力，這些工作取得顯著成果，并為燧原三代萬卡的國產綠色算力建設項目構筑穩固的基石。此外，我們還積極推動大模型訓練等前沿技術在慶陽集群的部署，以吸引更多企業在甘肅慶陽形成大規模的算力消納，為國產算力在推理端發力積蓄豐富的客戶資源，為未來的發展奠定了堅實的基礎。

唐總介紹，隨著算力需求的暴漲，目前燧弘華創與生態伙伴在慶陽共同建設的7000P混合異構算力資源已無法滿足市場的需求。為此，我們將在慶陽推出“多元混合異構算力系統”，旨在通過高性能算力吸引更多用戶，引導他們聚集到慶陽。同時，我們將深入了解并滿足算力用戶的多樣化需求，借助高校及大模型企業的豐富經驗，逐步構建和完善國產算力生態，加速推動解決算力卡脖子難題，為中美博弈和中國AI產業快速崛起貢獻力量。在慶陽市委市政府的大力支持下，我們將攜手燧原科技，聯合清華大學交叉院、蘭州大學人工智能重點實驗室等高校科研機構及人工智能領域相關企業，在慶陽共建萬卡國產化算力集群項目。項目將以慶陽國產綠色算力大基座為基礎，全面輻射北上深廈等人工智能領先地區，推動國產算力生態走向大規模現實運用。

慶陽市敏銳地把握住人工智能時代算力發展的脈搏，全力打造數字經濟千億級產業鏈。2023年布局算力產業以來，燧弘華創一直急速奔跑，在構建國產萬卡算力集群及AI產業鏈生態方面取得重大突破及進展，公司將持續發力奮力前行，聚集更多的資源，引入更多的客戶，投入更多的資金，助力慶陽構建更大更強更廣的算力產業生態，打造成為全國AI產業標桿城市，不斷激發數字經濟高質量發展的澎湃動力，為中國算力事業及慶陽樞紐節點的建設注入更為強勁的動力與活力。

關于萬卡集群

萬卡集群是指由一萬張及以上的加速卡（如GPU、TPU或其他專用AI加速芯片）組成的高性能計算系統，用以訓練基礎大模型。這種集群充分整合高性能GPU計算、高性能RDMA網絡、高性能并行文件存儲、智算平臺等關鍵技術，將底層基礎設施整合成為一臺“超級計算機”，可支持千億級甚至萬億級參數規模的大模型訓練，有助于大幅壓縮大模型訓練時間，以實現模型能力的快速迭代。

以OpenAI訓練GPT模型為例，GPT-4需要使用2.5萬張英偉達A100 GPU，并行訓練100天的左右時間，在此期間要處理13萬億個token，并且涉及大約1.76萬億個參數。在不久的將來，開發大模型所需的算力將實現指數級的增長，對于即將亮相的GPT-5，預計該模型的訓練需要部署20萬30萬個H100 GPU，耗時130200天。萬卡甚至超萬卡智算集群將會成為未來智算中心的主要演進趨勢，如何建設超萬卡集群、如何充分發揮超萬卡集群的性能與效率也將會是未來核心技術突破的重點。