郑纬民谈国产算力：短板在软件生态与使用成本，而非芯片
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，并不仅仅在于芯片硬件性能的追赶，更卡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上。
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认为，国产算力产业眼下最头疼的事有两件——软件生态还不够成熟，用户侧的综合使用成本偏高。这两个维度长期被低估。芯片硬件性能的追赶，反倒不是唯一的核心挑战。
不少开发者和企业用户抱怨"国产显卡实际使用体验不如 AMD、英伟达"。郑纬民对此分析，智能体这类新形态应用快速普及，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还在持续快速攀升。
其实，部分国产算力芯片的硬件纸面参数和终端采购价格，放在全球范围内已经具备相当的市场竞争力。可一旦落地到实际生产环境，软件适配流程复杂、二次开发成本居高不下等问题普遍出现，产品的综合使用体验被直接拖累。
郑纬民还专门提到，国产算力芯片的高性能并非做不到：只要肯在针对性软件适配上投入足够资源做优化，跑出亮眼性能完全没问题。真正卡住的地方在于，目前各家厂商、各种型号的国产芯片基本得一款一款单独适配调优，重复开发所消耗的资源由此相当可观。芯片采购价格之外，后续随之产生的高额使用成本，其实才是眼下左右企业用户选型的最关键一项。
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之后，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被压缩到很小的区间。
郑纬民总结道，芯片硬件端的研发攻关固然重要，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打下相当不错的基础，整体软件生态的成熟度却仍有不小差距。
因此，现有政策持续支持国产芯片研发与产能建设的同时，后续也应把更多政策资源向统一软件生态建设倾斜。不同硬件平台之间的适配壁垒要从底层打破，国产算力的综合使用成本才能真正压低，整个算力产业的自主可控落地也才谈得上实现。
