全球科技封锁态势持续加深，国产替代的产业价值与战略意义显著抬升。2026 年以来，海外对华科技限制呈现高频化、体系化、长期化特征，AI 芯片、模型能力、技术交流、科研合作等环节均受到不同程度限制。上述事件一方面印证了中国 AI 企业正通过快速学习和产业化迭代缩小与海外领先水平的差距，另一方面也表明全球科技铁幕正在加速落地。

本轮海外对华技术封锁的核心目标，是尽可能延缓中国 AI 产业的技术进步节奏。虽然其无法阻挡中国人工智能产业的长期发展趋势，但短期内会对模型训练效率、先进算力供给、软件生态迭代形成扰动。在此背景下，AI 信创不再只是传统 IT 国产化的延伸，而是国家级科技竞争中的底层基础设施命题。

DeepSeek V4 使用国产算力参与训练，进一步强化了国产替代主线的产业确定性。过去市场对国产算力的理解，更多集中在政务信创、央国企采购、推理侧部署和低中端训练场景；而此次事件表明，国产算力正在向大模型核心训练环节推进。即便当前国产算力在效率、成本和生态上仍有短板，但只要头部模型厂商愿意持续投入适配，国产算力产业链就有望在真实高强度场景中快速迭代，形成“模型牵引芯片、芯片反哺模型、应用放大需求”的正循环。

在此背景下，人工智能信创产业将扩展为五大主线：其一为 GPU 芯片，其二为 CPU芯片，其三为昇腾产业链，其四为算力租赁，其五为信创大模型。国产算力替代趋势不可逆转，AI 信创产业链有望迎来从主题投资向产业兑现的阶段性切换。

1、国产算力：基础设施扩容与国产替代同步推进

国内算力基础设施建设仍处于扩容阶段。工信部等六部门《算力基础设施高质量发展行动计划》提出，到 2025 年我国算力规模超过 300 EFLOPS，智能算力占比达到 35%，存储总量超过 1800 EB，先进存储容量占比达到 30%以上。而截至 2025H2，以上目标已基本完成，部分目标超额完成。

国产算力替代为国内算力基础设施行业发展的核心主线。“十五五”规划提出实施“人工智能+”行动，加快建设现代化产业体系，推动人工智能与实体经济深度融合，同时强调核心技术自主可控与算力基础设施建设。这意味着算力国产化不再只是单点突破，而是将成为未来五年 AI 产业政策、资本开支和产业落地的共同主线。国产算力替代正在呈现推理侧先行+训练侧突破+生态侧协同的特征。

推理场景对稳定吞吐、成本效率和部署规模要求更高，是国产 AI 芯片率先放量的主要入口；训练侧尤其是万亿参数级大模型，对芯片性能、互联能力、并行框架、算子生态和集群稳定性要求更高，国产替代难度更大。

DeepSeek V4 适配华为 Ascend 处理器，华为昇腾超节点已宣布支持 DeepSeek V4 系列，且华为芯片参与了 V4-Flash 部分训练环节，标志着国产算力开始从推理部署向训练链条渗透。若 DeepSeek V4 国产算力训练形成示范效应，则训练侧国产替代节奏存在进一步超预期可能。

（1）GPU 芯片：国产算力替代的第一核心方向

GPU 芯片是 AI 信创最核心、最直接的受益方向。大模型训练和推理对高性能并行计算能力提出极高要求，GPU 及类 GPU 加速芯片是当前 AI 算力体系的关键底座。海外高端 GPU 供给受限后，国产 GPU 的重要性显著提升。DeepSeek V4 选择国产算力参与训练，意味着国产 GPU 及 AI 加速芯片已从推理侧验证逐步走向训练侧验证。

尽管当前国产 GPU 在软件生态、算子库、集群通信、稳定性和开发者工具链方面仍需持续完善，但只要进入真实大模型训练场景，产业迭代速度将明显加快。重点关注方向包括：寒武纪、海光信息、沐曦股份、摩尔线程等。其中，寒武纪代表国产 AI 芯片核心标的；海光信息兼具高端 CPU 与 DCU 生态优势；沐曦股份、摩尔线程等国产 GPU 厂商有望在信创算力、智算中心和行业大模型训练推理场景中持续提升渗透率。

（2） CPU 芯片：Agent 时代的底层调度核心

本轮算力产业扩张周期中，除 GPU 赛道外，CPU 市场同样迎来显著需求增量。Intel、AMD 相继启动 CPU 产品提价，全球服务器 CPU 市场已呈现显著供需错配格局。受先进制程产能挤占影响，Intel 与 AMD 2026 年产能配额已基本售罄。在供给端先进制程产能受限、生产成本持续上行的双重驱动下，两家巨头计划将全球产品报价上调10%~15%。本轮面向全球云厂商与企业级客户的普涨，标志着服务器 CPU 市场已进入供给溢价阶段。

AI 算力需求的超预期增长，叠加通用服务器更新周期的到来，持续推升 CPU 市场需求。CPU 需求端的韧性主要来自两大核心支撑：其一，全球通用服务器已进入大规模存量更新窗口期，基座算力迭代需求为市场提供基本盘支撑；其二，大模型技术演进对CPU 协同计算性能的要求持续超市场预期，单机 CPU 配置数量与性能规格同步提升，进一步放大市场供需缺口。在 AI 异构计算架构中，CPU 作为逻辑调度与 I/O 吞吐核心的产业地位愈发凸显。

Agent 发展进一步重构 CPU 产业定位。与传统静态推理场景不同，Agent 系统需高频执行工具调用、沙盒隔离、多步规划与状态管理等操作，强化学习训练中的环境模拟与奖励计算环节，也高度依赖 CPU 的串行计算性能。伴随 Agent 与强化学习技术持续落地，AI 工作负载范式有望迎来重构，算力基础设施建设重心将从“GPU 堆叠算力”逐步转向“GPU+CPU 异构协同”。

2、 昇腾链：国产 AI 算力生态的体系化主线

昇腾产业链是 AI 信创中最具体系化特征的方向之一。与单一芯片替代不同，昇腾链条覆盖上游材料、连接器、PCB、服务器、整机、集成、算力平台和行业应用，是国产 AI 算力从芯片走向系统级落地的重要载体。

DeepSeek V4 国产算力训练进一步提升市场对昇腾生态的关注度。若国产大模型在国产 AI 芯片上持续完成训练和推理闭环，昇腾链条的价值将不再局限于政策采购或行业信创项目，而是有望进入通用 AI 基础设施市场。国产算力生态的竞争，本质上不仅是芯片性能竞争，更是开发框架、算子库、通信网络、集群管理、模型适配和应用迁移效率的综合竞争。

3、算力租赁：短期高弹性方向，商业模式迎来重估

当前国内互联网大厂普遍采用自建/代建 AI 数据中心与算力租赁双轮推进的发展模式。核心原因在于，国内领先大模型的训练与推理仍高度依赖高端算力，而合规监管和海外供给约束使得大厂难以通过传统方式充分获取先进芯片。

在此背景下，市场形成显著供需缺口：高端算力需求刚性存在，但合规供给受限，第三方算力租赁厂商由此迎来发展机遇。Agent 规模化落地进一步拉动算力需求持续高增。2026 年 Agent 智能体正逐步实现商业化落地，多模态大模型、编程大模型的 Token 消耗量较传统文本推理场景普遍增长10 倍以上。

伴随国内 Token 调用量持续陡峭增长，大模型厂商对稳定算力供给的需求持续强化。智谱 AI、DeepSeek 等大模型产品频繁出现服务压力，本质上反映出算力供给侧持续紧张。算力租赁商业模式正在迎来核心变革。传统算力租赁模式下，厂商通常与互联网大厂签订 35 年期服务合同，在接到订单后约 5 个月内完成集群验收上线，随后按月收取租金。当前行业的关键变化在于，算力租赁厂商正从传统“裸算力出租”模式，逐步向参与大模型服务 Token 收入分成的模式演进。在该模式下，算力租赁厂商不再只是基础设施出租方，而是大模型厂商 Token 收入体系中的重要参与方。

大模型厂商的盈利能力不仅取决于模型性能，更需以稳定 Token输出和算力支撑为前提。对于掌握稀缺算力供给的租赁厂商而言，提供算力服务本质上等同于为下游大模型厂商提供盈利基础。未来算力租赁厂商有望深度参与大模型厂商Token 收入分成体系，估值逻辑也将从传统“租金收益型”切换为“Token 收入分成型”。

4、信创大模型：党政、地方政府与央国企需求尚未充分定价

在 AI 信创产业发展逻辑下，当前市场尚未充分重视的核心赛道为党政机关、地方政府与央国企的信创大模型需求。

大模型作为数字经济时代的核心基础设施，其自主可控具备重要战略意义。相关政策明确提出，要提高政府治理数智化水平，深化数智技术全流程应用，发展泛在可及、智慧便捷、公平普惠的数智化政务服务；安全稳妥有序推进政务领域人工智能大模型部署应用，探索构建精准识别需求、主动规划服务、全程智能办理的服务新模式；深化人工智能赋能安全治理，提升感知预警、指挥决策、精准管理和即时响应能力。

政务、央国企和重点行业大模型对安全性、可控性、私有化部署、数据闭环和国产算力适配提出更高要求。这类市场不会简单采用海外闭源模型或依赖不可控算力体系，而更倾向于选择具备国产算力适配能力、本地化交付能力和行业 Knowhow 的大模型厂商。

智谱、MiniMax 等国内大模型企业也值得重点关注。进入 Agent 时代后，大模型在全新商业模式下正成为 AI 产业最重要的基础设施。随着国产算力训练和推理能力不断验证，信创大模型有望从“可选项”逐步变为政企客户数字化转型的“必选项”。

来源：思瀚产业研究院、大信创圈

免责声明：本文系网络转载，版权归原作者所有。但因转载众多，或无法确认真正原始作者，故仅标明转载来源，如涉及作品版权问题，请与我们联系，我们将在第一时间协商版权问题或删除内容！内容为作者个人观点，并不代表本公众号赞同其观点和对其真实性负责。

·END·