从芯片到场景:AI 产业链的断链节点在哪

一、上游：芯片不是造不出来，是造不便宜

第一个反直觉的事实是，国产芯片的份额已经反超。

Bernstein 的估算显示，华为昇腾在中国 AI 加速卡市场的份额从 2025 年的约 40% 升至 2026 年的约 50%，英伟达同期从约 40% 降到约 8%。昇腾 2026 年目标产量约 160 万颗，其中 910C 约 60 万颗。

图 1｜中国 AI 加速卡市场份额估算（来源：Bernstein Research、TrendForce）

但份额不等于能力。昇腾依赖中芯国际的 N+2 工艺（约 7 纳米级），比英伟达最新旗舰落后两到三代；更硬的约束在制造端——中芯 N+2 产线的良率到 2025 年才刚越过 50% 的盈亏线，2026 年各家估算落在 40%–65% 区间（口径不一），而台积电为英伟达代工的先进制程在 80%–95%。昇腾 910C 采用双 die Chiplet 封装，两颗 die 都得合格才能出一颗成品，复合良率还要再折一次。

HBM 是上游唯一「有钱也买不到」的环节。三星、SK 海力士、美光握有全球九成以上的存储产能，2026 年的 HBM 产能已全部售罄；三星把约 70% 的存储产能通过长协锁定至 2031 年，签约方包括英伟达、微软、谷歌。价格因此分层：HBM3E 的 2026 年长协价同比只涨约 20%，看着温和；但同一颗 36GB HBM3E 现货叫价约 2100 美元，长协价仅 365–510 美元——现货是长协的 4 到 5 倍。美光披露，核心客户的需求满足率只有 50%–67%。

卡死的原因在物理层面。HBM 要把多层 DRAM 晶圆垂直堆叠再与 GPU 共封装，层数越高，一处缺陷就废掉整颗；它的晶圆用量约为普通 DRAM 的 3 到 5 倍，2026 年将吃掉全球 DRAM 晶圆产能约 23%，而毛利率超过 70%，原厂自然把产能从手机、PC 往这边抽。于是它成了加速卡里最贵的单项——英伟达 B200 的 HBM 占整卡物料成本约 48%，GB300 约 54%。

对中国厂商，这一环的管制要的不是「贵」，而是「买不到」。2024 年 12 月，美国 BIS 首次把 HBM3 及以上规格纳入对华全面管制。长鑫存储是目前唯一在追赶的主体：HBM2 已量产，2025 年下半年向华为交付 HBM3 样品，2026 年启动 HBM3E 风险试产，样品送阿里平头哥与寒武纪验证，比原预期提前一年；但良率仍是硬门槛，各家估算落在 25%–50%，商业化需要 80% 以上，技术代差约 3 年。

所以上游的断链点，已经不是「能不能设计出来」，而是「造出来划不划算」——卡点从设计转移到了制造、封装与内存供给。

二、中游：算力不是不够，是分布不均

第二个反直觉的事实是，算力的总量矛盾在缓解，结构矛盾在加剧。

截至 2026 年 6 月，全国在用智能算力规模达 2185 EFLOPS（FP16），在用标准机架 1556 万架，同比增长 177%。单看总量，供给端堪称强劲。

图 2｜中游算力：建设侧与使用侧两张排序表（来源：中国信通院《2026 综合算力全景分析》、工信部）

把建设和使用两张表摆在一起，问题立刻显形。

建设侧看集中度。河北一省在用智算规模 556.1 EFLOPS，占全国约 25.4%——四分之一；内蒙古、浙江、江苏、贵州均超 150 EFLOPS。第一名是第二梯队的 3.7 倍，不是梯度，是断层。区域更集中：东部 55.9%、西部 32.6%，合计近九成；中部仅 10.6%，东北 0.9%。

使用侧看效率。全国算力设施整体上架率 71.4%，但这个数被东部大集群按规模加权抬高了。分省看，只有 7 个省份超过 75%：青海、新疆、山西、河南、湖南、吉林、江苏。中西部与东北整体在 34%–41%，三四线城市空置率超 70%。而一座智算中心要跨过约 40% 的利用率才能盈亏平衡。

两张表对照，两个结论。

第一，规模和效率是两张皮。河北规模第一、利用率也第一（超 80%），靠的却是环京区位——廊坊到北京单向时延低至 0.33 毫秒，它承接的是北京的需求，不是自己消化；规模前五的贵州，上架率并未进入前 7；而 7 个高上架率省份里，中西部占 6 席，东部只有江苏。高上架率证明的是「离需求近」，不等于「产得好」。

第二，断层比平均值更值得看。前 7 省过 75%，中西部整体只有 34%–41%，中间几乎没有过渡带——不是「普遍偏低」，而是两极已经成型。71.4% 这个平均数，是被头部省份托起来的。

需求端其实早已不是瓶颈：全国日均 Token 调用量从 2024 年初的约 1000 亿，升至 2026 年 3 月底的 140 万亿，两年增长超千倍。

一边是需求爆发，一边是部分算力闲置。中游的断链点很明确——不是「有没有算力」，而是「算力在不在对的地方、跑不跑得起来」。

三、下游：不是缺应用，是缺「中试」

下游看起来最热闹。工信部披露，2026 年上半年规模以上制造业企业 AI 技术应用普及率已超 30%；国家工业信息安全发展研究中心的口径更细——AI 技术重点场景应用普及率 34.2%，同比提高 5.5 个百分点。但这个数字的定义要先说清楚：它统计的是在至少一项重点业务场景中落地了 AI 的企业占比。门槛是「用过」，不是「用得深」。

把口径从广度换成深度，画面立刻反过来。同期，企业端 AI 整体渗透率不足 10%；麦肯锡调研显示，国内只有 5%–7% 的 AI 落地企业拿到了显著财务效益，88% 仍停留在单点文档处理、智能问答这类浅层应用；用友对 438 家企业的调查里，超过 65% 已在试点或探索，真正跑进规模化的只有 15%。

这不是中国独有的问题。2026 年 5 月 4 日，Anthropic 与黑石、Hellman & Friedman、高盛共同设立了一家 AI 原生企业服务公司，联合体承诺资本约 15 亿美元——做的是交付，不是咨询：把 Anthropic 自己的应用 AI 工程师直接嵌进客户团队，从关键工作流入手把方案建起来并长期运维。同一小时，OpenAI 宣布了对标安排，估值约 100 亿美元。两家给的理由几乎一样：企业对模型的需求，已经超出了任何单一交付模式所能承载的规模。

更值得留意的是那个岗位。Anthropic 招的是前置部署工程师（Forward Deployed Engineer，FDE）——要求 25%–50% 的时间待在客户现场，薪酬给到与模型研究工程师同一梯级，产出是能上生产的 MCP 服务器、子智能体与工作流，而不是一份报告。中国官方的产业话语里也出现了同一个词：工业互联网研究院把「前线部署工程师直达企业现场，端到端把 AI 产品接入用户真实业务系统」列为破解工程化适配难题的关键。

所以应用层最薄的一环不是创意，而是把模型稳定嵌进产线的那套工程能力。从「能演示」到「能量产」，缺的是中试与工程化——部署障碍里，数据质量与数据孤岛以 35.8% 的提及率排第一，其后是技术与业务融合（28.8%）、复合型人才不足（26.7%）。而国内人形机器人整机产品 400 余款、占全球一半以上，恰好说明「做出来」已经不缺，「用起来」才是缺口。

四、四个断链点，一个延链机会

三段卡住的地方性质不同：上游卡在制造与内存供给，中游卡在分布，下游卡在工程化。收敛成四条断链点，外加一个延链机会。

第一，芯片制造与内存供给，已取代设计成为卡点。落后两到三代的是制造与封装——中芯 N+2 良率刚越过 50% 的盈亏线，台积电同一环节在 80%–95%；HBM 更被出口管制直接切断，长鑫 HBM3E 仍在风险试产。设备侧（先进制程、EDA、光刻）仍全链条受制。补链方向是 Chiplet 与超节点互联、先进封装与 HBM 产能爬坡、架构创新（光计算、类脑等）。

第二，底层基础软件生态。换一颗芯片、软件栈要重写一遍，这一层比芯片本身更难绕开。补链方向是开源编译器与算子库、跨芯片统一开发框架、Day0 适配机制。

第三，高质量中文语料与行业数据集。「数据质量与数据孤岛」在部署障碍里的提及率排第一（35.8%）。延链方向是可信数据空间、行业语料库与合成数据。

第四，中试与工程化能力。缺的不是创意，是能把模型稳定嵌进产线的工程能力。除中试基地、具身智能训练场、智能工厂外，更要补「人」——Anthropic 与 OpenAI 竞相设立的前置部署（FDE）岗位，就是这一环。

第五，延链机会：AI 原生交付服务商。前四条补短板，这条抓长板。八部门《「人工智能+制造」专项行动实施意见》明确到 2027 年打造一批「懂智能、熟行业」的赋能应用服务商；Anthropic 联合黑石、高盛投入 15 亿美元建交付公司，是同一逻辑。它不依赖重资产与国家布局，园区就能招引。

五、这份判断怎么用

对企业：先分清「过剩」。算力不是全国过剩，是低效区域的过剩——河北利用率超 80%，中西部整体只有 34%–41%；真正拥挤的是通用集成这一层。稀缺的是能把模型嵌进产线的工程化交付能力（FDE 这类角色），以及可用的行业数据。

对地方：算力规模不是招商指标。河北规模第一靠的是环京区位，它承接的是北京的需求，不是自产自销；规模前五的贵州，上架率并未进入前 7。补链上还要分清可招引与只能自建：芯片制造、智算中心受国家布局约束，中试平台、行业数据集、交付服务商更适合园区精准招引。

下一篇预告｜五条技术主线——哪些是确定趋势，哪些还只是赌注。

数据来源

本文为研究观点分享，不构成投资建议。市场份额与良率均为第三方机构估算区间，非官方统计；良率是制造环节的指标（中芯国际 vs 台积电），不是芯片设计公司（华为 vs 英伟达）的指标，各来源统计范围不同（产线晶圆良率 / 单款芯片良率 / 含 Chiplet 封装的复合良率），不宜作单点引用。算力数据两侧排序口径不同（建设侧为在用值，使用侧为加权值、分省门槛值与区域值），不作横向比较。各省上架率的公开披露仅到「7 个省份超过 75%」及省份名单，具体数值未公布，本文未作推算。HBM 数据亦为第三方估算或厂商口径：长鑫 HBM3 / HBM3E 良率各家估算差异较大（约 25%–50%），本文采用区间而非单点值；「HBM 占 AI 加速卡物料成本比重」（B200 约 48%、GB300 约 54%）为第三方成本模型测算值，非官方披露。「AI 技术应用普及率」与「AI 整体渗透率」是两个不同口径，不可互相替代：前者（30%、34.2%）为企业广度指标——企业在至少一项重点业务场景中落地 AI 即计入；后者（不足 10%）为业务深度指标——AI 进入核心业务流程的企业占比。媒体的转引常把两者混用，引用时请保留原始限定语。