国产 GPU 越来越多，为什么反而更难用？

事件

国产 GPU 赛道近年明显升温，多家厂商推出面向 AI 训练与推理的加速卡，产品型号和算力参数不断刷新。但一个被反复提及的现象是：可选芯片变多了，开发者和企业却觉得更难用。原因不在硬件本身，而在软件生态的割裂。

不同厂商的编程模型、算子库、编译器与驱动接口互不兼容，主流深度学习框架的适配版本也各自维护。开发者把模型从英伟达平台迁移过来，往往要重写算子、重新调优，甚至为不同卡维护多套代码。同一套训练脚本换一张卡就可能跑不通，迁移和调试成本被显著放大。

对采购方而言，这意味着选型不只是比算力，还要评估软件成熟度、社区活跃度和长期维护能力。生态碎片化短期难以靠单家厂商解决，行业需要更统一的中间层标准、开源算子库和跨平台编译方案。国产算力要真正被用起来，硬件数量之外，软件统一与开发者体验才是关键变量。

来源

本条目由采集管线自动抓取并发布，完整内容见下方来源链接。

*采集源：InfoQ 中文*