逛完WAIC 2026我悟了：國產(chǎn)AI芯片的真對(duì)手，根本不是英偉達(dá)的GPU

允中 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI

比英偉達(dá)GPU更難跨過去的，是CUDA

這是逛完WAIC 2026之后，關(guān)于國產(chǎn)AI芯片的一個(gè)越來越清晰的感受。

過去，大家圍著國產(chǎn)芯片問的是，峰值算力多少？制程多少納米？和英偉達(dá)相比差多少？

走到清微智能的展位前，你會(huì)發(fā)現(xiàn)一件有意思的事：這里擺的不只是芯片。

可重構(gòu)芯片、4K超節(jié)點(diǎn)、RAISA軟件棧、行業(yè)應(yīng)用，被放在一起呈現(xiàn)——像是在回答所有國產(chǎn)芯片廠商都繞不開的問題：

芯片發(fā)布之后呢？模型怎么跑起來？算力怎么擴(kuò)展？客戶憑什么把核心業(yè)務(wù)遷過來？

這個(gè)問題背后，是國產(chǎn)算力競爭邏輯的一次切換：從發(fā)布會(huì)上的參數(shù)對(duì)比，轉(zhuǎn)向能否形成穩(wěn)定、易用、可規(guī)模部署的系統(tǒng)能力。

國產(chǎn)算力真正要替代的，也不只是一顆英偉達(dá)GPU，更是CUDA背后經(jīng)過多年積累形成的開發(fā)習(xí)慣、工程標(biāo)準(zhǔn)、遷移成本和生態(tài)信任

所以，發(fā)布芯片只是拿到入場券。

讓客戶敢遷、能用、愿意長期使用，才是真正的國產(chǎn)替代。

造出芯片只是第一步

CUDA早已不只是一套編程接口。

英偉達(dá)官方對(duì)CUDA Toolkit的定義包括加速計(jì)算庫、編譯器、運(yùn)行時(shí)，以及調(diào)試和性能優(yōu)化工具，并覆蓋嵌入式設(shè)備、工作站、數(shù)據(jù)中心和超級(jí)計(jì)算機(jī)。

換句話說，客戶采購的不是一顆孤立的GPU，而是一套已經(jīng)運(yùn)行多年、經(jīng)過無數(shù)開發(fā)者和應(yīng)用驗(yàn)證的生產(chǎn)體系。

因此，國產(chǎn)算力要解決的核心問題，不只是芯片能不能算，而是“客戶能不能低成本地?fù)Q、穩(wěn)定地用、持續(xù)地?cái)U(kuò)”

本文以國產(chǎn)創(chuàng)新架構(gòu)AI芯片代表——清微智能為樣本，從架構(gòu)、芯片、軟件棧、超節(jié)點(diǎn)和算力網(wǎng)絡(luò)等多個(gè)維度展開觀察。

可以看到，在當(dāng)下更強(qiáng)調(diào)確定性、易用性和經(jīng)濟(jì)性的產(chǎn)業(yè)環(huán)境中，清微智能并未局限于追求單顆芯片的參數(shù)領(lǐng)先，而是走出了一條貫通底層架構(gòu)、軟硬件系統(tǒng)與產(chǎn)業(yè)應(yīng)用的完整生態(tài)構(gòu)建之路。

過去，AI芯片企業(yè)選擇幾個(gè)核心參數(shù)與英偉達(dá)進(jìn)行橫向比較，這種比較并非沒有意義。

峰值算力、顯存容量、功耗和價(jià)格，都會(huì)決定一款產(chǎn)品能不能進(jìn)入客戶的初步評(píng)估名單。

但參數(shù)解決的是“能否上桌”，無法直接回答“能否部署”。

一套算力系統(tǒng)真正進(jìn)入生產(chǎn)環(huán)境，至少要同時(shí)具備四種能力。

• 第一層是芯片和計(jì)算卡，決定基礎(chǔ)性能與能效；
• 第二層是驅(qū)動(dòng)、編譯器、算子庫和開發(fā)工具，決定模型能否遷移；
• 第三層是服務(wù)器、超節(jié)點(diǎn)、網(wǎng)絡(luò)和集群管理系統(tǒng)，決定算力能否規(guī)模化聚合；
• 第四層是模型適配、解決方案和行業(yè)案例，決定客戶是否敢于采購。

或許清微智能目前試圖搭建的，正是這條完整鏈路：底層以可重構(gòu)計(jì)算架構(gòu)形成差異化，中間通過芯片、服務(wù)器、超節(jié)點(diǎn)和RAISA軟件棧完成系統(tǒng)封裝，上層再進(jìn)入智算中心和金融、能源、教育、醫(yī)療等行業(yè)。

筆者從清微智能官網(wǎng)看到，其已建設(shè)超過10余個(gè)可重構(gòu)算力中心，算力卡累計(jì)訂單超過4萬張，適配上線模型及應(yīng)用超過200個(gè)

公司同時(shí)將RAISA軟件棧、FlagOS生態(tài)協(xié)同和主流模型Day-0適配，列為當(dāng)前生態(tài)建設(shè)的重點(diǎn)。

制程受限，用架構(gòu)效率來破局

國產(chǎn)高端算力芯片面對(duì)的第一個(gè)現(xiàn)實(shí)約束，是先進(jìn)制程和高端供應(yīng)鏈能力

如果完全沿著傳統(tǒng)GPU路線競爭，后進(jìn)入者不僅要追趕芯片設(shè)計(jì)，還要同時(shí)追趕制程、存儲(chǔ)、先進(jìn)封裝、互聯(lián)和軟件生態(tài)。

任何一個(gè)環(huán)節(jié)落后，都可能在最終性能上被放大。

而清微智能的可重構(gòu)架構(gòu)，選擇的是改變問題的解法：不把全部性能增長寄托在晶體管數(shù)量和制程升級(jí)上，而是嘗試提高已有晶體管的有效利用率。

傳統(tǒng)固定架構(gòu)像一座提前劃分好車間的工廠。無論當(dāng)天生產(chǎn)什么產(chǎn)品，機(jī)器的位置、生產(chǎn)線和工序都相對(duì)固定。一旦計(jì)算任務(wù)發(fā)生變化，部分硬件資源就可能閑置，或被用于并不適合的任務(wù)。

可重構(gòu)架構(gòu)則試圖讓計(jì)算資源根據(jù)任務(wù)動(dòng)態(tài)組合。面對(duì)矩陣計(jì)算、卷積、稀疏計(jì)算或不同模型結(jié)構(gòu)時(shí)，芯片可以通過軟件重新組織數(shù)據(jù)流和計(jì)算單元，讓硬件形態(tài)更接近當(dāng)前任務(wù)。

清微智能官方技術(shù)頁面顯示，其可重構(gòu)技術(shù)已從1.0、2.0演進(jìn)至3.0，并將“軟件定義硬件”作為核心特征。

公司同時(shí)布局三維存算融合與Torus-X算力網(wǎng)格，希望分別解決計(jì)算效率、數(shù)據(jù)搬運(yùn)和大規(guī)模互聯(lián)問題。

按清微智能在智源大會(huì)期間披露的口徑，傳統(tǒng)架構(gòu)的有效晶體管利用率不足40%，可重構(gòu)數(shù)據(jù)流引擎可將這一指標(biāo)提高至70%以上

其邏輯不是讓芯片擁有更多晶體管，而是讓更多晶體管在具體任務(wù)中真正參與計(jì)算。

等同于最終業(yè)務(wù)性能。客戶真正關(guān)心的仍然是大模型吞吐、單Token成本、時(shí)延、精度和集群穩(wěn)定性

但它提供了一種不同于單純追逐先進(jìn)制程的競爭思路：當(dāng)物理?xiàng)l件受到限制時(shí)，通過架構(gòu)提高資源效率，可能比單純?cè)黾泳w管數(shù)量更具現(xiàn)實(shí)意義。

以集成超制程，算力瓶頸解題思路

芯片的計(jì)算單元變快之后，下一個(gè)問題很快就會(huì)出現(xiàn)：數(shù)據(jù)來不及送到計(jì)算單元

大模型推理和訓(xùn)練不僅需要計(jì)算，還需要不斷從存儲(chǔ)系統(tǒng)中讀取權(quán)重、緩存中間結(jié)果，并在不同芯片之間傳輸數(shù)據(jù)。很多時(shí)候，計(jì)算單元并沒有真正滿負(fù)荷工作，而是在等待數(shù)據(jù)。

這就是所謂的內(nèi)存墻。

清微3.5D異構(gòu)堆疊與三維存算融合技術(shù)，試圖縮短計(jì)算芯粒和存儲(chǔ)芯粒之間的物理距離。

按照公司給出的比喻，傳統(tǒng)二維芯片的數(shù)據(jù)傳輸更像一條“單車道”，三維堆疊則相當(dāng)于將道路擴(kuò)展為立體的“四車道”。

△可重構(gòu)數(shù)據(jù)流優(yōu)勢

相關(guān)方案采用Chiplet和3.5D異構(gòu)堆疊，將可重構(gòu)計(jì)算芯粒與DRAM存儲(chǔ)芯粒進(jìn)行高密度集成，把部分信號(hào)傳輸距離從毫米級(jí)壓縮到微米級(jí)，以提升帶寬并降低數(shù)據(jù)搬運(yùn)帶來的延遲。

這條路線的意義在于，國產(chǎn)算力競爭的重點(diǎn)開始從單顆芯片能完成多少次計(jì)算，轉(zhuǎn)向整個(gè)系統(tǒng)能否持續(xù)向計(jì)算單元供應(yīng)數(shù)據(jù)

但這同樣是一項(xiàng)工程挑戰(zhàn)。

3.5D堆疊涉及散熱、封裝良率、供電、芯粒互聯(lián)和測試體系。

概念模型能夠證明技術(shù)方向，量產(chǎn)成本、可靠性和長期交付能力，才決定它能否真正轉(zhuǎn)化為產(chǎn)品優(yōu)勢。

為何說單卡再強(qiáng)也會(huì)折損在集群？

大模型時(shí)代，算力競爭的基本單位正在從單顆芯片，變成超節(jié)點(diǎn)和算力集群

△可重構(gòu)架構(gòu)芯片示意圖，兼顧通用與高效的算力

一張計(jì)算卡性能再高，也無法獨(dú)立承擔(dān)萬億參數(shù)模型、大規(guī)模訓(xùn)練和高并發(fā)推理任務(wù)。

芯片必須通過高速互聯(lián)組成服務(wù)器，再由服務(wù)器組成超節(jié)點(diǎn)和千卡、萬卡集群。

此時(shí)，系統(tǒng)損耗會(huì)迅速成為核心問題。

芯片之間的數(shù)據(jù)同步、通信等待、網(wǎng)絡(luò)擁塞和任務(wù)調(diào)度，都會(huì)讓理論峰值算力在集群中不斷折損。

客戶真正獲得的，不是計(jì)算卡參數(shù)相加后的數(shù)字，而是扣除通信和調(diào)度損耗后的有效算力。

清微智能在WAIC 2026中提到的4K超節(jié)點(diǎn)方案，通過可重構(gòu)芯片和Mesh網(wǎng)絡(luò)組織4096顆芯片，其互聯(lián)成本較國外同類方案降低約90%

值得一提的是，該公司此前展示的4K超節(jié)點(diǎn)系統(tǒng)，已經(jīng)應(yīng)用于中關(guān)村論壇、央視節(jié)目等場景。

過去，國產(chǎn)芯片企業(yè)更接近計(jì)算卡供應(yīng)商；未來，競爭主體可能必須同時(shí)具備芯片設(shè)計(jì)、服務(wù)器開發(fā)、高速互聯(lián)、集群調(diào)度、運(yùn)維和模型優(yōu)化能力。

換句話說，客戶不再只購買一批芯片，而是在購買一套能夠持續(xù)生產(chǎn)Token的系統(tǒng)

以自主創(chuàng)生態(tài)，讓國產(chǎn)算力容易用

在所有遷移成本中，最隱蔽、也最難解決的，是軟件

芯片參數(shù)可以通過一次發(fā)布會(huì)被市場看見，軟件生態(tài)卻需要長期積累。

每一個(gè)模型、算子、框架和應(yīng)用，都可能暴露新的兼容性問題。

正因如此，國內(nèi)正在嘗試通過統(tǒng)一系統(tǒng)軟件棧降低不同AI芯片之間的遷移成本。

智源FlagOS的目標(biāo)，是讓模型盡可能實(shí)現(xiàn)“一次開發(fā)、多芯遷移”；FlagOS 2.0已支持18家廠商的32款A(yù)I芯片，并建立包含497個(gè)算子的多芯片算子庫。

清微的RAISA軟件棧則承擔(dān)了連接自有硬件與上層模型的角色。

從結(jié)構(gòu)上看，RAISA覆蓋基礎(chǔ)驅(qū)動(dòng)和開發(fā)工具、編譯器、編程語言與算子庫、主流框架和行業(yè)應(yīng)用。

其核心任務(wù)，是盡量隱藏底層硬件差異，讓開發(fā)者不必理解可重構(gòu)陣列的所有細(xì)節(jié)，也能使用C/C++、Triton等工具進(jìn)行開發(fā)。

按照清微智能此前披露的數(shù)據(jù)，RAISA已支持近千個(gè)主流算子，完成超過200個(gè)大模型的適配。

△清微智能RAISA軟件棧Day-0護(hù)航DeepSeek-V4落地

DeepSeek-V4預(yù)覽版發(fā)布當(dāng)天，清微與智源FlagOS完成了Flash版本67個(gè)算子的全量適配與驗(yàn)證。

相比“支持某個(gè)模型”的籠統(tǒng)表述，算子級(jí)適配更接近真實(shí)工程問題：模型能否運(yùn)行，最終取決于底層是否覆蓋其所調(diào)用的全部核心算子。

△RAISA軟件棧的模型與算子適配規(guī)模

同一模型在不同芯片上能夠運(yùn)行、能夠保持精度，以及能夠達(dá)到理想吞吐和成本，是三個(gè)不同層級(jí)。

未來更值得觀察的，是清微能否把Day-0適配從一次事件，變成穩(wěn)定、可復(fù)制的軟件工程能力

真正成熟的軟件生態(tài)，不只是“新模型發(fā)布當(dāng)天能跑起來”，還包括版本更新之后持續(xù)兼容、客戶問題能夠快速解決，以及不同模型在實(shí)際負(fù)載下保持穩(wěn)定性能。

5000P算力，技術(shù)到商業(yè)閉環(huán)

衡量一家國產(chǎn)算力企業(yè)是否成熟，最終不能只看論文、發(fā)布會(huì)和實(shí)驗(yàn)室指標(biāo)，還要看真實(shí)部署。

按照清微智能提供的口徑，其相關(guān)產(chǎn)品已經(jīng)進(jìn)入全國多個(gè)智算中心和千卡級(jí)集群，部署及在建算力規(guī)模超5000 PFLOPS，并覆蓋金融、教育、醫(yī)療、能源、交通等領(lǐng)域。

這一數(shù)字的價(jià)值，在于它代表清微已經(jīng)開始跨過從樣片、服務(wù)器測試到規(guī)模集群部署的門檻，但對(duì)產(chǎn)業(yè)分析而言，5000P并不是終點(diǎn)，而是下一階段驗(yàn)證的起點(diǎn)。

部署規(guī)模回答的是賣出去了多少，利用率回答的是客戶是否真正使用，復(fù)購回答的是客戶是否認(rèn)可，收入和毛利則回答商業(yè)模式能否持續(xù)。

從造芯到鋪軌：國產(chǎn)算力走向基礎(chǔ)設(shè)施

如果把AI芯片比作列車，那么軟件棧、超節(jié)點(diǎn)和算力網(wǎng)絡(luò)就是軌道。

列車性能再高，如果只能運(yùn)行在封閉線路上，也很難成為真正的大規(guī)模基礎(chǔ)設(shè)施。

國產(chǎn)算力走向成熟，需要解決的不只是“有沒有國產(chǎn)芯片”，還要回答不同地區(qū)、不同芯片、不同智算中心之間，能否實(shí)現(xiàn)統(tǒng)一調(diào)度、協(xié)同運(yùn)行和跨區(qū)域交付

例如本次作為樣本研究的清微智能，他們?cè)噲D做的，正是把可重構(gòu)算力從單一芯片和計(jì)算卡，延伸為覆蓋軟件、系統(tǒng)與應(yīng)用的分布式算力服務(wù)網(wǎng)絡(luò)：

底層通過可重構(gòu)架構(gòu)和三維集成提升計(jì)算效率，中間通過4K超節(jié)點(diǎn)聚合算力資源，再借助RAISA、FlagOS等軟件平臺(tái)完成模型適配、資源管理與集群調(diào)度，最終將不同地區(qū)的算力節(jié)點(diǎn)連接起來，服務(wù)政務(wù)、能源、教育和內(nèi)容生產(chǎn)等場景。

這種“鋪軌”已經(jīng)開始進(jìn)入具體應(yīng)用。

• 在智慧政務(wù)場景中，全棧國產(chǎn)化的辦公大模型智能體已經(jīng)落地；
• 在AIGC領(lǐng)域，其算力方案被用于短劇內(nèi)容生成、素材處理和后期制作等全流程；
• 在職業(yè)教育場景中，可重構(gòu)AI芯片驅(qū)動(dòng)的實(shí)訓(xùn)平臺(tái)已進(jìn)入河北化工醫(yī)藥職業(yè)技術(shù)學(xué)院、內(nèi)蒙古機(jī)電職業(yè)技術(shù)學(xué)院等院校。

“鋪軌者”的意義并不是取代所有列車，而是建立一套能夠承載不同模型、不同客戶和不同應(yīng)用的基礎(chǔ)設(shè)施

它既要求底層芯片自主可控，也要求軟件接口足夠開放、系統(tǒng)能夠持續(xù)擴(kuò)展，最終讓算力以服務(wù)的方式跨區(qū)域交付。

國產(chǎn)替代不是一次性硬件采購

對(duì)客戶而言，換芯片從來不只是換一塊硬件。

開發(fā)環(huán)境要換、模型要遷移、性能要重新驗(yàn)證、工程團(tuán)隊(duì)要重新培訓(xùn)，系統(tǒng)穩(wěn)定性、運(yùn)維和后續(xù)升級(jí)的風(fēng)險(xiǎn)也要一并承擔(dān)。

采購價(jià)格只是顯性成本，藏在軟件適配、人員投入和遷移周期里的隱性成本，往往更高。

這也解釋了清微智能在WAIC 2026現(xiàn)場的展陳邏輯：可重構(gòu)芯片、4K超節(jié)點(diǎn)、軟件棧與行業(yè)應(yīng)用被放在一起呈現(xiàn)，強(qiáng)調(diào)的不是單點(diǎn)參數(shù)，而是從底層架構(gòu)到集群部署、再到實(shí)際應(yīng)用的完整鏈路——

用可重構(gòu)架構(gòu)提高計(jì)算資源利用率，用三維集成緩解數(shù)據(jù)搬運(yùn)瓶頸，用4K超節(jié)點(diǎn)擴(kuò)展集群規(guī)模，再通過RAISA和FlagOS降低模型遷移與系統(tǒng)部署的門檻。

而智慧政務(wù)、AIGC短劇工廠、職業(yè)教育實(shí)訓(xùn)平臺(tái)這些落地案例，則試圖證明國產(chǎn)算力不只能跑通模型，還能進(jìn)入具體的業(yè)務(wù)流程。

當(dāng)然，這條路線能否最終成立，仍要接受量產(chǎn)能力、實(shí)際性能、集群穩(wěn)定性、算力利用率和商業(yè)回報(bào)的長期驗(yàn)證。

但它至少指向了一個(gè)正在發(fā)生的變化：國產(chǎn)算力的評(píng)價(jià)體系變了。

這也是WAIC 2026釋放出的一個(gè)信號(hào)——國產(chǎn)算力的競爭重點(diǎn)，正在從“有沒有芯片”，轉(zhuǎn)向“能否形成穩(wěn)定、易用、可規(guī)模部署的系統(tǒng)能力”。

展臺(tái)上的參數(shù)只是起點(diǎn)，真正決定產(chǎn)業(yè)位置的，是模型能否快速適配、集群能否穩(wěn)定運(yùn)行、算力能否進(jìn)入真實(shí)業(yè)務(wù)。

過去，人們習(xí)慣追問國產(chǎn)芯片與國際產(chǎn)品之間還差多少參數(shù)。

往后，更關(guān)鍵的問題或許是：當(dāng)客戶準(zhǔn)備建設(shè)下一座智算中心、上線下一套大模型應(yīng)用時(shí)，國產(chǎn)算力能不能給出一個(gè)足夠完整、足夠穩(wěn)定、也足夠經(jīng)濟(jì)的遷移理由。

*本文系量子位獲授權(quán)刊載自“數(shù)聚勢能”，觀點(diǎn)僅為原作者所有。