郑纬民：国产算力卡在软件生态与使用成本，非芯片性能

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，国产算力产业当前面临的核心挑战不只是芯片硬件性能的追赶。软件生态成熟度、用户侧实际综合使用成本，这两个长期被低估的维度才是更大的卡点。

不少开发者和企业用户吐槽“国产显卡实际使用体验不如 AMD、英伟达”。针对这一普遍痛点，郑纬民分析，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仍在持续快速攀升。

其实，部分国产算力芯片的硬件纸面参数和终端采购价格，放到全球范围看已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。

郑纬民还提到，国产算力芯片的性能并非上不去。只要肯在针对性软件适配上砸够资源做优化，跑出来的运行表现一样可以很出色。难点在于，现在各厂商、各型号的国产芯片基本都得一款一款单独做适配优化，重复开发占掉了大量资源。真正卡住企业用户选型的，其实是后续用起来的高额成本，芯片采购价反倒不是最要紧的。

他还给出了实测结果：团队挑了四类主流国产计算平台，逐一跑了典型的训练和推理任务。做完针对性软件优化后，这些平台的性能能达到英伟达 A100 对应性能的 86% 至 98%，硬件本身的实际性能差距已经缩得很小。

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绝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经打下了相当不错的基础，整体软件生态的成熟度仍存在不小差距。

因此，现有政策持续支持国产芯片研发与产能建设的同时，后续也应将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。