互联网AI芯片近况更新

来源：市场资讯

（来源：纪要研报地）

Q：首先请介绍一下2026年上半年AI芯片相关的市场整体情况？

A：我们基于之前的提纲来介绍互联网AI芯片近况，2026年上半年从各芯片厂商、云厂商的公开口径很难看到全面的行业情况，所以参考了浪潮的相关数据。去年AI服务器的总市场规模大概在3000亿左右，仅浪潮信息就做到了约1600亿。2026年上半年浪潮的营收已经接近1300亿，全年超过2000亿基本没有问题，能否冲击3000亿还不确定。2026年整个AI计算市场，包含所有AI卡的总金额，相比去年预计会有50%-70%的金额增长。

Q：2026年上半年AI芯片市场的第一个主要变化是什么？

A：第一个主要变化是芯片的供给结构发生改变。去年全行业流通的AI卡总量约400多万张，其中一半以上也就是220多万张来自英伟达，剩下的180多万张接近200万张来自国产厂商，其中华为一家的出货量就有80多万张。2026年英伟达的市场占比持续下降，已经跌破五成，当前份额在30%多接近40%。华为的市场份额目前已经占到接近30%，剩余的份额由其他各家厂商平分，整体的出货规模数据来自浪潮信息的掌握情况。

Q：2026年上半年AI芯片市场的第二个主要变化是什么？

A：第二个主要变化是AI服务器的价格出现上涨。原本采用A800、昆仑芯和平头哥相关芯片的服务器，原本的市场成交价一台均价在150万左右，现在的标准价普遍已经标到200万左右，其中OAM、PCIE形态的服务器价格相对更便宜。从产业链时间节点来看，国内产业链在去年下半年完成了一轮近乎成倍比例的扩产，目前行业正在消化前期存货，同时交付提前锁定的订单，整体的扩产产能上架要到2026年四季度、接近十月份的时候才能完成。

Q：2026年全年AI卡的总供给规模预计是多少？

A：2026年全年，阿里、华为、百度、寒武纪以及各类国产厂商的AI卡整体出货量预计能达到300万卡左右，海外厂商以英伟达为主的出货量在200万卡以上，全年整体的AI卡总出货量估计会超过600万张。

Q：当前国产AI芯片和英伟达的产品性能差距情况如何？

A：国内厂商的AI芯片基本都是对标英伟达的产品路线研发。英伟达最新的B300芯片对应的8卡整机，在美国市场的售价折合人民币大约400万，但进入国内之后售价可以卖到1400万，相关产业链的利润空间非常大。目前H200、H20这类产品是美国想要卖给中国，但中国方面出台了相关限制导致购买难度提升；而B300芯片中国没有进口限制，但是美国方面禁止向中国出口，高端算力当前行业争抢得非常激烈，不过终端和平替级别的算力，尤其是推理侧的算力产品，国内市场的货源是充足的。性能层面，海外的英伟达的技术领先华为大约1年到1年半左右；华为的技术又领先昆仑芯、平头哥、寒武纪、海光这些国内第二梯队厂商大约1年多左右。

Q：信创赛道的AI卡流通量需求预计是多少？

A：2025年国内信创领域的AI卡流通量约为400万张，预计2027年全年信创领域的AI卡流通量可以达到800万张，2026年的流通量约为600万张。

Q：AI芯片市场的价格上涨具体情况是怎样的？

A：原本按照市场规律，2026年AI芯片的价格应该会有10%左右的下调空间，但因为年前几家存储厂商带头涨价，带动全产业链的价格上涨。高端机型的价格涨幅可以达到2到3倍，终端和低端的平替机型中，全新非拆旧件的产品价格也出现了30%甚至50%的上涨。整体价格上涨叠加出货量的提升，支撑了2026年AI芯片市场规模50%-70%的增长。

Q：中芯国际的晶圆产能情况如何？

A：中芯国际每年的整体晶圆出货量不会超过300万片金圆片，产能总量是当前国内先进制程芯片供给的核心瓶颈之一。

Q：昆仑芯的过往出货情况是怎样的？

A：昆仑芯从2025年左右开始生产并批量出货，2025年全年昆仑芯P800对外出货量约9万卡，其中3万卡供给第三方数据中心和算力枢纽，6万卡供给外部厂商，客户主要以三大运营商、国央企，覆盖政务、金融、能源、电力等体制内场景。加上百度自用的3万多张卡，2025年昆仑芯的总出货量约为12-13万张。但受验收、回款流程偏缓的影响，2025年昆仑芯对应的整体营收大约为40亿元。

Q：2026年昆仑芯的订单情况如何？

A：2026年Q1和Q2昆仑芯累计订单量接近30万卡，其中P800约20万卡，M100约10万卡。需求主要来自两方面：一方面是2025年12月底各大国有企业提前启动信创备货产生的订单；另一方面是2026年4-5月份Open Clow以及各类超级智能体上线，推理侧算力需求暴涨带来的订单。百度昆仑芯P800在同价位国产卡中实现了96G显存，相比市面上80G、48G显存的竞品显存优势突出，因此在2026年4-5月份出现爆单，新增几万卡的急交付订单。以往昆仑芯的客户基本以体制内客户为主，这一轮新增订单中也包含了腾讯、字节、小红书、拼多多等互联网企业，以及比亚迪、吉利、长安等长期合作的车厂客户。

Q：昆仑芯M100和后续产品的进展情况如何？

A：昆仑芯M100原本计划2026年Q2初也就是5月份正式问世，但因为没能赶上第一批信创名录，发布时间延迟到了7月20日，也就是前不久举办的世界人工智能大会上才首次公开亮相，M100的批量量产交付至少要等到2026年Q4。下一代昆仑芯产品命名为M300，按照产品规划，P800对标英伟达A800，M100对标英伟达H20，M300对标英伟达B300，专为多模态大模型训练设计，但目前M300对标B300的实现难度较高，最终的销售情况也尚未明确。

Q：昆仑芯的上市进展情况如何？

A：昆仑芯当前已经同时在A股和港股提交了上市申请，港股上市进程因为信创相关的原因略有延迟，百度高层已经将推动昆仑芯2026年完成上市写入了全员OKR中。

Q：阿里平头哥的AI卡出货情况如何？

A：从2024年下半年至今接近两年的时间里，平头哥累计从中芯国际流片的芯片数量达到100万片，可以支撑100万张计算卡的出货量，其中绝大多数的产能都在阿里内部消化，当前阿里内部已经累计使用了40多万张平头哥计算卡，剩余芯片完成封测和测试之后，整体使用量可以达到大几十万张。2025年平头哥的出货量接近30万卡，2026年的全年出货量预计在30万到50万卡之间。

Q：国产高性能存储、交换芯片的供应链现状如何？

A：光模块领域，中际旭创等国内厂商在高端市场占据主导地位。HBM这类高性能存储产品，国内和海外的技术差距大约在2年左右；中等性能的存储产品，长江存储等国内厂商已经可以实现平替；低端存储芯片的产品，国内厂商的成本相比海外厂商更有优势。交换芯片领域，光模块相关的部分场景，国内部分厂商的产品性能比海外产品更好；但全光交换场景，尤其是类似谷歌GPU集群采用的板上全光方案，国内目前还没有成熟的大规模落地应用案例，目前行业大多还是基于外部交换设备搭配光模块的方案实现相关功能。

Q：国内外AI芯片产线在单位成本、良率、交付周期上有什么差异，对定价策略有什么影响？

A：刨除商务谈判、合同条款、海关流转等外部因素，单纯看国内和国外的晶圆供应链交付速度，国内的晶圆交付流程会慢1-2个月，但叠加海外供应链的海关流转、物料转运等耗时之后，国内外整体的交付周期基本持平，都在6个月以上，正常周期普遍在8个月左右，最快也需要6个月。当前全球AI算力的产能缺口在30%-40%以上，无论国内还是海外的产能都需要抢订。三星当前可以为百度昆仑芯提供7纳米制程的产能支持，但7纳米以下也就是4纳米的先进制程产能，中国厂商无法获取。台积电的先进制程产能同样不对中国AI芯片厂商开放。国内中芯国际最先进的制程产能，优先供给华为和寒武纪，部分开放给平头哥，百度昆仑芯从中芯国际获取产能的优先级相对靠后。封装测试、ODM集成以及计算机集成环节的耗时没有预期中长，但相比两年前、三年前的流转周期，全流程的整体耗时已经普遍延长了3个月以上。

Q：2026年600万等效H200级别AI卡的各家分配情况是怎样的？

A：2026年全年600万等效H200算力的AI卡中，国内厂商的总出货量占比约三分之二，也就是接近400万张，其中华为的出货量约130多万张，最终能否在四季度完成全部交付还存在不确定性；阿里平头哥的出货量约40万卡；昆仑芯的全年预期出货量约25万卡；寒武纪的全年出货量预计和昆仑芯接近，甚至可能略高于昆仑芯；海光的全年出货量约20多万卡，得益于年底信创项目的推动，如果和三大运营商、体制内的对接进度顺利，海光的全年出货量最高可以达到40万卡以上。其余厂商的小算力卡，比如3090、T4、Atlas 300V3I这类低算力卡，会按照0.2或0.5的比例折算入等效H200的卡量统计中。

Q：2027年800万等效H200级别AI卡的各家分配情况是怎样的？

A：2027年全年800万等效H200级别的AI卡，各家的出货量基本在2026年的基础上上浮20%-30%，整体市场份额占比和2026年基本保持一致。其中海光的后续增长预期突出，2026年叠加2027年的总出货量规模很可能仅次于华为，因为海光在信创体制内的市场布局非常深，尤其是CPU产品领域优势明显，昆仑芯、平头哥的很多整机产品的机头CPU、OAM模组都采用了海光的方案，市场底盘非常稳固。

Q：当前国产AI卡是否可以支持大模型训练？

A：目前只有三款国产卡可以支持大模型训练，而且都是专门适配对应厂商自有模型的版本：华为的昇腾系列完成了对MindSpore v4框架的适配，可以训练华为自有的大模型；百度的昆仑芯可以适配训练文心大模型；阿里的平头哥可以适配训练通义千问，但通义千问全尺寸旗舰版模型，仍然有一部分训练算力是由英伟达的卡承接的，并没有完全使用平头哥的算力；文心大模型的稠密模型全尺寸旗舰版，也没有完全使用昆仑芯完成训练。其余国产AI卡基本都只能用于推理场景，如果要支持训练，也仅能支持100B以下，也就是32B、70B这类小参数规模的模型训练，大参数模型的训练能力不足。

Q：当前AI相关产品的涨价幅度具体是多少？

A：和AI算力卡直接相关的涨价幅度约为30%-50%，但这部分涨价很大程度上源于新一代产品的规格升级、算力密度提升。如果是完全相同规格的算力卡，相比去年的价格涨幅只有10%左右，基本只是覆盖了上游成本的上涨。整机产品的价格涨幅更高，主要的涨价来源是内存、存储这类零部件：当前64G的内存条，浪潮的出货价已经达到17000元接近20000元，部分机型单台服务器要配置十几条内存，仅内存部分的成本就已经占了整机总价的很大比例，内存条的价格相比此前已经涨了好几倍，叠加高性能HBM、光模块等零部件的涨价，最终推高了整机的售价。当前行业普遍最小出货单位是8卡整机，基本不会单独销售单张AI卡，所以用户感知到的整机大幅涨价，并非全部来自AI算力卡本身的涨价。

Q：国内先进制程产能什么时候可以实现大规模新增量产？

A：当前国内先进制程的普遍良率只有30%-40%，在这个良率水平下扩产，会产生大量的呆滞物料、产能损耗，很难实现规模效应。50%的良率是第一个关键门槛，60%是第二个关键门槛，等全行业的普遍良率提升到50%以上之后，量产速度才会快速扩充，良率突破60%之后再做进一步优化的难度会非常大。此外国内目前还不具备等效三星7纳米以内先进制程的量产能力，4纳米、等效5纳米的芯片国内基本还造不出来，7纳米及以上的制程国内已经可以实现量产。2026年10月份左右，中芯国际会有一波设备扩产落地，叠加老旧设备的产能优化，全年的产能相比去年上涨50%是大概率事件，但想要实现产能翻倍难度很大。目前仅极少数的1-2款芯片的良率可以做到50%以上，并没有大面积普及。

Q：中小国产AI芯片厂商的竞争力情况如何？

A：摩尔线程的定位不是做大算力卡市场，主打消费级算力卡，核心落地场景是金融和游戏，游戏是其第一大核心市场。摩尔线程上市之后，第一笔融资的资金拿去购买了理财产品，内部关于后续是转型做AI芯片，还是继续深耕游戏、金融这类稳固赛道的发展路线存在分歧，两派意见至今没有达成统一。短期来看摩尔线程只能在现有自身赛道内拓展，借着信创在金融领域的推进节奏销售产品，很难切入核心的大算力训练市场。此前我做过国内一百多款芯片的能效比调研，摩尔线程产品的能效比普遍偏低，能效比的粗略计算方式是int8算力值除以单卡功耗，摩尔线程的这个数值普遍只有0.3-0.5，英伟达的同类型产品可以做到2以上，从算力密度、能效比的角度来看摩尔线程的产品存在明显劣势，但因为深耕C端市场，摩尔线程的利润率依然不错，在自身的垂类赛道已经站稳了脚跟。天数智芯的核心布局方向是边缘侧算力市场，在中高端大算力中心级市场的能力有限，边缘侧、端侧的市场空间相比大算力训练枢纽的市场规模要小很多。沐曦的产品一直有稳定供货，和系统集成商的合作紧密，最大的问题是没有绑定稳定的头部大模型厂商生态。寒武纪已经深度绑定字节，字节收走了寒武纪的大部分产能，同时寒武纪还获得了中芯国际稳定的代工支持。这类小厂商如果没有绑定固定的大模型头部客户，选择走兼容通用生态的路线，就要投入大量成本给所有主流模型做全算子定制化适配，仅针对10万卡的出货量完成全套训练级别的底层逻辑适配，相关的适配工作量对应的成本就要接近1亿元，投入产出比非常低。只有像华为、百度、阿里这类有自有大模型生态兜底，或者像海光这类提前吃透信创市场的厂商，才能形成正向的开发者生态循环，这类厂商的工具链、组件、解决方案会越来越完善。其余没有头部客户兜底的小厂商，唯一的生存路径就是深耕一个非常细分的小赛道，把细分场景做深做透，只要市场规模超过10亿元级别，就很容易被大厂的降价策略冲击，很难持续生存。天数智芯近期发布的天阶300芯片没有做过详细测试，参数情况暂时没有准确信息。

Q：国内CPU在涨价中的议价能力如何？

A：国产CPU的议价能力整体比较稳健，价格涨幅没有GPU那么夸张，整体相比之前上涨了大约20%多。高端信创CPU和英特尔的高性能多核多线程CPU的价格稳步上涨，始终处于供不应求的状态，低端CPU的价格基本没有出现大的波动。信创赛道内的国产CPU普遍存在溢价，海光、华为的溢价情况最为明显，最高可以达到原价的1.5倍以上；非信创领域的国产CPU价格基本没有变动。当前国产信创CPU还处于早期落地阶段，产品安装之后需要完成虚拟化才能大规模使用，直接单机运行的话，替换原有Windows和进口Linux的适配体验较差，实际落地的适配进度还在推进中。

Q：物理AI对提升芯片需求有什么影响？端侧AI芯片的出货需求是否会被提振？

A：物理AI当前还处于大规模训练的早期阶段，对中心级的算力卡、云端算力资源的拉动效果非常明显，物理AI对计算节点的高密度部署要求极为严苛，会大幅拉动数据中心侧的算力需求。但端侧AI芯片的出货暂时不会受到物理AI的太大影响，仅具身智能的端侧感知模块、操作执行模块可以和物理AI概念挂钩，这部分需求在现阶段还不足以形成大规模的端侧芯片出货拉动效应，并不是物理AI的大规模应用场景。

Q：国内超级节点2026年的初步规模，以及整机厂的格局怎么看？

A：当前国内最强的超节点厂商还是华为，华为交付的千卡级以上超节点的集群总规模加起来只有小几万张卡的水平。其余国内厂商交付的超节点基本都是百卡级别以内，百卡以上、千卡级别的超节点国内非常少，除了华为可以直接交付千卡级超节点之外，其余厂商的千卡级超节点都还在POC测试阶段。超节点技术的核心作用是支撑大模型的大规模训练集群，推理集群的部署基本不需要用到超节点的相关技术。华为的超节点技术相比其余国内厂商领先1年多的代际差距。百度和阿里可以支撑几百卡规模的超节点落地，国内目前最先进的超节点集群可以做到4-5千卡的规模，但真正大规模落地商用的基本都停留在千分级别的规模。百卡级别的超节点目前属于国内第二梯队的技术水平，行业前10的AI芯片厂商基本都可以落地几十卡规模的超节点方案。

Q：交换机后续的发展方向如何？

A：交换机后续的发展主线是全光交换，当前传统的全电口交换机、光电转换模式的交换机，未来都会逐步向全光交换机演进，谷歌的GPU集群已经率先落地全光交换方案。交换机的技术路线选择完全取决于上游AI卡的硬件设计：如果AI卡原生搭载光口模组，交换机就会向全光交换机方向演进；如果AI卡依然以原生高速电口为主，交换机就只能继续沿用光电转换的实现方案。国内目前还没有成熟的全光交换产品，市面上现有的相关方案基本都停留在光电转换、光通模组的阶段。全光交换机的市场规模能发展到什么量级，完全取决于后续多模态大模型训练卡的整体出货体量，当前多模态大模型本身的架构还没有实现重大突破，大部分多模态模型还停留在能跑起来、没法高效微调的阶段，全光交换机的大规模落地时间还无法准确预估。