郑纬民院士：国产算力的短板不在芯片，而在软件生态与使用成本

　　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。

　　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”这一普遍痛点，郑纬民分析指出，随着智能体这类新形态应用的快速普及，大模型 Token 调用需求近期呈现爆发式增长，整个市场对算力的刚性需求仍在持续快速攀升。

　　目前，部分国产算力芯片的硬件纸面参数与终端采购价格，其实已经在全球范围内具备相当的市场竞争力。然而一旦真正落地到实际生产环境，普遍仍会遭遇软件适配流程复杂、二次开发成本居高不下等现实问题，直接拖累了产品的综合使用体验。

　　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，完全可以跑出出色的运行性能。但问题在于，当下不同厂商、不同型号的国产芯片往往需要逐一单独适配优化，整个过程耗费大量重复开发资源。相比芯片本身的采购售价，后续衍生出的高额使用成本，才是目前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，分别运行了典型训练与推理任务测试，在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非常小的区间。

　　郑纬民总结道，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，但整体软件生态的成熟度仍存在不小差距。

　　因此，在现有政策持续支持国产芯片研发与产能建设的同时，后续也应将更多政策资源向统一软件生态建设倾斜，从底层打破不同硬件平台之间的适配壁垒，才能真正压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。