来源：环球网

【环球网科技报道 记者 郑湘琪】当前，以生成式人工智能为代表的AI浪潮正席卷全球，驱动算力需求呈现爆发式增长。从大语言模型的参数跃升，到自动驾驶、科学计算等前沿场景的拓展，算力已成为数字经济时代的核心生产力。在这一背景下，国产AI算力芯片的崛起不仅是一场技术竞赛，更是一场关乎产业自主与安全发展的深远布局。

那么国产AI算力芯片如何抓住战略窗口期实现产业跃升？其生态构建与关键场景落地进展如何，又将怎样在未来五年实现从“可用”到“好用”的跨越？对此，记者与致同咨询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进行了交流。

合力破局：国产GPU行业加码构建软件生态

“在全球AI算力芯片的竞争格局中，中国目前正处于一个关键的追赶与突破并存的发展阶段，是从‘工程可用’向‘规模可替代’跃迁的关键窗口期。”刘波坦言，中国AI算力芯片产业已呈现“百花齐放”的态势，经过多年的发展，国产GPU厂商在芯片设计、架构创新、性能优化等方面取得了显著成就，部分产品的性能已经能够满足主流应用场景的需求，甚至在某些特定领域实现了超越。

促成这一产业跃迁的，是一系列顶层设计与政策红利的释放，构成了推动国产GPU市场份额提升的核心动力。致同咨询报告显示，国家层面持续推进算力基础设施建设，叠加大模型训练、推理与行业 AI 应用的海量需求，使国产GPU市场与资本形成高度共振。

对此，刘波分析道，国家通过推动智算中心建设、政务云和行业云升级，以及在部分重点领域开展国产算力示范工程，为国产GPU提供了宝贵的“真实业务场景”和规模化验证机会。这类政策型需求不仅帮助国产GPU完成从样机到生产环境的工程化验证，也显著降低了下游用户的试用和迁移风险，加速了产品迭代和市场放量。

同时，国家通过产业投资基金、科创板制度创新，以及在政务、金融、能源等关键行业设立采购倾斜，为国产芯片企业提供了从研发、融资到市场落地的全方位支持。“政策通过设定明确的国产化目标，为国产GPU在关键行业的应用创造了巨大的市场准入机会。”他进一步谈到，科创板第五套上市标准允许未盈利的硬科技企业上市融资，直接缓解了GPU企业研发投入大、回报周期长的资金压力。

值得注意的是，刘波强调，对于AI芯片产业而言，软件生态是护城河，也是国产GPU能否成为主流的关键。单一硬件产品无法定义未来竞争格局，必须构建一个从底层硬件到上层应用的全栈式、自主可控的生态系统。相较于CPU长期固化的软件生态，GPU生态的可迁移性与灵活度更高。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，但整体难度低于 CPU 生态重构。

“英伟达通过长达十余年对CUDA生态的持续投入，构建了庞大的开发者社区、丰富的库函数和工具链和应用框架。”他表示，因此，如何平衡“兼容”与“自主”，在追赶性能的同时，逐步构建起自主可控且繁荣的软件生态，是国产GPU能否真正走向主流的关键所在。目前主流选择“底层兼容 + 上层重构”的渐进式策略。

他进一步解释称，部分企业选择了“自主生态”之路，以部分头部厂商为代表，国产GPU企业正尝试通过开源基础工具链、联合高校与开发者社区、深度绑定行业客户等方式，逐步积累生态资产，为长期构建自主体系奠定基础。国产厂商通过兼容CUDA、提供丰富的开发工具链、与主流深度学习框架适配等方式，大大降低了用户的使用门槛和迁移成本。“生态建设并非单纯的技术问题，更是一个涉及成本分摊与激励机制的产业协同问题。在生态初期，推动力往往来自政策型需求、头部客户和产业联盟。”

场景牵引：自动驾驶成规模化落地重要突破口

致同咨询报告显示，在国内市场，国产GPU企业通过“可用性能+显著价格优势”的组合策略，对英伟达形成定价挑战。即便在性能指标上仍存在差距，但在大量非前沿算力场景中，国产方案已具备经济性与可替代性优势，这一变化正在逐步侵蚀既有市场结构。

从具体场景来看，刘波表示，自动驾驶是对AI算力芯片需求最为迫切、也最具技术牵引力的场景。“自动驾驶系统需要实时处理多传感器数据，并在毫秒级内完成感知、决策与控制。随着技术向L4级别演进，算力需求可能超过1000TOPS，这对芯片的算力、能效、实时性和安全性都提出了极致要求。”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着芯片能效与系统架构的快速迭代。

而在金融、医疗、能源等领域，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。“金融行业是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的医学影像分析平台已在多家医院部署，助力提升诊断效率。”刘波补充道。

展望未来五年，刘波认为国产AI算力芯片行业将呈现从“可用”到“好用”的跨越趋势，但这五年并非单一趋势延展，是从前两年以工程可用性和规模部署验证为主，中期进入重点场景放量期，后期则在部分细分领域形成具备国际竞争力的技术与生态能力。“这一转型标志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。”在技术创新层面，行业将更关注系统级效率优化，例如通过CPU、GPU、NPU的异构协同提升能效比，通过存算协同缓解显存带宽瓶颈，以及面向推理与实时任务进行专用化优化。

值得关注的是，具身智能有望成为AI算力芯片新的增长引擎。“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。这种对算力的需求是空前的，也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厂商已开始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。刘波告诉记者：“相信国产GPU企业在技术上持续创新，在生态上不断完善，成长为在部分关键应用领域具备国际竞争力、并在全球AI算力产业中占据重要一席之地的世界级企业，实现商业价值和产业价值的双重回报。”