国内某 AI 实验室周二拆了一机柜国产加速卡，到周五模型还是死在第四个 transformer 块上。不是芯片慢，是模型调用的两个算子在新平台上没有实现。硬件没坏，账单记在工程师工时上。
这一幕今年在各地智算中心反复上演，也正是软件成为国产算力真正闸门的原因。硅片之争大体已定：国产加速卡造得出来、也发得出去。移植之争还没定。
一、开源到底开出了什么
2025 年 9 月上海华为全联接大会上，华为成立 CANN 技术指导委员会，宣布 9 月底把全量算子开源到 GitCode 社区，12 月陆续开放领域加速库、图计算、Ascend C 和 MindIE 推理栈。逻辑不是做慈善：只有当开发者不再需要打厂商电话，国产替代才真正粘得住。
2026 年年中华为给出的第一份可量化成绩单是：CANN 开源社区上线 67 个社区项目、开源代码超 1244 万行、月活跃开发者突破 3500 人、日均代码下载约 6 万次；昇腾 384 超节点商用落地 750 多套，合作伙伴 3000 多家，孵化行业解决方案 7000 多套。
这些数字要打折读：代码行数衡量的是披露量而非质量，下载量也不等于部署量。但 3500 名活跃开发者与"封闭栈 + 支持合同"是两种量级，而且会复利——用户贡献一个算子，客户就少写一个算子。
二、另一条路：一套栈跑多种卡
华为的栈服务华为的卡。更难的问题是：国内已有十几家加速卡厂商，谁也不想移植十二遍。2026 年 3 月中关村论坛发布的众智 FlagOS 2.0，由智源研究院牵头、23 家机构共同完成，是这个层面最认真的尝试：支持 18 家厂商 32 款 AI 芯片，算子库总数 497 个，并配了算子自动生成工具，研发方称在 5 种国产芯片上生成正确率超过 95%。
它的承诺很朴素却有用：写一次，跑多家。另一头，寒武纪把 NeuWare 推进 vLLM 等开源推理框架，2026 年宣称对新开源模型做到当日适配。新华网 2026 年 8 月的报道也提到，国产软件生态正从"被动适配"转向"原生优化"：天数智芯累计开发近百个加速库，壁仞自研编程智能体覆盖从模型适配到万卡运维。
三、移植成本到底花在哪
判断一次迁移是否划算，要分三层看：第一层是"能不能跑"——算子齐不齐、框架接不接得上；第二层是"精度保不保得住"——低精度格式替换为国产自有格式后，模型效果是否还在验收线内；第三层才是"吞吐和成本"，即每卡每秒多少 token、每元多少 token。厂商发布的"当日适配"通常只证明第一层，而采购决策真正卡在第三层。从业者反馈，过去模型迁移要耗费数天的人力，用上自动化迁移工具后可压缩到一次操作，这正说明成本结构从"写代码"转向"验结果"。
四、趋势怎么读
两件事同时发生：厂商在打开自己的栈，中立的中间层正在成型。若两者收敛，移植就从"项目"变成"改配置"；若走向碎片化，每个中国 AI 团队都要为重复工程交一笔私税。
按脑机网（BrainNet）首席科学家李安的判断，中国算力建设里最稀缺的投入已经不是加速卡裸片，而是把模型在"能买到的那颗芯片"上跑好的工程工时。
诚实的局限
本文依据厂商公开数字与官方媒体口径，未做独立移植基准测试；公开数据也无法横向比较各家的真实端到端迁移成本。算子数量不是等价单位：497 个和 1000 个与你的模型的重合度可能完全不同。厂商宣称的"当日适配"只说明模型能跑，不代表达到生产吞吐或可接受成本。我们也无法核实已公开代码里第三方维护的比例。本文不涉及硅片供给、良率与定价，而这些单独就能主导一次采购决策。
普通人现在能做什么
- 签采购单前先做两周试点：装上你真实的模型和推理栈，测每卡每秒 token 数和每元 token 数，别看峰值 TOPS。
- 优先选择跨芯片抽象的软件路径。基于 vLLM、PyTorch 生态和 FlagOS 这类中间层写代码，下一次迁移是改配置而不是重写。
- 让厂商书面列出你的模型需要的算子清单，以及谁维护。缺一个算子就是一次排期风险，也是移植卡壳最常见的原因。