当前，生成式人工智能浪潮席卷全球，算力需求迎来爆发式增长，成为驱动数字经济发展的核心引擎。在此背景下，国产AI算力芯片的突破，不仅是技术层面的追赶，更是关乎产业自主与安全发展的深远布局。

致同咨询TMT半导体行业领导合伙人、交易支持服务联席主管合伙人刘波在接受环球网专访时表示，全球AI算力芯片竞争格局中，中国正处于追赶与突破并行的关键阶段，产业窗口期已打开，正从“工程可用”向“规模可替代”加速迈进。

经过多年积累，国产GPU厂商呈现“百花齐放”态势。在芯片设计、架构创新与性能优化等方面，国产厂商取得长足进步，部分产品已能满足主流场景需求，还在特定领域展现出竞争优势。

刘波分析，政策引导为国产GPU创造了明确的市场空间与发展路径。国家统筹推进智算中心建设，推动政务云与行业云升级，在关键领域开展国产算力示范项目。这些举措为国产芯片提供了宝贵的“真实业务场景”和规模化验证机会。政策驱动的需求，既帮助产品完成从样机到规模化应用的工程化闭环，也显著降低下游用户的试错成本与迁移风险，有效促进产品迭代与市场渗透。

在刘波看来，软件生态是AI芯片产业至关重要的竞争壁垒。单一硬件产品无法定义未来竞争格局，必须构建从底层硬件到上层应用的全栈式、自主可控生态系统。相较于传统CPU固化的生态格局，GPU生态的可迁移性与灵活度更高，为国产芯片提供了差异化发展可能。随着国产GPU硬件性能持续提升，生态建设已成为决定其能否从“替代方案”走向“主流选择”的关键变量。

刘波进一步指出，英伟达凭借十余年对CUDA生态的持续投入，构建起庞大的开发者社区、丰富的库函数、工具链和应用框架。因此，国产GPU需要在追赶性能的同时，着力攻克生态建设这一系统工程。自主可控且繁荣的软件生态，是国产GPU真正走向主流的关键。当前行业普遍采取“底层兼容 + 上层重构”的渐进式策略，通过兼容主流框架降低用户迁移门槛，同时逐步培育自主可控的软件能力。

针对具体应用场景，刘波特别指出，自动驾驶是对AI算力芯片需求最迫切、技术牵引力最强的场景。自动驾驶系统需实时处理多传感器数据，在毫秒级内完成感知、决策与控制。随着技术向L4级别演进，算力需求或将超过1000TOPS，这对芯片的算力、能效、实时性和安全性提出极致要求。他表示，国产芯片目前更多集中于L2/L2+辅助驾驶及车路协同场景，在高阶自动驾驶领域仍处追赶阶段，但正是这种严苛需求，倒逼芯片能效与系统架构快速迭代。

与此同时，在金融、医疗、能源等对数据安全与系统稳定性要求较高的行业，国产芯片正凭借高并发推理能力、系统稳定性与性价比优势，率先实现规模化落地。刘波举例，金融行业作为数据密集型行业的典型代表，头部券商已开始采购基于国产芯片的大模型一体机，用于智能投研与风险分析；在医疗领域，基于国产GPU的影像分析平台已在多家医院部署，助力提升诊断效率。

展望未来五年，刘波认为国产AI算力芯片行业将实现从“可用”到“好用”的实质性跨越。这一进程将呈现阶段性特征：前期以工程可用性和规模部署验证为主，中期聚焦重点场景的深度渗透，后期有望在部分细分领域形成具备国际竞争力的技术与生态体系。他强调，这意味着产业发展逻辑的深化，即从单纯追求技术参数对标，转向更加注重实际应用中的性能、稳定性、易用性和综合成本效益。

值得关注的是，具身智能等前沿方向正催生新的算力需求。刘波分析，具身智能要求AI在物理世界中感知、理解、决策和行动，需要处理多模态、高维度的实时数据流，并进行复杂的物理模拟与推理。这种空前的算力需求，将推动芯片向更高性能、更低延迟的方向演进。刘波透露，部分国产GPU厂商已前瞻性布局相关架构能力，旨在打造支撑未来机器人、智能汽车等智能体的核心计算平台。

从战略布局到生态构建，从场景落地到前沿探索，国产AI算力芯片正走出一条在开放竞争中自主创新、在安全需求中稳健成长的道路。刘波表示，国产GPU企业通过持续的技术创新与生态完善，有望在未来成长为关键应用领域具备国际竞争力的世界级企业，在全球AI算力格局中占据重要一席之地，实现市场价值和产业价值的双重提升。