國產(chǎn)AI芯片三國殺：從算力競(jìng)爭到生態(tài)戰(zhàn)爭

文 | 智訊智庫分析師 劉婷

2025年下半年，“國產(chǎn) AI 芯片崛起”在中國市場(chǎng)逐漸成為共識(shí)——國產(chǎn)合計(jì)份額突破 40%，華為單家出貨逼近百萬張[1]，寒武紀(jì)首次扭虧[2]，海光營收破百億[3]，NVIDIA 三年間被切走 35-40 個(gè)百分點(diǎn)[1]——這一趨勢(shì)也得到了黃仁勛公開表態(tài)的佐證。

黃仁勛 2025 年內(nèi)三次到訪中國，在北京明確表示“任何低估華為、任何低估中國制造能力的人都極其天真”，并稱華為“芯片設(shè)計(jì)極其優(yōu)秀、擁有從芯片到系統(tǒng)、云服務(wù)的完整技術(shù)棧[4]；在 SCSP 論壇上，他更直接承認(rèn) NVIDIA 在中國 AI 芯片市場(chǎng)的份額“實(shí)際上已經(jīng)歸零”，并多次警告美國出口管制“在很大程度上事與愿違”[5]，反而加速了中國本土芯片的崛起。

但所有的數(shù)據(jù)和信息也都指向一個(gè)更深的問題：這究竟是國產(chǎn)芯片完成了“供給能力的躍遷”(產(chǎn)能、營收、出貨規(guī)模快速擴(kuò)張)，還是已經(jīng)實(shí)現(xiàn)了“競(jìng)爭結(jié)構(gòu)的終局重構(gòu)”(NVIDIA 在中國的主導(dǎo)地位被根本動(dòng)搖)?——這兩者意味著完全不同的產(chǎn)業(yè)前景。

本文基于上市公司年報(bào)、IDC 市場(chǎng)數(shù)據(jù)、SemiAnalysis 等行業(yè)研究，以及公開報(bào)道資料，從算力、生態(tài)、玩家結(jié)構(gòu)、訓(xùn)推分化、路徑分析五個(gè)維度，對(duì)當(dāng)前國產(chǎn)AI芯片的真實(shí)狀態(tài)進(jìn)行一次系統(tǒng)梳理。核心判斷包括:

2025-2026國產(chǎn)AI芯片的真實(shí)狀態(tài)

從公開披露的數(shù)據(jù)看，2025年是國產(chǎn) AI 芯片商業(yè)化進(jìn)程的一個(gè)關(guān)鍵拐點(diǎn)。在中國AI加速卡(涵蓋GPU、NPU、ASIC等)市場(chǎng)約 400 萬張的年度出貨規(guī)模中，國產(chǎn)廠商合計(jì)出貨約 165 萬張，市場(chǎng)份額首次穩(wěn)定突破 40%。這意味著國產(chǎn)芯片已經(jīng)不再處于“局部替代”的早期階段，而是進(jìn)入了可以在整體市場(chǎng)中形成結(jié)構(gòu)性存在的區(qū)間。

在這一背景下，華為昇騰、寒武紀(jì)、海光——這三家專業(yè) AI 芯片公司，即國產(chǎn) AI 芯片“三國”，在過去 12 個(gè)月里都跨過了此前未曾達(dá)到的門檻：

將四組數(shù)據(jù)放在一起，可以看到三個(gè)結(jié)構(gòu)性變化：

(1)國產(chǎn)AI芯片出貨量從2023年的單廠萬張級(jí)，躍升至2025年的行業(yè)合計(jì)百萬張以上；

(2)客戶結(jié)構(gòu)從“政策驅(qū)動(dòng)”擴(kuò)展到字節(jié)、阿里、百度、騰訊等頭部互聯(lián)網(wǎng)公司；

(3)商業(yè)模型從“高投入低回收”轉(zhuǎn)向“收入可持續(xù)兌現(xiàn)”

——但這些變化仍發(fā)生在訂單和收入層面，而非硬件性能與軟件生態(tài)的同步突破。

2025年下半年，“國產(chǎn) AI 芯片崛起”在中國市場(chǎng)逐漸成為共識(shí)。但這組數(shù)據(jù)仍有幾個(gè)關(guān)鍵的問題待討論：國產(chǎn)芯片所切走的 35–40% 市場(chǎng)份額，在訓(xùn)練與推理等不同工作負(fù)載之間分布并不均衡；互聯(lián)網(wǎng)大廠的"采用"并不等價(jià)于"替代"，其真實(shí)依賴度仍存在顯著差異；CUDA 開發(fā)者基數(shù)(約 590 萬)與國產(chǎn)生態(tài)(<100 萬)仍存在數(shù)量級(jí)差距[6]。換句話說，這一階段的變化更像是“供給能力的躍遷”，而不是“競(jìng)爭結(jié)構(gòu)的終局重構(gòu)”。

而這場(chǎng)躍遷的成因，恰恰印證了上述判斷：它與其說是國產(chǎn)芯片在公開競(jìng)爭中勝出，不如說是多重外部力量共同作用的結(jié)果——美國對(duì) H100、乃至特供版 H20(NVIDIA 為中國市場(chǎng)設(shè)計(jì)的減配版)的出口管制[17]，把大量原屬于 NVIDIA 的需求“逼”向國產(chǎn)替代；國產(chǎn)化政策對(duì)國企、運(yùn)營商、頭部大廠的采購形成引導(dǎo)；中芯國際(SH：688981) 7nm 良率爬坡(約 40%)[7]與華為產(chǎn)能儲(chǔ)備[8]，讓供給側(cè)第一次接得住規(guī)模化訂單；再疊加大模型需求整體爆發(fā)，市場(chǎng)本身在迅速變大。簡單來說，這場(chǎng)躍遷的底層邏輯是“需求被管制重新分配、而供給剛好接得住”，而不是“國產(chǎn)芯片在性能與生態(tài)上贏過了 NVIDIA”。

算力維度：與NVIDIA的差距評(píng)估

只看硬件性能，國產(chǎn) AI 芯片在 2024–2025 年完成了一輪實(shí)質(zhì)性追趕，但同樣的對(duì)照表也清晰標(biāo)記了仍未突破的物理與供應(yīng)鏈邊界。

國產(chǎn)已做到的部分。與 NVIDIA 上一代主力平臺(tái)(A100、H100)相比，國產(chǎn)旗艦單卡性能已實(shí)質(zhì)接近，并通過系統(tǒng)級(jí)集成實(shí)現(xiàn)局部反超。

圖表1：國產(chǎn)旗艦芯片性能對(duì)比

單看一張卡，國產(chǎn)最強(qiáng)的昇騰 910C，實(shí)測(cè)能發(fā)揮出 NVIDIA H100 約六成的性能[9]。而 H100 是 NVIDIA 2022 年發(fā)布的旗艦——如今已被 H200(2023)、B200(2024)兩代新品超越[12]，但因存量巨大，它仍是當(dāng)前全球 AI 數(shù)據(jù)中心的主力芯片。所以“達(dá)到 H100 的 60%”的準(zhǔn)確含義是：國產(chǎn)單卡追上了“NVIDIA 兩三年前的主力”的六成，而不是“NVIDIA 當(dāng)前最強(qiáng)”的六成。若對(duì)標(biāo) NVIDIA 2024 年發(fā)布的 Blackwell B200，差距仍然明顯。(見圖表 2)。

但單卡不是故事的全部。在“堆卡”的系統(tǒng)級(jí)方案上，華為 CloudMatrix 384(用 384 顆 910C 組成一個(gè)超節(jié)點(diǎn))靠數(shù)量和工程優(yōu)化，在算力、內(nèi)存帶寬等部分指標(biāo)上反超了 NVIDIA 的旗艦機(jī)柜 GB200 NVL72(由 72 張 Blackwell GPU 組成的機(jī)柜級(jí) AI 超級(jí)計(jì)算系統(tǒng))[11]，代價(jià)是約 4 倍的功耗。這反映出國產(chǎn)廠商當(dāng)前的核心策略：以系統(tǒng)級(jí)集成與規(guī)模化部署，彌補(bǔ)單卡層面的性能代差。

國產(chǎn)仍落后的部分。與NVIDIA最新一代平臺(tái)相比，四個(gè)關(guān)鍵維度的差距依然清晰：

圖表2：算力四維度對(duì)比表

四個(gè)維度并非平行。HBM 帶寬(高帶寬內(nèi)存，AI 芯片“讀取和搬運(yùn)數(shù)據(jù)”的速度)往往比理論 FLOPS 更關(guān)鍵，因?yàn)榇竽Ｐ陀?xùn)練的瓶頸在數(shù)據(jù)搬運(yùn)而非純計(jì)算。互聯(lián)差距在萬卡級(jí)集群中會(huì)被指數(shù)放大，NVIDIA NVL72 方案能讓 72 顆 B200 在邏輯層表現(xiàn)為單一 GPU[12]，這是國產(chǎn)體系目前無法對(duì)標(biāo)的架構(gòu)性優(yōu)勢(shì)。同時(shí)，進(jìn)入 3nm 區(qū)間的不只 NVIDIA，Google TPU v7p、Amazon Trainium 3 也在快速迭代[13]，國產(chǎn) AI 芯片真正面對(duì)的是整個(gè)全球先進(jìn)制程梯隊(duì)的持續(xù)跑動(dòng)。

部分差距是工程外的硬約束。荷蘭阿斯麥(ASML)的 EUV 光刻設(shè)備長期受美國出口管制，無法向中國大陸供貨，直接限制了中芯國際向 5nm 以下推進(jìn)；HBM3E/HBM4(高帶寬內(nèi)存 HBM 的演進(jìn)版本，屬于面向 AI 芯片、高性能計(jì)算(HPC)和數(shù)據(jù)中心的 3D 堆疊 DRAM 技術(shù))全球產(chǎn)能集中于 SK 海力士、三星、美光三家韓美廠商，2024 年底美國進(jìn)一步加強(qiáng)對(duì)華出口管制[14]。這兩個(gè)約束的共同特點(diǎn)在于國產(chǎn)芯片公司并非“完全做不出來”，而是在全球供應(yīng)鏈關(guān)鍵節(jié)點(diǎn)上仍缺乏自主能力，受制于海外公司和出口管制，這種差距不是會(huì)隨時(shí)間自然消失的線性問題。過去四年里，國產(chǎn) AI 芯片確實(shí)實(shí)現(xiàn)了從“接近 A100”到“部分場(chǎng)景接近 H100”的工程突破，但單卡算力的縮小并不意味著真實(shí)工作負(fù)載下的性能差距也在同步縮小。

面對(duì)這一制程天花板，華為也在嘗試“換賽道”。2026 年 5 月，華為在 IEEE ISCAS 2026 上提出“韜(τ)定律”，主張以“時(shí)間縮微”(通過邏輯折疊等技術(shù)壓縮信號(hào)傳播時(shí)延)替代傳統(tǒng)的“幾何縮微”(把晶體管做得更小)，目標(biāo)是到 2031 年在不依賴先進(jìn)光刻機(jī)的前提下，實(shí)現(xiàn)等效 1.4nm 制程的晶體管密度。不過這目前仍是一項(xiàng)面向未來的原則與路線圖——密度數(shù)字來自華為自身披露、尚待獨(dú)立驗(yàn)證。相關(guān)報(bào)道稱，該路線可能率先進(jìn)入后續(xù)麒麟手機(jī)芯片，并進(jìn)一步擴(kuò)展至 AI 芯片。但其能否在 AI 算力場(chǎng)景兌現(xiàn)仍需觀察。

生態(tài)層面： 國產(chǎn)生態(tài)仍處于“建立第二語言”階段

如果說硬件層面的追趕存在清晰上限，那么生態(tài)層面的差距則呈現(xiàn)出完全不同的形態(tài)。這并不是一道單純依靠工程投入就能解決的技術(shù)題，而是一個(gè)由時(shí)間積累、開發(fā)者規(guī)模與網(wǎng)絡(luò)效應(yīng)共同構(gòu)成的復(fù)雜系統(tǒng)。

NVIDIA 披露，截至 2025 年其 CUDA 生態(tài)已經(jīng)形成一組極具規(guī)模效應(yīng)的數(shù)據(jù)：全球 CUDA 開發(fā)者規(guī)模達(dá)到 590 萬；CUDA-enabled GPU 累計(jì)部署超 5 億；CUDA 自 2006 年發(fā)布以來，已經(jīng)持續(xù)演進(jìn)近 20 年[6]。

在工具鏈層面，NVIDIA 圍繞 CUDA 構(gòu)建起覆蓋深度學(xué)習(xí)、HPC(高性能計(jì)算)、數(shù)據(jù)科學(xué)與 AI 推理的完整體系。PyTorch(目前最主流的 AI 模型訓(xùn)練框架)、TensorFlow(Google 推出的深度學(xué)習(xí)框架)、JAX(Google 推出的高性能機(jī)器學(xué)習(xí)計(jì)算框架)等主流框架默認(rèn)以 CUDA 作為第一優(yōu)先級(jí)后端，vLLM(大模型高吞吐推理框架)、TensorRT-LLM(NVIDIA 官方的大模型推理加速引擎)、SGLang(面向大模型服務(wù)與推理優(yōu)化的開源框架)等主流推理框架也都首先圍繞 NVIDIA 平臺(tái)開發(fā)。當(dāng)前大量前沿模型的訓(xùn)練與部署，仍高度依賴 CUDA 生態(tài)。

國產(chǎn)生態(tài)相比仍處于明顯更早期階段。華為 CANN 是其中推進(jìn)最快的一套：2018 年發(fā)布，CANN 6.0(2022)開始支持大量主流模型與框架兼容；2024-2025 年華為進(jìn)一步推進(jìn) CANN 8.x 并宣布工具鏈全面開源[15]，這是國產(chǎn) AI 軟件生態(tài)迄今最重要的戰(zhàn)略升級(jí)。但真正的差距不在"支持多少模型"，而在起跑時(shí)間存在 12 年代差、開發(fā)者基數(shù)仍為百萬級(jí)以下、主流框架對(duì)國產(chǎn)平臺(tái)仍停留在“兼容與遷移”層面。寒武紀(jì) NeuWare、海光 DTK 等其他方案則處于更早期階段。當(dāng)前國產(chǎn) AI 芯片真正面對(duì)的，并不是“有沒有軟件棧”的問題，而是 CUDA 已經(jīng)成為全球 AI 開發(fā)的默認(rèn)語言，而國產(chǎn)生態(tài)仍然處于“建立第二語言”的階段。

在紙面參數(shù)上，國產(chǎn)旗艦芯片與 NVIDIA 的差距正在快速縮小。但在真實(shí)的大模型訓(xùn)練與推理環(huán)境中，這種差距往往會(huì)被重新放大。

以 LLaMA-2 70B(Meta 發(fā)布的第二代 700 億參數(shù)大語言模型)推理為例，SemiAnalysis 等機(jī)構(gòu)測(cè)算認(rèn)為昇騰 910C 的部分硬件指標(biāo)已達(dá)到 H100 的約 80%[10]，但 DeepSeek 等團(tuán)隊(duì)的實(shí)測(cè)顯示，真實(shí)推理工作負(fù)載下整體性能約為 H100 的 60%[9]。從“紙面 80%”到“實(shí)際 60%”之間這 20 個(gè)百分點(diǎn)的差距，本質(zhì)上就是生態(tài)成熟度帶來的性能損耗。

這種損耗主要來自三個(gè)層面：關(guān)鍵算子庫(FlashAttention、KV-Cache、MoE Routing)的優(yōu)化滯后、編譯器協(xié)同與算子融合體系不夠成熟、通信庫與集群軟件棧仍在快速迭代等多處疊加。這意味著，即便國產(chǎn)芯片在采購價(jià)格上接近 NVIDIA，如果實(shí)際有效算力只能發(fā)揮對(duì)方六成，企業(yè)最終省下的硬件成本，很可能重新消耗在額外服務(wù)器、工程適配與運(yùn)維復(fù)雜度上。

軟件生態(tài)真正難以撼動(dòng)的地方，在于它具有典型的網(wǎng)絡(luò)效應(yīng)(Network Effect)。CUDA 的護(hù)城河不來自某個(gè)單獨(dú)組件，而來自一個(gè)持續(xù)自我強(qiáng)化的循環(huán)：軟件適配更充分 → 開發(fā)者更多 → 企業(yè)遷移成本更高 → 市場(chǎng)份額擴(kuò)大 → NVIDIA 獲得更多投入 → 軟件生態(tài)繼續(xù)增強(qiáng)。每一環(huán)都在強(qiáng)化下一環(huán)，系統(tǒng)整體呈現(xiàn)"越強(qiáng)者越強(qiáng)"的正反饋。這也解釋了即便競(jìng)爭對(duì)手在硬件上追平 NVIDIA，開發(fā)者依然不愿遷移的現(xiàn)象。因?yàn)檫w移成本(重寫代碼、重新訓(xùn)練團(tuán)隊(duì)、放棄成熟的庫與工具鏈)遠(yuǎn)大于硬件性能差距所能帶來的收益。

觀察過去三年，國產(chǎn)生態(tài)確實(shí)在快速進(jìn)步：CANN 演進(jìn) + 全面開源、昇騰芯片進(jìn)入互聯(lián)網(wǎng)大廠、國產(chǎn)推理框架逐漸成熟。但 CUDA 同期也沒放緩，開發(fā)者從 2020 年約 200 萬增長至 2025 年接近 600 萬[6]，主流推理框架體系持續(xù)擴(kuò)張。國產(chǎn)生態(tài)在追趕，但 CUDA 這個(gè)“移動(dòng)目標(biāo)”本身也在持續(xù)加速。這也是為什么說當(dāng)前國產(chǎn)芯片獲得的大量市場(chǎng)份額，更多建立在供應(yīng)鏈安全與去風(fēng)險(xiǎn)化需求之上，而非開發(fā)者生態(tài)層面的完全替代。

國產(chǎn)AI芯片的真實(shí)格局

在“專業(yè)AI芯片公司”這個(gè)子集里，“三國”仍是核心力量。但整個(gè)中國AI算力產(chǎn)業(yè)已經(jīng)從“三家競(jìng)爭”演變?yōu)椤皩I(yè)芯片公司 + 云廠商自研 + 長尾新勢(shì)力”共存的多層結(jié)構(gòu)。

圖表4：玩家清單表

值得注意的是阿里平頭哥的 26.5 萬張出貨已經(jīng)超過寒武紀(jì)兩倍以上。阿里平頭哥 PPU(Programmable Processing Unit，可編程處理器)芯片在 2025 年 9 月經(jīng)央視《新聞聯(lián)播》首次披露，性能超過 NVIDIA A800、接近 H20，單卡 BOM 較 H20 下降約 40%[16]，說明互聯(lián)網(wǎng)大廠自研已不是“內(nèi)部供給”的副產(chǎn)品，而是具備規(guī)模化交付能力的獨(dú)立力量。字節(jié)、騰訊等“未量產(chǎn)”項(xiàng)目本身也說明，頭部互聯(lián)網(wǎng)公司已經(jīng)把 AI 算力視為“基礎(chǔ)設(shè)施能力”而不是采購品。

此外，國產(chǎn) AI 芯片當(dāng)前的客戶結(jié)構(gòu)仍帶有明顯的"項(xiàng)目制擴(kuò)張"特征。寒武紀(jì) 2025 年報(bào)披露前五大客戶占比 88.66%[2]、海光 90%+[3]。這并非任何一家獨(dú)有，而是產(chǎn)業(yè)早期的典型特征：客戶少、單筆大、決策周期長。但這種結(jié)構(gòu)意味著單一頭部客戶的采購變化(自研落地或重新增加 NVIDIA)會(huì)直接放大業(yè)績波動(dòng)。國產(chǎn) AI 芯片行業(yè)目前更像“少數(shù)大客戶推動(dòng)的項(xiàng)目制增長”，而非“開發(fā)者生態(tài)驅(qū)動(dòng)的自然擴(kuò)張”。

如果把"滲透率提升"視為一個(gè)整體，很容易忽略當(dāng)前行業(yè)最重要的結(jié)構(gòu)性事實(shí)：國產(chǎn)芯片在推理與訓(xùn)練兩個(gè)場(chǎng)景中的滲透速度完全不同。

推理場(chǎng)景對(duì)算力與生態(tài)要求相對(duì)寬松，更強(qiáng)調(diào)成本、供給穩(wěn)定性與部署效率。百度昆侖芯 R480 在 batch size=64 的推理場(chǎng)景下，單卡吞吐量約為 H100 的 62%，但成本僅為后者的 45%[17]。對(duì)于大量推理型工作負(fù)載而言，“性能略低但成本顯著更低”的組合，已經(jīng)具備商業(yè)可行性。因此，過去兩年國產(chǎn) AI 芯片市場(chǎng)份額的快速提升，很大程度上來自推理側(cè)的規(guī)模化部署。

訓(xùn)練場(chǎng)景則是另一套邏輯。大模型訓(xùn)練不僅依賴單卡性能，更依賴完整軟件棧、穩(wěn)定通信系統(tǒng)與成熟開發(fā)工具鏈。一次訓(xùn)練中斷可能意味著數(shù)百萬美元級(jí)別的損失，對(duì)穩(wěn)定性(MTBF)、框架兼容性、集群調(diào)度的要求遠(yuǎn)高于推理。目前大量智算中心采用"異構(gòu)部署"策略：NVIDIA 承擔(dān)核心基座訓(xùn)練，國產(chǎn)芯片承擔(dān)推理、微調(diào)與垂類任務(wù)。直到 2025 年 DeepSeek 才首次披露針對(duì)國產(chǎn)芯片的專項(xiàng)優(yōu)化[18]。市場(chǎng)將 2026 年定義為“國產(chǎn) AI 芯片訓(xùn)練落地元年”，這一說法也從側(cè)面印證了訓(xùn)練側(cè)的規(guī)模化國產(chǎn)替代此前尚未真正展開。

AI 芯片競(jìng)爭正在分化為兩種戰(zhàn)爭：推理市場(chǎng)更像成本與供給能力的競(jìng)爭；訓(xùn)練市場(chǎng)則更像生態(tài)、工具鏈與開發(fā)者體系的競(jìng)爭。這也解釋了為什么國產(chǎn)份額能夠快速提升，但 NVIDIA 的生態(tài)優(yōu)勢(shì)與利潤率依然穩(wěn)固。

生態(tài)突圍：三條 路徑 分析與判斷

從軟件生態(tài)演進(jìn)路徑看，國產(chǎn)AI芯片并不存在單一“追趕路線”，而是并行演化出三種不同范式，本質(zhì)上反映的是對(duì)“CUDA依賴如何被打破”這一問題的不同解法。

圖表5：三條生態(tài)路徑對(duì)照表

三條路徑的根本差異不在技術(shù)細(xì)節(jié)，而在競(jìng)爭策略：

回看 AI 芯片產(chǎn)業(yè)的演進(jìn)，競(jìng)爭的“決勝維度”經(jīng)歷過一次遷移。這場(chǎng)遷移主要發(fā)生在 NVIDIA 主導(dǎo)的過去十余年里：最早，硬件性能強(qiáng)者勝；隨著 AI 普及，軟件棧(編譯器、算子庫)的成熟度成為效率分水嶺；而到了今天，決定格局的已是生態(tài)規(guī)模與網(wǎng)絡(luò)效應(yīng)帶來的路徑依賴。越往后，生態(tài)層的權(quán)重越大——這是 NVIDIA 即使硬件優(yōu)勢(shì)收窄、仍能穩(wěn)守市場(chǎng)地位的根本原因。這也點(diǎn)出了國產(chǎn) AI 芯片的結(jié)構(gòu)性困境：在它們大規(guī)模入場(chǎng)時(shí)(2019 年之后)競(jìng)爭早已進(jìn)入“生態(tài)決勝”階段。既錯(cuò)過了“硬件決勝”的窗口期，又不得不直接在 NVIDIA 最深的護(hù)城河上正面交鋒。這也是為什么單卡性能的追平，并不足以撼動(dòng)整體格局。

2025 年中國 AI 芯片市場(chǎng)的核心變化并不是“替代完成”，而是供給能力顯著擴(kuò)張后的結(jié)構(gòu)性分層形成——NVIDIA 仍主導(dǎo)高端訓(xùn)練與前沿模型開發(fā)，國產(chǎn)芯片則率先在推理、政企、運(yùn)營商和成本敏感型場(chǎng)景中實(shí)現(xiàn)規(guī)模化落地。不同國產(chǎn)廠商之間，也開始形成不同技術(shù)路線與客戶定位。

這也意味著，對(duì)國產(chǎn) AI 芯片的評(píng)估，不能僅依據(jù)“份額提升”或“性能接近 H100”這類表層指標(biāo)。因?yàn)槭袌?chǎng)份額可以由供應(yīng)鏈環(huán)境推動(dòng)，硬件性能也可以通過工程投入持續(xù)逼近；但生態(tài)遷移的速度，往往慢于硬件追趕，并且具有明顯的路徑依賴特征。未來幾年，真正值得持續(xù)跟蹤的，可能是兩個(gè)更深層的領(lǐng)先指標(biāo)：其一，國產(chǎn)芯片能否真正進(jìn)入大模型訓(xùn)練這一核心工作負(fù)載；其二，開源中間層與“硬件可插拔”架構(gòu)，是否足以削弱 CUDA 對(duì)開發(fā)流程的綁定能力。前者決定國產(chǎn)替代能夠達(dá)到的產(chǎn)業(yè)上限，后者則決定 NVIDIA 的生態(tài)優(yōu)勢(shì)是否會(huì)出現(xiàn)結(jié)構(gòu)性松動(dòng)。

附錄：國產(chǎn)AI芯片能力一覽（以NVIDIA為基準(zhǔn)）

數(shù)據(jù)截至2026年1月。"未公開"= 廠商未披露確切參數(shù)，不做估算填充。

國產(chǎn)AI芯片能力一覽（以NVIDIA為基準(zhǔn)）

[1] IDC(經(jīng) The Decoder 報(bào)道),《Chinese chipmakers now control 41 percent of China's AI accelerator market》,https://the-decoder.com/chinese-chipmakers-now-control-41-percent-of-chinas-ai-accelerator-market/

[2] 中科寒武紀(jì)科技股份有限公司,《2025 年年度報(bào)告》。

[3] 海光信息技術(shù)股份有限公司,《2025 年年度報(bào)告》。

[4] CNBC,《As Nvidia gets a lifeline in China, Jensen Huang goes on the charm offensive in Beijing》,https://www.cnbc.com/2025/07/16/as-nvidia-gets-a-lifeline-in-china-jensen-huang-goes-on-the-charm-offensive-in-beijing.html

[5] AIM《Jensen Huang Says NVIDIA’s China Chip Share Has Fallen to Zero》,https://analyticsindiamag.com/ai-news/jensen-huang-says-nvidias-china-chip-share-has-fallen-to-zero

[6] NVIDIA 10-K Annual Report FY2025，https://www.sec.gov/Archives/edgar/data/1045810/000104581025000023/nvda-20250126.htm

[7] Digitimes,《Huawei Ascend AI chip yield rate report》,https://www.digitimes.com/news/a20250225PD224/huawei-ascend-ai-chip-yield-rate.html

[8] SemiAnalysis,《Huawei Ascend Production Ramp: Die Banks, TSMC Continued Production, HBM is The Bottleneck》,https://newsletter.semianalysis.com/p/huawei-ascend-production-ramp

[9] Tom's Hardware,《DeepSeek research suggests Huawei's Ascend 910C delivers 60% of Nvidia H100 inference performance》,https://www.tomshardware.com/tech-industry/artificial-intelligence/deepseek-research-suggests-huaweis-ascend-910c-delivers-60-percent-nvidia-h100-inference-performance

[10] News,《Huawei’s Ascend 910C Takes on NVIDIA as China’s AI Race Heats Up: More Alleged Details》，https://www.trendforce.com/news/2025/03/13/news-huaweis-ascend-910c-takes-on-nvidia-as-chinas-ai-race-heats-up-more-alleged-details/

[11] SemiAnalysis,《Huawei CloudMatrix 384》;Counterpoint Research(經(jīng) TechStartups 報(bào)道),《Huawei's Ascend 910C system reportedly outperforms Nvidia's H100 in key metrics》,https://techstartups.com/2025/04/28/

[12] NVIDIA Corporation,《NVIDIA Blackwell Architecture / GB200 NVL72 Datasheet》,https://www.nvidia.com/en-us/data-center/gb200-nvl72/

[13] SemiAnalysis,《Google TPUv7: The 900lb Gorilla In the Room》,https://newsletter.semianalysis.com/p/tpuv7-google-takes-a-swing-at-the

[14] U.S. Department of Commerce, Bureau of Industry and Security (BIS),《Export Controls Final Rule, 89 Fed. Reg. 96790》,https://www.bis.gov/

[15] 觀察者網(wǎng),《對(duì)標(biāo)英偉達(dá) CUDA,華為宣布開源 CANN》,https://www.guancha.cn/economy/2025_08_05_785551.shtml

[16] 電子工程專輯(EE Times China),《央視"意外"曝光參數(shù):平頭哥 PPU 芯片超越英偉達(dá) A800》,https://www.eet-china.com/news/202509177867.html

[17] 吳建明,《國產(chǎn) AI 芯片產(chǎn)業(yè)深度研究報(bào)告(2025 年度)》,https://www.cnblogs.com/wujianming-110117/p/19240246

[18] 36 氪,《2026,國產(chǎn) AI 芯片,跨越天塹:從"推理"走向"訓(xùn)練"》,https://www.36kr.com/p/3696839539338881