大衛·薩克斯的表態，近期在科技圈引發不小震動。這位川普的科技政策顧問，近日接受了彭博電視台採訪。他現任總統科技顧問委員會主席，話語權足夠份量。薩克斯直言，中國AI晶片設計已落後美國僅1.5到2年。更關鍵的是，他預判華為不久後會對外出口AI晶片。這一動作，或將點燃全球技術堆疊主導權的爭奪戰。薩克斯也承認，華為GPU生產仍受限制，但追趕速度驚人。“華為尚未達到頂尖水平，但未來一定會改變。”他如此判斷。他的擔憂很直接，華為若成重要GPU供應商，美企將承壓。川普政府的核心目標，是讓美國技術堆疊成為全球標準。為此，拜登時期的“擴散規則”已被正式放棄。那項規則曾限制美國GPU出口，還要求買家申請許可證。薩克斯解釋，過度限制盟友，反而會錯失鎖定市場的機會。他認為，阻止最先進半導體流向中國合理，但別傷了盟友。過去的法規，無異於“因擔心風險而自傷科技產業的腳”。薩克斯的履歷也印證了他的行業洞察力。他曾是貝寶前COO，還創辦過被微軟收購的Yammer。2024年底，他被川普任命為白宮AI和加密貨幣負責人。華為這邊，任正非近期也有清醒表態。他坦言，自家GPU確實落後美國頂級產品一代。但華為有自己的應對方式，用數學補物理、群計算補單晶片。這種思路下，華為晶片能達到實用水平，滿足多數AI需求。很多AI工作負載，本就不需要最尖端的硬體支撐。只要華為能以合理價格供貨，搭建成熟生態。完全有能力在部分市場，挑戰輝達和AMD的地位。輝達CEO黃仁勳，也曾公開批評美國的出口管制。他直言這些政策“完全錯誤”，只會適得其反。全球一半AI研究人員是中國人，堵不住創新的腳步。美國的限制，還讓輝達損失了巨額中國市場收入。僅H20晶片禁令，就導致其損失55億美元庫存和150億營收。黃仁勳也認可華為的實力，稱其是“世界級科技公司”。薩克斯的判斷，其實藏著美國的戰略焦慮。放棄過度限制，不是妥協，而是想鎖定盟友市場。遏制中國先進晶片，同時鞏固美國技術的全球主導權。華為若真啟動AI晶片出口，格局會發生微妙變化。國產晶片出海，不僅是營收突破，更是生態突圍。中美AI晶片的差距在縮小，競爭只會愈發激烈。華為能否打破壟斷，關鍵看生態搭建的速度和質量。而美國的政策調整，也會持續影響全球半導體格局。這場技術博弈，沒有旁觀者，每一步都關乎未來走向。 (1 ic芯網)

近日摩根士丹利發佈了《China AI GPUs – Closing the  Gap with the US 》，報告裡提到了關於中國AI晶片一些情況，我們摘取了部分內容，分享給大家。原文連結在文末。一、到2030年中國AI晶片市場規模將達670億美元我們在預測中國 AI GPU 市場時，採用了情景分析法，把供應、需求以及地緣政治方面的風險都考慮進去了。我們估算：到 2030 年，總的可觸達市場規模將達到 670 億美元。這意味著 2024 年到 2030 年間的年複合增長率（CAGR）為 23%。到時候，推理（inference）帶來的需求將超過訓練（training），這部分支出大約會佔到雲廠商總資本支出的 51%。我們的估算是基於主要雲服務商、電信營運商、政府及國企買家，以及其他 AI 相關公司的雲資本支出總和得出的。中國AI晶片市場規模從Morgan Stanley這張圖中我們也可以大致看出：增長初期主要由主權/國企（Sovereign & SOEs）和電信營運商驅動，但長期增長的關鍵在於“商業化應用”（Commercial Usage，主要體現在中國雲服務商CSP的支出上）。從結構上看，中國雲服務商（藍色部分）的支出佔比逐年擴大，從2023年的約60%增長到2030年接近400億美元，成為最大的單一需求來源。這表明AI晶片市場正從政府主導逐步轉向以商業需求為主導的成熟階段。我們預計，國產 AI 晶片的收入將從 2024 年的 60 億美元增長到 2030 年的 510 億美元（年複合增長率 42%），這將把自給率從 33% 提升到 76%。中國AI晶片自給率另外Morgan Stanley也提到了AI晶片在雲資本支援中的比例。AI 晶片佔全球雲資本支出總額的百分比從這張圖中，我們大致可以看出：從 2021 年到 2026 年，雲服務商在 AI 晶片上的花費佔其總資本支出（Capex）的比例從極低水平（約 5% 左右）急劇攀升至 45% 以上。另外Morgan Stanley認為，華為和寒武紀在短期內會領跑AI晶片的市場中國AI晶片廠商市場份額預估2026中國AI GPU市場份額二、十大中國AI晶片廠商與輝達（NVIDIA）的處理器在中國市場的情況相比，國產晶片擁有更低的總體擁有成本（TCO），並且在單個Token的處理成本（針對AI大語言模型推理任務）上具有可比性。Spec overview：中國AI晶片與輝達（NVIDIA）在產品 對比。(萌趣AI小棧)

單卡算力是H20的2.87倍，華為這波真的"硬"了。2026年3月20日，華為在中國合作夥伴大會上扔了一顆重磅炸彈。昇騰950PR處理器正式發佈。搭載這顆晶片的Atlas 350加速卡，在多個關鍵指標上實現了對輝達H20的反超。這不是"追趕"，這是"超越"。一、昇騰950到底強在哪？核心參數單卡算力是H20的2.87倍。這不是參數黨自我感動，這是實打實的性能碾壓。技術突破1️⃣ 國內唯一支援FP4低精度的推理產品FP4是什麼？簡單說，就是把模型壓縮到原來的1/8，性能幾乎不損失。輝達H100不支援，H20不支援。現在昇騰950支援了。2️⃣ 自研HBM技術HBM（高頻寬記憶體）一直是韓國廠商的天下。華為這次首發自研HBM，打破了國外壟斷。3️⃣ 記憶體訪問顆粒度最佳化從512位元組減少到128位元組。這意味著什麼？小算子訪存效率提升4倍。大模型推理中，小算子佔比超過60%，這個最佳化帶來的提升是實打實的。4️⃣ 叢集能力支援百萬卡叢集，單叢集算力達數百EFLOPS（FP16）。這是什麼概念？相當於把全國Top10超算的算力塞進一個機房。二、為什麼這次不一樣？過去的昇騰：能用，但不夠強昇騰910時代，華為的姿態是"備胎"。能用，但性能、生態、穩定性都和輝達有差距。客戶選擇昇騰，更多是出於"不得不選"。現在的昇騰950：可以正面對剛這一次，華為不是在做"替代品"，而是在做"超越者"。單卡算力：超越H20記憶體頻寬：超越H20FP4支援：H20沒有，950有國產生態：完全國產化客戶選擇昇騰950，不再是"無奈之舉"，而是"最優解"。三、昇騰950系列規劃華為這次還公佈了完整的晶片路線圖：這是什麼意思？950PR：適合推理階段的第一步——快速生成第一個token。950DT：適合推理階段的第二步——高速解碼後續token。兩顆晶片配合，實現端到端推理加速。四、對產業鏈的影響硬體廠商的機會7家核心夥伴同步發佈基於Atlas 350的整機產品：這些廠商，將成為昇騰生態的"基建商"。投資者關注昇騰產業鏈核心標的：五、對普通人的意義你可能會說：我又不買AI晶片，這跟我有什麼關係？關係很大。1. AI服務成本下降算力成本是AI服務成本的核心。國產晶片性能提升、成本下降，意味著AI服務會更便宜。你用的ChatGPT、文心一言、Kimi，底層都可能跑在昇騰上。2. 資料安全更有保障國產晶片意味著資料不需要出境。政務、金融、醫療等敏感領域，可以放心使用AI。3. 科技自主權昇騰的突破，意味著中國在AI晶片領域不再被"卡脖子"。這是國家層面的戰略安全。昇騰950的發佈，不是技術迭代，是戰略突圍。從"能用"到"好用"，從"替代"到"超越"，華為走了整整7年。中國國產AI晶片的春天，真的來了。 (碼農看AI)

萬卡級出貨量企業的批次出現，並不意味著國產AI晶片的競爭已經分出勝負，而意味著這一輪產業試錯開始進入“規模化交付驗證”階段在嚴格的晶片出口管制的倒逼下，國產資料中心AI晶片的自主化處理程序正在加速。目前，國產AI晶片包括華為昇騰、百度崑崙芯、阿里平頭哥、寒武紀等十余個品牌。《財經》多方調研獲悉，至少有九家中國AI晶片公司的出貨量或訂單量已超過1萬卡。其中包括華為昇騰、百度崑崙芯等背靠科技大廠的企業，還包括寒武紀、沐曦、天數智芯、燧原科技等AI晶片上市和將上市企業，甚至包括曦望（Sunrise）、清微智能等仍在創業階段的非上市公司。其中出貨規模大的AI晶片公司，累計出貨量已在10萬卡等級。出貨量相對較小的AI晶片公司，如曦望、清微智能等2025年出貨量或訂單規模在1萬卡以上。國產推理AI晶片單價目前單卡價格約在3萬-20萬元不等。出貨量或訂單量達到萬卡規模，意味著國產AI晶片的性能、穩定性和總擁有成本具備一定市場認可度。它開啟的不只是規模競爭，更是圍繞穩定性、軟體生態和商業化服務的更深層次、更全方位的競爭。一批大大小小的AI晶片公司出貨規模快速增長，國產AI晶片的市場份額因此迅速攀升。國際市場調研機構IDC 2025年10月資料顯示，2025年上半年中國加速（即AI晶片）伺服器市場規模達到160億美元，出貨超過190萬張。其中輝達約佔62%市場份額，國產AI晶片約佔35%市場份額。國產AI晶片需求持續增長，增長速度遠超輝達。多位半導體產業人士對《財經》表示，2026年隨著國產AI晶片的代工產能逐漸提升，國產AI推理晶片的出貨量還將迎來一輪爆發式增長。不過，萬卡級出貨量企業的批次出現，並不意味著國產AI晶片的競爭已經分出勝負，而意味著這一輪產業試錯開始進入“規模化交付驗證”階段。萬卡出貨量的中國AI晶片公司湧現萬卡等級出貨量的國產AI晶片公司正在批次湧現。華為昇騰、百度崑崙芯是出貨規模最大的國產AI晶片。它們背靠大型科技公司，有穩定的客戶。華為昇騰、百度崑崙芯性能表現突出，甚至已被用於部分模型訓練場景。國際市場調研機構IDC資料顯示，2025下半年國產AI晶片中，華為昇騰市場份額位居國內第一，百度崑崙芯市場份額位居國內第三。華為昇騰已經被用於電信營運商、科技公司的多個國產萬卡叢集。百度2025年2月點亮了崑崙芯P800萬卡叢集，並計畫未來點亮三萬卡叢集。除了百度，一批金融、能源、製造等領域的大型企業都在採購百度崑崙芯。寒武紀也是國內出貨量最大的國產AI晶片之一。其主要客戶包括國內大型網際網路公司、電信營運商和金融機構等。2025下半年-2026年初，沐曦、摩爾線程、天數智芯、燧原科技等AI晶片創業公司先後發佈招股書。招股書顯示，沐曦、天數智芯、燧原科技的累積出貨量均已超過萬卡。沐曦招股書披露，截至2025年8月末，沐曦AI晶片累計銷量超過2.5萬卡，已在多個國家人工智慧公共算力平台、電信營運商智算平台和商業化智算中心實現規模化應用。天數智芯招股書披露，截至2025年6月30日，天數智芯已向金融、醫療、交通等行業的290名客戶交付5.2萬枚AI晶片。燧原科技招股書披露，截至2025年9月，燧原科技AI加速卡及模組出貨情況。經《財經》計算，燧原科技的AI加速卡及模組合計銷量為9.72萬張。《財經》瞭解到，包括曦望、清微智能等仍未上市的國產AI晶片公司出貨量或訂單量也已經超過萬卡。不過，它們和頭部國產AI晶片公司的出貨量仍存在明顯差距。曦望前身是商湯科技的大晶片部門，2024年底分拆獨立營運，該公司目前專注AI推理晶片的研發與商業化。曦望的投資方包括三一集團旗下華胥基金、範式智能、杭州資料集團，IDG資本、高榕創投、無極資本等知名機構，以及誠通混改基金、杭州金投、杭州高新金投等國資相關基金。曦望已經銷售啟望S1、啟望S2等AI推理晶片，2026年將量產啟望S3晶片。客戶包括商湯科技、第四範式等企業。在1月28日產品發佈會上，曦望方面披露2025年AI晶片交付破萬卡，收入大幅增長。清微智能是一家“清華系”的晶片創業公司。獲得了國家積體電路產業投資基金（大基金）投資，且是首批國家級專精特新“小巨人”。《財經》瞭解到，截至2026年1月，清微智能的AI晶片訂單量累計超過3萬卡，客戶包括部分地方城市的智算中心。一些國產AI晶片創業公司目前更關注能用、可控以及出貨規模，並非追求極致的峰值性能。部分國產AI晶片創業公司並未像輝達和頭部國產AI晶片公司使用7nm（奈米）及以下的先進製程以及HBM（高頻寬記憶體）記憶體。目前國產7nm（奈米）及以下的先進製程、國產HBM記憶體產能極其有限。因此，它們直接採用了更成熟且中國大陸本土產業鏈能夠更快量產的12nm工藝製程和LPDDR（低功耗雙倍資料率記憶體）系列記憶體。這類國產AI晶片的價格甚至可低至3萬元/卡。2025年12月，AI基礎設施創業公司新智惠想創始人吳健對《財經》表示，他和十家以上的國產AI晶片企業都有接觸。他預計2026年-2027年中國市場還會有多款國產AI推理晶片上市，2026年-2027年會迎來爆發。部分國產AI晶片推理性能已超輝達H20目前，國產AI晶片的峰值性能和輝達存在巨大差距。中國市場的AI晶片數量和美國市場也存在巨大差距。降低國產AI晶片的推理成本，正在成為中國產業界的共同努力方向。因為當算力規模無法正面比拚時，決定差距的不是有多少晶片，而是每張晶片能吐出多少Token（詞元）。資料中心AI晶片的主要使用場景包括訓練和推理。推理AI晶片的設計、使用門檻相對較低，這裡是國產AI晶片突圍的重要機會。IDC資料顯示，2025年中國生成式AI IaaS（基礎設施）市場，訓練佔比49.6%、推理佔比50.4%。IDC預測，到2029年，訓練佔比將降至23.3%，推理佔比將提升至76.8%。因此，國產AI晶片公司普遍注重提升推理性能，“榨乾”每一枚晶片的Token。Token是模型推理的基本單位。當算力規模受限時，每秒能生成多少Token（Token/s），直接決定了AI服務的響應速度、吞吐量和成本。這是衡量晶片實際推理效率的核心指標。吳健表示，做好硬體適配、調度最佳化等工作，有可能將同樣的晶片、同樣的模型發揮出數倍甚至數十倍的Token吞吐性能。曦望CEO（首席執行長）徐冰1月28日在產品發佈會表示，2025年中國市場百萬Tokens的推理成本已經降至1元。曦望的目標是在這個基礎上用專用的推理晶片和系統架構，把百萬Tokens的降低至1分等級。曦望相關人士對《財經》表示，目前曦望主打AI推理性能，下一代啟望S3目標是，相比上一代產品AI推理性能提升十倍以上。在門檻更低、使用更廣泛的推理場景，部分國產AI晶片性能表現已接近或超過輝達H20。H20是一款為了符合美國出口管制政策，性能被大幅閹割的“中國特供”AI晶片。一位地方國企智算技術人士2025年12月曾對《財經》表示，他測試了華為昇騰910B、百度崑崙芯P800、阿里PPU等國產AI晶片的推理性能。百度崑崙芯P800、阿里PPU跑DeepSeek-R1和阿里千問等經過適配最佳化的模型，Token吞吐效率優於輝達H20。不過，在軟體生態層面，國產AI晶片目前普遍面臨適配慢、適配難的問題。不像輝達的晶片一樣，能被開發者快速適配市面上大部分模型。一位國產AI晶片創業公司人士對《財經》表示，他們目前主要適配DeepSeek、阿里千問、Meta的Llama系列等主流模型，其他模型無法及時、全面兼顧。上述地方國企智算技術人士對《財經》表示，他所在的企業為國產AI晶片適配新模型，通常要一兩個月。因此，往往無法第一時間用上最新的模型。一位人工智慧解決方案公司CEO甚至提到，Hugging Face（全球AI和大模型開源社區）上擁有超過200萬款模型，而某國產AI晶片適配的模型數量只有幾十款。多位半導體產業人士對《財經》表示，萬卡級出貨量企業的出現，意味著這一輪產業試錯正在進入“規模化交付驗證”階段。部分半導體產業人士的看法是，國產AI推理晶片市場正在出現與太陽能產業早期相似的路徑——在產業政策，以及產業引導基金、二級資本市場的推動下，多家廠商出貨量迅速攀升。一種樂觀預期是，中國的AI推理晶片市場未來幾年，將像中國的太陽能產業一樣，通過激烈的市場競爭跑出若幹個具備國際競爭力的企業。不過，另一種觀點是，太陽能是高度標準化的製造業產品，勝負最終由成本曲線與產能效率出清決定。AI晶片的產業發展邏輯由軟體、硬體和生態共同決定，它的競爭節奏與淘汰機制和太陽能產業存在本質差異。國產AI晶片上游受限於晶片代工企業的產能，下游受限於軟體生態。它的交付穩定性、軟體棧成熟度與生態遷移成本，決定了“萬卡之後”的復購與生存。中國AI晶片市場殘酷的競爭甚至尚未真正開始。 (財經雜誌)

2025 年，全球 AI爆發點燃算力需求。當前的全球算力格局，呈現出一超多強、競爭加劇的態勢。輝達憑藉 CUDA 生態的護城河和 H/B 系列晶片，基本壟斷了全球AI算力。但與此同時，國產算力產業快速崛起、國產替代，從華為昇騰、寒武紀，到沐曦、摩爾線程等加速發展，國產算力正在蓄勢爆發。1 輝達的背後是美國AI戰略和國家力量輝達作為全球龍頭GPU公司，其核心是“三大業務+CUDA生態”，承載著美國AI和半導體戰略構想。輝達的三大主要業務：業務一：資料中心業務。直接服務於全球AI基礎設施建設，包含計算、網路、系統級平台，其銷售模式也不再只是售賣晶片，而是為各行業提供全端解決方案。產品包括Blackwell架構GPU、Hopper架構GPU、NVLink、InfiniBand、Spectrum-X乙太網路等。業務二：消費顯示卡業務。從純遊戲市場轉型成為融合AI入口，其新一代發佈顯示卡在迎合傳統遊戲市場的基礎上，側重於AI大模型的能力，可以滿足本地化AI部署需求，成為開發者生態擴大基礎。主要是GeForce RTX系列和Project Digits等AI PC產品。業務三：具身智能應用。被輝達視作未來增長引擎，主要有機器人、智能駕駛、世界模型三大類。比如，機器人基礎模型的Isaac GR00T系列，用於模擬與開發平台的Omniverse（數字孿生）、Isaac Sim，還有AI模型與引擎的Cosmos世界模型、Cosmos Reason VLM、Newton物理引擎。CUDA生態是輝達壟斷GPU行業的核心護城河。CUDA是輝達自2007年就搭建的軟體程式設計模型，繫結其GPU產品，隨著GPU發展迭代，其功能和應用範圍也不斷擴大，開發者的投入與CUDA深度繫結，建構了一個龐大的、自我循環、自我強化的生態平台。輝達的背後是美國政府加強半導體產業鏈、確保AI技術主導權的戰略構想。美國對輝達的支援已經從市場層面的扶持，升級為國家力量的系統性工程。不僅將輝達直接納入多個國家戰略計畫和科研基礎設施，為其提供大規模、高價值的訂單，還保障供應鏈安全並享受豁免優惠，比如促成半導體上游關鍵企業遷移美國本土等。同時，也在確保美國本土企業優先獲得輝達最新算力，鞏固其領先地位，加速技術迭代與生態擴張。2 中國需要自己的輝達中國需要自己的“輝達”，核心原因遠不止於製造一款高性能GPU。從國家戰略角度，關乎當下科技自主權，產業鏈安全，以及全球AI競賽領導權。從產業角度，是加速推動半導體行業全鏈條國產化，從成熟製程邁向高性能晶片的自主可控。從企業的角度，是需要具有持續技術創新力和產品實力的中國GPU龍頭領軍。當前中國GPU力量正在崛起，GPU實現國產替代是大勢所趨。2024年中國半導體自給率達到24%，同比增長4pct；其中AI領域半導體自給率已達到三分之一，相較於2023年顯著提升，仍有大幅提升空間。長期看，中國的優勢在完善的產業鏈、龐大市場和應用空間，實現晶片行業的大規模降本和全產業鏈突破只是時間問題。以太陽能與新能源汽車產業為例。20年前，太陽能技術掌握在歐美企業手中，價格昂貴。中國企業通過技術引進再創新，發揮製造優勢和規模效應降本，最終實現了絕對領先。新能源汽車最早也是美國領先，在三電技術上實現突破後，中國新能源車企憑藉完整的工業體系和敏銳的市場洞察，形成了產業鏈整合，主導全球新能源汽車行業。晶片行業的挑戰更複雜，但中國從技術追趕到全球領先的邏輯不會改變。一是國家戰略確保AI產業發展自主權，政策強力推動。從“十四五”規劃重視晶片自給率，2024年七部門《關於推動未來產業創新發展的實施意見》加快GPU領域突破；到2025年下半年的《電子資訊製造業2025－2026方案》強調推動AI終端創新應用；同期證監會推出科創板“1+6”新政引導AI和晶片企業發展，產業和市場政策組合夯實國產替代基礎。二是市場高增速催化。據測算，2024年起全球雲AI市場規模復合年增長率達到28%，到2027年將達2390億美元，中國市場需求佔全球1/3，市場增量約800億美元。先是公有雲和國資智算中心實現規模化替代，國產GPU獲得穩定份額後，未來3-5年完善軟體生態和工藝進步，形成更廣泛的全市場競爭力。三是企業競爭力提升。中國晶片產業的各環節企業都在技術突破期。華為以全端自研的解決方案引領國產替代；摩爾線程從消費級GPU切入AI智算；中興通訊的5nm製程ASIC開始流片；中微公司介質刻蝕機已進入台積電5nm產線；中芯國際步入先進製程良率和產能突破期。中國半導體產業的快速進步已成趨勢。3 中國AI晶片：從0到1，快速崛起根據年市場份額和出貨表現，中國AI晶片市場的“七小龍”初現端倪：華為昇騰、崑崙芯、寒武紀、天數智芯、燧原科技、沐曦股份、摩爾線程。但是市場的競爭格局遠未定型，國產算力仍處於征途中。AI晶片有通用型和專用型兩種。通用型晶片是“通才”,利用平行處理能力來加速各種計算任務，不侷限於特定的應用領域，旨在提供一個靈活的、可程式設計的平台，能夠適應多種不同的計算需求。通用型AI晶片主要指通用GPU，代表企業輝達，晶片型號有B200、H200等。專用型晶片是“專才”，是專為特定應用或領域定製的計算架構，旨在針對某一特定任務進行最佳化，優勢在於執行該任務時性能極強、能效比極高、成本可能更低；劣勢是功能固化、靈活性差。專用型AI晶片有ASIC和FPGA兩種，ASIC討論度更高，代錶廠商是Google，其TPU就是一種ASIC晶片。總體格局上，GPU佔據絕對的AI主流地位，ASIC則是崛起中的支線力量。全球AI晶片市場由GPU巨頭輝達壟斷，是絕對的行業領導者，佔據超過80%的全球市場份額。ASIC架構則是快速發展的一股支線力量，代錶廠商是Google，其在全球ASIC出貨量佔比超70%，今年11月Google第七代TPU發佈，迅速造成對輝達GPU壟斷敘事的衝擊：內部，GoogleGemini3 Pro大模型使用自研TPU訓練；外部，儘管其TPU 暫未向外部客戶直接銷售，僅通過Google雲提供服務，但是與Meta的合作意向已經達成，後者計畫2026年通過Google雲租用算力，從2027年起在自己的資料中心部署GoogleTPU。在全球AI競爭加劇和算力基礎設施自主性需求日益迫切的雙重背景下，中國本土AI晶片企業也加速發展，但總體上仍處於“從0到1”的初期階段，尚未形成明朗的競爭格局，GPU和ASIC兩種架構平行發展、各有側重。中國本土AI晶片企業中，GPU路線的有沐曦、海光資訊、天數智芯、壁仞科技、摩爾線程；ASIC路線的有華為海思（華為系）、寒武紀、崑崙芯（百度系）、平頭哥（阿里系）、燧原科技。都是Fabless模式，即公司主體負責晶片的研發、設計與銷售，生產環節由專業的外協廠商完成，主要包括晶圓代工廠和封裝測試廠，也包括板卡加工服務等等。中國本土AI晶片企業在全球市場份額合計不足1%，當下主要是國產替代邏輯。IDC資料顯示，本土AI晶片廠商的國內市場佔有率正在快速提升，2024年出貨量82萬張，滲透率約30%；相較2023年15%的國產滲透率有明顯提升。分類看，GPU伺服器在中國加速伺服器市場依然是主導地位，佔比近70%；ASIC 和 FPGA等非GPU加速伺服器高速增長，佔比約30%。按企業看，華為昇騰銷量64萬，在中國AI晶片市場佔23%，是本土第一品牌；崑崙芯（百度系）6.9萬、天數智芯3.8萬、寒武紀2.6萬、沐曦2.4萬、燧原科技1.3萬，其他品牌銷量未過萬。綜合來看，在ASIC路線上，華為昇騰領先。通用GPU路線並未形成鮮明的格局，沐曦股份營收小幅領先。華為昇騰可以說是國產算力的“定海神針”，定位是 ASIC專用型計算架構。作為擁有全端自研能力的巨頭，其昇騰 910B/C系列已在大型智算中心規模化部署。華為升騰的核心競爭力是 CANN 異構計算架構，已建立起堅固的閉環生態。2024年，華為昇騰在中國 A 晶片市場份額達 23%，穩居本土第一品牌。寒武紀，作為國內最早的AI晶片上市企業，寒武紀深耕專用架構ASIC/DSA。核心競爭力是雲邊端一體化開發環境，在特定算子下能效比極高。2024年智能晶片及加速卡收入約11.7億元，主要服務於政府智算中心及特定行業。崑崙芯脫胎於百度AI晶片部門，是典型的“大廠底座”與“應用驅動”派代表 。憑藉自研的XPU架構，屬於ASIC/DSA路線，深度適配百度文心大模型及飛槳等生態，在自然語言處理、搜尋推薦等垂直場景擁有極高的迭代效率 。2024年其在中國AI晶片出貨量佔比約3%，位列本土品牌前三，是國產算力排位賽中從網際網路內循環跨向通用市場大循環的標竿。燧原科技也是國產算力陣營中深耕“專才”路線的典型，背靠第一大股東騰訊提供的強大應用生態資源，在政務MaaS（模型即服務）等實戰場景中展現出優勢。作為主攻ASIC/DSA專用計算架構的代表，燧原科技於2024年佔據了約1%的市場份額。沐曦股份定位是通用 GPU 架構，核心團隊有高端GPU設計背景。沐曦的優勢是走自研架構+高度相容 CUDA路線，主打的是平滑遷移，讓開發者能以最低成本從輝達陣營切換過來。其主力產品曦雲c500系列，綜合性能對標輝達A100，在2024年實現7.2億元的收入，佔主營業務收入97%以上。但產品結構單一也有一定短板。2024年智算推理系列(曦思 N 系列)的收入佔比不到 1%，高度依賴訓推一體晶片的銷售。同時,公司仍處於巨額虧損階段，盈虧平衡點最早也要到 2026 年才能看到。摩爾線程定位全功能 GPU，兼顧圖形渲染消費級顯示卡與AI計算。優勢是依託 MUSA的架構，讓產品一卡多用:既能做動畫渲染、遊戲畫面、虛擬場景，又能搞定訓練 AI大模型、跑AIGC生成內容，還能萬卡叢集、相當於萬卡一起幹活。但短板是2024年營業收入約4.38 億元，雖有增長，但遠低於寒武紀和海光資訊等成熟廠商。由於戰線拉得太長，在每個細分市場都要面對輝達及國產專項廠商的競爭，是其隱憂。天數智芯是通用架構路線的堅定踐行者。2024年其憑藉約1%的市場份額躋身本土品牌出貨量前五，展現出較早的商業化落地能力。在技術路徑上，天數智芯堅持GPGPU設計，通過相容AMD ROCm等開源生態來降低開發者的遷移門檻，產品全面覆蓋AI訓練、推理及大規模通用計算場景。4 GPU國產化關鍵是產業自主和軟體生態中國GPU國產化要突破的重點領域有兩類：一是產業上，從EDA、IP、裝置、材料到晶圓代工的半導體產業鏈都需要攻堅。二是軟體端，面對CUDA生態近20年的“護城河”。國產替代非一朝一夕，高端晶片領域挑戰依然艱巨。4.1 EDA和IP:點工具突破、GPU核心仍薄弱EDA（電子設計自動化）和IP（半導體智慧財產權）處於半導體產業最上游。EDA是晶片設計的一整套工具鏈，設計師用其進行數字設計、模擬、驗證概念，並最終生成晶片製造圖紙。IP是已驗證過的成熟模組，晶片公司以自研、購買、或獲得授權使用IP的方式來搭建各項功能，在EDA的輔助下整合為晶片圖紙。EDA和IP自主是晶片產業國產化的基石。目前先進製程晶片改採用的FinFET正逐步升級為下一代的GAAFET架構，有更優秀的靜電特性和功耗、頻率，是發展2nm晶片的關鍵。而先進製程晶片的數字設計、線路佈局、驗證等環節高度依賴最新EDA工具和IP。IP能加快設計和迭代的速度，先進製程晶片設計也依賴IP的更新。全球EDA市場主要由三家美國公司：新思科技（Synopsys）、鏗騰電子（Cadence）、西門子EDA（Siemens EDA，原明導國際）主導。2024年三家的市場份額分別為31%、30%、13%。中國EDA的主要參與者包括華大九天、概倫電子、廣立微、芯和半導體、芯華章與鴻芯微納。IP市場，安謀（ARM，軟銀旗下）和新思兩家佔有全球2/3的份額，鏗騰和Alphawave（高通收購）合計9%。其中，安謀主要市場在移動計算，後三者主要市場在高性能計算。國內半導體IP的主要參與者有芯原股份、芯耀輝、銳成芯微、芯來科技、寒武紀、平頭哥（阿里旗下）。EDA的突破在於“點工具”，比如原理圖和PCB設計工具上已經完全自主，在模擬晶片EDA領域，也已經有國內廠商實現了全流程自主，但數字晶片、系統級晶片的全流程領域還存在空缺。由於設計一顆先進製程晶片需要上百種工具協同，而國際EDA工具與台積電的工藝設計套件深度繫結，因此EDA自主化和晶圓代工的國產替代需同步實現。IP的挑戰在於架構創新和生態獨立。常見IP有處理器核心、介面IP、基礎IP、GPU專用IP。其中，介面IP過去主要由新思和鏗騰提供，現在是國產替代較快的環節，並有國內IP授權給多家國內外晶片公司的成功案例。同時，GPU IP自研起步，通常國內GPU廠商採用“IP授權”模式開發晶片，但隨著下游晶片設計企業對本土IP採購意願增強，GPU核心IP自研是大勢所趨，但生態壁壘也很明顯。由於GPU設計的特殊性，不同模組的IP來源通常分散。以輝達為例，其流處理器架構、平行計算架構、張量核心等關鍵IP都由自主設計，但部分特定功能也需要採用第三方IP來開發。目前，實現純粹國產GPU核心IP還不具條件，而高性能的GPU架構設計也才起步，自主GPU IP生態搭建是長期工程，國內需要加緊人才培育和市場經驗積累。4.2 晶圓製造和裝置:良率、產能、光刻裝置攻堅晶片製造商也被稱為晶圓代工廠（Foundry），職責是將設計圖紙上的晶片實際製造出來。也是整個半導體產業中價值含量最高、流程最複雜、資本開支最大的環節。根據2025年Q2資料，全球近七成的晶圓代工市場由台積電（TSMC）獨佔，三星市佔率達到7.3%，中芯國際升至全球第三，市佔率5.1%，華虹集團也躋身全球第六，份額2.5%。目前，中芯國際、華虹半導體已具備28nm及以上晶片的大規模、高良率的製造能力，能滿足大部分中低端GPU和國產GPU初代產品的製造需求，總體看28nm及以上的產能自給率已超過40%。14nm及以下的先進製程代工還需突破，中芯國際是國產GPU產能的主要來源，目前中芯國際已實現14nm量產，但良率和產能有限。由於無法獲取EUV光刻機，且材料方面的超高純度化學品、光刻膠等仍依賴進口，因此7nm、5nm等更先進製程的研發和量產仍需攻堅。好在國產DUV（深紫外）光刻裝置研發已經落地。由深圳市政府投資的俞亮昇，已成功研發DUV光刻裝置，目前正在測試階段，預計其進入產線後將在一定程度上降低對海外光刻裝置的依賴，先進製程仍需要EUV光刻裝置。光刻裝置的戰略價值和技術壁壘極高，是晶片圖案轉移的核心，和薄膜沉積、刻蝕裝置同屬於半導體三大前道環節。全球主要供應商是阿斯麥（ASML），市場份額佔比高達82.1%，其次是佳能（Canon）和尼康（Nikon）市佔率分別為10.2%、7.7%。國內主要光刻裝置研發參與者有上海微電子、新凱來、以及長光所。雖然利用現有DUV光刻機，採用“多重曝光”技術仍可以生產7nm及以下的晶片，但會導致生產成本上升、生產時間延長以及良率降低。因此，長期看實現EUV光刻裝置自主還是關鍵，重點在於如何解決頂級裝置對全球供應鏈依賴的問題。光刻機被稱為“工業明珠”，打造靠的是全球頂尖技術的合力。比如，阿斯麥的氣體來自美國、光源有日本供應、鏡頭來自德國，因此，光刻裝置的國產化替代考驗的不僅是單點技術突破，更是細分產業鏈的完備和自主可控。4.3 GPU軟體生態：核心挑戰在於打破CUDA壁壘CUDA是輝達壟斷GPU行業的核心護城河，也是GPU自主攻堅最大的壁壘。截止2024年底，CUDA已擁有超過500萬開發者，服務於全球85%以上的資料中心，90%的AI框架基於CUDA開發，95%的AI訓練任務依賴CUDA工具鏈。CUDA全稱“統一計算裝置架構”，其作用是讓圖形程式設計之外的領域也能最大程度利用GPU。CUDA的組成結構主要有三個部分：開發庫、運行期環境、驅動。開發庫的作用是讓開發者可以快速建立起自己的應用，並且開發者也可以在CUDA的技術基礎上搭建出定製化的開發庫。運行期環境主要提供應用開發介面和運行期元件，基本上涵蓋通用GPU開發所需要的所有功能和資源介面。驅動部分即是輝達顯示卡的驅動，雖然不同版本系列GPU有不同，但本質上是為輝達自家的硬體裝置建立的抽象層，提供訪問介面。CUDA和輝達硬體繫結擴張，已經成為事實上的GPU軟體行業標準。隨著GPU發展迭代，其功能和應用範圍也不斷擴大。開發者的投入與CUDA深度繫結，協同最佳化，在多代技術躍遷下建構了一個龐大的、自我循環、自我強化的生態平台。當前，國內GPU生態和輝達CUDA差距在於兩方面。一是使用者適配成本高。由於國內的GPU生態起步晚，且碎片化，基礎軟體不統一。各家廠商自建生態，形成了互不相通的技術壁壘，導致使用者適配成本高，軟體迭代時間和成本增加，制約了產業效率和競爭力。二是缺乏高階工具。CUDA生態GPU的特點是穩定、高效、易用，而國產GPU常面臨硬體“紙面”算力與實際應用輸出存在差距的問題，本質上是缺乏成熟的高階軟體棧，效能被軟體短板所抵消。好在國內廠商都意識到軟體生態的重要性。目前主要存在兩種方案路線。一是相容CUDA路線，通過軟體層轉換，降低開發者的遷移門檻。但這種方式存在性能損耗和長期開發風險。二是建構獨立生態路線，比如華為的CANN、摩爾線程的MUSA等，目的是打造自主的開發者體系但需要巨大的投入和耐心，核心在於能否吸引開發者長期在其平台上創造價值。雖然許多國內企業已形成“高性能用進口、安全可控用國產”的雙供應鏈策略，為國產GPU提供了政務、金融、特定行業的應用空間。但通用、高性能領域仍需要自主廠商發力。CUDA的護城河深厚，但並非不可挑戰。中國擁有全球最豐富的AI應用場景，利用龐大的市場優勢，通過開放協同的策略，最終有希望走出一條從相容遷移到逐步自主的GPU生態標準。在全球供應鏈動盪的背景下，擁有自主可控的算力已成為國家戰略。中國本土AI晶片企業這一戰略最核心的承載者，其價值首先在於戰略安全，而非短期市場份額。近期中國本土AI晶片實現0到1的突破，並且正加速成長。未來，他們的首要目標並非在全球與輝達正面交鋒，而是先服務於中國本土的國產化替代市場。當然，挑戰依然嚴峻，7奈米及更先進製程的獲取、CUDA生態的銅牆鐵壁、以及如何在保障性能的同時將叢集功耗和成本最佳化到最佳水平，都需要長期攻堅。 (澤平宏觀展望)

128GB AI算力卡通過客戶驗收。芯東西12月31日報導，今日，深圳AI晶片企業江原科技宣佈江原D20 128GB資料中心AI加速卡訂單順利通過客戶驗收，完成批次交付。這標誌著江原科技在境內流片量產的大算力推理加速卡領域，實現規模化商業落地。江原科技成立於2022年11月，專注全國產AI晶片核心技術研發，與本土先進工藝製造廠商深度協同，致力於成為國內一流AI算力晶片提供商。江原D20 128GB資料中心AI加速卡基於國內“先進設計+先進製造+先進封裝”的全流程本土化產業鏈打造，採用“一卡雙芯”架構設計。該架構在單張加速卡內整合兩顆江原自主研發的全國產AI大晶片，實現單卡算力性能與視訊記憶體容量均翻倍，同時將整卡功耗控制在150W，為資料中心應對千億參數大模型的推理需求提供了高效解決方案。江原科技與戰略合作夥伴品高股份形成軟硬體協同生態。此次交付中，江原D20板卡與品高股份自研的（BingoAIInfra）智能算力調度平台深度適配，通過軟硬體協同最佳化，實現國產算力資源的精細化管理與高效利用。據介紹，江原科技已實現從晶片設計、工藝製造到封裝測試的全流程國產化突破，此前推出的D10算力卡已批次應用。今年7月，江原科技宣佈其首顆全流程國產自主12nm晶片成功量產，二代晶片性能比肩輝達H20。江原D10算力卡於2025年5月量產交付，江原D20算力卡於2025年9月量產，江原T800預計將於2026年量產。江原D10是一款全國產AI推理產品，單卡整合64GB大視訊記憶體，功耗僅72W，能支援DeepSeek-R1系列1.5B至70B全部6個蒸餾模型，8卡可運行滿血量化版運行。作為江原D10的升級產品，江原D20採用雙晶片架構，算力密度與整合度較D10顯著提升，專為更大參數規模的大模型推理設計，適配更高要求的商務場景與複雜任務。江原T800作為定位戰略級產品，江原科技描述其“採用國產先進工藝及先進封裝，在算力、儲存、互聯等指標上實現突破性進展，技術高度將遠超現有行業水平”。據江原科技分享，其全國產化旗艦AI晶片全面超越6nm工藝GPU產品，採用全國產先進工藝、Chiplet先進封裝整合，性能突破工藝瓶頸，原生支援FP8/FP4，提供滿速HBM3E、5TB/s頻寬、144GB視訊記憶體，支援900GB/s scale up互連，支援256卡超節點建構大規模智算叢集。 (芯東西)

2025年，中國國產晶片概唸成為貫穿資本市場全年的絕對主線。而隨著摩爾線程-U（688795.SH）、沐曦股份-U（688802.SH）在科創板掛牌上市，以及壁仞科技、天數智芯加速衝刺港股，一場由政策、資本、需求三方共同驅動的國產算力熱潮似乎已至沸點。在造富神話背後，國產AI晶片行業已行至新階段。DeepSeek等國產大模型的爆發倒逼硬體架構演進，“訓推分離”的產業共識正將競爭焦點引向新的維度。在這個節點，我們也不禁思考：2025年，這個產業到底經歷了什麼？2026年，它又將走向何方？資本熱潮如果用一個詞形容2025年的國產AI晶片的產業階段，“成年禮”或許很貼切。頭豹研究院AI行業高級分析師莫舒棋向財聯社記者表示，目前，國產AI晶片在推理計算、特定模型適配以及軟硬體協同和系統級最佳化方面已具備實際交付與規模部署能力，能夠滿足部分行業客戶的核心需求。“今年就是先把能做的公司推上牌桌，再用公開市場融資繼續迭代。”某A股晶片上市廠商人士告訴財聯社記者，科創板在制度與風險偏好上，更能承接高研發投入、短期虧損但具備戰略屬性的算力企業。然而，上市只是第一步。“2025年並非傳統龍頭地位被實質性撼動的一年，而是市場被進一步‘拉長’的一年。以輝達為代表的高端訓練晶片依然不可替代。”莫舒棋向財聯社記者表示。回顧過去幾年，國產AI晶片企業通過“堆面積、堆電晶體、堆晶片”的方式彌補單卡性能差距，雖然把硬體做到了“可用”，但能效比和軟體生態的短板依然明顯。資本狂歡的同時，產業側的“壞”消息也一併傳來。2025年12月，有消息稱美國將允許輝達向中國出口H200晶片，雖然要加收25%的費用，但這依然像一條“鯰魚”，攪動了國產AI晶片的舒適區。有產業鏈人士告訴財聯社記者，相較於目前最先進的AI晶片輝達Blackwell系列，H200的主要指標只有其二分之一甚至更低；但相較於輝達的“中國版”定製晶片H20，H200主要指標則領先5到10倍不等。“H200的性能恰好卡在‘能用但不是最先進’的甜蜜點上，這其實是‘溫水煮青蛙’策略的延續。”有產業鏈人士向財聯社記者直言，這種傾銷正試圖延緩中國國產替代的處理程序。不過，在莫舒棋看來，2025年並不是簡單的“替代年”，而是市場的“結構成型年”。她表示，AI晶片的競爭格局正從單一龍頭的壟斷，逐步演變為多層級並存。“圍繞推理算力、行業定製和國產替代，多個平行發展的細分賽道正在逐步形成，不同層級的廠商在各自適配的應用場景中，開始建立起相對清晰且穩定的市場定位。”多位受訪人士認為，H200的入局雖然增加了變數，但並未撼動國產算力將來在政務、營運商、金融等領域的“基本盤”——畢竟，供應鏈的安全與可控，已經成為比性能更硬的指標。DeepSeek的“當頭一棒”過去幾年，大家習慣拿著放大鏡對比AI晶片的參數：誰的峰值算力高？誰的製程更先進？但2025年，DeepSeek等國產大模型的爆發，給沉迷於“堆參數”的硬體廠商上了一課——如果不完善生態，你的晶片可能根本沒人用。一個標誌性事件是，DeepSeek採用了創新的UE8M0 FP8量化策略，並特意指出這是針對下一代國產晶片設計的機制。這不僅是一個技術細節的調整，更是一種訊號，軟體開始反向定義硬體了。“DeepSeek的成功表明，通過模型壓縮、稀疏計算、混合精度訓練等技術手段，可以在一定程度上彌補硬體性能的不足。”摩爾線程方面在接受財聯社記者採訪時坦言，在硬體性能短期內難以趕超的情況下，通過軟體層面的創新仍可提升整體計算效能。在不少受訪的業內人士看來，很多晶片雖然標稱算力很高，但因為不支援混合精度訓練、不支援高效互聯，在實際的大模型訓練中效率極低。摩爾線程方面也進一步指出，DeepSeek讓MoE（混合專家模型）、混合精度、高效互聯等技術成為必須，這對國產GPU廠商的綜合軟硬體設計能力提出了更高的要求。“以前是拿著錘子找釘子，晶片做出來再找場景；現在是釘子決定了錘子長什麼樣。”某A股AI晶片上市廠商人士告訴財聯社記者，這種變化直接導致了市場的劇烈分化，把行業從“大亂燉”引向了兩個方向。第一個方向是奉行“大力出奇蹟”的訓練側，這裡是壁仞、摩爾線程等通用GPU玩家的主戰場，大家拼的是多機多卡的叢集能力，是能不能把幾千張卡連在一起不掉線，是軟體棧能不能扛得住高強度的平行訓練。第二個方向是信仰“精打細算”的推理側，這裡的邏輯完全變了，客戶不再關心你單張卡能跑多快，而是關心“跑一次業務要花多少錢”（單位業務成本）。華為昇騰、雲天勵飛-U（688343.SH）、寒武紀-U（688256.SH）等廠商在這裡廝殺，比拚的是誰能把推理跑得更穩、更省錢、更容易遷移。這就像買車，以前大家只看極速是多少，現在DeepSeek告訴大家，如果是跑網約車（推理），省油和皮實耐用才是王道；如果是跑F1（訓練），那再談極速。“把這兩件事混在一起談，往往從第一句話就跑偏了。”上述A股廠商人士打了個比方，同一家公司可能覆蓋多個領域，但如果連自己的主戰場是在“造F1”還是“開網約車”都搞不清楚，那在2026年一定會被淘汰。2026年打響“突圍賽”站在2025年尾展望2026年，一個共識正在形成，做好訓練是巨頭的“遊戲”，但做好推理才能為國產AI晶片帶來更多落地的可能性。“全球算力競爭的重心正在發生變化。”雲天勵飛副總裁鄭文先在接受財聯社記者採訪時敏銳地指出，輝達與推理晶片企業Groq的交易，以及Google發佈專為推理而生的TPU Ironwood，都釋放了一個強烈訊號，推理不再是訓練的附屬品，而是決定AI應用能否規模化落地的關鍵。鄭文先告訴財聯社記者，這背後的驅動力是“訓推分離”。隨著智能體應用的興起，推理不再是一次性的問答，而是包含規劃、檢索、呼叫的持續流程。企業最關心的不再是單點算力，而是單位業務的成本和服務質量。這對中國晶片廠商來說，極有可能是一個“彎道超車”的窗口期。“訓練市場的生態鎖定效應太強，追趕成本很高。但推理賽道場景分散、需求多樣，更適合中國廠商通過工程化能力實現突圍。”鄭文先認為。那麼，2026年國產晶片競爭下半場將如何展開？首先是“推理規模化”的爭奪，莫舒棋預測，2026年推理算力的增長速度將明顯快於訓練算力。在這個戰場上，誰能提供更低成本、更穩軟體棧的方案，誰就能拿下政務、金融、工業這些“大糧倉”。此外，客戶的需求正由“買晶片”向“買算力服務”轉變。莫舒棋告訴財聯社記者，單純比拚製程和峰值算力已難以形成壁壘，未來的競爭是“晶片+系統+軟體”的整體較量。這意味著，像HBM（高頻寬儲存）、銅纜互聯、先進封裝這些“周邊配套”的穩定供應與交付，將從加分項變成入場券。2026年，資本市場熱炒的概念也會出現分流，上述A股AI晶片上市廠商人士告訴財聯社記者，2026年資本市場將更加“實用主義”：A股科創板將繼續承接以通用GPU為代表的“硬科技”敘事，而港股則會成為以地平線機器人（09660.HK）、黑芝麻智能（02533.HK）為代表的“場景牽引型”晶片的主陣地。“年終回看，中國AI晶片版圖正從‘概念公司’階段邁向‘產品公司’階段。”上述A股廠商人士總結道，2026年更像是一場“工業化比賽”，而不是“單點技術秀”。下一步的分水嶺，將是能否把資本市場給出的時間與資金，轉化為真正的產業化份額與可持續的現金流。對於國產晶片產業而言，國際巨頭們前後夾擊的產業環境從未改變。但好消息是，專注於AI晶片的國產廠商們，終於不再盲目地在別人的跑道上狂奔，而是開始建立自己的坐標系。 (財聯社)

今天看到《The Information》的一篇報導，原標題《Why China Doesn’t Want to Buy More Nvidia Chips》，裡面有一些資料很有意思，分享給各位參考：在美國對華實施AI晶片出口管制三年後，中國已顯著扭轉被動局面。據《The Information》援引傑富瑞（Jefferies）報告，到2025年底，中國用於AI“推理”（即模型執行任務）的晶片供應量將達市場需求的近四倍；即便逐年回落，至2030年仍將供大於求。這一過剩源於兩方面：一是本土晶片廠商快速追趕，二是企業通過公開及灰色管道大量囤積輝達晶片。正因如此，中國數月前要求企業暫停採購輝達專為中國“降規”設計的H20晶片——官方稱出於“國家安全”，實則因已不再需要此類性能受限產品（註：用於AI“訓練”的高端晶片仍被美國禁售）。更關鍵的是，國產晶片性能已實現突破。伯恩斯坦分析顯示，在美國商務部用以制定禁令的“總處理性能”（TPP）指標上，華為昇騰910C得分超10,000，是H20（2,368分）的四倍以上；海光、寒武紀等廠商產品也優於H20。儘管輝達最新Blackwell晶片仍遙遙領先，但一旦國產晶片全面超越合法可購的美系產品，出口管制的實際效力將大打折扣。這也印證了輝達CEO黃仁勳等人的觀點：封鎖只會加速中國自主創新。產能方面，傑富瑞預計中國7奈米AI晶片年產能將從2025年的110萬片增至2030年的410萬片。儘管遠低於美國（2025年370萬片），但中國晶圓廠通過在老舊裝置上重複工藝步驟，“極限壓榨”出7奈米等效製程，雖良率低、成本高，卻實現了技術突圍。尤為重要的是，推理晶片的市場遠大於訓練晶片——應用場景覆蓋終端裝置、邊緣計算與雲服務，需求呈碎片化、泛在化。隨著國產推理晶片在性能與供應上實現自主，中國AI在應用落地層面有望與美國保持同步，甚至憑藉更豐富的場景實現局部領先。因此，不被“卡脖子”的推理環節，或將成為中國AI發展的關鍵支點。(衛斯李的投研筆記)