“不好用”還“不好買”，國產算力的希望在下一代？

## 「不好用」又「不好買」？國產算力的下一站：2030 全面國產化

近年來，中國大陸積極推動算力基礎建設的國產化進程，然而市場上卻常見「不好用」與「不好買」的雙重困境。所謂「不好用」，指的是國產晶片與加速卡在軟體生態、開發工具鏈、框架支援度上，仍與 NVIDIA 等國際大廠存在明顯落差；而「不好買」則反映在產能不足、供貨不穩，以及高階製程受限導致的供給瓶頸。綜合業界分析，真正的轉捩點可能要等到 2030 年——屆時在技術疊代、生態成熟、產能充足與性價比領先的多重條件下，國內算力市場才有機會迎來全面國產化的里程碑。

從背景脈絡來看，美中科技對抗與出口管制持續收緊，使得中國大陸無法穩定取得先進製程晶片與高頻寬記憶體，這直接衝擊了 AI 訓練與高效能運算所需的算力供應。與此同時，本土廠商如華為昇騰、海光、寒武紀、壁仞等雖陸續推出替代方案，但普遍面臨 CUDA 生態鎖定效應——開發者習慣在 NVIDIA 平台上撰寫模型與應用，轉移至國產平台需要大幅改寫程式碼，而且效能往往打折。另一方面，成熟製程的晶圓產能雖然充足，但針對 AI 推理與訓練的高階晶片仍需要先進封裝與製程節點，這正是目前最難突破的環節。因此，「不好用」與「不好買」其實是一體兩面：生態不完善導致實際部署意願低，需求疲弱又反過來降低廠商擴產與優化的誘因。

展望 2030 年的轉折點，關鍵驅動力來自幾個方向。首先是技術疊代：經過三到五個世代改進，國產 GPU、NPU 或 DSA 架構將逐步收斂出標準化的指令集與軟體抽象層，降低遷移成本。其次是生態建設，預期屆時主流 AI 框架如 PyTorch、TensorFlow 將原生支援國產晶片，或出現足以抗衡 CUDA 的開放中介層（例如 OpenCL + 自研編譯器）。第三是產能釋出，隨著中國本土半導體設備與材料自主率提高，以及先進封裝技術（如 Chiplet）成熟，未來不需 2 奈米也能透過異構整合達到與國際主流產品相近的每瓦效能。最後是性價比優勢：當國產方案在推理端與邊緣運算展現明顯成本優勢，大量中低階 AI 應用就會加速轉向國產平台，形成正向循環。

這波國產算力浪潮對台灣的影響不容小覷。台灣半導體供應鏈，尤其是晶圓代工與先進封裝，長期受惠於全球算力需求，但若中國大陸在 2030 年前後實現高比例自給自足，將可能減少對台系業者成熟製程與封測產能的依賴。另一方面，台灣的 IC 設計服務、矽智財及 AI 系統整合廠商，反而有機會成為國產算力生態的合作夥伴——畢竟中國大陸需要第三方中立技術服務來加速生態對接。此外，若國產算力方案真的具備性價比優勢，台灣的伺服器代工廠或雲端資料中心客戶，也可能開始評估混搭導入的可能性，進而影響採購策略。

對於關注這項趨勢的讀者，後續可以留意幾個具體方向。第一，監控 2025 至 2027 年間中國大陸主要雲端廠商（阿里、騰訊、華為雲、百度）的國產晶片部署比例，這是最直接的「好用」指標。第二，觀察國際開源社群如 PyTorch 與 LLVM 是否出現由中國機構主導且被合併的國產晶片後端支援，這代表生態邁向開放而非封閉。第三，留意美國出口管制是否進一步收緊 14 奈米以下設備或 HBM 記憶體，這將直接影響中國大陸能否在 2030 年前達成產能目標。第四，追蹤台積電、日月光等台系廠商在中國大陸在地化服務的調整，例如是否增加為中國客戶提供「去美化」的特殊封裝產線。總而言之，2030 年不是自動到來的奇蹟，而是取決於接下來五年每一輪產品迭代與生態投資的累積成果。