国产芯片跑到A100的98%，换型号还得重写
国产算力芯片到底能不能用起来？昨天中国工程院院士郑纬民给了一组数：研究团队挑了四类主流国产计算平台跑训练和推理，做完针对性软件优化，性能能到 A100 的 86%~98%。😳听着像追平了。后面那句更实在：真正卡住国产算力的不是硬件，是软件生态和综合使用成本。不同厂商、不同型号，都得单独适配一遍，重复开发耗掉的资源比芯片采购价更肉疼。🙃各家的路也不一样。摩尔线程的MUSA对标CUDA 12.8，兼容761个接口，PyTorch那3194个算子全给覆盖了；沐曦拿4490个真实CUDA项目做测试，4173个能直接跑通，成功率92.94%。跑不通的那三百多个，往往正是客户最想跑的那几个。燧原干脆不搞兼容，只在确定的负载上把效率做高，目前深度绑定腾讯——腾讯持股20.26%，它去年营收八成多来自这一家。昇腾是全栈自研，约80%的CUDA API能覆盖，代价是15%到20%的性能损耗。掉层皮。适配这活儿像拼多多比价，同一个东西换个店就得重新翻一遍；算力账单像商场停车费，进了场就得按小时交。至于咱这种用AI工具的，Token调用需求一涨，云厂商那边算力就紧张，成本压力迟早摊到调用价上。智能体这阵子越火，咱交的钱只会越多。💸所以问题来了：适配这摊钱，该由厂商统一软件栈兜着，还是企业自己养个适配团队？这事儿站哪边的都有，评论区说说。国产算力芯片 GPU AI芯片 软件生态 算力 芯片