2026年10月20日，由全球计算联盟（GCC）智能计算产业发展委员会与上海人工智能实验室联合举办的深联Infra社区启动及工作研讨会在深圳举行。来自科研机构、高校及产业界的代表围绕社区建设、超算与智算融合以及人工智能赋能科学研究（AI for Science）等议题展开交流，探讨国产AI基础设施的技术协作路径与应用需求。
上海人工智能实验室吴秋材介绍了深联Infra社区的建设规划与工作思路。针对国产算力适配和生态协同中的共性问题，社区将围绕国产算力优化、AI for Science基础设施、算力协同等方向开展交流协作，通过特别兴趣组组织技术共建，推进开源项目、技术方案、标准及白皮书等成果产出，推动芯片、平台与应用之间的衔接。
上海人工智能实验室侯杰围绕超智融合驱动科研新范式开展分享，介绍了面向AI for Science的算力基础设施与平台实践。报告从科研任务需求出发，讨论超算与智算资源融合、异构算力统一接入以及科研服务组织等问题，并结合平台建设与应用探索，阐述算力、Token服务和平台协同支撑科研创新的思路。
上海仪电智算王丽忱围绕智爱赛思（OpenAI4S）社区的超智融合算力与科研服务开展分享。针对科研中的数据分散、算力使用门槛和工具碎片化等问题，报告介绍了汇聚数据、算力、工具与协作资源的一站式服务思路，并结合科研主理人等机制，展示社区连接科研需求与产业资源、支持跨学科合作及科研成果落地的探索。
上海联通于佳介绍了中国联通算力布局及跨域异构算力调度实践。报告结合上海临港智算等基础设施建设，分享不同地域、不同类型算力资源协同开展训练与推理的探索，并介绍跨中心网络连接、推理任务协同和存算分离等技术思路，探讨通过算网协同提升资源利用效率、满足多样化应用需求的实施路径。
华为王楷围绕鲲鹏HPC与AI for Science解决方案开展分享，分析科学智能对模型训练推理、传统数值仿真及高精度计算提出的协同需求。报告从超智一体、软硬协同的思路出发，介绍计算底座与软件栈的配合，以及面向典型科学计算应用的适配优化，探讨支撑科学研究新范式的基础设施建设方向。
华为王楷
上海思朗科技王晓坤分享了面向AI for Science的专用计算技术路径。报告从科研应用需求出发，讨论AI与HPC在不同场景下的融合方式，以及高频数据交换、混合精度计算对系统架构的要求，并介绍基于MaPU架构的技术探索，提出结合算法、通信与硬件开展协同优化，推动专用计算与通用计算共同服务科学研究。
在交流讨论环节，与会代表围绕异构芯片适配、混合推理支持、开源组件应用及社区参与方式等问题进行了沟通。围绕上述交流，后续工作将重点聚焦以下四个方向：
1. 多元国产算力优化。面向不同芯片和计算平台的共性需求，推进软硬件适配、应用优化与验证，降低迁移和使用门槛。
2. 超智融合支撑AI for Science。围绕科研任务连接高性能计算与AI训练推理能力，探索算力、数据、工具和平台协同服务科研的路径。
3. 跨域算力协同。结合多地域、多类型算力资源的协作需求，持续交流跨中心连接、混合训练与混合推理等技术实践。
4. 开源共建与标准研讨。通过特别兴趣组等机制汇聚产学研力量，推动开源项目、技术方案、标准及行业研究成果的协同发展。
本次研讨会为深联Infra社区建设与产业需求对接提供了交流平台。随着技术交流、开源共建和应用验证不断深入，社区将进一步连接科研机构、高校、芯片厂商及应用企业，探索国产AI基础设施协同发展的可行路径。
