在這場“抄襲門”大曝料中，提到了一個問題，核心原因就是“算力資源嚴重不足”，曾經他們都說自己的AI芯片性能已經媲美NVIDIA的AI芯片了，如今卻又說“算力資源嚴重不足”，這無疑揭示了他們的AI芯片性能其實與NVIDIA差距甚大。

一直以來，國產AI芯片都強調他們的AI芯片性能已接近NVIDIA的頂級AI芯片，他們拿出了許多參數來證明，然而參數有時候并不可靠，芯片的性能表現得在實際使用中才能證明他們的真實性能。

2024年在智算融合創新發展論壇上，就有業內人士指出，由于優化、軟件配合等方面的因素影響，國產AI芯片的實際表現遠未達到預期，大約只是原預期的大約10%左右，與參數存在巨大的差距。

事實上即使是擁有先進架構設計的NVIDIA也不得不尋求最先進的芯片工藝，以提升性能的同時降低功耗，為此NVIDIA的最新AI芯片已采用了先進的3納米工藝，借此控制AI芯片的發熱問題。

即使如此，NVIDIA的Blackwell架構AI芯片在配置72顆處理器的服務器中，仍然出現過熱問題，為此NVIDIA和它的客戶不得不修改機架設計，控制芯片性能，避免發熱太嚴重導致損壞硬件的后果。

相比之下，國產AI芯片大多還在用7納米工藝，7你們工藝的功耗遠比3納米高得多，嚴重的發熱問題，會進一步阻礙國產AI芯片提升性能，他們的性能很可能與標稱參數存在巨大的差距。

上述提到的NVIDIA用了先進的3納米工藝和更先進的芯片架構之后，仍然無法搭載過多的AI芯片核心，證明了散熱已成為AI芯片提升性能的重要障礙；相比之下，國產AI芯片在采用了更落后的7納米工藝之后，試圖用芯片堆疊的方式提升芯片性能，如何解決散熱問題？

事實上，多芯片堆疊的另一個問題則是AI芯片之間的物理距離還會影響到芯片性能，這從NVIDIA為了縮減AI芯片和存儲芯片的物理距離等，而將AI芯片和HBM存儲芯片封裝在一起，進而提升芯片整體性能可以看出來，如此情況下，芯片堆疊導致的物理距離也會影響著芯片性能。

此前還曾傳出，NVIDIA因為眾所周知的原因無法對中國企業出售先進的AI芯片，而不得不持續閹割AI芯片的性能，以滿足相關的要求，推出的H20芯片閹割了八成的性能，但是仍然受到中國AI企業的追捧，這似乎也反映出國內企業更認可NVIDIA的AI芯片性能，而對國產AI芯片持保留態度。

這種種問題，都證明了國產AI芯片的實際性能與NVIDIA存在不小的差距，只是因為種種原因而未為公眾所知，直到這次的抄襲門，再次讓業界關注到了國產AI芯片性能，那么國產AI芯片的實際性能表現到底是如何的呢？