中国AI芯片到底是什么水平？｜行业分析 06

01 英伟达的壁垒，从来不是单卡算力那么简单02 国外对手不少，但没人真的能抢走英伟达的位置03 国产AI芯片，现在到底在哪个真实位置04 就算放开英伟达进口，也根本谈不上“致命打击”

最近很多人在聊，说如果后续放开英伟达高端AI芯片的进口许可，是不是会对刚起步的国产AI芯片行业是致命打击。

这事要掰扯清楚，得先跳出两个极端认知：要么吹国产芯片已经追平英伟达，要么说放开进口就全行业完蛋——真实的行业格局，比这两种说法都复杂得多。

很多人以为英伟达靠卖最贵的卡赚钱，其实它的三层壁垒，一层比一层难追。

最表层的是硬件硬指标。目前英伟达的主力训练卡H200，单卡FP8精度算力接近4PFLOPS，最新的B200单卡FP4算力达到18PFLOPS。但真正影响大模型实际运行效率的，不是纸面上的峰值算力，是两个关键参数：一个是HBM显存带宽，H200配的96GB HBM3e显存，带宽达到4.8TB/s——大模型推理的时候，数据要在显存和计算单元之间来回传，光算得快、数据传得慢，跑出来的实际效率可能只有峰值的一半；另一个是卡间互联带宽，英伟达第五代NVLink能做到8张卡之间14.4TB/s的聚合带宽，跑集群任务的时候，卡和卡之间通信延迟不到1微秒，损耗极低。

中间层是软件生态壁垒。CUDA不是大家以为的“显卡驱动”，是一套从底层算子优化、编译器到集合通信库的完整体系，攒了整整15年。现在所有主流大模型里的Transformer核心算子，都是针对CUDA架构做了深度优化的——同样的硬件算力，英伟达的卡跑起来能比别的卡快30%到50%，不是算力强，是优化得深。就算别的厂商造出了纸面参数一模一样的卡，开发者的代码不能直接跑，还要花半年以上重新适配，自然没人愿意换。

最底层是大规模集群能力。现在英伟达能把几万张卡连起来组成一个统一的训练集群，跑千亿参数大模型的时候，整个集群的有效算力利用率能达到90%以上——也就是说，1万张卡的总算力，真的能跑出9000张卡的实际效果。这个能力，全世界目前没有第二家能做到。

公开市场上能做高端AI芯片的厂商不是没有，但都卡在同一个坎上。

最接近的对手是美国AMD，最新的MI355X单卡纸面算力已经追上甚至部分场景超过了英伟达的B200，在MLPerf官方的特定离线推理测试里，性能比同代B200还高了10%左右。但AMD的ROCm软件生态做了快十年，到现在跑主流大模型的实际效率只有英伟达的7成——很多核心算子没有做深度优化，客户买了一样硬件，实际跑出来的速度打七折，算下来性价比根本不占优，现在市占率也就个位数，只能当补充算力用。

谷歌的TPU、亚马逊的Trainium，性能其实一点都不差，但人家是自研自用——谷歌做TPU是为了自己家的大模型，从模型设计阶段就和芯片做了协同优化，根本不需要对外卖，也就没必要建通用的开发者生态，外面的公司想买也买不到。

很多人好奇，除了美国，别的国家就没有拿得出手的AI芯片吗？现实是：全球高端AI芯片的牌桌上，其实只有美国玩家。

韩国这几年把AI芯片当成国家项目在推，孵化了FuriosaAI、Rebellions两家创业公司，单卡FP8算力大概500TFLOPS，差不多是H100的4成水平，主打AI推理场景，现在刚进入商业化早期，规模很小，离支撑大规模集群还差得远。韩国的三星、SK海力士虽然是全球最大的HBM存储供应商，但自己根本做不出有市场竞争力的数据中心AI芯片——去年韩国宣布建国家级AI算力集群，一口气采购了26万张英伟达GPU，根本指望不上自己的芯片。

欧洲这边更弱：荷兰的Axelera AI做低功耗边缘端推理芯片，英国早年炒得很热的Graphcore，被软银收购之后现在基本没声量了，整个欧盟连一个能量产商用数据中心AI芯片的厂商都没有，建AI集群全靠买美国卡。

日本、以色列、中东这些地方也一样，都是拿主权基金采购英伟达的卡，建自己的主权AI算力中心，根本没有自研量产的同级别产品。

说白了，全球高端AI加速芯片的赛道，英伟达一家占了九成以上的份额，AMD是旁边唯一一个能打的配角，其他国家的选手连牌桌都还没坐上。

先把大家最关心的国内市场份额说清楚：全球市场英伟达占九成以上的份额，这个没错，但在国内市场，因为这几年的出口管制，格局已经变了天。

巅峰时期的2022年之前，英伟达占国内AI加速卡市场95%的份额，国产芯片加起来连5%都不到。到2026年的最新统计，受出口管制买不到高端卡的影响，英伟达在国内的份额已经跌到了15%-20%区间，剩下的市场基本被国产厂商吃下：

• 华为昇腾是绝对的国产龙头，目前占国内AI加速卡市场37%-50%的份额，已经是国内第一
• AMD靠着合规可以卖的阉割版AI卡，占大概10%的市场
• 寒武纪占8%-9%的份额，是国产阵营里的第二
• 剩下的海光、昆仑芯、壁仞、沐曦、摩尔线程这些厂商，每家大概占1%-3%的份额，加起来也就10%出头。

要客观说一句，国产厂商份额涨得快，一方面是自己产品真的在迭代，另一方面也确实有出口管制的因素——最顶级的英伟达卡买不到，客户不得不选国产，不是说国产芯片现在的性能已经完全追上英伟达了。

现在国内做AI芯片的厂商已经形成了很清晰的“一超多强加新势力”的梯队，不是只有华为一家在做，只是各家的产品定位、落地场景不太一样，不吹也不黑，挨个说：

第一梯队：规模商用级，能跑大集群

华为昇腾是目前国产里唯一能撑住千亿参数大模型训练的系列：910C单卡FP16峰值算力大概800TFLOPS，差不多是2022年英伟达旗舰H100的6到8成水平。为了补单卡性能的短板，华为用超节点方案把256张卡连起来凑总算力，现在910C超节点已经部署了超过1000套，最新的950、960系列已经进入规模商用阶段，是国产里距离英伟达最近的玩家。

第二梯队：成熟商用，主打政企和推理场景

这几家的产品都已经稳定出货，单卡性能大概在H100的4到6成水平，主要做对极致算力要求不高的推理场景：

• 海光信息：DCU系列走类CUDA兼容路线，和x86生态适配最好，客户从英伟达卡迁移过去的成本最低，主要服务政企、金融行业的内部AI推理需求。
• 寒武纪：国内最早上市的AI芯片公司，最新的思元590、690系列，主打公域大模型推理，现在国内不少云厂商的公共推理算力池里，寒武纪的卡占比不低。
• 百度昆仑芯：最早是给自家文心大模型做配套，现在昆仑芯3代已经对外售卖，和百度飞桨生态深度绑定，主要服务互联网行业的推理场景。
• 阿里平头哥：之前一直做自用，最新发布的真武V900配216GB显存，纸面算力是上一代的3倍，预计2027年一季度正式量产，现在主要供阿里云内部用，暂时还没大规模对外供货。

第三梯队：新上市的创业公司，正在快速冲量产

这几家都是最近一两年刚登陆资本市场，产品已经规模出货，主打细分推理市场：

• 壁仞科技：港股上市，最新的壁砺16系列已经完成了Kimi、Qwen等主流大模型的Day0适配，2026年上半年营收同比涨了近20倍，亏损大幅收窄，现在重点做大模型推理算力市场。
• 沐曦：曦云系列主打训推一体，已经完成了上海AI实验室书生系列大模型的适配，产品主要卖给云厂商搭公共推理算力池。
• 摩尔线程：走全功能GPU路线，最新的MTT S5000已经跑通了开源大模型的完整训练流程，除了AI算力还兼顾图形渲染需求，是国内少有的能做全功能GPU的厂商。
• 燧原科技：主打云端推理场景，主要服务互联网客户的日常AI推理需求。

因为单卡性能和英伟达还有差距，全行业现在都在走超节点的路线：通过高速互联技术把几百张卡连起来，靠集群数量堆总算力。但因为卡间互联带宽和软件优化的差距，现在国产芯片集群的有效算力利用率大概在60%上下——英伟达1万张卡能跑完的训练任务，国产卡大概需要1.6万张才能完成。

很多人担心放开进口会把国产芯片打死，其实是没搞清楚两个市场的分层。

首先，千亿参数大模型的预训练市场，本来就不是国产芯片现在要抢的主战场——这些做最顶尖大模型的公司，本来就追求极致性能，就算没有出口管制，他们也是优先买最好的英伟达卡，根本不存在国产芯片抢他们订单的问题。

真正占AI算力需求7成以上的是推理市场：现在大部分AI应用，都是跑在7B、13B级别的中小模型上，对极致算力没那么高要求，核心看性价比。英伟达的一张H200采购价接近4万美金，国产同性能等级的卡，价格只有它的1/3到1/2，就算单卡实际性能差个两三成，算下来单位推理成本反而比英伟达低一大截。

其实行业里谁站得稳，大家都门清

现在真正不怕放开进口的，基本是两类：

一类是华为昇腾。人家已经跑通上千套超节点集群，客户买它的卡，算的是实打实的成本账，就算放开进口，政企和推理市场的性价比优势还在，基本盘稳得很。

另一类是寒武纪、海光这两家老玩家。寒武纪的推理卡已经卖进了好几家头部云厂商的公共算力池，客户复购率不低；海光的类CUDA生态迁移成本低，和政企客户合作了好多年，粘性很强。客户买它的卡，不是因为政策要求，是因为迁移省事、服务跟得上，就算放开进口，也不会轻易换供应商。

当然也得说句实在的，放开进口肯定会打掉一部分靠管制托起来的订单：头部大模型公司的高端训练订单、不差钱的政企采购，肯定会优先转回体验更好的英伟达，华为昇腾现在的市场份额，估计会回落10-15个百分点，回归真实的竞争力水平。但说“致命打击”真的谈不上——占市场大头的推理需求，还是会算成本账，这块基本盘不会丢。

真正会被冲击的，是两类现在还靠政策红利吃饭的厂商：

第一类是做了快十年，营收结构里国资智算中心项目占了大头的，比如天数智芯。从成立到现在，它的商业互联网客户订单占比很低，绝大多数项目来自各地政府牵头的智算中心。这类公司的产品纸面参数看着还行，但是底层软件适配做的慢，客户买回去基本就是放在机房里凑国产化率的数。真要放开进口，后续智算中心扩容的时候肯定优先买体验更好的英伟达卡，它的订单直接就断了。

第二类是一直靠地方国资输血，生态适配跟不上同行的。这么多年产品主要服务本地国资项目，主流大模型的适配进度比其他同行慢半拍，跑起来还要专门做调优，没有靠产品力沉淀下足够的商业口碑。之前订单不愁是因为买不到英伟达，一旦英伟达的卡能正常供货，这些本来就难用的产品，根本留不住客户。

至于壁仞、沐曦、摩尔线程这几家刚上市的新势力，虽然现在产品和英伟达还有差距，但是最近两年的营收增长都是实打实的商业订单堆起来的，不是纯靠政策项目，产品迭代速度也快。就算放开进口，靠三分之一的价格优势，还是能守住大部分推理市场的基本盘，没那么容易被打死。

很多人好奇，国产芯片现在在国内占了这么大份额，为什么在全球市场一点存在感都没有？

原因很简单：现在的国产AI芯片，还根本不具备全球市场的竞争力。首先是生态门槛绕不过去——英伟达的CUDA是全球开发者共用的标准，国外客户的代码都是基于CUDA写的，买国产卡回去要重新花半年时间适配，没人愿意冒这个险；其次是美国的管制反过来卡着出口，国产芯片的制造环节用了不少美国技术设备，根本进不了欧美主流市场的供应链；最后是品牌信任没建立起来，国产芯片大规模商用也就这三四年，没有经过长时间的可靠性验证，没人敢把核心业务跑在没经过市场检验的新品牌上。

说白了，现在国产芯片的所有出货量基本都在国内，靠的是管制倒逼的替代需求和性价比优势，离真正靠产品力和英伟达在全球市场正面竞争，还有至少五到十年的路要走。放开进口不会是致命打击，但也会打醒一个错觉——现在看着热闹的市场份额里，有相当一部分是靠管制托起来的，不是靠产品力硬拼出来的。

AI芯片的技术差距是客观存在的，没必要吹成已经追平英伟达，也没必要说国产芯片一无是处。硬件上的单卡代差，靠工艺和堆料总能慢慢追上，真正难补的是软件生态和集群效率的积累——这本来就是需要十年八年慢功夫磨的事，急不来。

我是自落果，每天和你聊聊社会热点背后的真问题。 如果这篇文章对你有启发，欢迎点赞、在看、转发给朋友。