圖：中國算力截至2023年底總規模居全球第二，其中智能算力佔比超過35%。

　　當前全球算力競爭已從單一技術突破延伸至產業鏈自主可控、應用生態協同與基礎設施全球布局的全維度博弈。中國作為全球最大的算力需求市場之一，在「數字中國」戰略與「東數西算」工程推動下，國產GPU的研發突破與算力中心的體系化建設，正成為提升國家競爭力的關鍵抓手。

　　圖形處理器（GPU）的發展始終與算力需求升級緊密相關。早期GPU主要用於圖形加速，但隨着深度學習算法的爆發，其大規模並行計算特性被重新發掘——單個GPU可提供數千個計算核心，遠超傳統CPU的串行處理效率，成為訓練神經網絡的首選硬件。據統計，當前全球AI算力中超過70%依賴GPU支撐，高端GPU芯片（如英偉達H100、AMD MI300）更因其在大模型訓練中的不可替代性，成為國際科技競爭的焦點。

　　對中國而言，GPU的自主可控不僅是技術問題，更是國家安全與產業發展的戰略命題。一方面，全球GPU市場長期被英偉達、AMD和英特爾三大巨頭壟斷，高端芯片對華出口限制不斷加碼，中國人工智能（AI）企業、科研機構及數據中心面臨「算力斷供」風險；另一方面，中國數字經濟的快速發展催生了海量算力需求：據工信部數據，2023年中國算力總規模達230EFLOPS（每秒230百億億次浮點運算），全球佔比超30%，其中智能算力佔比超過35%，且年增速超過40%。若無法突破GPU「卡脖子」環節，中國將難以保障算力供給的穩定性與安全性，更難以在全球AI競爭中佔據主動。

　　在此背景下，發展國產GPU既是突破「技術封鎖」的必然選擇，也是構建「算力─算法─數據」自主生態的關鍵環節。近年來，中國企業、科研院所與政策端協同發力，推動國產GPU從「可用」向「好用」邁進，為算力中心的全球競爭力提升奠定了硬件基礎。

　　打造多層次發展體系

　　算力中心是GPU硬件的規模化載體，也是算力轉化為生產力的關鍵樞紐。全球算力中心的競爭已超越單純的「規模擴張」轉向「技術先進性＋應用生態＋全球服務能力」的綜合比拼。當前，美國依託英偉達等企業的GPU優勢，構建了以互聯網巨頭（如亞馬遜AWS、谷歌Cloud）和超算中心（如橡樹嶺國家實驗室）為核心的算力網絡，在大模型訓練、科研計算等領域佔據主導；中國則以「東數西算」工程為牽引，形成了覆蓋通用算力、智能算力、超級算力的多層次體系，並在規模與應用場景上展現出獨特優勢。

　　從規模看，中國是全球算力增長最快的市場。截至2023年底，中國算力總規模居全球第二，其中智能算力佔比超過35%（美國約30%），且數據中心總量超過8萬個，機架規模超千萬架。「東數西算」工程規劃的8大樞紐節點（京津冀、長三角、粵港澳大灣區、成渝、內蒙古、貴州、甘肅、寧夏）已帶動超4000億元投資，通過將東部密集的AI訓練需求與西部低成本、可再生能源結合，實現了算力資源的優化配置。

　　從技術能力看，中國算力中心正從「通用型」向「專用型」升級。針對AI大模型訓練需求，頭部企業（如華為、曙光、浪潮）推出液冷服務器、高速互聯網絡（如400G/800G光模塊）與異構計算平台（即是一種整合了中央處理器（CPU）、圖形處理器（GPU）和現場可程式化邏輯閘陣列（FPGA）等不同計算單元的系統），將單集群算力密度提升至每機櫃1PFLOPS（每秒1千萬億次浮點運算）以上；部分算力中心開始部署國產GPU集群。

　　從應用生態看，中國算力中心的優勢在於場景驅動的深度綁定。中國龐大的製造業、服務業與科研需求，催生了差異化的算力服務模式：在工業領域，算力中心為汽車製造（如自動駕駛仿真）、電子信息（如芯片設計驗證）提供實時渲染與模擬計算；在醫療領域，支持基因測序、藥物分子篩選等高性能計算任務；在科研領域，服務於氣象預測、新材料研發等需要超大規模計算的場景。

　　雙輪驅動遇四大挑戰

　　國產GPU的發展與算力中心的建設是相輔相成的「雙輪驅動」。一方面，國產GPU的性能提升直接增強算力中心的競爭力——當本土芯片能夠以更低成本、更高能效滿足AI訓練需求時，算力中心可減少對進口硬件的依賴，降低採購與運維成本；另一方面，算力中心的大規模應用為國產GPU提供了寶貴的迭代場景——通過真實業務負載（如大模型預訓練、實時數據分析）的檢驗，廠商能夠快速發現芯片設計缺陷，針對性優化架構。

　　然而，兩者協同發展仍面臨多重挑戰：

　　其一，高端GPU性能與國際頂尖水平存在代際差距。儘管國產GPU在中低端市場已具備競爭力，但在大模型訓練所需的千億級參數場景中，國際頭部產品的算力密度（如英偉達H100的單芯片FP8算力達4PFLOPS）仍是國產芯片的2倍至3倍，且互聯帶寬與軟件生態成熟度優勢明顯。

　　其二，軟件生態的「可用性」尚未完全轉化為「好用性」。儘管國產GPU兼容CUDA（英偉達開發的統一計算設備架構）降低了遷移門檻，但開發者仍需面對工具鏈功能不完善（如調試工具精度不足）、框架適配成本高（如PyTorch/TensorFlow對國產硬件的底層優化有限）等問題，導致部分企業因擔心「遷移後性能損失」而觀望。

　　其三，全球供應鏈的不確定性加劇。GPU製造依賴高端光刻機、電子設計自動化（EDA）設計工具等關鍵設備與軟件，而這些領域目前由海外企業主導（如ASML的EUV光刻機、Synopsys的EDA工具）。若國際環境進一步收緊，國產GPU的量產進度可能受到影響，進而拖累算力中心的升級節奏。

　　其四，國際競爭的壓力持續增大。美國通過「芯片法案」補貼本土GPU製造，並聯合盟友限制先進技術出口；歐盟則通過「數字羅盤計劃」推動高性能計算自主化，目標到2030年實現全球20%的高性能計算能力部署在歐洲。這些舉措將進一步擠壓中國在全球高端算力市場的份額。

　　持續深化國際性合作

　　面對挑戰，中國需從「技術突破、生態構建、國際合作」多維度發力，推動國產GPU與算力中心形成全球競爭力。

　　一是強化核心技術攻關，突破高端芯片瓶頸。聚焦製程工藝（如聯合國內晶圓廠攻關5nm（納米）以下技術）、架構創新（如研發存算一體、光計算等新型計算範式）、互聯技術（如提升GPU間通信帶寬與延遲控制），並通過「揭榜掛帥」「首台套」等政策支持企業開展高風險研發。同時，推動國產EDA工具、光刻膠等上游材料自主化，降低供應鏈斷供風險。

　　二是深化軟件生態建設，提升開發者體驗。加大對自主編譯器、性能分析工具、AI框架適配的投入，鼓勵高校與企業聯合培養熟悉國產GPU的複合型人才；通過開源社區（如開放部分架構設計文檔）、開發者激勵計劃（如提供免費算力券），吸引更多開發者參與生態共建，逐步形成「工具鏈完善─應用豐富─用戶增長」的正向循環。

　　三是優化算力中心布局，強化場景驅動優勢。結合「東數西算」工程，推動算力中心向專業化、綠色化方向升級——在東部樞紐（如長三角、粵港澳）布局面向實時交互的智能算力（如自動駕駛、金融風控），在西部樞紐（如成渝、寧夏）部署大規模訓練集群（如大模型預訓練）；鼓勵地方政府與企業共建行業算力平台（如醫療AI算力中心、工業仿真平台），通過定製化服務提升算力利用率與附加值。

　　四是深化國際合作，融入全球算力網絡。在堅持自主可控的基礎上，通過技術合作、標準制定、設施互聯，提升中國算力中心的國際影響力。例如，可依託「一帶一路」倡議，向發展中國家輸出包含國產GPU的算力解決方案，拓展新興市場空間。

　　GPU突破 走出自主道路

　　國產GPU的發展與算力中心的全球競爭力提升，是中國在數字經濟時代掌握主動權的關鍵戰役。從技術攻堅到生態構建，從本土應用到全球布局，這一過程既需要企業的創新韌性，也離不開政策的系統支持。隨着國產GPU性能的持續突破、算力中心體系的不斷完善，中國有望在全球算力競爭中走出一條「自主可控＋開放協同」的特色道路，為AI、科學研究與產業升級提供堅實的算力底座。未來，當國產GPU的光芒照亮全球數據中心，中國必將成為數字時代不可或缺的「算力引擎」。

　　（作者為外資投資基金董事總經理）