一句话总览

内存条（DRAM，长鑫）、固态硬盘（NAND，长江存储）追赶很快，消费级日常使用差距已经不大，高端HBM、企业级还有明显代差；显卡/GPU是差距最大的一块，硬件性能有代差，软件生态差距更大，属于十年级的鸿沟。

一、内存条（DRAM，长鑫存储）

✅ 现状：国内唯一可以自研、制造DRAM颗粒的原厂，全球第四大DRAM厂商，2026Q1全球份额约7.7%~8%，已经稳定量产DDR5、LPDDR5/5X，第五代G5工艺平台已经量产，消费级内存条品牌（光威、金百达、玖合等）大量采用长鑫颗粒，性价比很高，家用、办公、普通服务器都能用。

• 普通DDR5消费级：差距大约1~2年，时序、超频潜力、极限稳定性略弱于三星/海力士，普通用户几乎感受不到差别。
• HBM（AI高带宽内存）：差距最大。海外已经量产HBM3E、HBM4；长鑫HBM3还在样品、小批量验证阶段，差距大约2~3年，目前还没法大规模供给AI显卡使用。
• 短板：产能规模、先进工艺迭代速度、配套设备/材料依赖进口。三星、SK海力士合计占全球接近70%份额，体量差距巨大。

简单理解：你买的国产DDR5内存日常用完全够用；AI训练需要的HBM，还远没追上。

二、固态硬盘SSD（长江存储，致态）

✅ 现状：全球少数能自研3D NAND闪存的原厂，Xtacking晶栈架构是特色，全球NAND份额约13%；致态PCIe4.0、PCIe5.0固态已经量产，联芸、英韧等国产主控成熟，国内SSD产业链（颗粒+主控+固件+模组）基本闭环。

• 消费级TLC固态（PCIe4.0）：差距约1年以内，顺序读写、4K随机、TBW寿命已经对标西数、铠侠主流款，很多评测互有胜负，普通装机几乎无感知；致态TiPro9000是PCIe5.0旗舰。
• 高端企业级、超高密度QLC、超大容量堆叠：海外已经走到300+~400层NAND，长江存储层数迭代慢一点，代差约1年左右；高端企业级固件、长时间连续写入稳定性、服务体系还有差距。
• 优势：国产SSD价格优势明显，国内信创、服务器替代推进很快。

简单理解：家用、游戏用国产SSD完全可以放心；超大规模数据中心高端盘，海外仍然更强。

三、显卡/GPU（图形卡+AI计算卡，差距最大）

这里要分开两类：消费游戏图形GPU、AI训练/推理GPGPU，完全不是一回事。

1）消费级游戏显卡（玩3A、DX12游戏）

• 景嘉微JM9系列：大致对标GTX1080（2016年英伟达水平），硬件代差接近10年，适合办公、信创、2D渲染、简单3D，3A游戏兼容性、帧率、光追完全不行；新JM11还在研发。
• 摩尔线程、砺算：主打全功能GPU，DX、Vulkan驱动持续完善，可以跑一部分游戏，但兼容性、光追、帧率、驱动稳定性远不如NVIDIA/AMD，距离现代游戏卡5~8年差距，还不是日常游戏优选。

2）AI算力卡（昇腾、摩尔线程、沐曦、壁仞、海光DCU）

• 硬件层面：单卡算力、FP4/FP8低精度、HBM带宽、互联带宽（NVLink）有代差；华为昇腾910B/910C推理已经很强，大模型训练和英伟达H100/H200仍有明显差距，硬件差距大约3~5年。
• 软件生态是最大瓶颈，差距5~10年： 英伟达CUDA有20年积累、几百万开发者、海量算子库、成熟调试工具；国产各家是独立软件栈（CANN、MUSA等），虽然支持PyTorch/TensorFlow，但大量存量CUDA代码迁移成本高、调优麻烦、算子不全、集群稳定性打磨不足。
• 推理场景（跑已经训练好的模型）：国产已经大量落地，性价比、自主可控优势明显；大模型预训练集群，依然是英伟达优势巨大。

简单理解：国产显卡现在适合信创办公、AI推理；想流畅玩最新3A、做大模型预训练，和NVIDIA差距非常大，不是单纯堆硬件就能追上。

对比汇总表

共同底层短板（三个赛道都受影响）

1. 制造设备：高端EUV光刻机、部分刻蚀/沉积设备依赖进口，限制先进工艺迭代速度；
2. 产业链积累：巨头几十年的良率、固件、可靠性、失效数据库积累，需要时间打磨；
3. 生态绑定：海外存储+GPU+AI框架深度联合优化，国内产业链协同还在建设。

本作品采用《CC 协议》，转载必须注明作者和本文链接