国产算力竞争转向系统能力
量子位 · wechat · 2026-07-17
这篇文章以清微智能为样本，讨论国产 AI 芯片真正的竞争点：不只是“芯片能算”，而是能否形成可部署、可迁移、可扩展的系统能力。
文章的核心判断是：国产算力替代面对的不是单颗 GPU，而是 CUDA 背后的软件生态、开发习惯、工程标准和迁移成本。因此，评估一家芯片公司不能只看峰值算力，还要看完整链路：
- 芯片/计算卡：基础性能与能效；
- 软件栈：驱动、编译器、算子库、开发工具；
- 服务器/超节点/网络：决定算力能否规模化聚合；
- 模型适配与行业方案：决定客户是否敢迁移和长期使用。
文中介绍了清微智能的几条路线：
- 可重构架构：通过提升晶体管利用率而不是单纯追先进制程来破局；
- 3.5D 异构堆叠与存算融合：缓解数据搬运和内存墙问题；
- 4K 超节点：将 4096 颗芯片组织成集群，降低互联成本；
- RAISA 软件栈 + FlagOS：降低模型迁移与工程适配门槛。
文章还提到其已适配近千个算子、200 多个模型，并在多个智算中心和行业场景落地。作者强调，国产算力的评价体系正在从“有没有芯片”转向“能否稳定、易用、规模化部署”。
「Infra」频道最新
- AI 数据中心时代用电论战：有人还在纠结灯泡省电与调整时区 — mgostIH · 2026-10-27
- 法律 AI 公司 Legora 在 Modal 上并行跑 2000 个 agent eval — blelbach · 2026-10-27
- 云厂商发布速度打分：AWS 95 分领先，Azure 90、谷歌云 82 — DavidLinthicum · 2026-10-27
- 卖掉 5090 换多机？一公司主拆解本地推理硬件扩展五套方案 — Anarchaotic · 2026-10-27
- AWS 教程:SageMaker SDK v3 搭建车队级边缘视觉模型流水线 — AWS ML Blog · 2026-10-27
- Embedl 把 Qwen3.8-27B 压进 Jetson Thor:解码 40 tok/s,精度反超 FP16 — No-Dragonfly6246 · 2026-10-27