11月1日，由中国声学学会主办、海光信息首席赞助的2025全国声学大会隆重开幕。本届大会云集数百位声学领域顶尖人才，涵盖院士、全国知名高校及前沿科研机构教授、专家，以及产业界代表，各方嘉宾齐聚一堂，共话声学领域创新发展。
作为国产芯片领域的领军代表，海光信息携核心技术与全场景解决方案重磅亮相。现场集中展示了CPU+DCU 协同架构、高端科研工作站及服务器产品，生动呈现了多场景科研算力解决方案、开放生态技术体系与实景应用演示。大会期间，中国声学学会常务副秘书长王秀明、中山大学海洋工程与技术学院院长李整林等多位领导莅临海光大篷车参观交流，对海光在科研算力领域的自主创新能力及在AI for Science方向取得的成果给予高度认可。
以智赋声，以芯筑基
“科研智能化的核心在于算力智能化。”海光信息科研行业总经理韩美筠表示，“AI for Science 的兴起，让科学研究不再局限于经验模型的迭代，而是进入数据、算法与算力协同驱动的全新阶段。海光信息希望通过自主创新的计算架构与开放共赢的生态体系，让科研人员能够在安全可控的国产平台上，高效完成从模型构建、训练优化到结果验证的全链路科研任务，助力行业构建安全、可信、可持续的科研算力新体系。”
在大会“深海声学专题论坛”中，海光科研行业解决方案专家围绕“AI for Science智能计算与科研算力优化”主题，指出AI正加速推动声学研究从经验建模走向智能仿真与预测。基于海光C86处理器，搭配自主研发的全精度DCU卡，海光计算平台可为声场模拟、噪声控制、结构振动分析等任务提供高并发、高能效支持，帮助科研机构以更高精度、更短周期实现创新突破。
同期举办的“水声工程与水声信号处理”分论坛中，海光表示，通过AI模型与高端算力融合，未来水声领域有望在仿真效率、特征识别精度和实时响应等方面实现数量级提升。
以研促用，以算启声
在AI for Science方向的探索方面，海光已取得多项里程碑式成果。早在今年上半年，海光优化版AlphaFold（AF3）便在国产平台上率先实现了《Nature Methods》论文提出的MMseqs2加速方案，完成了从算法优化到性能复现的落地实践。
近日，由海光支持的《精准锚定两亲性金属有机框架于聚合物界面构筑稳健可降解共混材料》研究论文，也正式发表于《Nature》子刊。该研究通过AI高通量筛选与模拟计算相结合的方式，大幅提升材料研发效率，充分验证了海光C86高端算力在科学计算与AI融合研究中的卓越表现，为国产高端算力助力科研创新再添新证。
这些成果的背后，是海光在AI for Science方向的长期深耕。海光以通用处理器与AI加速卡的协同计算架构为核心支撑，融合GPU Fusion异构加速与DeepAI深算智能引擎，构建了从底层算子优化到上层科研模型加速的全栈体系。
目前，海光算力平台已在流体力学、材料科学、生命科学等多个领域展现出强劲的科研支撑能力。在流体力学方向，海光AI4CFD方案显著提升主流CFD求解器性能，加速智能网格生成与湍流预测；在材料科学研究中，有效缩短分子动力学模拟与晶格结构计算周期，为新材料研发提供高精度计算支撑；在生命科学领域，则以高效算力驱动基因比对与蛋白结构预测，助力科研机构以更低能耗完成更大规模的科学探索。
未来，海光将继续以AI for Science为核心方向，联合科研机构、高校与产业伙伴，共同推进科研智能化基础设施建设，推动计算声学及更多科学研究领域迈向智能化、绿色化和可持续发展的新阶段。
