夜雨聆风
1、AI智算市场概况与政策背景
•市场需求与规模：国内AI智算市场核心增长引擎为阿里、腾讯、华为、百度、字节及三大运营商等头部厂商的资本开支，上述厂商年资本开支均超百亿，其中阿里、字节70%以上投资流向AI算力，涵盖AI服务器、高端AI芯片、自研或外购算力等方向，消费侧capex开支规模较高。市场规模层面，去年国内AI智算市场规模约3000亿元，龙头厂商浪潮占比接近一半，对应收入约1600亿元；今年上半年浪潮业绩已达近2000亿元，接近去年全年水平，全年预计接近3000亿元，据此预计今年国内AI智算市场同比增长至少50%。当前高端算力供给处于紧缺状态，海外B300（8卡）单台售价约300-500万美元，国内B310现价达1300-1400万元人民币。
•信创政策导向：信创政策要求逐步升级，2022年国资委79号文明确要求2027年完成国产数据库、操作系统、CPU等领域的信创替换，2026年5月26日新增将AI芯片（GPU算力）纳入信创范畴，预计国产化相关产业将在今明后三年迎来较快发展。信创名录准入规则持续收紧，去年要求入榜产品需实现全国产，今年新增要求晶圆制造等核心工艺必须在国内完成，百度昆仑芯因此前制造环节依赖三星、台积电未进入今年首批名录，目前已完成与中芯国际的适配，后续M100等产品将陆续补入。当前AI算力核心驱动因素中，信创是确定性最高的方向，2027年信创大单趋势明确。
•芯片代际格局：AI芯片代际呈现清晰梯队，英伟达产品代际领先华为1-1.5年，华为领先平头哥、寒武纪、百度昆仑芯等国内厂商1-1.5年。除信创外，行业另外两大核心驱动因素分别是多模态技术、大模型推理：多模态技术仍在发展阶段，盈利模式尚未跑通；大模型推理应用今年已起量，核心方向包括AI coding、各类智能体等。当前高性能存储等高端前沿芯片仍以美光、海力士、三星等海外厂商为主，仅推理领域的国产平替产品已基本成熟。
2、国产AI芯片生态与应用情况
•生态阵营划分：当前国内AI芯片生态主要分为两大技术路线，华为等少数厂商坚持自研生态，与英伟达CUDA生态完全脱钩；阿里平头哥、百度昆仑芯、寒武纪等绝大多数国产厂商均选择类CUDA集成路线。多数厂商选择类CUDA路线的核心原因在于，国内多数大模型均基于Llama 2等适配CUDA生态的模型开发，可更好对接现有大模型生态需求。
•市场份额分布：去年国内AI芯片市场流通卡当量约400万张，其中英伟达卡占比最高，达到220万张；华为卡出货量约80万张，位列国产自研芯片份额首位；剩余100万张左右的市场份额由百度昆仑芯、寒武纪、平头哥、海光、天数等其余国产厂商瓜分，头部第二梯队厂商单家出货量多为十几万张，其余中小厂商出货量仅几万张不等。
•应用场景限制：当前国产AI芯片存在明确的应用场景边界，大多仅可用于推理侧，训练侧仅支持定制化模型训练，暂不具备通用全场景训练能力，核心限制因素为算子兼容性尚未达到英伟达全生态适配水平。AI算力市场主要分为两类：一类为华为、寒武纪等纯卡商，另一类为大厂衍生的算力业务主体。除头部互联网大厂外，其余互联网厂商、AI相关企业的年AI资本开支规模在几亿到几十亿不等，开支规模匹配自身未来发展规划制定。
3、国产AI芯片供应链与产能
•产能与交付节奏：当前国产AI芯片核心产能瓶颈集中在先进制程环节，中芯国际N+2（7nm）工艺产能十分紧缺。当前年产能约200多万张，去年全年国内AI芯片交付量在150万张以内。去年年底启动的产能扩产项目需到今年年底完成供应链补齐，届时按稳定月产能折算的年产能将达300万张左右，供应链从启动建设到完全补齐的周期约为1年。
•分场景国产化进度：国产AI芯片在不同应用场景的国产化进度差异明显。推理侧已基本完成国产化适配，除少量生态不兼容的算子问题外，实现百分百国产化无核心障碍。训练侧目前仍以英伟达卡为主，多模态训练场景对海外芯片依赖度较高，仅DeepSeek采用华为第三方国产卡训练大模型，百度3.2万卡规模的大模型集群仅可用于训练文心大模型，平头哥的算力集群也仅支持通义千问相关训练需求。
•智算中心建设规划：国内智算中心建设已启动多年，目前已建成加在建的智算中心约200个，另有数十个处于规划阶段，未来几年整体规模将在现有基础上翻3倍，建设量级达数百亿级。AI芯片从研发到落地的客户验证周期为1-1.5年。当前国内AI芯片以通用芯片为主，占比达70%以上，专用ASIC芯片用量较少，仅少数信创领域厂商将其应用于小模型场景，大模型训练仍以通用芯片为核心选择。
4、海外算力发展与国产厂商突围机会
•海外专用算力发展：谷歌TPU集群不对外出售，针对Gemini等自有模型做芯片内部结构特制化改造，适配自有生态，底层驱动效率更高。该TPU集群仅可运行对应生态模型，运行时功耗较通用芯片低30%-40%，不过该成本优势在单机或小集群场景下不明显，当集群规模达十万卡、数十万卡级别时成本骤降，数十万卡规模的千亿级投资可节省数百亿长期费用。当前海外算力市场分为通用、专用两大路线，正逐步向专用化倾斜，行业普遍通过兼容头部60%左右的核心算子，以较低成本抢占市场。
•H20入华影响分析：H20已停产，可供华的剩余规模仅约70万张，国内头部厂商每家仅能分到几万卡，主要用于解决训练芯片需求，且交付周期约半年，卡量有限远水不救近渴，无法满足头部厂商当前算力需求。长期来看，与英伟达算力脱钩是长期趋势，将持续促进国产算力产业发展。
5、互联网厂商资本开支投向分析
•头部厂商开支结构：AI基建投资并非仅面向AI应用领域，属于长期投资范畴，具体投资构成包含卡费用、CPU、技术服务、基建等板块。AI投资回报来源多元：一是AI应用相关收入，当前常规核算仅纳入SaaS层的AI应用收入；二是对外算力租赁收入；三是算力设备一次性购买收入；此外PaaS工具链、大模型agent智能体开发工具等相关收入暂未计入常规核算口径，若将上述全部收入统一纳入核算，投资与收入之间的差距将显著缩小。
•非头部厂商投入节奏：京东、小红书等非头部互联网厂商AI投入以租赁第三方算力为核心模式，较少直接采购服务器、算卡等硬件设备，年算力租赁（含通算、智算）支出规模在几十亿到上百亿区间，整体资本开支规模为小几十亿级别。增长方面，非头部互联网厂商AI应用及AI相关业务年增速保持在30%以上，投入节奏与自身业务发展情况挂钩。业务模式上，这类厂商租赁算力后主要在自有生态内完成结算，通过自身业务生态实现算力变现，不会对外提供算力转售增值服务。
6、制造环节供需影响分析
•供应链瓶颈分析：AI芯片制造、封装环节核心瓶颈为高性能存储、先进制程制造，先进封装领域瓶颈相对较小，上述核心瓶颈已存在两年，无法仅通过开设新工厂、扩大供应链、招人等方式解决，需长期技术积累。当前国产晶圆厂良率刚勉强过盈亏线，多数产能仍以低良率生产，瓶颈仅会拉长交期，不会影响项目交付进展。另外国资背景项目付款周期从原先的3个月以内拉长至半年甚至1年以上，服务器厂商、卡商普遍不愿垫资，需要引入额外合作伙伴，这一因素对产业链生态的影响远大于供应侧瓶颈。
•算力需求结构拆分：当前AI算力需求可分为三类：a. 语言模型训练需求：目前已趋于稳定，处于存量替代阶段，主要将低性能训练卡替换为高性能卡，推动集群向集约化、高效化方向发展；b. 多模态训练需求：必须使用新卡，当前A800、H20芯片主要面向语言模型训练，GB200、B300等产品面向未来大规模多模态训练集群，相关需求正处于布局阶段，是未来核心需求；c. 语言模型推理需求：是今年的核心竞争市场，围绕agent智能体发展coding、问答、办公集约化、工具化等生态，该领域对芯片性能要求集中在中高端区间，中高端国产卡已有成熟替代方案且已在集群落地，相关影响较小。
•交付周期影响分析：当前千卡以上级别算力设备无现货，需提前排期，交付周期最长不超过3个月，不会对项目开展产生明显阻碍。交期对不同规模厂商的影响存在明显分化：对阿里、字节等头部厂商影响较大，去年下半年到今年上半年头部厂商正开展大模型公有云市场第一份额的竞争，半年左右的交期会对其生态布局、竞争节奏产生明显影响；对中腰部、尾部互联网厂商及科技企业而言，交期不会产生明显影响。多模态训练、存量大模型训练替代领域受交期影响最大，实际影响周期约半年到1年，是否影响企业战略取决于企业自身相关业务规划及生态竞争的战线安排。
7、核心技术与产品差距分析
•华为与英伟达算力差距：华为与英伟达算力卡在不同场景下性能差距存在差异：单卡层面，华为卡标称性能较英伟达落后10%以内，部分卡如950PR较B300、GB200等产品落后20%-30%；千卡集群层面，叠加华为超节点技术、调度体系后，整体集群性能仅落后几个百分点；万卡集群层面，英伟达领先幅度不大，仅大规模定制化集群场景下英伟达全球应用实力更广。两者核心差距为生态差距而非硬件性能：英伟达CUDA生态用户数是华为的数倍至十倍，生态建设已开展十年；华为2025-2026年才要求合作伙伴基于其算力卡开展训练，才可获得后续生态合作商资质及项目资质，生态建设尚处初期，完备性、稳定性、兼容性均有提升空间。
•中芯国际产能换算逻辑：先进制程产能换算为AI卡产能的核心逻辑为：按单颗芯片尺寸确定单晶圆可切割芯片数量，乘以生产良率得到有效芯片数，1颗有效芯片对应1张AI卡。目前暂无中芯国际2027年先进制程产能的权威数据。
•交换机芯片瓶颈分析：a. 市场格局与替代进度：高端交换芯片当前以博通、高通、联发科为主，国产替代存在稳定性、兼容性差距，但对智算建设的影响远小于算力芯片，电交换芯片与海外龙头的技术代差可控制在半年以内。b. 光通信应用进度：柜间通信已完成400G、800G光模块替代，正筹划升级1.6T光模块；板载交换涉及主板生态、芯片生态整体改造，国产替代需2年以上周期。c. 长期发展节点：光逻辑、光引擎类交换芯片大规模应用预计在两三年以后，光计算因仅能做模拟运算的原理限制，落地时间更远，当前影响有限。
8、产业趋势与海外厂商战略
•下半年产业边际变化：下半年国产AI芯片产业需重点关注三大边际变化，各变化直接影响行业发展节奏：a. 信创芯片入围名单扩容情况：今年5月26日已发布第一版信创入围芯片名单，涵盖华为310、平头哥等厂商产品，需关注下半年是否有其他国产芯片厂商产品新增入围；b. 采购端信创要求落地情况：此前5-6月地方、国家智算中心招标已明确提出信创要求，7-8月因入围芯片驱动生态、产品资料不完善，仅边缘侧芯片实现落地应用，信创招标热度回落，需重点关注下半年智算枢纽、国央企（南网、国网、能源系、金融系等）采购是否再次明确信创要求，若今年强制推进信创，明年将带来数千亿规模采购，若政策回退，明年AI芯片厂商份额、竞争力将受直接影响；c. 卡商超节点技术突破程度：当前仅华为超节点可做到千卡级别，其余厂商均停留在百卡级别，百卡超节点集群调度效率存在劣势，千卡超节点可覆盖国产卡与海外卡的单卡性能、稳定性差距，满足文本模型训练需求，万卡超节点则可支撑多模态训练，实现全国产替代优势，需关注下半年厂商千卡超节点落地情况及万卡超节点研发节奏。
•英伟达战略逻辑分析：英伟达近期宣布高端GPU涨价15%，同时密集投资电网基础设施公司、开源模型公司，已形成清晰闭环战略：一方面当前高端GPU供需紧张，英伟达凭借自身技术、生态优势赚取超额溢价，另一方面通过投资绑定下游能源、模型生态，叠加自身已成熟的全球开发者生态，实现算力直接收入、资本收入、生态经营收入的复利增长，属于市场化阳谋，当前暂无直接制约手段。破解该战略的两大核心路径为：a. 国产多模态高性能AI芯片实现平替，缩小与海外产品的性能、稳定性差距；b. 国内大模型厂商实现全自主国产化生态落地，摆脱对海外技术的依赖，目前Kimi、DeepSeek已实现国产生态跑通，其余多数国内模型厂商仍存在海外技术依赖。
Q&A
Q：中国AI智算市场的规模及增长情况如何？
A：去年中国AI智算市场规模约为三千亿元，其中浪潮信息占比近半。今年上半年浪潮销售额已达约两千亿元，预计全年将接近三千亿元，推动整体市场较去年增长约50%。头部互联网企业及三大运营商年资本开支均超百亿元，阿里和字节约70%投资流向AI算力领域，包括AI服务器、高端芯片及自研或外购算力。
Q：国产AI芯片领域有哪些重要的国产化政策要求？
A：2022年国资委79号文件要求2027年完成数据库、操作系统、CPU等信创目标；2024年5月26日，国产AI芯片被正式纳入信创要求，且入选名录的芯片需满足晶圆制造等核心工艺在国内完成。百度昆仑芯因原制造场地在海外，正与中芯国际完成适配，后续将补入名录。信创政策已成为2026至2027年国产AI芯片发展的核心驱动力之一。
Q：国内AI芯片厂商的竞争格局和生态建设情况如何？
A：华为在产品代际上领先国内其他厂商约一年至一年半，其生态基于自研达芬奇架构，与英伟达CUDA完全脱钩；其余厂商多采用类CUDA生态以兼容主流开源模型。去年中国市场AI芯片卡当量约四百万张，其中英伟达占二百二十万张，华为约八十万张，其余厂商份额较小。国产芯片目前主要用于推理及定制模型训练，通用大模型训练仍高度依赖英伟达生态。
Q：国产AI芯片的供应链和产能情况如何？
A：国产AI芯片产能受限于中芯国际等晶圆厂的先进制程产能，当前年产能约两百多万张卡。去年国内交付卡量约一百五十万张以内，今年底产能预计提升至约三百万张卡/年。芯片从设计到量产的验证周期通常为一年至一年半，供应链完善需约一年时间，高性能存储与先进制程制造仍是长期瓶颈。
Q：东数西算及智算中心建设的进展和规模如何？
A：目前全国在建及已建成智算中心约两百多个，规划建设几十个，未来几年数量预计增至当前三倍。建设规模达几百亿元级别，运作模式通常由国家主导，三大运营商或指定国央企承建，卡商供货；项目收益包括建设费用、运营费用及算力补贴，中标方需具备长期运营兜底能力。
Q：国产AI芯片在推理和训练侧的应用取得了哪些突破？
A：推理侧已基本完成国产化适配，可实现百分百国产化。训练侧仍以英伟达卡为主，但华为升腾芯片已用于DeepSeek等模型训练；百度、平头哥等厂商的芯片主要用于自身大模型的训练，通用大模型训练能力仍有限。
Q：在当前供应链环境下，哪些国产AI芯片厂商有机会实现突围？
A：华为和海光将显著受益于信创政策；平头哥依托阿里云生态，2024年下半年至今年流片量已超百万卡，主要在内部生态消耗；寒武纪与字节深度绑定但缺乏自有模型生态；百度昆仑芯等处于第二梯队；小厂商需技术突破或产业合作方能拓展通用场景。
Q：英伟达H20芯片入华的情况及影响如何？
A：H20已停产，剩余可供应华数量约七十万张，头部厂商每家仅能分得数万张，交付周期约半年。对头部厂商而言供应量杯水车薪，长期看将加速国产算力替代进程，并强化行业对供应链自主可控的重视。
Q：互联网企业今年第二季度资本开支与收入之间存在较大差距，这些资本开支主要投向哪些方向？
A：互联网企业的AI基建投资不仅面向AI应用领域，还包括算力基础设施建设，涵盖AI芯片、CPU、技术服务及基建等，属于长期投资。投资回报包括AI应用收入、算力租赁收入、算力设备销售收入，以及PaaS平台工具链、大模型智能体开发工具等收入。若将上述全部收入计入，资本开支与收入之间的差距将显著缩小。
Q：除头部互联网大厂外，京东、小红书等企业的AI相关资本开支预计将达到何种规模？
A：京东、小红书等企业的AI相关资本开支整体规模为小几十亿元，其中直接购买硬件设备的投入较少，主要采用租赁第三方算力的模式。其算力租赁支出每年达几十亿至百亿元级别。未来在AI应用和业务方面，预计每年将有30%以上的增量投入，但其算力使用和变现主要在自有业务生态内完成，与头部大厂对外提供算力增值服务的模式不同。
Q：国内AI芯片在清洗制程、封装环节的供需现状如何？展望2027年及2028年，这些环节是否会制约政务端智算中心的建设进度？
A：当前AI芯片供应链环节主要影响项目交期，千卡级以上项目通常需排期，但交货期基本控制在三个月内，尚未显著拖延项目进展。高性能存储、先进制程制造及先进封装是长期瓶颈，其技术突破需工艺积累，目前国产晶圆厂良率刚过盈亏线。相比之下，国资项目付款周期延长对供应链的影响更大。需求方面，算力需求分为三块：语言模型训练、多模态训练、语言模型推理。瓶颈主要影响多模态训练及大模型训练替代，交期影响约半年至一年，但对中腰部企业影响有限。
Q：华为升腾最新训练推理芯片在千卡及万卡集群中训练万亿参数MoE大模型时，其实际MFU稳定性、有效算力与英伟达H200的差距如何？
A：在单卡性能上，华为芯片较英伟达H200等产品有10%以内的性能差距，部分型号差距约20%至30%。千卡集群级别，华为通过超节点技术和调度优化，整体性能差距缩小至几个百分点。万卡集群以上，双方均面临挑战，英伟达全球应用更广，但华为在DeepSeek等案例中已有实践。核心差距在于生态：英伟达CUDA生态的开发者数量和工具链成熟度是华为的数倍至十倍，这影响了驱动稳定性、兼容性及二次开发效率。华为正通过要求合作伙伴基于其芯片训练模型来构建生态，但生态建设需时间积累。
Q：中芯国际的先进制程产能如何换算为AI芯片卡产能？其2027年先进制程产能预计达到何种水平？
A：AI芯片产能换算通常基于单晶圆可切割芯片数量乘以良率，最终产能即为可用芯片数量，一般一颗芯片对应一张算力卡。关于中芯国际2027年先进制程产能的具体数据，目前尚无权威预测。
Q：交换机国产芯片的发展格局是否会成为AI算力建设的瓶颈？
A：交换芯片分为服务器内部板载交换芯片和机柜间交换机。国内在通算时代已积累一定产能，智算中心更注重低时延和高带宽，目前机柜间通信已普遍采用400G/800G光模块，并向1.6T升级。高端交换芯片仍以博通、高通、联发科为主，国产替代在追赶中，性能与兼容性仍有差距，但影响小于AI芯片。当前瓶颈更多在于传输介质，而非芯片品牌。国产交换芯片在稳定性上略有不足，但差距可控。光计算和板载光通信因技术原理限制，短期内难以替代电交换，预计两三年后才可能有进展。因此，交换芯片国产化不会成为主要瓶颈，但需关注技术迭代。
Q：2026年下半年，国产AI芯片产业有哪些值得关注的重大边际变化？
A：下半年需关注三方面变化：一是信创名录动态，除5月26日已公布的华为、平头哥等厂商芯片外，需观察是否有新增入围产品；二是政府采购动向，7至8月信创招标要求热度下降，需关注南网、国网、金融等国央企采购是否重新强调信创要求，这将影响2027年国产芯片采购规模；三是超节点技术进展，当前国产厂商超节点多停留在百卡级别，若下半年能突破千卡乃至万卡超节点技术，将显著缩小与海外卡在集群性能上的差距，并推动国产芯片在文本模型训练乃至多模态训练中的应用。
Q：英伟达近期GPU涨价15%并投资电网基础设施及开源模型公司，是否构成通过硬件涨价回笼现金流、再投资绑定下游能源与模型生态的闭环战略？
A：英伟达涨价主要针对高端及新型号GPU，旨在获取技术领先带来的溢价。其投资电网和开源模型公司意在构建生态闭环：通过控制能源供应保障算力基础设施，通过绑定模型生态强化CUDA依赖。此举是市场化行为，因英伟达在开发者生态上具有绝对优势。打破该战略需两方面进展：一是国产芯片在多模态等高性能领域实现平替；二是国内基模厂商实现全自主生态并验证能力，减少对海外技术的依赖。长期看，这将加速国产算力生态建设。
：