尽管国产大模型与硅谷大模型发展阶段不同，但在追赶英伟达这件事上，大家的目标却非常一致。中国工程院院士、清华大学计算机系教授郑纬民就认为：“今天国产AI芯片只要达到国外芯片60%的性能，如果生态做好了，客户也会满意。”

从钱的流向来看，国内对AI芯片非常重视。最近5年中国AI芯片的投融资额世界第一，达到了74亿美金，比美国还多两倍。在烧了大量的研发经费后，国内AI芯片厂商已经有了6000+家，其中主流厂商约60余家，已经大致形成了三个梯队。

第一梯队包括海光、华为、寒武纪等厂商，有成熟产品，且有商业化量产规模的应用；第二梯队主要是燧原、昆仑芯、天数、壁仞、沐曦等创企，已经发布了AI产品，但应用领域还相对有限；第三梯队则是一众仍在埋头AI芯片研发，尚无AI芯片量产的早期企业。

华为AI芯片昇腾910

实际上，在硬件性能方面，国产第一梯队的AI芯片已经与英伟达相差不远。比如科大讯飞总裁刘庆峰就公开表示，“华为的AI芯片性能，已经可以对标英伟达的高端显卡A100，尤其在显卡的裸金属性方面。”

当然，在硬件性能上接近英伟达，并不意味着国产AI芯片可以取代英伟达。因为英伟达真正的壁垒，并不只有GPU硬件性能，还在于其庞大的AI软件生态CUDA。简单来说，决定GPU性能的不只是显卡本身，还包括配套软件和开发工具对应用的支持。作为一家成立30年，并且早早确定专注于生产GPU的公司，英伟达定义了GPU通用计算编程框架CUDA，开发者们早已习惯了用CUDA专有的编程语言，制作GPU驱动的应用程序。

换句话来说，如果开发者要迁移到谷歌、亚马逊、微软或国产的GPU芯片，他们甚至需要学习全新的软件语言，迁移成本显然很高。郑纬民教授也指出，行业抢货国外AI芯片而不用国产芯片，这一现象本质还是国产芯片生态仍有差距。他认为完善的GPU生态应该包括两个方面：一方面是基于其他系统研发的软件要能容易地迁移到国产生态中；另一方面是国产系统的开发套件要能很好地支持新软件的开发。“如果能达到生态的成熟，哪怕芯片硬件性能只有国外的60%，执行大多数任务也不会有明显感知。”

生态起决定作用，英伟达有先发优势，这两个因素叠加在一起似乎成了一道无解的命题——英伟达就是会垄断市场。但更多AI厂商自研芯片，却引入了新的变量。首先，自研芯片意味着AI公司可以根据自身需求，对软件和硬件进行改造，确保芯片设计完全符合算法需求，提高运算效率和性能。与此同时，AI公司还可以围绕自研芯片建立私有的生态系统包括软件库、框架、工具和支持服务以此满足客户定制化需求。

对国产AI公司而言，虽然很难跟英伟达正面硬刚，但可以先成为60%的英伟达。虽然无法满足全球AI算力需求但至少可以先满足自身算力需求。而从长期角度正如百川智能创始人王小川所言，大模型发展分为训练推理两部分，虽然训练目前只有英伟达做的最好，但推理需要有国产AI芯片。“未来如果要往更高模型发展算力储备非常关键，这场‘算力仗’中国的国产AI芯片必须要能顶上。”

AI芯片快速迭代的特性注定了这一赛道的格局不会永远固定。比如就在燧原科技宣布完成D轮20亿元融资，缔造今年芯片最大融资金额之际，另一条新闻也在业内刷屏：长期亏损的国产AI芯片第一股寒武纪宣布国投基金减持完毕基本清仓。而这种创投股东集体清仓的情形对寒武纪来说已不是第一次。即便在AI芯片热潮汹涌的当下要想真正搭上这股东风恐怕也并不容易。

本文摘自虎嗅《为了成为“英伟达平替”，大模型厂商开卷了》并有改写