国产显卡为何不如英伟达和AMD？中国工程院院士深度解析！

11月2日消息，在中国工程院院士、清华大学计算机科学与技术系教授郑纬民看来，当前国产算力产业面临的核心挑战，远不止于芯片硬件本身的性能追平，更主要卡在以下两个长期被低估的维度上：

软件生态的成熟度

用户侧的实际综合使用成本

针对不少开发者和企业用户吐槽的国产显卡实际使用体验不如AMD、英伟达产品的普遍痛点，郑纬民分析称，随着智能体这类新形态应用快速普及，大模型Token调用的需求近期呈现出爆发式增长，整个市场对算力的刚性需求还在持续快速攀升。

目前部分国产算力芯片的硬件纸面参数和终端采购价格，其实已经在全球范围内具备了相当的市场竞争力，但真正落地到实际生产环境里，普遍还是会遇到软件适配流程复杂、二次开发成本居高不下等现实问题，直接拉低了产品的综合使用体验。

郑纬民特别指出，国产算力芯片并非做不出高性能，只要投入足够的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。

但当下不同厂商、不同型号的国产芯片往往需要单独做适配优化，整个过程要耗费海量的重复开发资源。相比芯片本身的采购售价，后续衍生出来的高额使用成本，才是现在影响企业用户选型的最关键因素。

他还公布了相关实测数据，研究团队针对四类主流国产计算平台，分别跑了典型训练与推理任务测试，完成针对性软件优化之后，对应的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经被缩小到非常小的区间。

郑纬民总结，芯片硬件端的研发攻关当然十分重要，但配套的软件生态建设同样是产业发展里绝对不能忽视的核心环节。

和美国成熟的算力产业链相比，国产芯片现在的硬件性能已经攒下了相当不错的基础，但整体软件生态的成熟度依旧存在不小的差距。

因此在现有政策持续支持国产芯片研发、产能建设的同时，后续也应该把更多政策资源倾斜到统一软件生态的建设上来，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打下来，最终实现整个算力产业的自主可控落地。