高端装备的大规模科学与工程问题的数值模拟既依赖于高性能并行计算的支撑，同时也是高性能并行计算发展的动力。发展运算速度更快、应用功能更强的超级计算机已经成为当今世界各国竞相争夺的一个战略制高点。 另外，高端装备领域信息化的安全性要求极高，必须要求信息系统具有完全自主知识产权，这是未来发展的主旋律，也是IT企业面临的重大挑战。

随着大模型、行业AI应用规模化落地，企业需同时运行大规模分布式模型训练与高并发在线推理两类差异化负载：训练任务依赖Slurm调度实现多机多卡并行、断点续训、资源独占等高性能算力调度能力，推理业务则依托K8s完成容器化弹性扩缩容、推理发布、微服务管理。传统架构中两套调度系统独立部署、算力池割裂，存在硬件资源闲置、业务切换流程繁琐、运维平台分散、数据与权限不互通等问题，市场迫切需要一套融合Slurm与K8s的统一算力架构，在统一资源池中同时满足AI训练对高性能、高带宽、低延迟的极致要求，以及推理服务对弹性伸缩、快速迭代、高可用的业务诉求，实现"一套资源、统一调度、训推协同"的新型算力范式。

制造业的核心竞争力在于不断创新，而创新离不开产品设计与仿真分析。CAD软件用于设计产品模型，在此基础上，CAE软件在产品不同使用条件下对其进行仿真计算，来定性分析产品的质量和可靠性，制造企业需要树立设计仿真一体化的理念。在前后处理过程中，HPC可帮助企业完成精准、可靠的仿真模拟分析过程，促进企业甚至整个工业制造业的创新。如何快速构建并高效利用高性能计算环境，成为制造业必须面对的紧迫问题。

EDA（电子设计自动化）设计平台是芯片之母，是芯片设计最上游、最高端的产业，作为集成电路产业链的命脉，是当前进行集成电路设计不可缺少的条件，自始至终连接和贯穿着芯片制造和科技应用的发展。芯片制造从设计起步，随着集成电路产业的不断发展，作为整个产品里的重头，芯片设计规模复杂度不断增大，且设计、模拟过程更为复杂、精细，对EDA设计平台也提出了更高的要求。 传统EDA平台基于Unix系统采用单用户单机架构，无法满足现代电路设计中对提高计算能力的迫切需求，采用超智融合算力集群提供算力支撑，能够大大提高平台的整体计算能力，缩短系统计算时间。将芯片设计周期从3-5年压缩至1-2年，支撑快速迭代，降低流片失败风险，并解锁传统方法无法实现的架构。

随着新一代测序技术的发展，生命科学迎来大数据爆发的时代。动植物生理、群体遗传学、进化生物学、分子动力学、结构生物学、流行病学等，生命科学的各个专业都离不开测序数据的产生、处理。巨大的数据量处理能力和并行计算需求伴随当今生命科学的进展，因此超级计算在序列对比、基因识别、结构预测、序列拼接、分子进化、比较基因组学和药物设计等生命科学研究当中应用广泛且扮演着重要的角色。同时，医学影像分析、蛋白质结构预测、精准医疗等场景对AI算力有大量需求。 生命系统本身的复杂性、数据量爆炸式增长以及传统研究方法的局限性，决定了生命科学既需要智算（AI）从PB级数据里“找规律”，又需要超算（HPC）用第一性原理“算得准”。

从支撑基础科研到服务AI创新，政府创新体系对先进算力提出了新的要求：既要满足政府部门所属的科研机构进行严谨复杂的科学计算、支撑重大科研工程，也要满足政府建设公共算力中心（国家超算中心、智算中心、超智融合算力中心）支撑城市治理、产业升级、关键技术研发等。科学研究和产业创新进一步升级，政府需要建设先进的现代化算力基础设施，承载科学计算、大模型训练、AI推理和工业仿真等多元任务，加快实现算力普惠，让算力真正像水电一样随取随用，全方位支撑国民经济发展。

在双碳战略与新型电力系统建设驱动下，油气勘探、陆上/海上风电研发、电池材料研发、电网稳定仿真、储能安全模拟、风/光电功率预测等业务算力需求持续爆发。能源电力行业同时存在两类核心计算需求：一方面需要高性能计算支撑油藏模拟、风电整机气动仿真、电网电磁暂态、电池多物理场仿真；另一方面依靠智算算力实现智能巡检、负荷预测、源网荷储优化调度、电力市场交易。传统分开建设超算集群、AI集群模式难以适配仿真+人工智能融合的AI4S发展趋势，行业亟需一套可统一纳管异构资源、兼顾科学计算、工程仿真与大模型训练推理的一体化算力基础设施。

在"东数西算"工程深入实施与全国一体化算力网加速构建的背景下，算力已成为数字经济发展的核心生产力。从《"十四五"数字经济发展规划》到"六张网"战略部署，政府持续推动算网融合与算力基础设施高质量发展。然而，当前各行业算力建设多呈分散布局状态，超算、智算、通算集群相互独立形成大量算力孤岛，同时AI大模型、科学计算、日常业务等多元化应用场景对大规模异构算力的需求持续增长，行业迫切需要实现跨域算力的互联互通与共享调度，以支撑千行百业的数字化转型。