9月15日，在北京国家会议中心召开的2026算力网发展大会上。曙光智算总裁何牧君报出一组数据：国家超算互联网已经建成了材料计算、工业仿真等六大智能体矩阵，覆盖了170多个计算场景，累计上线了500多个智能体，拥有上万个技能。

除了数字之外，还有一句更实在的话，即用户不需要掌握编程知识，依靠1.6万个内容组件以及对话式的构建工具，就可以像搭积木一样搭建出属于自己的科学计算智能体。

这话的分量，搞过科研的人能掂量得到。

科学计算有一个老毛病，那就是搞材料、做仿真的那批人，大都没有经过系统的软件训练。一套代码伴随着一篇论文诞生，能跑起来，但是换台机器就装不上去，想要优化又要找人。行业内把这样的东西叫做“论文软件”。算力早已经不是瓶颈了，工具才是。

政策也在推动。工信部在9月份发布的《信息通信行业发展“十五五”规划》中提出要加快全国一体化算力网络的建设；9月12日，中国算力平台宣布全国算力实现了统一的统筹和监控。可从"把算力连起来"到"把算力用出去"，还卡着一道坎：会用的人太少。

这次发布的目的就是为了过这一关。500多个智能体、5000多个MCP工具，也就是把常见的计算流程做成标准件——建模、求解、扫参数、出报告，材料计算和工业仿真都要走一遍。用户说明需要什么，平台来组装，代码这部分隐藏在后面。

但是“藏到后面”并不等于“消失”。智能体能帮你写好计算流程，但是不一定能判断出结果是否正确。OpenAI、DeepMind今年的公开报告中都指向同一个问题：验证。有的科学家表示，智能体常常在自己明显出错的时候依然表达得很有信心。平台反复强调"生成高可信报告"，而这个弱点就是它所要面对的。回应的正是这个软肋。科研要的是可复现、可追溯，不是"看起来对"。

对于超算互联网而言，接下来的考验不在于数量。平台注册用户数已经突破了170万大关，累计调度作业量达到2.7亿次，接入的算力中95%以上都是国产。真正需要回答的问题是，在500个智能体当中，有多少会被反复打开。

算力网建设了三年，硬件、网络等主要部分都已经基本完成。再往前走，就是让不会写代码的人也可以使用超算。这件事成了，AI for Science才算从少数人的技艺，变成能公用的基础设施。