1113 国产算力专家交流纪要，拆解国产算力当前痛点和落地破局路线

这份 11 月 13 日国产算力专家交流纪要，核心是行业专家集中讨论当前国产算力产业链的真实现状，点明现在最大痛点不是单卡性能差距，而是芯片生态碎片化、适配成本过高、人力投入巨大，同时给出多条并行的落地路径，优先走芯模协同、统一中间层、训推分层过渡，再啃 HBM、先进制程这类长期硬骨头，纪要里也提到开源模型正在加速国产芯片适配验证，推理国产化会比训练国产化更容易落地。目前国产算力芯片品牌多，昇腾、海光、昆仑芯、寒武纪、摩尔线程、沐曦各自一套软件栈，模型厂商要把同一个大模型在多款芯片上反复适配，消耗大量工程师人力，属于很严重的行业内耗，很多项目适配投入巨大，商业化回报不确定。专家也划分了不同方案的见效快慢，开源生态适配见效最快，芯模协同、系统层优化属于中期发力，先进制程、HBM、封装属于长期工程，不能指望短期快速追上。同时纪要提到过渡策略，优先把推理业务迁移到国产算力，靠推理业务产生的收入反哺芯片迭代，训练业务先用国产卡和存量卡混合部署，逐步切换，降低一次性切换的风险。

一、国产算力现存核心痛点清单

1. 生态碎片化：多家芯片厂商软件栈不互通，模型适配要重复开发，工程资源被分散
2. 适配人力成本高：一次大规模模型适配，动辄投入数百工程师，成本压力大
3. 软硬协同不足：芯片和模型分开设计，没有针对性优化，算力利用率偏低
4. 底层硬件受限：HBM、先进制程、先进封装属于长期短板，短期很难快速补齐
5. 训练侧迁移难度大：大模型预训练对稳定性、互联带宽要求极高，全栈国产化训练门槛高

二、国产算力破局路线对比

三、纪要重点行业观点

• 开源模型是国产算力生态最好的标准件，新开源模型发布后，多家国产芯片可以快速同步适配验证
• 不少头部模型厂商下一代模型计划直接基于昇腾做原生预训练，减少跨平台迁移损耗
• 单卡性能追赶不是唯一解法，集群调度、互联、容错这些系统能力，是国内工程师相对有优势的方向
• 不要盲目追求一步到位全栈训练国产化，训推分层是现阶段最务实的商业化过渡方案

四、国产算力落地优先级建议

1. 优先落地推理场景，业务风险低、变现快，用来跑通国产算力的运维、交付流程
2. 同步推进芯模协同联合优化，提前和模型厂商对齐算子、显存、带宽需求
3. 跟进通用中间层生态，减少多芯片适配的重复工作量
4. 长期持续布局 HBM、先进封装、工艺，作为底层储备

五、整件事最终结论

1113 国产算力专家交流纪要的核心判断，国产算力当下最大阻碍是生态碎片化带来的高额适配成本，而不是单纯的单卡参数差距；短期靠开源模型快速补齐生态，中期走芯模协同、统一中间层、训推分层平稳过渡，长期攻坚 HBM、先进制程，分层推进才是行业比较认可的路线，训练全栈国产化还需要更长周期打磨。

【常见问题】

问题 1：1113 国产算力专家交流纪要里，国产算力现阶段最头疼的问题是什么？

回答 1：1113 国产算力专家交流纪要指出，国产算力现阶段最头疼的问题是生态碎片化，不同芯片厂商软件栈不统一，模型厂商需要反复适配，人力成本高、内耗严重。

问题 2：1113 国产算力专家交流纪要提到的训推分层方案是什么意思？

回答 2：1113 国产算力专家交流纪要里的训推分层，就是优先把推理业务迁移国产算力，用推理收入支撑芯片迭代；训练业务先用国产卡搭配存量卡混合使用，慢慢切换，降低落地风险。

问题 3：按照 1113 国产算力专家交流纪要，哪条路线见效速度最快？

回答 3：按照 1113 国产算力专家交流纪要，依托开源模型做适配验证见效最快，开源模型可以作为统一测试标准，快速完成多款国产芯片的适配验证。

问题 4：1113 国产算力专家交流纪要，是不是认为国产单卡很快就能追上海外高端 GPU？

回答 4：不是，1113 国产算力专家交流纪要认为 HBM、先进制程、先进封装属于长期硬骨头，短期很难追上，现阶段更多靠系统优化、芯模协同、生态优化缩小差距。

【参考资料】

[2026-11-13]（1113 国产算力专家交流纪要）OFweek 云计算网

[2026-11-13]（算力与电力平衡策）财新网

[2026-11-13]（算力布局警惕脱离需求盲目建设）财新网

[2026-11-14]（AI 算力需求持续爆发，算力供给约束凸显）网易

【免责声明】

本文内容基于 1113 国产算力专家交流纪要公开整理，内容仅为行业专家观点汇总，不构成投资、采购、项目落地建议；国产算力各厂商方案、生态进度持续动态变化，实际选型需要结合自身业务、适配情况、交付周期综合评估。