一條長輸油氣管道，可能跨越多個省份，沿線分布著大量站場、閥室和設備。

壓力、流量等數據要持續回傳，調度指令要準確下達到數百公里外;設備異常、用氣波動或極端工況出現時，系統既要及時發現，也要判斷風險會不會沿管網傳導。

這也是油氣儲運數字化最難的地方：它面對的不是普通IT業務，而是7×24小時連續運行的能源基礎設施。

行業正在從“把設備連起來”走向“讓系統更安全、讓運行可預測”。底層計算既要托住核心控制系統，也要支撐高精度仿真和AI預測;國產化也要在不影響生產連續性的前提下完成軟硬件遷移。

《工業互聯網與油氣儲運行業融合應用參考指南(2026年)》正是在這一背景下發布。

指南在工業和信息化部信息通信管理局、國家能源局石油天然氣司指導下，由中國工業互聯網研究院等單位組織編制，覆蓋裝備制造、工程建設、生產運行、經營管理等環節，梳理出8種創新應用模式、36大類、91項具體場景。

海光信息深度參與指南編寫，并提供多個關鍵場景方案。海光并非只以“芯片供應商”出現：數據安全、工控安全、終端安全、態勢感知及平臺管理等環節均有相關方案被收錄;某油氣行業SCADA平臺、某仿真重點實驗室也進入典型案例清單。

把這些內容放在一起看，海光提供的價值可以歸納為兩條主線：一條是把安全能力下沉到芯片，解決核心工控系統“如何守得住”;另一條是把CPU、DCU、數學庫和集群能力協同起來，解決復雜管網“如何算得準、跑得快”。

第一道題：把安全做到芯片里，SCADA為什么需要“內生安全”

油氣管網綿延數百甚至數千公里，現場設備分散、節點眾多，調控人員不可能逐站盯守。

壓力、流量、設備狀態需要持續匯集到調控中心，控制指令再下發至站場和現場設備。經過多年建設，國內油氣管道形成“中心—站場—就地”的三級調控模式，SCADA就是支撐這套體系運行的核心系統之一。

它像油氣管網的“神經系統”：一端感知現場，一端連接調度。系統一旦停擺或數據失真，影響的是真實管線運行。

因此，SCADA國產化的難點不只是“軟件能不能裝上”。系統要長期連續運行，要兼容原有業務和數據，還要在遷移中保證可靠性、擴展性和安全性。

部分油氣行業系統建設較早，曾采用國外SCADA軟件，長期運行后逐漸暴露出核心技術受制、維護成本高、安全風險大等問題。

某油氣行業SCADA平臺采用海光C86架構整機集群承載一體化集成服務平臺，并適配國產操作系統、數據庫等基礎軟件。平臺支持標準化數據訪問、跨平臺應用、分布式部署、一主多備冗余和安全訪問控制：不同系統可以統一接入，單點故障有備份接替，后續擴展業務也不必推倒重來。

這類能力解決的是工業國產化最現實的難題——在盡量不改變原有生產邏輯、不打斷業務連續性的情況下，把底層計算和基礎軟件逐步換下來。

而海光在這一場景中的另一個關鍵詞，是“內生安全”。

指南明確提出，工業安全正從外掛式、單點防護，向內生式、體系化防御演進。對于場站分散、時延敏感的油氣工控系統，單純在外圍增加安全設備，部署和維護復雜度也會隨連接規模上升。

海光的做法，是把一部分密碼與可信能力直接做進處理器。C86內部集成平臺安全處理器PSP和密碼協處理器CCP：前者提供安全隔離環境并負責密鑰管理，后者承擔SM2、SM3、SM4等商用密碼算法的高速運算和真隨機數生成。

這意味著，密碼運算不必完全依賴外置密碼卡或純軟件實現，關鍵密鑰可以留在硬件隔離環境中。對邊緣節點而言，安全能力更貼近數據產生和計算的位置，也更適合工控系統對實時性和穩定性的要求。

海光還把內生安全向數據、終端和AI場景延伸：基于CPU硬件可信根和安全虛擬化構建可信執行環境，覆蓋數據傳輸、計算、存儲;CPU內置TCM可參與磁盤加密，可信環境還可從CPU擴展至DCU，為大模型訓推提供數據和模型保護。

從外掛安全到內生安全，變化的不只是安全模塊放在哪里，而是安全防線的起點前移到了芯片。對油氣這樣的關鍵基礎設施，這為后續數據匯聚、工業智能和系統國產化提供了更底層的可信基礎。

第二道題：把真實管網搬進計算機，高精度仿真憑什么“算得動”

如果說SCADA解決的是“正在發生什么”，某仿真重點實驗室要解決的是“接下來可能發生什么”。

天然氣管網并不是一根簡單的管子。不同區域的用氣需求、壓力、流量和設備狀態相互耦合，一處變化可能傳導到多個節點。

真實管網不能反復試錯，極端工況更不可能等發生后再驗證方案。

因此，行業需要在計算機里建立一張可反復推演的“數字管網”：先模擬運行狀態，再驗證風險、調度和應急方案。

某仿真重點實驗室以高精度仿真為核心，通過模擬天然氣管網實際運行狀態，服務管網安全分析和用氣量預測。極端工況可以提前預演，AI預測模型也可輔助精準調度。

這類任務的題眼不是單顆芯片的峰值參數，而是“系統級計算效率”。

大型管網仿真要持續求解復雜數值模型，同時讓大量計算節點頻繁交換數據。處理器算得快，如果數學庫效率不高，算力發揮不出來;節點之間通信慢，計算任務又會彼此等待。

實驗室采用海光C86-4G處理器與DCU構成計算平臺。C86-4G雙路整機擁有128個核心、2.7GHz主頻和512MB三級緩存;通過海光BLIS數學庫與參數優化，Linpack浮點計算效率達到45.2%，性能為同類方案的2倍，集群網絡效率超過93%。

這些數字對應的不是“跑分”，而是算力能否真正轉化為仿真效率：BLIS數學庫優化高頻基礎運算，較高的集群網絡效率則減少不同節點交換數據時的等待，讓大規模并行計算跑得更順。

C86與DCU形成的混合算力還能承載數值仿真與AI預測等不同任務，為油氣儲運從機理模型進一步疊加數據和智能算法提供基礎。

最終，計算結果必須回到真實生產。

項目材料顯示，高精度仿真可用于預演極端工況、提前制定應急預案;AI預測模型用于輔助精準調度、減少能源損耗，預計年均節約運營成本超過千萬元。

這類實踐的行業意義在于，油氣儲運數字化正在從實時監測進一步走向預測和優化：信息系統不僅記錄“發生了什么”，還開始用計算回答“接下來可能發生什么、怎么調更合適”。

真正的門檻：不是“能替代”，而是進入生產核心

某油氣行業SCADA平臺與某仿真重點實驗室，一個面對生產控制，一個面對工程計算。

前者要求系統長期不停、數據不亂、控制可靠，核心是以“內生安全”和國產基礎軟硬件守住正在運行的管網。

后者要求復雜模型算得動、大規模任務跑得順，核心是把處理器、加速器、數學庫和集群網絡的能力真正轉化為仿真與預測效率。

這兩類場景說明，油氣行業對國產計算的評價標準已經改變。處理器參數只是起點，真正進入生產系統，還要回答兼容性、可靠性、安全性、軟件優化和集群協同等問題。

從參與行業指南編寫，到多維安全解決方案被收錄，再到SCADA和高精度仿真實踐進入典型案例，海光的價值也不再停留在“提供一顆芯片”，而在于把C86、DCU、內生安全和基礎軟件優化能力組合起來，轉化為可進入真實生產場景的系統能力。

對油氣這樣的關鍵行業，國產化不只是替代進口軟硬件，更要把計算、安全和應用體系穩定協同起來，為數字化、智能化提供可靠底座。

真正的檢驗，是這些能力能否進入那些不能停、不能錯、不容有失的核心系統。