想了解相关问题，可以下载报告《国家“东数西算”工程背景下新型算力基础设施发展研究报告》查看，以下内容都是根据该报告总结的，仅供参考。
一是国产化计算芯片的性能及工艺仍需提高，自主研发刻不容缓。在 CPU 领域，部分国产 CPU（例如龙芯）已具备自主指令架构系统，同时可兼容 已有的基础软件或平台，但仍面临应用生态的挑战，在国产化开源操作系 统、自主编程语言和编程框架的推广普及等方面任重道远。
同样是国产 CPU 的海光处理器，因兼容 x86 指令集，具备成熟而丰富的 应用生态环境，可支持云计算数据中心、大数据分析、边缘计算等多领域 应用，满足互联网、电信、金融、交通、能源等行业广泛需求。
在 FPGA 领域，AMD 作为行业头部企业完成对赛灵思的合并后，将其 CPU 与赛灵思的 FPGA 结合为了 CPU+FPGA 的异构计算模式。而国产 FPGA 目前主要集中在中低端市场，仍需约三到五年达到 16nm/28nm 工 艺水平，与国际先进工艺有 2-3 代的差距。
在 GPU 领域，部分国内 GPU 企业通过购买国外公司的 IP 授权，成功流片或量产，迈 出了 GPU 国产化第一步。GPU IP 自研需要大量的时间与人力，芯动科技等企业采用 外购 IP 加上自研设计的方式实现商业变现，极大降低研发周期和风险。
二是亟需构建高效、系统化的协调统一的异构算力系统。异构计算一般指在完成一个 计算任务时，采用一种以上的硬件计算单元、互联协议、差异化架构、软件接口等。 异构算力包括 CPU、GPU、DPU、FPGA等，可提高算力和性能，同时降低功耗和成本，又 具备多类型任务处理能力。但不同的硬件设备、协议、软件应用层接口等差异较大，异 构算力在流程协同、芯片互连和软件适配方面均面临挑战，亟需构建高效、协调统一 的异构算力系统，推动算力经济供给侧改革。
在技术设计流程的协同上，需保证不同厂商芯片的互联互通，可正常协同工作；在互 联标准上，需统一各厂商芯片之间的互连标准。在软件层面上，不同厂商的计算芯片 之间需搭建适配的 I/O、内存通道。
三是多元算力的供给形态不断丰富，需适配高性能计算、超算、智算等算力服务平台。 多样性算力服务如何输出是算力服务的核心问题之一，当前算力服务的主要供给形态 包括虚拟机、容器、API 等。
虚拟机方面，虚拟机是通用计算云服务的主要服务形态，但针对超算平台的虚拟化难 度较大，难以使用 x86 虚拟机架构适配。虚拟化提供算力资源 是未来算力发展的固 有趋势，但虚拟机的表现形态可能发生改变，适配异 构硬件。
容器方面，容器技术屏蔽了底层不同的硬件，实现微服务化调用，有益于 算力合理分配。 容器技术生于云长于云，对于超算、智算等暂未完成适配，可能会出现算 力异构方面 的问题，特别是对于超算平台。
API 方面，当前较少服务商使用 API 供给的方式提供服务， API 的方式提 供服务对算 力服务使用者来说门槛较高，但也会获得更好的灵活性。
