摩根士丹利:切勿低估中国 AI 算力芯片;谁将脱颖而出?超配寒武纪、天数智芯!

1. 在中国峰会中，MiniMax、智谱 AI 等主流大模型厂商表示，只要代币经济性具备竞争力，愿意采用国产 AI 芯片。
2. 近期实地调研显示，受超微电脑（SMCI）相关事件影响，英伟达 GPU 在华供应收紧，增量需求转向国产替代方案。
3. 英伟达 RTX 5090 在华现货需求旺盛，表明 AI 推理需求依然强劲。
4. 代币价格与 GPU 租赁价格上涨，亦反映算力市场仍处于紧缺状态。主要负面信号：价格竞争来得比预期更早，部分厂商已开始降价以抢占份额。
5. 2026 年 7 月世界人工智能大会（WAIC）将在上海举办，预计届时将亮相中国新一代 AI 加速芯片产品，天数智芯的新品尤为值得关注。

• 寒武纪（超配；目标价 1588 元人民币）：本土领先的 AI 推理芯片厂商，绑定头部云服务商客户、软硬件协同优化能力突出，在大规模云端推理部署中占据优势。
• 天数智芯（超配；目标价 600 港元）：供应链布局多元化、供应可见度更强，云端客户覆盖持续拓展。
• 沐曦股份（标配；目标价 758 元人民币）：具备差异化的本土通用 GPU（GPGPU）厂商，类 CUDA 软件兼容性较强，短期量产路径更具扩展性。但估值吸引力弱于同业。

1. 消费端与企业端应用的商业化，正推动 AI 推理需求快速增长；
2. 持续的出口管制，使本土化成为中国 AI 算力市场的长期特征，而非一项临时政策应对。

• 乐观情景：国产 AI 芯片的应用场景从推理拓展至部分训练负载，软件生态的改善速度快于预期，部分厂商实现海外市场的采用或间接出口机会。
• 悲观情景：产品差异化优势消失，价格竞争压力提前加剧，行业走向同质化与整合。

谁将在中国 AI GPU 领域胜出？

中国 AI 加速芯片生态涵盖独立芯片厂商、国资背景企业、与头部云服务商深度绑定的自研芯片团队。我们在全球 GPU/ASIC 格局下评估该生态竞争者，对比性能、成本、执行力的相对定位，并采用统一估值框架筛选风险收益比最优的标的。对云服务商的实地调研显示，尽管单代币成本是最重要的单一指标，但软件优化与战略客户合作的重要性超出预期。

基于近期出货趋势、客户份额、市占率演变及提前到来的价格下滑，我们认为下一阶段的核心不再是理论峰值性能，而是商业落地能力、软件就绪度与客户获取能力。

从竞争角度，市场应按客户类型划分：

• 头部云服务商与主流大模型厂商：核心决策指标为单代币成本，但仅靠该指标不足够。软件成熟度、框架兼容性、集群级优化、战略合作深度决定订单分配。
• 政务 AI、电信、国企及政府相关需求：供应安全、自主可控、政策契合度权重更高。

• 寒武纪：在ASIC/DSA技术路线上表现突出，凭借优异的推理性能、深度的客户绑定以及软硬件协同优化能力，实现了出色的部署经济性，尤其在大规模云端应用场景中优势明显。
• 天数智芯：的核心差异在于多元化晶圆厂策略、更高的供应可见度，以及凭借软件兼容性为客户提供务实便捷的迁移方案。
• 沐曦股份：是我们认为国内最具竞争力的GPGPU厂商之一，得益于其相对更强的类 CUDA 软件兼容性，以及短期更具规模化潜力的生产制造路径。

简而言之，寒武纪在当前云端推理场景的落地进展最为突出（仅次于华为昇腾）；天数智芯的核心优势在于供应链韧性与商业拓展弹性；沐曦股份则凭借其可规模化的通用 GPU定位，具备长期成长潜力。

中国 AI GPU 需求短期市场跟踪

同时，行业短期环境对国产厂商更有利。近期实地调研显示，英伟达 GPU 在华供应收紧，为国产替代创造更大空间。英伟达 5090 现货需求旺盛、代币价格与 GPU 租赁价格上涨，均印证下游推理需求韧性。这些数据强化我们的判断：需求环境依然强劲，尤其对需快速部署、不愿等待供应恢复的客户。警示：竞争加剧快于预期，市场已出现降价，行业或提前进入份额争夺期。因此，执行力愈发关键 —— 尤其在软件优化、客户支持与核心客户渗透方面。

2026 年 7 月世界人工智能大会将在上海举办，预计天数智芯等厂商将发布新一代 AI 加速芯片。

用我们的框架筛选赢家：首选寒武纪与天数智芯

基于性能与成本分析，我们采用结构化框架评估国产 AI 芯片厂商的相对定位，聚焦量化经济性与定性执行力两大维度。

我们的评估框架：经济性 × 执行力

我们从两大核心维度评估厂商：

• 推理经济性（量化）：包括总拥有成本、单代币成本、每秒代币处理量（TPS）性能、每瓦 / 每美元性能

• 执行能力（定性）：包括先进工艺产能获取、软件生态成熟度、与云服务商的合作深度、产品路线图的可靠性

我们认为，要实现持续领先，厂商必须在这两方面均具备优势。仅在某一方面表现突出（例如硬件性能强劲但生态薄弱）的厂商，难以实现稳固的市场份额。

寒武纪：推理性能与客户绑定领先

我们认为寒武纪是 ASIC（DSA）路线上最具优势的厂商之一。

• 量化层面：最新一代产品（如思元 590）推理性能具备竞争力，TPS 分析显示在部分 DeepSeek R1 场景中显著优于英伟达 H20。叠加定价优势，支撑优秀的单代币经济性（云服务商核心决策指标）。

• 定性层面：客户深度协同。与字节跳动多年合作实现持续软硬件优化与实际部署验证，在应用层调优与商业化落地中具备优势。

综上，寒武纪是推理驱动部署的短期领先者，尤其在效率与客户定制化优化至关重要的场景。

天数智芯：依托供应链韧性，订单可见度高

我们认为天数智芯凭借供应链韧性、软件兼容性与持续提升的商业落地能力，将充分受益于中国 AI 芯片国产替代进程的加速。

根据行业调研，国内头部云服务商已对天数智芯的天盖 150（TianGai-150）AI 芯片下达大额预订单，预计 2026 年下半年开始出货。重要的是，天数智芯的多元化晶圆厂策略（包括在台积电进行合规生产），相比仅依赖本土晶圆厂或海外不合规产能的同业，拥有更高的产能可见度，降低了供应中断风险。

软件层面，天数智芯的通用 GPU（GPGPU）架构具备高 CUDA 兼容性，降低了迁移成本。公司已协助客户将大模型栈从英伟达平台迁移至天盖 150。我们认为，这使其在企业寻求英伟达务实替代方案时占据优势地位。

沐曦股份：依托软件与供应实现规模化定位

在通用 GPU（GPGPU）赛道中，我们认为沐曦股份是具备竞争力的本土参与者，其核心优势在于聚焦提升 CUDA 生态兼容性。尽管 CUDA 仍是英伟达的核心护城河 —— 其深度整合了编译器、cuDNN 与 NCCL 等库，以及庞大的开发者生态 —— 这也形成了难以复制的结构性切换成本。

在此背景下，沐曦构建类 CUDA 软件栈与兼容层的策略，为本土客户提供了一条合理的采用路径。根据我们的行业调研，公司在编译器适配、PyTorch 等框架兼容性及运行时优化方面均取得了稳步进展，但整体生态的成熟度与稳定性仍落后于全球领先者。

此外，沐曦采用了务实的制造策略，依托 N+1/12nm 等相对成熟的工艺节点，保障良率稳定性与供应连续性。这一策略虽然限制了其与尖端产品相比的峰值性能，但在性能、成本与可制造性之间实现了更均衡的取舍。整体而言，我们认为沐曦的执行力与规模化潜力正在提升，但大规模商业部署的进一步验证仍是需要关注的关键因素。

性能与成本：哪些国产 AI 芯片脱颖而出？

对中国 AI GPU 市场而言，推理经济性比基础模型训练更重要

在此前中国 AI 洞察报告中，我们已对国产 AI 加速芯片在关键性能与经济指标（含 TCO、总处理性能 TPP、DeepSeek R1 推理 TPS、每瓦性能）进行全面对比。

1. TPS—— 营收核心指标

我们认为 TPS（每秒代币处理量）是中国推理主导市场的另一关键指标。与峰值 FLOPS 不同，TPS 反映端到端系统性能，体现实际负载下的硬件能力（计算吞吐量、内存与互联带宽）与软件效率。以 DeepSeek R1 为基准，对标英伟达 2025 年 2 月披露的 H200 结果（5899 TPS），我们发现华为昇腾 950PR/DT、寒武纪思元 690等头部国产加速芯片，在我们的测试场景中性能比英伟达 H20 高 50%-150%。这反映计算能力与系统级优化、计算 – 网络平衡的提升。

国产厂商通过内存、互联、系统架构改进取得显著进展，即便工艺节点劣势，仍实现有竞争力的推理性能。这强化我们的判断：性能领先愈发取决于负载场景，国产芯片在推理场景已具备竞争力，尽管英伟达在技术前沿仍占优势。

TPS 测算方法论

我们的 TPS 框架采用决定推理代币吞吐量的核心硬件与负载变量：

• 硬件输入：有效计算吞吐量（FP8，无则 FP16）、内存带宽、互联带宽、芯片利用率（UTR）

• 负载输入：模型大小（671GB）、层数（61）、激活专家（MoE 架构下 9/257）、输入 / 输出代币长度（1024/1024）、批次大小

选择 DeepSeek R1 作为基准模型，因其在中国当前大模型生态中具代表性且采用 MoE 架构。为校准框架，我们以 2025 年一季度英伟达 H200 公开数据为基准：2025 年 2 月，英伟达 H200 运行 DeepSeek R1 推理实现 5899 TPS。

局限性

我们的 TPS 预测主要基于硬件规格（计算吞吐量、内存带宽、网络带宽）。模型关键变量为芯片利用率（UTR），反映理论硬件吞吐量转化为实际持续性能的效率。我们微调 UTR 假设，使模型 TPS 接近英伟达公开结果，确保模型基于可观测市场数据，而非纯理论峰值规格。

需注意，英伟达公开结果或包含多层软件优化（内核调优、TensorRT 图优化、内存调度改进、通信库优化、MoE 模型专家路由优化）。因此，我们采用的英伟达基准（2025 年 2 月结果）可视为时间点参考，后续驱动、框架或固件更新或进一步提升性能。

因此，尽管我们的框架为跨厂商推理性能对比提供结构化、基于硬件的依据，实际 TPS 或因软件成熟度、负载组合、集群配置而异。我们的分析假设固定推理负载（输入 / 输出代币 1024/1024，批次大小 1），未必覆盖所有部署场景。

值得注意的是，评估英伟达下一代平台（如 GB300）时，性能差距显著扩大。英伟达最新发布显示，GB300 凭借更高计算吞吐量、增强网络带宽、新一代 HBM 性能与 FP4 等低精度格式支持，在 DeepSeek R1 场景下每瓦代币性能较 H200 提升最高 50 倍。

重要提示：本报告对比分析仅限于中国当前可采购或短期可合理获取的产品，未纳入英伟达最新前沿平台。绝对而言，英伟达最先进系统仍显著领先于我们模型中的产品。因此，我们的结论应基于中国可获取供应而非全球前沿技术领导力解读。

2. TCO—— 成本核心指标

TCO 仍是国产 AI 芯片最具吸引力的优势之一。全口径（芯片采购、电力、配套基础设施） 测算，我们估计国产加速芯片 TCO 可比英伟达当前在华解决方案低 30%-60%。优势源于更低的芯片初始定价、中国结构性更低的电力与基础设施成本。在大规模、高利用率的推理主导部署中，运营成本占生命周期成本主导，该优势更为显著。

将系统性能转化为单代币成本，差距收窄。尽管英伟达仍保持绝对性能领先（尤其高端），但头部国产加速芯片已实现与英伟达 A100/H20 系列单代币成本全面对标，部分配置下实现超越。我们认为，这是关键拐点 —— 云服务商从追求峰值芯片性能转向商业化变现与利用率优化 。

3. 能效 —— 功耗指标

能效方面，国产芯片已基本追平英伟达 A100 与 H20，仍落后 H100、H200 等新平台。同时，每美元性能上，国产加速芯片凭借更低定价与实际性能提升，已展现明确优势。

叠加采购成本，国产芯片因定价显著更低，每美元性能更强。头部国产加速芯片已超越 A100，缩小与 H200 差距，强化其在推理主导部署中的吸引力。

4. 通用 GPU vs. 专用集成电路：差异是否关键？

评估国产 AI 芯片竞争力时，我们认为架构选择（GPGPU vs. ASIC/DSA） 是中国 AI 生态的核心战略取舍。与可获取先进工艺与成熟软件的全球同业不同，国产厂商需在量产限制、软件成熟度、需求结构演变间优化。

GPGPU：可编程性与灵活性更强，适配快速迭代的模型生态与 PyTorch 等主流框架。在中国软件生态仍在收敛、模型架构持续迭代的背景下，灵活性价值突出。但功耗与面积效率更低，通常需更先进工艺实现有竞争力的性能。

ASIC：软硬件协同优化更紧密，可部分弥补工艺劣势，在目标负载中实现更高效率，适合推理主导或相对稳定的场景。取舍在于通用性降低、软件移植成本更高、对模型架构变化更敏感。（完）