最新11月2日消息，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，从来不止于芯片硬件本身的性能追平，更卡在软件生态成熟度以及用户侧的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、英伟达产品的普遍痛点，郑纬民分析称，随着智能体这类新形态应用快速普及，大模型Token调用的需求近期呈现出爆发式增长，整个市场对算力的刚性需求还在持续快速攀升。

目前部分国产算力芯片的硬件纸面参数和终端采购价格，其实已经在全球范围内具备了相当的市场竞争力，但真正落地到实际生产环境里，普遍还是会遇到软件适配流程复杂、二次开发成本居高不下等现实问题，直接拉低了产品的综合使用体验。

郑纬民特别指出，国产算力芯片并非做不出高性能，只要投入足够的资源做针对性软件适配优化，完全可以跑出很好的运行性能。

但当下不同厂商、不同型号的国产芯片往往需要单独做适配优化，整个过程要耗费海量的重复开发资源。相比芯片本身的采购售价，后续衍生出来的高额使用成本，才是现在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，分别跑了典型训练与推理任务测试，完成针对性软件优化之后，对应的性能可以达到英伟达A100相应性能的86%至98%，实际硬件性能差距已经被缩小到非常小的区间。

郑纬民总结，芯片硬件端的研发攻关当然十分重要，但配套的软件生态建设同样是产业发展里绝对不能忽视的核心环节。

和美国成熟的算力产业链相比，国产芯片现在的硬件性能已经攒下了相当不错的基础，但整体软件生态的成熟度依旧存在不小的差距。

因此在现有政策持续支持国产芯片研发、产能建设的同时，后续也应该把更多政策资源倾斜到统一软件生态的建设上来，从底层打破不同硬件平台之间的适配壁垒，才能真正把国产算力的综合使用成本打下来，最终实现整个算力产业的自主可控落地。