文|锐枢万象

编辑|锐枢万象

大家好，我是小锐，今天来聊聊国产算力的突围之战，当下提到芯片卡脖子，多数人第一反应都是能不能造出对标国外的产品，却很少有人关注到，真正决定国产算力能否站稳脚跟的，是一套涵盖技术、生态、产业的系统工程。

中国算力集群正在加速崛起，三条核心支柱已然成型，这场打破国外技术垄断的关键战役，我们到底胜算几何？又藏着哪些容易被忽视的核心突破？

国产算力的真困境不在造芯，而在用好聚好

很多人对国产算力的认知停留在造芯片层面，认为只要能做出高性能芯片，就能解决所有问题。

这种认知偏差，恰恰忽视了算力落地的核心痛点，就算芯片能实现从0到1的突破，如何让它能用、好用，最终让开发者主动选择，才是决定成败的关键。

当前国产算力发展面临的核心困境，从来不是单一的硬件短缺，而是“用不起来”的生态短板和“聚不起来”的产业内耗。

中国工程院院士郑纬民在摩尔线程开发者大会上的演讲，精准点出了这一核心问题。

他强调，国产算力的突破不能局限于单点技术攻关，必须立足系统思维，统筹兼顾硬件研发与生态建设。

毕竟一款芯片哪怕实验室跑分再高，要是没有开发者愿意在上面构建应用，最终也只能被束之高阁。

当前产业界存在的碎片化现象，进一步加剧了这一困境，不同AI芯片厂家各自为战，推出的软件接口和工具链互不兼容，让应用开发者苦不堪言。

为了适配不同国产硬件，开发者不得不投入大量精力重复开发维护，既增加了成本，也挫伤了使用国产平台的积极性。

这种重复造轮子的内耗，若不能及时扭转，很可能让国产算力错失追赶国外的关键时间窗口，真正的突破，必然是从“能造出”向“能用好”的跨越。

这就要求我们跳出单一芯片的思维局限，聚焦算力集群的整体效能，兼顾生态培育与产业协同，只有破解了这些系统性难题，国产算力才能真正摆脱国外技术垄断的束缚。

三条支柱与全功能GPU的双向赋能

应对国外技术垄断，构建主权AI体系，三条核心支柱的支撑必不可少，分别是算力自主、算法自强、生态自立。

这三者互为前提、彼此支撑，构成了稳固的三角结构，缺一不可，脱离任何一条，国产算力的崛起都将成为空谈。

算力自主绝非简单的造出芯片，而是要掌握从架构设计到生产制造的全流程能力，确保供应链安全可控，同时具备将数万个计算节点高效稳定组织起来的集群构建能力。

昆明人工智能计算中心的实践，正是算力自主的生动体现。

该中心采用全栈国产化集群，首期算力规模达42.24PFlopsFP16，远期规划扩展至8192PFlopsFP16，通过液冷、水冷和风冷多元散热系统保障稳定运行，为区域内高校、企业提供了可靠的公共算力支撑，填补了云南大型高性能算力集群的空白。

算法自强的核心在于原生创新，不能再局限于在国外平台上调参优化，而要立足国产硬件平台，开展模型适配、训练与创新，甚至研发出更贴合国产硬件架构的全新算法。

这是因为，只有算法与硬件深度适配，才能最大化释放算力效能，若算法始终依附国外平台，就算拥有自主硬件，也难以发挥核心优势。

生态自立的本质是争取开发者的认可与选择，这也是当前国产算力最薄弱的环节，而要筑牢这一支柱，硬件路线的选择至关重要。

郑纬民院士明确看好AI+3D+HPC一体化的全功能GPU，而非专用芯片。

这一选择背后，是对未来算力需求的精准判断，AI正加速与物理世界深度融合，构建世界模型成为新的发展方向。

构建世界模型需要三大核心能力：AI计算能力支撑模型训练推理，3D图形渲染能力构建数字孪生等场景，HPC高性能计算能力保障科学工程仿真。

这三种能力并非孤立存在，在自动驾驶仿真等场景中，需要实时渲染3D环境，通过HPC模拟车辆动力学，同时让AI模型在其中学习决策。

全功能GPU将这三种能力集成于单芯片内，大幅减少数据搬运的延迟与开销，实现系统级融合，既能适配当下AI大模型训练需求，也能支撑未来数字孪生、工业4.0等广阔应用场景。

从单卡到万卡集群的工程突破与生态适配

国产算力的崛起，离不开算力集群的规模化落地，业界对算力的讨论常局限于单卡性能，但从单卡优越到万卡集群乃至十万卡集群好用，中间横亘着巨大的工程难题。

把十万块GPU插上电，绝不等于拥有了十万倍的算力，集群效能的释放，需要攻克三大核心挑战。

第一个挑战是互联网络，当上万个计算节点协同工作时，节点间的通信效率直接决定集群实际性能。

设计高带宽、低延迟、无阻塞的互联网络，是世界级难题，绝非简单采购高速交换机就能解决，还需要网络协议、通信库、调度算法等软硬件协同设计。

国产算力集群建设没有盲目照搬国外昂贵的方案，而是通过通用网络加自研通信库、算子库的协同方式，探索出了更贴合本土需求的解决方案。

第二个挑战是可靠性与运维，十万卡规模的集群，平均每1到2小时就会有一块卡出错。

对于长达数周的大模型训练任务来说，系统故障是必然事件，如何在单点故障时保障训练不中断、自动恢复，成为区分算力能用与好用的关键分水岭。

这需要从硬件监控、固件、操作系统到上层AI框架的全栈协同，构建完善的故障容错与自动化运维体系。

昆明人工智能计算中心通过构建“一中心四平台”布局，深化政产学研用协同，在硬件监控与运维保障方面积累了宝贵经验，为大规模集群的稳定运行提供了参考。

第三个挑战是能耗与散热，十万卡集群的功耗可达数十兆瓦，相当于一个小城市的用电量。

为这样庞大的系统提供稳定高效的供电，解决散热难题，是对数据中心基础设施建设能力的极限考验。

昆明人工智能计算中心配备三种冷却散热系统，结合高标准的机房设计，有效破解了大规模集群的能耗散热瓶颈，其经验值得行业借鉴，工程难题的破解是基础，生态适配的突破才是关键。

要实现从能用、好用到愿用的跨越，核心在于降低开发者的迁移成本，国外某平台生态经过十几年发展，已成为事实标准，要求开发者从零学习全新编程模型不现实。

所以提供高效可靠的代码自动迁移工具，成为国产平台必须解决的首要问题，摩尔线程推出的MUSA及代码迁移工具，正是朝着这一方向的重要探索。

拥抱开源生态则是生态破局的另一大利器，开源能让更多人低成本使用国产技术，发现问题并贡献智慧，其影响力远超单一企业的商业推广。

清华大学团队的两个开源项目颇具代表性：在大模型推理领域，以KVCache为中心的创新架构通过开源成为业界主流方案，甚至被国外巨头借鉴。

将大模型部署在CPU+单卡GPU混合系统的创新实践，也通过开源惠及大量开发者，对于国产平台而言，通过开源构建开放协作共赢的社区，是建立生态护城河的现实路径。

全产业链协同筑牢主权AI护城河

国产算力打破国外技术垄断的关键，最终落在全产业链协同的作战上，单打独斗的英雄主义固然可敬，但在这场全球技术竞争中，只有形成协同作战的军团，才能掌握主动权。

郑纬民院士呼吁国产GPU产业界团结一心，通过产业联盟、标准制定等方式，推动软硬件协同设计，解决应用不足和生态薄弱的问题。

这种协同并非单一环节的努力，需要芯片厂商、应用开发者、系统集成商、学术界等多方力量共同参与，芯片厂商要加强技术攻关，推出更贴合市场需求的硬件产品。

开发者要积极参与国产平台的应用构建与优化，学术界要聚焦核心技术难题开展研究，推动科研成果转化，系统集成商则要做好软硬件的适配整合，降低落地门槛。

构建统一开放的软硬件标准，是协同作战的核心前提，只有打破当前的碎片化壁垒，让不同厂商的产品能够互联互通，才能降低开发者成本，提升国产算力的整体竞争力。

这需要行业内企业摒弃短期利益考量，以长远发展眼光推动标准制定，形成统一战线，从昆明人工智能计算中心的区域赋能，到全国范围内的算力集群布局。

从三条核心支柱的逐步夯实，到全产业链协同的加速推进，国产算力的崛起已然具备坚实基础。

这场打破国外技术垄断的关键战役，我们不仅在硬件研发上持续突破，更在生态建设与产业协同上积蓄力量。

当国产算力能够稳定支撑智慧医疗、智能制造、生态保护等多元场景，当开发者主动选择国产平台构建核心业务，当全产业链形成强大合力，我们就能真正掌握算力自主权，筑牢主权AI的护城河。

信息来源：

云南省人民政府官网：昆明人工智能计算中心项目介绍

摩尔线程官方网站：开发者大会演讲实录

中国信通院：2024 年人工智能算力集群发展报告

中国新闻网：中国工程院院士郑纬民详解“主权AI”