国产AI芯片崛起与场景化选型

一、正在崛起的国产算力格局

中国AI芯片产业近年来迎来加速突破的黄金窗口期。根据国际数据公司（IDC）于2026年4月发布的《2025年度中国云端AI加速器市场报告》，2025年中国市场AI加速卡总交付量达400万片，其中国产厂商交付165万片，市场份额一举跃升至41%。华尔街投行摩根士丹利预测，到2030年中国AI芯片市场规模将达到670亿美元，国产芯片有望满足约76%的市场需求。

英伟达虽仍在中国市场保持55%的份额（约220万张），但与过去近九成的垄断地位相比已大幅缩水。国产厂商中，华为昇腾以81.2万张的出货量断层领跑，贡献了国产总出货量近五成，全市占率约20%，排名第二。阿里巴巴平头哥出货约25.6万颗（份额约6.6%），百度和寒武纪分别出货约11.6万颗（份额约3%），构建起清晰的梯队格局。

这一突破背后，政策推动尤为关键。中国半导体的第三期“大基金”注册资本高达3440亿元人民币，专注AI芯片及设备产业。外媒更披露，中国拟出台规模2000亿至5000亿元的新专项扶持计划，与“大基金”形成双轨协同格局。在采购端，上海要求2025年新建智算中心国产芯片占比超50%，北京提出2027年实现100%自主可控智算中心建设能力，多地还推出“算力券”制度降低国产芯片的使用门槛。

尤为值得注意的是，中国AI芯片的战略角色正从“训练”转向“推理”。联想集团数据显示，未来用于推理的AI算力将占到70%以上。推理场景对芯片要求不同——它不追求单卡峰值算力最高，而更看重吞吐能力、能效比和单位算力成本，这恰恰是国产芯片加速突围的巨大机遇。

二、主流国产AI芯片进展

1、华为昇腾系列

华为昇腾以“一年一代、算力翻倍”节奏领跑国产AI芯片阵营。2025年一季度量产的昇腾910C采用Chiplet封装技术，将两颗910B芯片整合在一起，基于中芯国际第二代7nm（N+2）工艺，集成约530亿个晶体管。在FP16精度下算力约640~800 TFLOPS，内存带宽约3.2 TB/s，配备128GB HBM2e内存。

昇腾910C的推理性能可达H100的60%，已支撑Atlas 900超节点规模化部署。其768卡规模超节点系统已累计出货超过500套，成为国内唯一真正大规模商用的超节点方案。

2026年，昇腾步伐进一步加快。第一季度推出的950PR推理芯片，配128GB内存，带宽达1.6 TB/s，单卡算力达到英伟达H20芯片的2.87倍。第四季度即将登场的950DT训练芯片将配备144GB内存、4 TB/s带宽，首次采用华为自研HiZQ 2.0内存技术。基于950DT的超节点理论上可互联8192张芯片，FP8精度下总算力高达1 EFLOPS，其中1024卡规模版本已落地，专门用于训练万亿参数级大模型。下一代960和970芯片也已列入2027—2028年的路线图。

软件生态方面，华为坚持全栈开放。CANN编译器和Mind系列工具链全面开放，围绕昇腾生态的合作伙伴已超过3000家。2026年初，DeepSeek正式选择昇腾950PR作为新一代旗舰模型的算力底座，V4模型底层代码已从英伟达的CUDA框架迁移到华为自研的CANN框架。

2、寒武纪思元系列

寒武纪是国产大模型训练的重要供应商。思元590采用7nm工艺和全新MLUarch05架构，定位云端训练/推理一体。在INT8精度下算力达512 TOPS，FP16精度下约256 TFLOPS，性能达英伟达A100的80%，功耗却降低15%。思元590配备96GB HBM2e显存，能效比达5 TOPS/W，8颗芯片组成集群后可跑千亿参数大模型。

该芯片于2024年发布，2025年已批量应用于多家互联网公司的智算集群，2026年初实现全场景规模出货。同时，新一代思元690已完成2.24万张测试片生产，计划当年量产，性能目标瞄准H100的80%。寒武纪2025年全年营业收入约64.97亿元，同比增长453.21%，实现上市五年来的首次年度盈利，走在了国产AI芯片专业化公司的商业化前列。

3、海光信息深算系列

海光信息的深算系列走了一条独具特色的道路——采用GPGPU架构并高度兼容CUDA生态。深算二号采用“类CUDA”通用并行计算架构，其软件平台DTK支持国际主流商业计算及人工智能软件。性能较前代深算一号提升100%以上，国产化率超90%。

在训练侧，深算二号单卡FP16算力约256 TFLOPS，性能接近A100/H100的70%~80%，千卡集群实测效率约65%，已能稳定运行70B参数以内大模型。在推理侧，深算二号INT8算力达1 PFLOPS，功耗仅300 W，已批量进入互联网大厂的CDN、搜索推荐场景。在落地层面，其已批量进入运营商、金融、能源等行业，拿下的集采订单超过11亿元。海光已启动深算三号的研发，预计AI性能将较深算二号有数倍提升。

4、 燧原科技

燧原科技即将于2026年6月冲刺科创板上市，是国产AI芯片企业中坚定选择DSA（领域专用架构）路线的代表。该路线将特定算法和场景的计算、通信特性“硬化”到芯片中，具备更高能效比和性价比。目前已自研四代架构、五款云端AI芯片，构建起从芯片、加速卡到软件平台的全栈产品体系。据其IPO招股书，2025年燧原AI加速卡及模组销售量达6.6万张，对应中国AI加速卡市场占有率约1.7%。

5、GPU“四小龙”

摩尔线程、沐曦、天数智芯、壁仞科技组成的“国产GPU四小龙”在2025年底集体冲刺或登陆资本市场。天数智芯是国内首个实现7nm GPGPU量产的企业，天垓系列侧重训练，智铠系列侧重推理，在互联网、智能制造等领域的兼容性测试通过率极高。壁仞科技主打原创“壁立仞”架构与Chiplet封装技术，专注于千卡级集群和大规模算力部署中的系统级解决方案。四家企业虽都还处于投入阶段，但毛利率普遍在50%以上，展现出极强的商业化潜力。

三、当前的核心挑战

尽管国产AI芯片整体进展迅猛，但仍面临三重核心挑战：

第一，生态壁垒尚未完全破解。CUDA生态在全球AI开发者的使用习惯上占据绝对主导，国产芯片虽在兼容性方面持续努力，但在复杂模型适配、开发者生态完善度上仍与国际巨头存在约5~10年差距。

第二，高端制程依赖进口。先进芯片制造能力不足，制约性能的进一步提升。华为、寒武纪等头部厂商采用的7nm制程仍依赖境外代工厂或中芯国际有限的工艺线，大规模量产能力和先进制程获取能力存在一定瓶颈。

第三，国际竞争持续加剧。美国不断加码先进芯片出口管制措施，试图遏制中国AI芯片产业的快速发展，供应链的稳定性和可持续性仍需进一步提升。

四、普遍应用场景的芯片与集群选型推荐

场景一：中小规模推理与边缘推理

- 推荐芯片型号：昆仑芯（各系列）/ 海光深算二号 / 寒武纪思元370

- 推荐芯片数量：1~4张

- 单卡算力范围：FP16约128~256 TFLOPS

- 推荐理由：上述芯片面向推理场景优化，在高频、实时的业务调用中能效比较高，部署灵活，适合中小规模企业和边缘场景。

场景二：大模型训练（70B~200B参数）

- 推荐芯片型号：华为昇腾910B / 海光深算二号 / 寒武纪思元590

- 推荐芯片数量：128~512张（千卡集群效率约65%）

- 单卡算力范围：FP16约256~800 TFLOPS

- 推荐理由：在大模型训练中，千卡及以上集群的互联效率和规模化训练稳定性是关键考量。上述芯片已在大厂场景中得到验证，能够支撑70B参数以内的主流模型训练。

场景三：万卡级超大规模训练（200B~万亿参数）

- 推荐芯片型号：华为昇腾950PR / 950DT

- 推荐芯片数量：≥1024张

- 单卡算力范围：950PR在推理优化场景下单卡可达H20的约2.87倍

- 推荐理由：华为昇腾950系列超节点方案支持1024卡至8192卡的规模化互联，配合液冷散热和自研内存技术，是当前国内唯一经过大规模商用验证的超大规模训练集群选型方案。

场景四：智算中心与政企基础算力底座

- 推荐芯片型号：华为昇腾910B系列 / 海光深算二号 / 寒武纪思元690

- 推荐芯片数量：128~512张集群起步，按项目需求扩容

- 单卡算力范围：FP16约256~800 TFLOPS

- 推荐理由：智算中心对芯片的稳定性、国产化率、软件生态完整度要求极高。华为昇腾和海光等已具备从芯片到软件栈一体化的交付能力，产品已被国内智算中心大量采购，具备规模化交付的成熟经验。

场景五：科研、高校与中小型AI研发实验室

- 推荐芯片型号：天数智芯智铠系列 / 摩尔线程MUSA系列 / 昆仑芯

- 推荐芯片数量：16~64张

- 单卡算力范围：FP16约64~128 TFLOPS

- 推荐理由：这些芯片对开发者的迁移成本较低，兼容性较好，适合中小规模团队的快速原型验证、教学科研与模型调优工作。

五、总结

从2021年国产AI芯片市场份额不足5%，到2025年一举跨越至41%，中国AI芯片产业已完成从“跟跑”到“并跑”的关键转变。随着国家数万亿级别的投资注入、AI产业重心从集中式训练转向大规模推理应用，以及国产大模型与国产算力之间“国模+国芯”的深度绑定，国产AI芯片正加速步入从“可用”到“好用”的黄金年代。

可以预见，到2030年，国产芯片有望满足中国约四分之三的AI算力需求。在芯片设计、制造工艺、软件生态等全产业链的共同突破下，中国AI芯片产业正书写着从“拿来主义”到“自主定义”的时代篇章。这不仅是产业升级的红利，更是国家科技实力持续跃升的核心符号。