“水分子”or巨型运输机？航空工业发重磅消息

“在十五五开局之年，落下浓墨重彩的一笔”“坚决打赢国家重点型号攻坚战”，这是航空工业一飞院在官方账号发布的有关升旗仪式暨年度任务动员中的部分内容。

对此，想必不少人都会不约而同地发出同一个声音：这个看起来颇为不一般的“国家重点型号”，究竟会是哪款产品呢？

从国内军用航空器的开发工作惯例来想，“型号攻坚战”这一说法多出现在2个阶段，即新型装备首飞和新型装备定型，如此便不妨简单推测一下。

通常来说，倘若是装备定型，那说明相关机型此前已成功完成首飞，并在之后连续开展多次试飞且表现良好。

这样想来，近年来已多次试飞并出现在公众视野中的部分国产新型军用航空器，如可能被命名为歼-36和歼-50的“南六代”与“北六代”、可能命名为空警-3000的国产新型大型预警机、坊间传闻名为空警-700的新型中型预警机、可能名为运-15或运-30的新型战术运输机，以及此前被多次曝光的国产大型飞翼气动布局无人机等，或都有可能是将于十五五时期启动攻坚和实现突破的重点型号。

而如果是首架原型机接近完工或临近首飞，那现阶段最有可能的机型会是什么呢？答案恐是被戏称为“水分子”的国产新一代战略隐身轰炸机。

另外，此前在国内军迷圈中盛传的“可能被命名为运-40”的“中国版C-5巨型运输机”，似乎亦不无可能。

一般而言，此阶段的新型军用航空器因首架原型机尚未下线或才刚刚下线，且并未展开试飞，故很难为外界“窥见真身”，所有人都只能凭借极其有限的公开信息来进行猜测。

进一步来想，具体到航空工业一飞院这里来看，从国内官媒的公开报道中可知，该单位在近年来比较为外界所熟知的军用型号航空器，主要有运-20大型远程运输机、空警-2000大型预警机、歼轰-7战斗轰炸机、空警-600舰载预警机，以及运油-20空中加油机等。

可见，大型军用运输机及其衍生型号，以及军用特种机等，乃是一飞院的“主要业务”。

因此，在刚刚所进行的种种猜想中，可能性较大的机型或集中于新型战略轰炸机、新型预警机和新型运输机这一范围内。

当然，考虑到航空工业一飞院也曾研制过诸如运-7支线客货两用飞机、ARJ-21支线客机和“小鹰-500”公务机等民用机型，因而也不排除相关新型产品会是某种民用飞机。

只不过，民用飞机是否够得上“国家重点型号”之称，似乎还是应打上一个问号。

但无论如何，既然是“年度任务动员”，说明开发团队的工作进度和相关型号产品的推进基本已进入冲刺阶段，相信答案很快就会出现在我们的眼前。

其究竟会是何种用途的何种飞机呢？各位粉丝朋友们不妨在评论区中聊一聊。

33台发动机，近10万张卡！商业火箭的一次国产算力极限验证

作者： 王聪彬 今年5月，SpaceX星舰迎来第12次试飞，随着超重型助推器上的33台猛禽3发动机同时点火，瞬间释放出8250吨巨大推力，将高达124米的星舰V3火箭推向空中。

4个月后，星舰完成第14次试飞，首次成功进入地球轨道，并将26颗星链V3卫星送入轨道。

SpaceX希望通过火箭重复使用降低发射费用，同时提高单次发射的运载能力。

为了将如此庞大的星舰送入太空，SpaceX选择让33台发动机共同提供起飞推力。

当33台发动机同时工作，也带来了一个复杂的工程问题。

在火箭底部有限的空间内，每台发动机喷出的高温、高速尾焰都会相互干扰，形成复杂的激波、湍流和压力波动，影响火箭底部的热环境与结构载荷，甚至关系到火箭起飞和回收任务的成败。

多发动机并联火箭尾焰之间的相互干扰，正是“火箭回收复用”工程中必须搞清楚的关键问题。

西安交通大学联合中科曙光，基于全国产十万卡AI超集群曙光8000开展射流仿真，研究复杂尾焰之间的相互作用，为商业航天可重复使用火箭研究提供参考。

33台发动机，难在尾焰干扰 近年来SpaceX星舰不断取得进展，国内可重复使用火箭的相关研究也在加快推进。

在预研过程中，结合已有工程经验和国外公开的超重型火箭试验资料，研究团队发现，火箭起飞和回收反推阶段，多发动机并联尾焰相互干扰的精细化仿真数据仍然十分缺乏。

西安交通大学航天航空学院教授、博士生导师，陕西省先进飞行器服役环境与控制重点实验室副主任姬兴用了一个形象的比喻：想象33个高压水枪同时朝一个方向喷水。

如果只有一支水枪，水柱的形态相对容易预测，但33支一起开，中间的水柱就被旁边的水柱挤扁、推开、互相撞击，溅起的水花还会往上卷回来。

在超声速射流里的激波、膨胀波和剪切层也是这样，它们在近场互相挤压、反射、交汇、合并，形成一个跨越多个时间和空间尺度、一直在变的三维结构。

所以33个喷口，不是简单相加，这正是它最难的地方。

西安交通大学博士生张红将传统试验面临的困难概括为九个字：测不全、抓不住、做不起。

第一，测不全。

试验只能在箭体表面布置有限的压力和热流传感器。

这就像用几支温度计去量一整片火场，你能读出温度计那几个点的温度，但火场里最烫的那个角落，恰恰很可能就是你没放温度计的地方。

多股射流撞击、激波交汇形成的局部高温高压区，位置是算出来的、不是猜出来的，靠布点去碰运气，命中率很低。

第二，抓不住。

高速气流产生的压力在每秒能达到几百次甚至上千次地"抖动"，脉动压力是结构疲劳和振动的主要来源。

要抓住它，就得用高频响、多点同步的测量。

但测点一多，传感器本身又会扰动流场，高温、强辐射、稠密激波也给光学测量带来很大限制。

第三，做不起，也做不真。

做不真，是说地面缩比试验很难同时复现真实火箭的尺寸、多机并联的喷口间距、飞行高度上的环境压力和马赫数，这几个条件互相牵制，往往只能保住一两个。

做不起，是说多台发动机并联点火，一次试验代价极高、周期很长。

西安交通大学航天航空学院的目标是补上试验给不了的那部分。

张红谈到，试验能告诉我们"这里有多热"，但很难告诉我们"为什么这里最热、换个排布会不会更糟"。

数值模拟能把整个空间"点亮"，任意位置、任意时刻、任意切片都能回放，还能一键换个排布重算一遍。

试验负责定标校验，模拟负责扩展和推演。

试验得到的是“几个点的曲线”，仿真得到的是“整个空间的电影”，而且要哪个点有哪个点，想回放就回放。

通过试验+仿真结合，就能快速迭代出下一代火箭。

这类问题要求算法既抓得住激波这个强间断，又留得住小涡这种低耗散结构，但这两件事又天然矛盾。

33喷口又把横向范围和下游距离拉得极大，对网格量的需求一下就到百亿乃至万亿级。

从算力到算法，都需要重新找解法 西安交通大学团队从事相关算法研究已有多年，但始终面临两个问题。

一方面，现有通用计算流体力学（CFD）软件难以同时满足超大规模、高精度和复杂流动的仿真需求，需要针对具体场景开发新的算法和软件；另一方面，这类仿真需要庞大的计算资源，对计算平台也提出了很高的要求。

“算法软件要自己做，算力平台要自己找。

”姬兴说，这也是团队最后做出的决定。

多发动机尾焰仿真的一个难点，在于流场涉及的空间尺度差异极大。

对火箭安全产生影响的激波、剪切层等细微结构，特征尺度可能只有毫米级，但整个尾焰流场却覆盖几十米甚至上百米的范围。

要在如此大的空间内准确捕捉这些细微变化，就需要划分极其密集的计算网格，计算量也随之大幅增加。

按照西安交通大学团队的测算，常态化仿真就需要百亿级网格、上百张加速卡参与计算。

在这样的量级下，可以批量处理不同飞行工况，将单个工况的计算时间压缩至一天以内。

但对于需要获取更精细流场信息的关键工况，计算资源可能需要扩大到万卡级别，这也是西安交通大学团队开展超大规模并行计算验证的重要原因。

同时计算精度也是必须要解决的问题，因为仅靠大网格量，也很难准确还原复杂的流场变化。

国产芯片"算力长得比带宽快"，跟高阶 CFD 算法"爱跑腿"的老习惯不合。

所以西安交通大学团队没有选择学术界和工业界主流的Runge-Kutta（龙格库塔）方法，而是采用单步时空耦合高精度推进方法。

张红打了一个比方：可以把一张加速卡想象成一个厨房，计算单元是厨师，存储数据的空间则是冷库。

加速卡的特点是“厨师”数量非常多，但负责从冷库搬运食材的“工人”相对有限。

如果每做一道菜都要重新取一次食材，大量厨师就只能等待，无法充分发挥计算能力。

西安交通大学团队希望通过算法优化，尽可能一次取出更多数据，让计算单元能够连续处理任务，同时在计算过程中提前搬运下一批数据。

这样既能增加每次数据读取所完成的计算量，也能让数据传输与计算并行进行，减少计算单元的等待时间，从而提高加速卡的整体计算效率。

之前，西安交通大学团队接触过几套GPU架构，并未限定硬件平台。

随后通过中科曙光的生态项目接触到国产异构计算平台，双方逐步展开合作。

“我们发现曙光8000的规模、稳定性和国产软件栈，正好能接住我们想做的这件事。

”姬兴说道。

所以这个项目不是先有机器再找应用，也不是先有算法再找机器，是重大工程的需求、国产算力的能力、和西安交通大学团队多年的算法积累，三件事在同一个时间点撞上了。

近10万张卡，同时运行的难点在哪里 依托曙光8000异构计算平台，西安交通大学团队完成了算法开发与万卡级应用验证，主要实践包括：算法-硬件协同设计、MPI+HIP异构并行实现、大规模工程算例等。

最终在数万张国产GPU上实现了6.774万亿网格、99.01%弱扩展效率、强扩展效率73.00%、吞吐率34.029 TCUPS。

标志着国产异构计算平台上的高阶格式CFD软件首次进入十万卡级，整体并行规模与弱扩展效率达到国内领先水平。

项目中的计算任务挑战不仅在于单个节点，真正的难点在于如何让数万张GPU长时间高效协同运行。

首先是超大规模计算资源的组织和调度。

需要把海量计算任务合理分配到不同计算节点和GPU上，同时结合系统的CPU、内存和网络拓扑进行资源映射，尽量避免资源空闲和负载不均，让整个系统形成一个高效的计算整体。

第二是大规模通信和数据交换。

当计算规模扩大到数万张GPU以后，通信和同步会成为影响整体效率的重要因素。

需要结合应用的通信特征和曙光8000的网络拓扑，对进程布局、通信路径和数据交换进行优化，并尽可能实现计算与通信重叠，减少大规模并行带来的等待。

第三是超大规模运行的稳定性和可扩展性。

几万张卡同时参与计算，对系统的软件栈、通信网络、资源管理以及运行环境都提出了很高要求。

中科曙光通过逐级扩展验证，对计算、通信、网络和资源利用情况进行持续监测和优化，确保应用不仅能够扩展到这个规模，而且能够稳定运行。

这也是超大规模异构计算区别于传统高性能计算的重要地方，随着规模不断扩大，性能优化已经不再是单一GPU或者单个计算节点的问题，需要从应用、计算节点、通信网络到整机系统进行整体协同优化。

中科曙光围绕算力资源、软件运行环境、整机规模验证、专业技术支撑几个方面开展了相应的工作。

首先，在算力资源方面，依托曙光8000提供大规模国产异构算力，为应用开展数万张GPU规模的科学计算提供稳定的算力基础。

其次，在软件运行环境方面，中科曙光结合应用特点提供相应的国产软硬件协同运行环境，从编译、运行时、数学库、通信库到作业调度等多个层面进行适配和优化，帮助应用充分利用曙光8000的计算、存储和网络资源。

第三，在整机规模应用验证方面，重点关注应用从小规模运行向数千卡、数万卡规模扩展过程中出现的性能和稳定性问题。

通过不同计算规模下的测试和分析，持续优化计算、通信以及资源调度等环节，验证应用在超大规模场景下的扩展能力和整体运行效率。

此外，中科曙光还组织了覆盖硬件、系统软件、并行计算、通信、存储、应用优化等方向的专业技术团队，与应用研发团队进行联合攻关。

中科曙光研发工程师梁超表示，中科曙光在这项工作中不仅是提供算力，更希望发挥“算力底座+软件环境+规模验证+专业技术服务”的综合能力，与应用团队共同把这套系统真正用起来、跑起来，并进一步发挥超大规模国产算力的应用价值。

曙光8000取得的成果，标志着“研”和“算”的里程碑式节点，接下来的重头戏是“智”和“用”。

随着商业航天等领域对高精度仿真的需求不断增加，拥有数万张加速卡只是基础，如何让这些算力在实际科研和任务中高效运行，还需要持续解题。

6.774万亿网格创仿真纪录 国产算力解出33台火箭发动机尾焰干扰难题

IT时报记者 贾天荣 当SpaceX一次次展示火箭回收技术，巨大的火箭助推器从高空返回地面，发动机重新点火，甚至被发射塔上的机械臂稳稳接住，人们看到的是商业航天正在发生的变化：火箭正从一次性使用的运载工具，向可重复使用的航天运输系统转变。

这场围绕火箭回收的技术竞赛，也正在中国商业航天领域展开。

随着低轨卫星互联网星座建设加速，以及商业航天发射需求不断增长，如何提高火箭运载能力、降低单次发射成本，成为国内航天企业必须面对的问题。

为了运送更多载荷、摊薄发射成本，火箭需要做得足够大，而单台发动机难以提供足够推力，就需要多台发动机并联工作，比如SpaceX星舰的超重型助推器，便采用了33台发动机。

问题随之而来：当33股温度超过2700℃的高速尾焰从火箭底部喷出，它们并不会各走各的路，而是相互碰撞、挤压、干扰，产生复杂的压力波动和高温气流，甚至可能反过来威胁发动机与箭体的安全。

尤其在火箭回收阶段，助推器从高空下落，发动机重新点火，利用反向推力减速。

此时，火箭会不会被自己的尾焰震坏、烧坏？危险究竟发生在哪里，又该如何提前发现？ 这不仅是SpaceX等企业在可重复使用火箭研发中需要研究的问题，也是中国商业航天向重型、超重型运载火箭发展时必须面对的工程挑战。

近日，中科曙光联合西安交通大学科研团队，依托国产十万卡级AI超集群曙光8000，完成了33喷口环形阵列的超声速射流三维高精度数值模拟，计算网格规模达到6.774万亿单元，创下国际已知最大规模的同类仿真纪录。

这项研究不仅让科研人员有机会更清楚地观察多发动机尾焰相互作用，也意味着国产算力正在进入商业航天重大工程问题的研究环节。

33台发动机，像一个巨大的“花洒”？ 33台发动机同时喷火，究竟会产生多复杂的影响？ “可以想象，拿一个水管或者拿一个花洒，它上头有33个喷口。

”9月28日，在西安交通大学与中科曙光举行的媒体沟通会上，西安交通大学航天航空学院教授姬兴向《IT时报》等媒体记者打了一个比方。

当花洒的多个喷口同时喷水，水流产生的反作用力会让握住花洒的手感受到晃动。

而在火箭底部，33个喷口喷出的不是水，而是温度约3000开尔文（约2700摄氏度）、速度极高的燃气。

这些气流相互干扰，会产生复杂的压力变化，甚至引起发动机喷嘴和箭体结构的振动。

“33个气流相互作用，就会使火箭的底部的喷嘴强烈地振动。

”姬兴说。

对于需要尽可能减轻结构重量的火箭而言，过大的振动和压力载荷可能威胁结构安全。

与此同时，多股尾焰相互作用还可能造成局部高温气体回流，使发动机喷嘴及箭体底部承受额外热负荷。

“你也不知道在哪儿能被烧坏，也不知道什么时候会烧坏。

”姬兴解释了这一研究的必要性。

这并非单纯的理论问题。

姬兴透露，此前团队与中国运载火箭技术研究院开展相关软件项目合作时，就了解到超重型火箭预研对多发动机尾焰干扰仿真存在实际需求。

为什么不直接通过发动机试验解决？一方面，多发动机并联试验成本高昂，难以针对大量不同工况反复开展；另一方面，发动机群内部的高温、高速气流很难直接观测，传感器也无法覆盖所有关键位置。

西安交通大学博士生张红将传统试验的局限概括为九个字：“测不全、抓不住、做不起。

” 相比之下，高精度数值模拟可以在计算机中重建三维流场，追踪气流在不同位置、不同时刻的变化，帮助科研人员识别潜在的压力和热负荷风险。

此次研究参考星舰超重型助推器的33台发动机布局，构建了33喷口环形阵列模型，研究多股超声速射流如何相互干扰、混合。

这并不等同于完整模拟星舰的实际回收过程，却为研究多发动机尾焰干扰提供了重要基础。

33团火焰，为什么需要数万张国产芯片？ 要在计算机中模拟33股尾焰的相互作用，并不是简单画出33团火焰，而是要精确计算高速气流在空间中每一个位置、每一个时刻的变化。

难点首先在于尺度。

姬兴解释，整个火箭尾焰流场可能覆盖几十米甚至上百米的范围，但其中影响火箭安全的激波、剪切层等细微结构，却可能只有毫米级。

要看清33股尾焰的相互作用，首先得把整个流场划分成足够细小的网格。

这就好比既要看清一座城市的整体道路，又要看清其中每一处细小的路面变化。

“为了同时能够看清楚最细的结构以及涵盖完整的范围，我们就需要非常大的网格规模去堆。

”姬兴说。

按照他的介绍，对于常态化的仿真任务，百亿级网格、上百张计算卡就可以支撑一定规模的计算，有望在一天内获得单个工况的结果。

但如果要对关键工况进行更精细的分析，就可能需要万卡级计算资源。

此次仿真使用了6.774万亿个网格单元，数万张国产智能芯片共同参与计算。

不过，网格多并不代表计算结果一定准确。

“如果算法不够高精度，仅仅靠大的网格量……还是没有办法做到足够准确的仿真。

”因此，这项研究实际上需要同时解决两道难题：一是让足够多的国产芯片协同工作，支撑庞大的计算规模；二是研发适合国产硬件的高精度算法，让这些计算真正具有科学价值。

而第二道难题，恰恰是此次研究最重要的技术突破之一。

数万张智能芯片一起计算，像一群厨师等着上菜？ 芯片越多，就一定算得越快吗？张红用“厨房做菜”解释了这个看似矛盾的问题。

“我们把一张加速卡想象成一个厨房，这个厨房里面有冷库，这个冷库是存放我们的数据，我们的厨师就是计算单元。

” 在这个厨房里，厨师数量很多，做菜速度也很快，但负责从冷库搬运食材的人却相对较少。

于是，厨师可能已经做好准备，却迟迟等不到食材，许多计算能力就这样浪费在等待上。

这恰恰是高性能计算面临的现实问题：芯片的计算速度越来越快，但数据搬运速度未必能够同步提升。

因此，当数万张智能芯片同时参与计算时，问题又复杂了一层。

科研人员需要将庞大的计算网格分配给不同芯片，每张芯片负责其中一部分。

但气流并不会按照人为划分的网格边界停止运动，因此相邻芯片必须不断交换数据。

这就像数万个厨房共同准备一桌大餐，每个厨房不仅要做完自己的菜，还要随时与隔壁厨房核对食材和烹饪进度。

如果大家频繁停下来沟通，整个厨房的效率就会下降。

张红解释，随着芯片数量增加，每张芯片承担的计算任务可能减少，但需要与相邻芯片交换的数据并不会同比例减少，通信反而可能成为新的瓶颈。

“我们想要做到的就是，我们能不能一次性地把菜搬完之后，让所有的厨师都分到菜之后，让他们同步地去做，做的同时我们还可以去拿别的菜，让厨师尽量减少他的等待时间。

”翻译成技术语言，就是尽可能减少数据搬运次数，并让计算与通信同时进行。

为此，西安交大团队没有简单沿用传统计算方法，而是重新设计底层算法，将主流的多阶段时间推进方法改为单步时空耦合方法，减少重复的数据读取与通信。

这不是一次普通的软件移植，而是根据国产芯片的特点，重新思考一道科学计算题应该怎样求解。

最终，这套算法在曙光8000上实现了99.01%的弱扩展效率和73%的强扩展效率。

所谓弱扩展效率，可以简单理解为：当计算任务和芯片数量一起增加时，计算系统能否继续保持原有的工作效率。

99.01%意味着，即使扩大到近10万卡规模，系统仍保持了接近理想状态的并行扩展能力。

在姬兴看来，这一结果甚至超出了最初预期。

“首先没想到我们能够把近10万张卡能够跑起来。

”他坦言，团队选择了相当激进的技术方案，从主流的多阶段时间推进改为单步时间推进，而能够在如此大规模的国产计算平台上顺利运行，离不开整个软硬件技术链条的协同。

一张芯片出问题，可能影响数万张芯片的计算 与此同时，如何保证8万余张芯片能稳定地完成同一道计算题，同样是一场考验。

“因为这么大的规模，它其实有一张出现错误了，就会导致所有的结果都会错了，所以它需要很好的稳定性。

”中科曙光研发工程师梁超说。

与普通计算任务不同，数万张芯片并不是各自独立工作，而是共同求解同一个连续变化的流场。

每张芯片都需要按照规定的时间步推进计算，并与其他芯片交换结果。

如果某张芯片运行明显落后，其他芯片可能不得不等待；如果关键计算环节出现错误，整个任务都可能受到影响。

因此，支撑此次研究的不只是芯片，还有高速网络、存储系统、资源调度和运行监测等一整套基础设施。

梁超介绍，曙光8000采用国产高速网络，针对大规模科学计算中频繁发生的数据交换进行优化；存储系统需要承担海量仿真数据的读写，资源调度系统则要尽可能避免局部任务拖慢整体进度。

为了及时发现异常，平台还通过数字孪生系统，对计算、网络、存储等运行状态进行可视化监测，并通过相应机制处理链路异常，降低故障对计算任务的影响。

从单张芯片的计算能力，到数万张芯片之间的通信效率，再到整个系统的散热、调度和稳定性，此次仿真所检验的，实际上是国产算力的一整套技术能力。

算出了火箭尾焰，距离真正用上还有多远？ 《IT时报》记者注意到，2026年，中国可重复使用火箭已经迎来多个关键节点。

7月10日，长征十号乙运载火箭成功完成海上网系捕获回收；8月19日，蓝箭航天朱雀三号遥二运载火箭成功实现一子级陆地着陆腿回收。

从海上到陆地，两条不同的技术路线相继取得突破，中国商业航天正在加快跨越火箭“发射出去”到“安全收回来”的技术门槛。

与此同时，随着千帆星座等低轨卫星互联网项目持续推进，市场对火箭运载能力、发射频率和成本控制提出了更高要求。

长征十二号乙、朱雀三号等新一代运载火箭均采用多发动机并联设计，而随着未来火箭运力进一步提升，发动机数量增加带来的复杂流场问题也将更加值得关注。

此次仿真取得突破，是否意味着火箭回收难题已经解决？姬兴把团队的工作概括为“研、算、智、用”四个阶段。

“研”，是研发基础算法，解决复杂气流究竟该怎么算；“算”，是让算法能够在国产计算平台上真正跑起来，而且跑得快、跑得稳。

此次6.774万亿网格的仿真，意味着前两个阶段取得了标志性进展。

接下来，团队还希望迈向“智”和“用”。

姬兴希望，下一步能够利用高精度仿真产生的海量数据，训练出更加轻量化的AI代理模型。

“我们也希望这样大的数据集，海量级别的，几十TB的数据，几百TB的数据，能不能用智能算法建立高效的代理模型。

” 姬兴认为，国产算力正在进入“从可用到好用”的关键阶段。

科研人员已经能够借助国产算力，更深入地看清33股尾焰之间的复杂相互作用。

从把问题算出来，到让计算结果真正进入火箭设计，这正是下一阶段需要跨越的距离。