Gartner：到2030年，中国企业私有化部署的AI基础设施所用AI加速卡，超50%由中国厂商提供

7月20日消息，Gartner给出了一则颇为引人注目的预测：到2030年，中国企业私有化部署的AI基础设施中，所使用的AI加速卡将有超过50%来自中国本土厂商。这个数字背后的趋势，值得认真琢磨。

Gartner研究总监张吟铃在解读时提到，中国半导体行业虽然起步晚，但发展速度相当快。目前市场上已经有数十家AI加速卡厂商，其中至少10家已经实现了量产。不过，受制于制造能力瓶颈和美国出口管制，国产加速卡在技术上仍然与全球领先水平存在差距。企业在选型时，不只要考虑硬件兼容性，还要面对模型适配和多厂商异构管理带来的复杂挑战。

中国半导体行业的快速发展正在缩小与国外的技术差距

过去十年，在降低对外部技术依赖的国家战略推动下，中国半导体行业确实取得了肉眼可见的进步。尤其是近几年美国对AI加速卡出口的层层加码，反倒成了国产替代方案加速落地的催化剂。根据最新的行业排名，中国目前已有超过30家AI加速卡企业。而在Gartner跟踪的厂商中，有近10家已经实现了AI服务器的量产，并拿下了相当可观的市场份额。

不过，进步归进步，挑战依然严峻。国产加速卡在制程工艺上，想要追平全球高端产品的性能，面临三道坎：本土半导体制造能力有限、先进芯片制程工艺缺失、以及美国持续收紧的出口管制——比如对高带宽内存（HBM）的限制。这些因素直接推高了基于国产加速卡构建AI基础设施的整体成本。

为了突破算力瓶颈，一些国产厂商已经开始推出AI超级节点，也就是把几十、几百甚至几千台AI服务器通过专用光网络模块和定制化机柜整合成一个统一的系统交付。这种方案在AI模型训练和推理场景中，能提供极低的延迟和极高的带宽。但硬币的另一面是，它对数据中心的基础设施要求很高——供电、承重、冷却、维护，每一项都不能含糊，而且前期投入巨大，对大多数企业来说都是不小的门槛。

AI加速卡选型，生态系统兼容性成了关键

国内企业在评估AI加速卡时，生态兼容性已经上升为最核心的考量因素之一。和NVIDIA相对标准化的CUDA环境不同，国产加速卡的生态系统还处在早期阶段，不同供应商之间的无缝集成仍然是一件头疼的事。对于那些计划采用多家厂商加速卡的企业，有几个问题必须提前想清楚：

硬件适配：虽然很多平台声称兼容PyTorch、TensorFlow等开源框架，或者提供类似CUDA的开发架构，但开发人员在实际落地时，往往还需要花大量精力做代码转换和校准，才能实现最佳的硬件适配效果。

模型适配：当企业换用不同模型或者升级到新版本时，不光软件开发工具要跟着升级——比如更新库、对接新的算子或API，AI加速卡这一层也需要同步适配，牵一发而动全身。

异构管理：很多企业的I&O团队运维能力有限，通常直接把裸机硬件交给AI开发团队，由开发团队用Kubernetes等容器管理方案来分配计算资源。一旦服务器里混着多种类型的加速卡，运维复杂度就会直线上升。目前虽然有厂商提供AI算力管理平台或捆绑的开发套件，但每家厂商的资源有限，不可能覆盖市面上的所有加速卡。所以，在拍板之前，一定要对这些管理平台做仔细的评估验证。