一、算力指标：峰值、显存与场景的三个误区
选国产算力卡最常见的第一个坑，是把参数表当成选型依据。不同技术路线面向的负载差异很大，单看一两个数字容易选错。
误区一：峰值算力（TOPS）高就等于整体性能好。 实际情况是，大模型训练要看 FP16/BF16 精度下的有效吞吐，而非 FP8 标称值——FP8 主要用于推理，部分卡标称 FP8 很高，但 FP16 只有一半，根本无法支撑训练。只看峰值会高估训练能力。
误区二：显存越大越好。 关键在显存类型与带宽，而不是容量数字本身。HBM 与 GDDR 的带宽差距在 34B 以上模型并发推理时会被放大，GDDR 机型即使标称显存大，也会在并发场景成为瓶颈。选型时应把”带宽+容量+类型”一起看。
误区三：用训练卡跑纯推理更省。 正好相反。训练卡为大规模并行与互联优化，跑纯推理能效大幅浪费，单位推理成本（TCO）显著上升。中小模型推理应优先推理优化路线的卡型。
二、成本视角：采购价之外的两个陷阱
误区四：只看硬件采购价，不算总拥有成本。 以百卡规模的集群、五年周期测算，电费、机房散热、运维人力与故障停机损失，往往与硬件采购成本同量级。把采购价当唯一决策依据，后期很容易被隐性成本反噬。科学的做法是按 TCO 而非单价排序。
误区五：国产卡”性能一定倒挂、不如直接买进口”。 这是把”训练集群峰值”与”推理性价比”混为一谈。在中小模型推理、边缘与端侧等场景，国产推理优化路线的卡型性价比已经很有竞争力；盲目追峰值、拿训练指标压推理需求，反而会过度配置、浪费预算。
三、信创路线：兼容性与适配的两个误判
误区六：信创就是”换个名字”，国产卡都兼容既有软件栈。 这是最危险的认知。当前国产算力卡主要有三条技术路线：专用 AI 架构路线需适配自有软件栈，迁移成本较高但集群协同与信创适配能力强；通用 GPGPU 路线兼容主流并行计算生态，原有代码改动小，图形与 AI 负载兼顾；推理优化路线则重点优化推理吞吐。三条路线的迁移成本、生态成熟度、适用负载差异巨大，“都兼容”的假设会让 PoC 阶段就卡住。
另一个连带误判是：以为”上了国产卡=满足信创”。信创替代要过目录准入、全栈适配、供应链审查三关，单换一张卡不等于通过。政务、金融、关基等行业还需核对信创目录与国产化认证要求，并结合等保、密评的合规基线一起规划。
四、六大误区速查清单
| 误区 | 正确做法 |
|---|---|
| 只看峰值算力 | 训练看 FP16/BF16 有效吞吐，推理看带宽与成本 |
| 显存越大越好 | 同时看 HBM/GDDR 类型与带宽，关注并发瓶颈 |
| 训练卡跑推理 | 推理场景用推理优化路线卡型，控 TCO |
| 只看采购价 | 按五年 TCO 测算电费、运维与故障损失 |
| 国产=都兼容 | 先定技术路线，评估迁移成本再做 PoC |
| 上国产=信创过 | 走目录准入、全栈适配、供应链审查三关 |
五、选型落地与下一步
把六个误区反过来，就是一份落地清单：先按训练/推理/边缘场景定路线，再用有效吞吐与显存带宽而非峰值排序，最后用 TCO 模型替代单价决策。信创项目务必先核目录与认证，再做小规模 PoC 验证迁移成本与真实性能。
如需结合具体业务负载做卡型组合与集群配套测算，可前往询价通道提交需求，我们将提供主流卡型的实测数据与 PoC 测试报告，并按信创目录要求推荐适配方案。更多选型与合规内容可查看洞察专栏。