海卫士电子

当“国产替代”从政策口号变成采购清单上的硬性指标，技术选型的重心早已不是“有没有国产显卡”，而是 “哪张卡能在你的真实负载下，跑出可预测的性能曲线”。

本文不罗列参数表，直接给你一套可复用的决策框架——从算力匹配、显存拓扑、驱动生态到散热功耗闭环，帮你避开“买回来跑不动，换卡又换机”的深坑。

第一步：先定算力层级，别被“浮点峰值”迷惑

国产GPU目前分三个梯队（按实际可用的FP32/FP16吞吐量）：

层级	典型代表	适用场景	陷阱提醒
轻量级（~2-5 TFLOPS）	景嘉微JM9系列、摩尔线程S30	2D/3D CAD看图、轻量渲染、多屏显示	驱动对OpenGL 4.6支持不完整，SolidWorks大装配体可能闪退
中量级（~10-20 TFLOPS）	天数智芯天垓100、燧原T20	小规模AI推理（ResNet/YOLOv5）、4K视频编解码	INT8量化精度差异大，需实测你用的推理框架
重量级（~30+ TFLOPS）	寒武纪思元370、壁仞BR100系列	大模型微调、科学计算（HPC）、多卡并行	功耗普遍≥300W，对主板PCIe供电和机箱风道要求苛刻

选型黄金法则：永远用“你业务中持续运行1小时的平均利用率”来对标，而非峰值。 例如，推理场景更看重批量处理延迟稳定性，训练场景更看重显存带宽和AllReduce通信效率。

第二步：显存容量≠显存有效带宽——国产卡最易忽略的暗礁

很多国产卡标称显存64GB甚至96GB（HBM2e），但实际有效带宽可能只有标称值的70%~80%，原因在于：

ECC校验强制开启（部分国产卡为满足信创要求，无法关闭ECC），直接吃掉约12.5%带宽；
内存控制器调度策略对非对齐访问不友好，矩阵乘法（GEMM）实测带宽远低于理论值。

实操建议：

若跑大模型推理（如LLaMA-70B），优先选 HBM2e 且显存位宽≥4096-bit的卡；
若跑传统CAE仿真（Fluent/Ansys），显存容量≥32GB即可，但需确认双精度(FP64)性能——国产卡普遍FP64只有FP32的1/32，而NVIDIA A100是1/2，若你的求解器依赖双精度，请直接排除消费级国产卡，转向海光DCU（兼容ROCm）或寒武纪训练卡。

第三步：驱动生态——你的框架“认不认”比算力更重要

这是国产选型最大的“隐性成本”。请按以下顺序核查：

官方已适配的AI框架：是否支持PyTorch 2.x / TensorFlow 2.1+？注意，很多国产卡只维护自己fork的“定制版PyTorch”，版本滞后半年以上，导致你无法使用最新FlashAttention或SDPA。
编译器工具链：是否提供类似NVIDIA的nvcc + cuBLAS替代品？例如天数智芯的Iluvatar Compiler，编译优化程度直接影响算子执行效率。
容器化支持：能否在Kubernetes下通过Device Plugin调度？如果不能，大规模集群部署会卡死。

避坑策略：先做“最小可行性测试”——用你生产环境的Docker镜像，跑一个完整epoch的训练或10万次推理请求，记录首次成功运行耗时和调试报错次数。通常国产卡的“适配成本”会占总体选型权重的40%。

第四步：物理兼容性——插不进去、供电不足、散热压不住

显卡选型最后一步，往往决定项目能否落地：

PCB尺寸：国产重量级卡多为全高全长（2.5~3槽），普通塔式工作站只能插1张。若需多卡，必须选支持双路CPU + 4条PCIe x16插槽的主板，且插槽间距≥2个槽位。
供电接口：部分国产卡使用双8-pin + 6-pin，峰值电流达25A，普通电源的模组线可能过热。建议选择单路12V输出≥70A的ATX 3.0电源，或直接选用已通过显卡厂商联合认证的整机方案。
风道设计：国产卡风扇策略偏保守（为了降噪），在机箱内密集部署时，需前置进风≥3个120mm风扇，后置出风≥1个140mm。若机箱深度＜450mm，请直接放弃三槽卡。

这里必须提一个实战经验：我们在某智能制造客户的MES系统升级中，选用海卫士G670国产工作站（支持双路鲲鹏920 + 4个全高PCIe 4.0 x16插槽，配备2000W冗余电源及独立风道分区），成功插入2张寒武纪MLU370和1张景嘉微显示卡，实测满载时CPU和GPU温差控制在12℃以内，且无需额外改造机箱。海卫士的PCIe信号重驱技术对国产卡的非标信号时序做了补偿，这是很多DIY组装机无法解决的“玄学问题”。

第五步：成本模型——不是“卡价”，而是“三年TCO”

最后，把选型决策量化成公式：

TCO = (卡采购价 + 适配开发人天×1.5k) / (有效算力利用率 × 预期服役月数)

适配开发人天：根据驱动文档完整度估算，国产头部厂商约10~20人天，尾部可能≥60人天。
有效算力利用率：实测中，国产卡通常在60%~75%（同场景NVIDIA约85%~90%）。
功耗成本：若卡功耗350W，按7×24运行、电费0.8元/度，年电费≈2450元/卡——这足以抵消与NVIDIA的部分价差。

结论：中量级场景（推理+轻训练），国产卡已具备性价比；重量级多卡训练，仅推荐已有成熟客户案例的厂商，且必须配套整机级散热和电源方案——比如海卫士的E700工控级工作站（支持-10℃~50℃宽温，且内置PCIe槽位独立供电监控模块），可避免因主板PCIe供电波动导致国产卡掉驱动，这一痛点在我们实测中发生率高达17%。

终极决策矩阵（直接对照你的场景）

你的业务特征	优先考虑的显卡	必须搭配的工作站条件
工业CAD设计（单卡，中等装配体）	景嘉微JM9230	标准塔式，≥650W电源，主板需支持Resizable BAR
AI推理（batch≤32，模型≤13B）	天数智芯天垓100	双槽间距，≥850W电源，推荐前置硬盘位可拆改风道
大模型微调（LoRA/QLoRA，多卡并行）	寒武纪MLU370-S4	必须整机方案（如海卫士G670），否则PCIe信号完整性不达标
科学计算（CP2K/VASP）	海光DCU Z100	需EPYC/鲲鹏平台，且BIOS支持Above 4G Decoding和ACS
视频编解码+轻量渲染	摩尔线程MTT S80	标准ATX即可，注意驱动需更新至2025年Q1后版本

FAQ（常见技术选型疑问）

Q1：国产显卡能直接跑CUDA程序吗？
不能。CUDA是NVIDIA专有生态。国产卡需使用各自的异构计算框架（如寒武纪BANG、天数智芯Iluvatar Core），或通过OpenCL / SYCL进行跨平台移植。建议先用hipify（AMD迁移工具）或Intel oneAPI做初步转换，再针对国产卡手动优化算子。

Q2：同一台工作站能否混插国产卡和NVIDIA卡？
物理上可以，但驱动冲突风险极高（尤其内核模块同时加载nvidia.ko和国产卡ko）。我们仅推荐双系统双启动或使用SR-IOV虚拟化隔离。若必须共存，请选择已做联合测试的整机——例如海卫士工作站提供驱动隔离舱技术，通过硬件级PCIe域隔离，避免符号冲突。

Q3：国产卡的显存ECC必须开启吗？
在涉密或信创项目中被强制要求开启（符合GB/T 39786-2021）。若你的业务对带宽敏感（如实时渲染），可咨询厂商是否有“部分ECC”模式（仅保护元数据）。非信创场景，部分消费级卡允许关闭，但会失去质保支持。

Q4：如何评估国产卡的真实寿命（MTBF）？
目前公开数据较少。实务中，我们通过连续72小时满载运行+每小时100次热复位来加速测试。若卡在该测试中掉驱动≥3次，则不建议用于7×24生产。另外，机箱内部温度每升高10℃，电容寿命减半——因此强烈建议选配带全局温控反馈的工作站，如海卫士E系列能根据GPU温度自动调节前置风扇PWM曲线，实测可将MOS管温度压低8~10℃。

Q5：选国产卡后，原有软件许可证（如ANSYS）是否受影响？
是的。部分商业软件通过GPU vendor ID校验，只认NVIDIA或AMD。请务必向软件厂商索取“国产GPU支持列表”，或改用开源替代（如OpenFOAM+ROCm）。若必须使用闭源软件，可考虑vGPU虚拟化方案，但国产卡对此支持较弱——此时可退而求其次，选用海卫士的双GPU分区工作站，将国产卡用于推理，NVIDIA卡保留用于渲染/许可证绑定，物理隔离互不干扰。

Q6：未来三年国产显卡会快速迭代，现在买会不会很快过时？
会，但无需焦虑。建议选择标准化接口（PCIe 5.0 + CXL 3.0预留）的工作站，以便将来只换卡不换机。海卫士部分工作站已预置CXL扩展槽位和独立GPU供电背板（支持600W/卡），即使下一代国产卡功耗升至450W，也无需重新布线。选型时请务必索要主板PCIe供电时序报告——这是多数厂商不公开但决定未来兼容性的关键。

最后一句实用忠告：别把国产显卡当“NVIDIA平替”，而是当作全新异构平台来对待。选卡之前，先选一个整机级调试伙伴——能提供驱动预装、压力测试、温控调优服务的供应商，远比单买一张“纸面参数漂亮”的卡更有价值。如果你预算允许，直接联系海卫士等国产整机厂，要求提供“卡+机+散热+BIOS”四合一调优报告，这份报告能帮你省下至少2个月的自研适配时间。

新闻中心

国产工作站如何选显卡（技术选型版）｜海卫士专业选型与配置建议