八月十四号上午，老周在机房验收八张国产卡。基准脚本跑完，八张卡一起跑满，速度是进口卡的七成，他在验收单上签了字。单子末尾还有一行：三个月内把业务迁过来。
十一月十四号盘点，他把表拉出来。原来在进口卡上跑二十四个任务，只挪过来六个。剩下十八个还压在老机器上，新机柜里那八张卡有一半时间空着，风扇一直响，指示灯一直是绿的。
签字那天，一屋子人都觉得七成够用，没人问一句代码能不能跑。老周后来才明白，卡慢一点不是事，跑不起来才是事。
为什么会这样
一句话：卡是能算的，难在别人写好的程序不认它。
像灶台换了个牌子，火更旺，可原来那口锅放不稳，铲子还短一截。菜谱没变，你得先把锅和铲子改一遍。
程序里真正干活的是算子，就是一小段一小段的计算，比如矩阵相乘、归一化。一个训练任务，平均要用到八个算子。
进口卡有一套用了十年的库，这些算子伸手就有。国产卡的库年轻，常用的都有，偏一点的还缺一个。
缺的那一个，得自己写，写完还要调。调的是精度：同一段代码，两个牌子算出来的小数尾数不一样，模型的输出就对不上。
所以一个任务缺一个算子，一个人写加调，要花五天。
二十四个任务乘五天，一百二十个人日。团队里只能抽一个人干这事，另一个得盯线上。六十个工作日，够改十二个。
实际只挪过去六个。差的那一半时间，全耗在精度对不上上。
怎么解决
三条路，从便宜的往上走。
- 先盘一遍家底。 把二十四个任务挨个跑一次，记下哪一步报错、缺哪个算子。一支笔一张表，两三天，不花钱。盘完常常发现，缺的不是二十四个，是十来个，很多任务缺的是同一个。
- 先搬算子全的那批。 二十四个里挑只用常用算子的先上。老周按这个挪了六个，不到一个月就跑起来了。
- 缺的算子集中写，写成公用的。 别一个任务写一遍。把缺的十来个做成一个内部库，谁用谁调，一百二十个人日能压到六十个左右。
别踩的三个坑：坑一，只看基准脚本的速度，不看自己的代码；坑二，拿一个任务试通了就全面推，那个任务恰好算子最全；坑三，每个组各写一遍同样的算子，四个人写四遍。
平台怎么管这些问题
迁移最怕没人知道走到哪了。平台接住六件事。
任务台账先摆出来：二十四个任务，哪些还在老机器上，哪些搬完了，每个跑了多少小时，一页看完。
试跑环境给一套：同一个任务两边各跑一遍，输出并排放，差在哪一眼看得见。
算子缺口有清单：哪个任务缺哪个算子，谁在写，写到哪一步，挂在任务下面，不用挨个问。
资源池不绑卡型：国产卡和进口卡放一个池子，任务按需领，不会一边排队一边空着。
计费按卡型分开记：两种卡单价不一样，一笔一笔分开，月底对账不用猜。
迁移进度出报表：搬完几个，还差几个，哪天能完，每周自动发一次。
这些功能平时谁管，比功能本身要紧。
- 谁能改规则：平台运维负责人，改一次留一条记录，谁改的、改了什么都在。
- 谁能批减免：迁移期减掉的那部分费用，机房负责人和业务负责人两家都签才算。
- 出了事能不能倒查到人：能，每次试跑都带账号和时间，精度改了哪一版查得到。
- 卡掉线、任务失败的告警发给谁：值班运维，十五分钟没接就升级到机房负责人。
这笔钱值不值
掏钱的是这个智算中心的运营方。一张卡跑一小时，算一个卡时。
先把空转算清：八张卡九十天，一天二十四小时，一万七千二百八十个卡时。六个任务各占一张卡跑了三十天，四千三百二十个卡时。剩下的一万二千九百六十个卡时没人用，按十元一个算，十二万九千六百块。
这是已经花掉的。按第三条办法改，总工期从六个月压到三个月，同样八张卡，后面三个月本来还要再空十二万九千六，现在不用了。
多花的钱是把十来个算子集中写，多投一个人两个月，六万。省的除投的，净剩六万九千六，投入一个半月就回来。
还有一笔不在表上：老机器退不掉，机柜电费加租金一个月五千二，拖三个月就是一万五千六。
上面这些按假设的单价算，实际要拿自己机房的合同核一遍。
国家为什么也盯这件事
2025 年 10 月 21 日，工业和信息化部办公厅发出《关于开展 2025 年人工智能产业及赋能新型工业化创新任务揭榜挂帅工作的通知》。
通知附件里的「大模型训练芯片」榜单，把要求写得很实。到 2027 年，训练芯片要覆盖主流模型框架，适配 90% 以上的国内大模型。半精度浮点算力性能，要达到国际先进训练芯片的 90% 以上。
两个 90%，说的就是老周手里那张表。能适配九成，剩下那一成还得人动手。他缺的那一个算子，正是还没被盖住的那一小块。
文件没要求今天就把卡全换掉，要求的是三年内把这一成补上。补不上的时候，八张卡就只能亮着灯。
十一月下旬，老周把二十四个任务重排了一遍，先挑算子全的搬。机柜里还是那八张卡，风扇声没变，指示灯也没变，只是亮着的从两张变成了六张。
算力：慧知开源智算调度平台
GPU 资源池化、任务调度、多租户和计费一套管，装在自己服务器上，能改能扩。
点这里看详情 →