GPU浮点算力是AI训练的核心支撑，但比算力本身更深的壁垒，是英伟达CUDA构建的软件生态。国产GPU要实现自主可控，硬件自研与软件生态建设必须双线并行——硬件上需完全自研架构，软件上则要完成与国产CPU、操作系统的深度适配，才能进入信创整机采购体系，真正绕开CUDA的路径依赖。

硬件自研：没有“半成品框架”的硬仗

国产GPU的自主可控难度高于CPU。CPU领域尚有X86、ARM等成熟指令集架构可供参考或授权，而GPU基本上需要完全自研，加上国内GPU人才储备远少于CPU，这使得国产化进程更具挑战。

目前国内独立GPU领域真正做出实物产品的厂商屈指可数，景嘉微是其中产品成熟度较高、推出时间较早的代表。以景嘉微JM9271为例，其浮点性能官方标注为8000 GFLOPS（8 TFLOPS），已接近英伟达GTX 1080的8900 GFLOPS（8.9 TFLOPS）水平，产品性能足以满足信创应用要求。在底层技术全部自研的前提下，这一代际差距的缩小意味着国产GPU已具备基本的可用性。

生态适配：进入信创市场的“入场券”

GPU要进入信创整机采购目录，单靠硬件参数远远不够，软件生态的适配广度直接决定了产品的市场落地能力。景嘉微已与国内六大CPU厂商（飞腾、龙芯、中科海光、兆芯、申威、鲲鹏）及两大操作系统厂商（统信软件、麒麟软件）完成适配工作，建立了先发优势。

这一适配的意义在于：整机厂商在组装国产电脑时，需要GPU能与CPU、操作系统协同工作。早期国产GPU曾面临与AMD产品的直接竞争，后者产品成熟且价格低廉；而随着国际供应格局变化，整机厂商转向国产GPU时，已完成生态适配的景嘉微成为主要选择。这也印证了国产GPU绕开CUDA的关键路径——在OpenGL、OpenCL等开放标准上构建属于自己的软硬件协同体系，而非复制英伟达的封闭生态。

常见问题

国产GPU为什么不直接兼容CUDA？

CUDA是英伟达的专有封闭生态，兼容CUDA需要获得授权且面临法律与技术双重障碍。国产GPU选择在OpenGL、OpenCL等开放标准上构建生态，虽然短期内开发者迁移需要成本，但这是实现真正自主可控的唯一路径。

国产GPU与英伟达的性能差距有多大？

以景嘉微JM9271为例，其浮点性能为8 TFLOPS，对标英伟达2016年发布的GTX 1080（8.9 TFLOPS），技术代差约在数年水平。对于信创场景下的图形处理与基础计算需求，这一性能已足够满足；但在AI训练等高端计算领域，差距仍然存在，需后续产品迭代与第三方实测验证。

软件生态适配为什么比硬件参数更重要？

没有生态适配的GPU如同“裸机”——无法被整机厂商集成，也无法运行国产操作系统上的应用。景嘉微与六大CPU、两大OS的适配，意味着其产品已进入信创采购的“候选名单”，这是硬件参数之外决定市场存亡的关键一步。