郑纬民：国产显卡难在用，软件适配成本成选型关键

据快科技11月2日报道，中国工程院院士、清华大学计算机科学与技术系教授郑纬民表示，国产算力产业的核心挑战不止于芯片硬件性能追平，更集中在软件生态成熟度与用户侧实际综合使用成本这两个长期被低估的维度。

针对开发者和企业用户反映国产显卡实际体验不及AMD、英伟达产品的问题，郑纬民分析认为，随着智能体等新形态应用加速普及，大模型Token调用需求近期爆发式增长，市场对算力的刚性需求仍在快速攀升。

他指出，部分国产算力芯片的硬件纸面参数与终端采购价格，已具备全球范围内的市场竞争力；但落地生产环境后，普遍面临软件适配流程复杂、二次开发成本居高不下等问题，直接拉低了综合使用体验。

郑纬民特别强调，国产算力芯片并非做不出高性能，只要投入足够资源做针对性软件适配优化，完全可以跑出很好的运行性能。但眼下不同厂商、不同型号的国产芯片往往需要单独适配，耗费大量重复开发资源。相比采购售价，由此衍生的高额使用成本，才是影响企业用户选型的最关键因素。

他还公布了实测数据：研究团队针对四类主流国产计算平台，分别运行典型训练与推理任务测试，完成针对性软件优化后，对应性能可达英伟达A100相应性能的86%至98%，实际硬件性能差距已缩小到很小的区间。

郑纬民总结，芯片硬件端的研发攻关固然重要，配套软件生态建设同样是产业发展中不可忽视的核心环节。与美国成熟的算力产业链相比，国产芯片的硬件性能已积累不错基础，但软件生态成熟度仍存在不小差距。

他建议，在现有政策持续支持国产芯片研发与产能建设的同时，后续应把更多政策资源倾斜到统一软件生态建设上，从底层打破不同硬件平台之间的适配壁垒，切实降低国产算力的综合使用成本，最终实现整个算力产业的自主可控落地。

常见问题

国产显卡实际用起来为什么不如英伟达、AMD？

中国工程院院士、清华大学教授郑纬民认为，核心挑战不止于芯片硬件性能本身，更卡在软件生态成熟度和用户侧综合使用成本这两个长期被低估的维度上。

他指出，部分国产算力芯片的硬件纸面参数和终端采购价格已具备全球市场竞争力，但落地到实际生产环境，普遍会遇到软件适配流程复杂、二次开发成本居高不下等问题，直接拉低了综合使用体验。而且不同厂商、不同型号的国产芯片往往需要单独做适配优化，耗费海量重复开发资源，后续衍生出的高额使用成本才是影响企业用户选型的最关键因素。

做完软件优化后，国产芯片性能能达到什么水平？

郑纬民公布的实测数据显示，研究团队针对四类主流国产计算平台，分别跑了典型的训练与推理任务测试，完成针对性软件优化之后，性能可以达到英伟达A100相应性能的86%至98%，实际硬件性能差距已被缩小到非常小的区间。

他强调，国产算力芯片并非做不出高性能，只要投入足够资源做针对性软件适配优化，完全可以跑出很好的运行性能。

要把国产算力的使用成本降下来，关键在哪？

郑纬民总结，芯片硬件端的研发攻关固然重要，但配套的软件生态建设同样是产业发展中不能忽视的核心环节。与美国成熟的算力产业链相比，国产芯片的硬件性能已攒下不错的基础，整体软件生态成熟度仍存在不小差距。

他认为，在现有政策持续支持国产芯片研发、产能建设的同时，后续也应把更多政策资源倾斜到统一软件生态的建设上，从底层打破不同硬件平台之间的适配壁垒，才能真正把国产算力的综合使用成本降下来，最终实现整个算力产业的自主可控落地。