在山東版圖中，濱州並不是一個高頻被提及的名字，甚至對不少本省人來說也略顯陌生。但正是在這樣一座低調的城市裡，走出了躋身世界500強的山東魏橋創業集團有限公司。從紡織起家，延伸至熱電、鋁業等關鍵領域，魏橋創業集團逐步成長為全球領先的特大型企業，也為這座城市奠定了深厚的產業基礎。
在產業能力之上，魏橋創業集團開始將目光投向更長期的技術競爭力。
2019年，魏橋創業集團攜手中國科學院大學聯合設立魏橋國科，圍繞新材料、新能源、生命健康與人工智慧四大戰略方向展開布局，向「科研+產業」體系延展。
近些年人工智慧迅速發展，算力基礎設施
的重要性也隨之被迅速前置。2022年魏橋國科開始規劃用於研發的智算中心，將算力能力進行系統化建設。
如今，智算中心已經完成二期建設，不僅成為魏橋國科建設發展過程中的關鍵基礎設施，也成為濱州市乃至魯北地區首個以人工智慧算力為核心服務的專業計算中心，在區域科技創新與產業智能化轉型中承擔起底座支撐角色。
科研到工業，算力基礎設施的兩期進階
2022年，魏橋國科智算中心一期啟動規劃，定位於服務科研創新，總投資約6000萬元，2023年9月正式上線運行，算力水平在國內高校及科研院所體系中已進入領先梯隊，2023國際人工智慧算力AIPerf-LLM排行榜中位居第五。
一期智算中心的建設，融合了超算、智算與通算多元算力體系，重點服務工業人工智慧應用技術研究，覆蓋工業AI應用、科學計算與仿真、工業大模型訓練，以及智能製造與高端裝備研發等核心計算場景。
經過兩年運行，一期已為包括魏橋創業集團、中科院自動化所、國科大等在內的多家科研機構和企業提供算力支持，累計完成約40萬項計算任務，覆蓋通用視覺大模型、工業異常檢測、數值天氣預報等多個前沿領域。
隨著產業對算力規模與服務能力的要求同步提升，二期建設被迅速提上日程。
2024年，魏橋國科與曙光資訊產業股份有限公司（以下簡稱中科曙光）再度展開深度合作，進一步聚焦工業AI、科學計算與仿真、工業大模型訓練等核心場景，構建自主可控、高效綠色的智算基礎設施，推動產業智能化轉型與區域數字經濟發展。
2025年1月1日，智算中心二期正式上線，其定位大規模、高性能的算力基礎設施，提供2000P的高性能規模，並預留機房空間支撐未來擴展。除了魏橋創業集團的大規模數位化項目外，部分空閒算力也面向外部開放，開展商業化服務。
魏橋國科智算中心二期為一套千卡高端算力集群，其中包括百餘台國產高端AI算力伺服器，以及匹配的網路設備、儲存節點和安全設施，經過系統集成，形成一個高水平穩定運行的AI算力平台，具備穩定、高效、無故障的對外提供智算集群服務的能力。
「上線一年以來，二期算力資源已實現滿負荷運行，整體利用率接近100%。」魏橋國科智算中心主任鍾成說道。目前二期算力主要分為兩類用途，一部分用於支撐垂直領域大模型的訓練與優化，另一部分則面向生產系統提供推理服務。
在魏橋國科智算中心的發展脈絡里，中科曙光始終是其中的深度合作夥伴。一期建設時，中科曙光便深度參與頂層設計、設備選型、網路調優等關鍵環節；進入二期規劃階段，當魏橋國科明確大規模算力需求後，也是第一時間找到中科曙光。
用全棧方案，回應工業AI複雜度挑戰
二期規劃之初，並沒有被簡單的定位為擴容，而是將目標明確為建設一座技術更先進、容量更充足、能效更優的智算中心，打造面向魯北乃至全國的一流人工智慧算力樞紐，契合國家「東數西算」戰略布局，為培育新質生產力、鞏固產業領先地位提供關鍵支撐。
魏橋智算中心二期呈現出鮮明的產業級應用需求，所以就需要更加注重「性能、兼容、綠色、安全」四大核心維度。
第一，性能需求：滿足工業大模型訓練、有機光電材料模擬篩選等高密度計算任務，需要強大的並行處理能力與高速數據吞吐效率；一期系統GPU使用率已持續維持在80%以上，二期需進一步提升算力規模與調度效率，應對持續增長的計算需求。
第二，兼容性與擴展性需求：實現與一期系統的無縫銜接，支持超算、智算、通算等多元算力協同，兼容Windows、Linux等多種作業系統及不同類型的科研與工業應用場景。
第三，綠色低碳需求：在保障高性能的前提下，通過先進技術降低數據中心PUE值，契合國家「雙碳」戰略，實現可持續運營。
第四，安全與服務需求：具備全生命周期的安全可靠保障，通過全冗餘架構防範各類故障風險。需要7×24小時駐場服務與業務級優化支持，確保算力資源穩定輸出，打通從算力供給到產業價值轉化的完整鏈路。
中科曙光給出的是全棧式解決方案，覆蓋了全精度AI算力、高性能AI儲存、智能運維管理，來回應這些需求。
全精度AI算力層面，基於通用CPU與GPU架構，算力覆蓋FP64、FP32與FP16多精度體系，可全面支撐高性能計算與人工智慧應用需求，兼顧科學計算與AI訓練、推理的多層次算力能力。
高性能AI儲存層面，通過大容量、高並發I/O吞吐與低延遲集群頻寬，支撐數據讀、寫等關鍵環節，保障AI算力的高效利用。具體來看，全閃儲存池裸容量達2.8PB，讀頻寬不低於320GB/s、寫頻寬不低於240GB/s；大容量儲存池規模達11PB，讀頻寬不低於120GB/s、寫頻寬不低於90GB/s。同時結合ParaStor分布式儲存系統，使AI能力能夠更高效地嵌入研發與生產流程。
智能運維管理層面，一方面，依託人工智慧開發平台SothisAI，結合魏橋創業集團的工業體系，打通算力、應用與生態，兼容主流軟體，提供從開發工具、基礎軟體、大模型與應用的完整能力，支撐工業場景下的AI創新落地；另一方面，通過集群管理GridView，面向跨區域用戶提供統一的算力與數據運營服務，實現無感知的算力調度、異構管理與資源監控。
「中科曙光設計的混閃、全閃分層儲存模式，很好地滿足了人工智慧訓練和推理的需求。」鍾成說道。這也讓不同負載在性能與成本之間實現了更優平衡。
回到第一性原理，需求決定算力
建成只是起點，關鍵在於讓算力真正轉化為驅動產業創新的能力。現在大模型訓練、AI4Science研究、高端裝備研發等場景都已經在魏橋國科智算中心跑了起來。
從全球範圍看，工業+AI正在迅速滲透，成為提質降本增效的剛需。根據IDC預測，到2028年，全球工業企業AI支出規模將接近2.2萬億，年複合增長率達到63%。中國工業企業AI支出規模將接近900億元，年複合增長率達到38%。
政策層面也給出了最新的引導。2026年1月，工業和資訊化部、中央網信辦、國家發展改革委等8部門印發《「人工智慧+製造」專項行動實施意見》，以加快推進人工智慧技術在製造業融合應用，打造新質生產力，全方位、深層次、高水平賦能新型工業化。
對於魏橋創業集團而言，關鍵在於將工業製造需求與算力建設及應用節奏實現匹配。鍾成以兩個典型場景作了說明。第一個例子是缺陷檢測，過去主要依賴深度學習，每一個具體對象都需要單獨建立數據集並反覆訓練。現在針對金屬材料表面缺陷這類具備共性的場景，可以通過一個大模型實現跨場景識別。
第二個例子是流程工業的全要素綜合分析和處理，比如整條生產線，如何保證在多個工藝環節之間實現整體最優，往往需要對幾十個變量進行綜合分析與建模，這對數據、算法以及算力都提出了更高要求。大模型則可以將設備參數、工藝指標、環境數據等進行統一建模與動態優化。
製造業生產線的複雜度在很大程度上決定了人工智慧的落地節奏，魏橋國科也在持續探索AI在具體工業場景中的應用路徑。基於此，魏橋國科重點布局了三個方向：
第一，機器人與智能設備，滿足大量工業需求通過一台或少數幾台設備來完成；
第二，流程工業全要素、全流程綜合處理，如何在多工藝、多變量條件下實現整條產線的整體優化；
第三，AI4Science，圍繞魏橋創業集團的產業布局，重點聚焦新材料、科學數據等領域，通過仿真可以在前期完成大規模篩選，僅保留關鍵方案進入實驗階段提升研發效率。
回看兩期數據中心的建設，鍾成的一個體會是，必須遵循「第一性原理」，還是要回到第一性原理，從生產需求出發，才能對應到技術與算力的供給，也不會造成資源浪費。
