2019年，華為被列入實體清單。有人說，中國晶片產業完了。2020年，晶片禁令全面升級。有人說，七年之內不可能有國產替代。2022年，昇騰910B開始規模出貨。有人說，國產替代不過是噱頭，性能差太遠。2024年，昇騰920發佈，算力開始逼近國際一線。2026年，DeepSeek V4 100%運行在昇騰上，性能碾壓GPT-4。曾經的那些有人，都閉嘴了。從最初被卡脖子的至暗時刻，到如今逼近國際一線性能，中國AI算力產業完成了從0到1的生死跨越。昇騰產業鏈的意義，遠不止於一款晶片、一家公司、一個行業。這個產業鏈上，都有誰在一同奮戰呢？一、價值分佈昇騰產業鏈的價值分佈，像一座金字塔：上游技術壁壘最高，利潤最厚；中游訂單兌現最快，規模效應明顯；下游長期空間大，應用場景最多。具體來看：上游：晶片與核心器件這是根基技術。晶片設計、代工製造、封裝測試、關鍵配套，每一個環節都是硬科技。卡脖子的上游環節一旦突破，將釋放巨大價值。中游：整機與系統整合可以看做出海口。整機廠是晶片變現的通道，智算中心是算力服務的載體。訂單能見度高，業績兌現快，但競爭也最激烈。未來3-5年將是整機廠的高速增長期。下游：軟體生態與行業應用這就是星辰大海。軟體生態決定開發者粘性，行業應用決定商業價值天花板。大模型浪潮下，下游的需求被極大啟動，長期空間不可限量。二、上游上游是整個昇騰產業鏈的技術底座，也是壁壘最高的環節。1.1 晶片設計干的活： 晶片的總設計師。負責定義晶片架構、設計計算單元、規劃功耗與互聯頻寬。賺的錢：晶片銷售利潤、技術授權費、以及基於自研晶片建構的生態溢價。晶片設計處於產業鏈價值鏈頂端，毛利率可達60%以上。特點：技術壁壘最高，利潤最厚，是產業鏈的核心源頭。課代表： 華為海思1.2 代工製造干的活： 把設計圖變成真實的晶圓，是晶片從PPT到實物的關鍵一步。賺的錢： 代工費用，按晶圓片數計價。先進製程代工單價可達每片數千美元，產能利用率高時利潤可觀。特點： 中國晶片製造的最後一道防線，打破海外封鎖的關鍵環節。課代表： 中芯國際1.3 封裝測試干的活： 晶片代工完成後是"裸晶片"，封裝測試環節負責將其封裝成可使用的成品。先進封裝是高端AI晶片的必選項。賺的錢： 封測服務費，按封裝類型和測試量收費。先進封裝單價更高，利潤也更厚。特點： 封測是晶片落地的最後一公里，技術門檻被嚴重低估。先進封裝是AI晶片性能提升的關鍵。課代表： 長電科技、通富微電1.4 封裝基板干的活： 晶片底部承載訊號的底座，負責晶片與PCB之間的電氣連接和散熱。ABF載板、FC-BGA載板是高端封裝基板的核心產品。賺的錢： 基板銷售，定價按尺寸和層數差異較大，高端產品單價可達數百至上千元。特點： 被卡脖子的上游環節之一，國產替代空間巨大。高端基板產能稀缺，是晶片封裝的關鍵材料。課代表： 興森科技、深南電路1.5 光模組干的活： AI伺服器叢集需要海量高速資料傳輸，光模組是伺服器之間、伺服器與交換機之間的資訊高速公路。萬卡叢集對800G/1.6T光模組需求激增。賺的錢： 光模組銷售，800G光模組單只售價可達數千元，高端產品毛利率超30%。特點： 光模組是算力互聯的血管，萬卡叢集直接拉動需求爆發。技術迭代快，規模效應明顯。課代表： 中際旭創、華工科技1.6 高速連接器干的活： 負責將板卡、晶片、電源物理連接，確保訊號穩定傳輸。賺的錢： 連接器按套/按件計價，高端產品單價可達數百元。特點： 小器件、大作用，是伺服器可靠性的基石。技術門檻高，客戶粘性強，一旦進入供應鏈就很難被替換。課代表： 華豐科技、意華股份1.7 散熱/液冷干的活： 萬卡叢集功耗高達數MW（兆瓦），散熱是生死線。傳統風冷已無法滿足需求，液冷成為AI伺服器的標配。賺的錢： 整套液冷方案價值可達伺服器總成本的10%-15%。特點： 散熱做不好，萬卡叢集就是一堆廢鐵，這個環節正在被重新定價。液冷是AI伺服器的剛需配套。課代表： 英維克、高瀾股份、申菱環境1.8 PCB/覆銅板干的活： PCB（印製電路板）是伺服器的神經網路，承載所有晶片與元器件的電氣連接。AI伺服器對PCB的層數、密度、訊號完整性要求遠超普通伺服器。賺的錢：高端伺服器PCB單板價值可達數千元，高密度互聯（HDI）產品利潤豐厚。特點： PCB是電子系統的骨架，高端產能是稀缺資源。技術壁壘較高，頭部企業優勢明顯。課代表： 滬電股份、華正新材1.9 電源干的活： 整機櫃供電系統是算力的心臟。AI伺服器功耗動輒數千瓦，萬卡叢集總功耗可達數十MW。電源系統負責穩定、高效地將電能分配到每個計算單元。賺的錢：整機櫃電源系統價值可達數十萬元，高功率電源單價更高。特點： 供電能力決定算力上限，電源是底層保障。高功率電源技術門檻高，定製化需求強。課代表： 麥格米特、泰嘉股份二、中游中游是晶片到算力的最後一公里，這裡決定晶片能否真正轉化為客戶可用的算力。2.1 AI伺服器整機干的活： 買昇騰晶片，做成AI加速卡，裝進伺服器機箱賣給客戶。整機廠是典型的晶片搬運工+系統整合商，考驗供應鏈管理和整機設計能力。賺的錢： 一台昇騰AI伺服器售價可達數十萬至數百萬元，整機廠毛利率約15%-25%。特點： 昇騰生態的出海口，誰的份額大，誰就掌握了昇騰算力的分發權。訂單能見度高，業績兌現快，但競爭激烈。課代表：華鯤振宇、拓維資訊2.2 板卡干的活： 華為不僅賣晶片，還自己做板卡。原廠板卡是整機廠的核心採購來源，也是技術標準的制定者。賺的錢： 板卡銷售、硬體標準制定權。Atlas系列毛利率可達40%以上，是華為昇騰變現的核心產品。特點： 華為在板卡層面既是裁判員又是運動員，這種垂直整合模式讓生態夥伴既愛又恨。技術標準制定者，生態話語權最強。課代表： 華為Atlas系列2.3 智算中心與算力租賃干的活： 建設智算中心，購買伺服器叢集，對外提供算力租賃和AI服務。涉及資料中心建設、算力調度、維運管理等全鏈條能力。賺的錢： 算力租賃費，按GPU小時或算力單元收費。智算中心毛利率約30%-50%，規模效應顯著。特點： 算力租賃是輕資產玩法，讓中小企業也能用上高端算力。長期空間大，但前期投入重。課代表： 恆為科技、優刻得三、下游下游是昇騰價值的最終兌現處。晶片再強，沒有軟體生態和行業落地，就是空中樓閣。3.1 基礎軟體干的活： 讓大模型能在昇騰上跑起來、跑得快、跑得穩。包括晶片驅動、算子庫、編譯器、AI框架適配、大模型遷移最佳化等。軟體使能是生態建設的核心，決定昇騰能否真正被開發者接受。賺的錢： 軟體開發費、技術服務費、適配調優費用。軟體服務毛利率可達50%以上。特點： 軟體生態比硬體更難建構，卻比硬體更有護城河。決定開發者粘性和生態繁榮度。課代表：潤和軟體、軟通動力3.2 行業應用干的活： 把昇騰算力用到具體行業裡，開發業務系統、實施部署、維運服務。每個行業都有獨特的know-how和客戶關係，算是真正的苦活累活。賺的錢： 行業解決方案、軟體銷售、維運服務。行業項目金額從數百萬到數億元不等，毛利率約30%-40%。特點總結： 決定昇騰能否真正改變產業的關鍵。應用場景多樣，長期空間大。課代表：恆生電子、科大訊飛、大華股份、常山北明3.3 大模型干的活： 在昇騰上訓練、推理大模型。大模型訓練需要千卡甚至萬卡叢集，是昇騰算力消耗的大胃王。賺的錢： API呼叫費、模型授權、行業定製。大模型商業化路徑逐漸清晰：toB行業定製、toC訂閱、API呼叫分層收費。特點總結： 殺手級應用，也是昇騰生態能否真正挑戰CUDA生態的關鍵。大模型適配是生態繁榮的核心標誌。課代表：百度文心、科大訊飛再說幾句AI大模型的軍備競賽，本質上是算力的競賽。2025年，全球AI晶片市場規模超過1000億美元，預計五年後可能破兆。長期以來，這個市場被輝達壟斷。但我們買不到H100，買不到H200，搞了個中國特供版H800，然後也被禁。最後連特供閹割版H20也被限制。何以抗爭，唯有自強。華為昇騰，用5年時間走完了西方巨頭十幾年的路。如今，昇騰產業鏈是中國唯一具備完整閉環的AI算力體系。放眼全球，能從晶片設計到行業應用全鏈路自主可控的，只有美國，現在還要加上中國。這不是奇蹟，這是積累。數萬名工程師、數千億投資，用七年時間，走完了別人二十年的路。當有人想卡你脖子的時候，你最好的選擇就是織上一身鎧甲。這是國產AI算力的里程碑，但這不是終點。只是起點。 (半杯小築)

事情是這樣的。前兩天，大模型圈子裡出了個特別炸裂的消息，炸到什麼程度呢，連輝達的黃仁勳（Jensen Huang）在採訪裡都說了一句話。雖然那個傳得有鼻子有眼的「Terrible」評價大機率是圈內人自嗨的段子，但老黃對 DeepSeek 的忌憚是真的。他在內部和公開場合多次感嘆過，DeepSeek這種用極低算力成本跑出極高性能的演算法效率，確實讓輝達感到了前所未有的壓力。如果你一直關注 AI 圈子，你應該知道 DeepSeek（深度求索）這家公司的脾氣，他們以前有個鐵律：不拿外部融資。這家由幻方量化（國內頂尖量化私募）一手帶大的實驗室，一直以來給人的感覺就是個「純粹的技術極客」，不差錢，也不想被資本指手畫腳。但就在最近，這個鐵律被打破了。根據《The Information》的爆料，DeepSeek 正在跟投資者談首輪外部融資，估值直接奔著 100 億美元去了。很多人納悶，為啥以前不拿，現在拿了？其實答案就在即將發佈的 DeepSeek V4 身上，這玩意兒不僅是個模型，更是一次「飽和攻擊」等級的戰略轉型。我聽到的消息是，DeepSeek V4 預計在 4 月下旬正式亮相，它的參數量直接堆到了 1.2 萬億（1.2T）等級，採用的是 MoE（混合專家）架構。為了養活這個萬億參數的「哥斯拉」，DeepSeek 已經在內蒙古烏蘭察布大規模招人了，專門負責自建算力中心。但這還不是最騷的。最騷的事在於，DeepSeek V4 是他們第一個完全基於華為昇騰（Ascend）晶片訓練出來的旗艦模型。如果你還記得我前兩天寫過的那篇關於 GLM-5 的文章，你就會發現，這件事的訊號意義已經強到溢出來了。在那篇文章裡我聊過，智譜（Z.ai）用了 10 萬塊華為昇騰晶片，把 GLM-5.1 基礎模型從頭練完了，最後在 SWE-Bench Pro 這個全球最硬核的軟體工程榜單上，跑出了比 Claude 和 GPT 還要高的分數。雖然咱得承認，跑分高不代表實戰手感就能完全取代 Claude，但在這種公認的、需要解決真實 GitHub Bug 的硬核榜單上，國產模型第一次登頂，而且是基於華為晶片跑出來的，這事兒本身就足夠離譜了。如果說 GLM-5.1 是國產大模型在華為晶片上的第一次「奇蹟會師」，那現在的 DeepSeek V4，就是在嘗試把這個奇蹟推向另一個量級。為了在國產晶片上跑出最優效率，DeepSeek 的工程師幹了一件特別狠的事：他們把模型底層程式碼全重寫了，直接從輝達的 CUDA 生態完全遷移到了華為的 CANN Next 軟體棧。甚至為了適配華為昇騰 950PR 晶片的記憶體訪問特性，他們還專門重構了算子庫，針對 128 位元組的記憶體顆粒度做了專項最佳化。這事兒聽著簡單，但做過底層開發的兄弟應該知道，這跟「把房子的地基整個換掉還要保證房子不塌」沒啥區別。這也是為什麼 V4 引入了一個叫 Engram 的條件記憶架構，能支援 100 萬 token 的上下文，而且百萬長度下的資訊召回率還能頂到 97%。我突然意識到一個很重要的轉變。以前大家覺得用國產晶片是「沒辦法」，是由於被制裁後的無奈之舉。但從 GLM-5 到 DeepSeek V4，這個邏輯變了。它們不是在「勉強運行」，而是在「超越」。GLM-5 證明了用華為晶片能練出在全球頂級榜單登頂的模型，而 DeepSeek V4 準備證明，用華為晶片能練出萬億參數的多模態旗艦，而且效率高到讓老黃都覺得脊背發涼。說真的，我挺感慨的。以前我們聊 AI，總覺得我們是在「追趕」，用著別人的卡，跑著別人的架構。但現在，智譜和 DeepSeek 就像是兩條平行線，最後在華為的算力底座上匯合了。這種感覺，怎麼說呢，確實挺帶勁的。我們正在見證一套完全獨立於美國技術堆疊的 AI 生態，正從地底下冒出頭來。至於 V4 到底有多強，咱們等它發佈那天，我一定第一時間去試。 (KmTech)

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)

01. 華為攜950 SuperPoD出征海外,MWC展會硬剛輝達昨天,在 2026 年巴塞隆納世界移動通訊大會上，華為計算產品線總裁張世偉發佈了最新的 SuperPoD 產品 Atlas 950 SuperPoD、TaiShan 950 SuperPoD 以及一系列計算解決方案，標誌著這些產品首次在全球亮相。華為Atlas 950 SuperPoD專為人工智慧資料中心部署而設計，整合了8192顆華為昇騰950 DT晶片，是華為最新的高性能人工智慧基礎設施產品。此次活動將為華為提供向海外客戶展示其人工智慧解決方案的機會，報告補充道，SuperPoD計畫於2026年第四季度商用。除了Atlas系統外，華為還展示通用計算平台TaiShan 950 SuperPoD，以及包括TaiShan 500和TaiShan 200在內的下一代伺服器。02. 叢集級人工智慧：華為Atlas 950 SuperPoD揭秘在聊華為的950前,先簡單梳理下華為昇騰AI晶片出貨節點。25年9 月 18 日，在華為全聯接大會 2025 上，華為輪值董事長徐直軍公佈了最新的 AscendAI 晶片路線圖。根據路線圖顯示，華為在25年 Q1 已經推出了 Ascend910C，2026 年 Q1 推出全新的 Ascend950PR晶片，2026 年 Q4 推出 Ascend950DT，2027 年 Q4 推出 Ascend960 晶片，2028 年Q4 推出 Ascend970 晶片。關於華為的Atlas 950 SuperPoD的架構特點: 華為為其SuperPoD開發了一種名為UnifiedBus的新型互連架構，旨在與NVIDIA的NVLink競爭。在基於 UnifiedBus 的 Atlas 950 SuperPoD 每個機櫃整合 64 個 NPU，最高可擴展至128個機櫃,也是就 8,192 個 NPU，可以為為大規模人工智慧訓練和高並行推理提供卓越的性能。與傳統叢集相比，它顯著提升了模型訓練效率、可靠性和推理性能。950超節點整機櫃是通過正交架構，可實現零線纜電互聯，採用液冷接頭浮動盲插設計做到零漏液，其獨創的材料和工藝讓光模組液冷可靠性提升一倍。其創新的 UB-Mesh 遞迴直連拓撲網路架構，支援單板內、單板間和機架間的 NPU 全互聯，以 64 卡為步長按需擴展，最大可實現 8192 卡無收斂全互聯。03. 液冷唯一標配!華為950超節點液冷用量及架構解析華為950 Atlas SuperPoD採用面向大規模AI訓練場景的超節點架構設計。該系統由8192張 Huawei Ascend 950昇騰加速卡構成，單機櫃配置64張加速卡，總體由128個電腦櫃和32個互聯機櫃組成，整套系統共計160個機櫃，形成完整的大規模AI算力叢集。在散熱方案上，Atlas 950 SuperPoD全面採用全液冷架構設計，不提供風冷版本選配，出廠即為液冷機櫃。這一策略表明，隨著算力密度和功耗持續提升，液冷已從傳統的可選配置升級為基礎架構能力。通過全液冷部署，系統能夠實現更高的功率密度、更優的能效表現以及更穩定的運行環境，滿足大模型訓練等高強度負載的長期運行需求。同時，統一液冷形態也有助於提升系統交付效率與維運標準化水平，降低複雜度，體現出當前AI資料中心從“風液混合”向“全液冷”演進的趨勢。整機櫃架構方面，華為950採用高密度超節點設計。單機櫃由16台1U伺服器構成，總計整合64顆NPU晶片，整櫃設計功耗約75kW，已進入典型高密度液冷部署區間。在散熱方案上，整體採用冷板式液冷架構，對核心高功率器件進行直接液冷覆蓋，以保障在高算力負載下的穩定運行與能效表現。在系統架構層面，該方案機櫃內部不配置Rack級CDU（機架內CDU），而是採用機櫃式CDU進行統一冷卻液分配與控制。這種集中式CDU部署方式有利於提升維護便利性與系統一致性，同時減少機櫃內部空間佔用，最佳化結構佈局。伺服器方面，華為950平台採用分佈式獨立冷板架構，在每一顆NPU上均配置單獨冷板，實現對高功率核心器件的精細化散熱管理。據業內資訊顯示，當前華為尚未大規模引入MLCP技術，而是以成熟穩定的單級冷板方案為主，以兼顧可靠性與工程可落地性。在管路設計上，華為採用EPDM材質的液冷軟管，強調柔性與裝配便利性，並未像 NVIDIA 那樣大量採用不鏽鋼金屬波紋管結構。同時，在連接方式上，華為引入浮動接頭設計，以緩解裝配公差、熱膨脹及振動帶來的機械應力，從而提升系統長期可靠性。值得關注的是，華為950方案中液冷覆蓋範圍進一步擴大。此前液冷主要集中於CPU/NPU等核心晶片，本次方案則將光模組納入液冷散熱體系。在超節點（Supernode）架構下，光互連密度與頻寬需求顯著提升，光器件功耗持續攀升，傳統風冷逐漸難以滿足熱管理要求。隨著高速光模組（如800G及以上）功耗進入更高區間，液冷正從“可選方案”向“必選路徑”轉變，這也標誌著伺服器液冷從核心計算晶片向系統級關鍵器件全面擴展。更多液冷前沿趨勢，液冷大會現場呈現 2026年4月14日至15日，第五屆資料中心液冷峰會暨展覽會將在上海舉行。本次大會由零氪主辦，聚焦AI時代資料中心散熱技術升級與產業生態協同，吸引了包括整機廠、晶片廠、資料中心營運商及核心裝置供應商在內的產業鏈頭部企業參與，預計2000位行業專家參與。 (零氪1+1)

雖然國產AI晶片跟輝達等巨頭相比仍有一定的差距，但它們就是星星之火，如果被好好扶持也是可以燎原的。對於國產晶片的支援，特別是華為昇騰這塊，中國移動已經開始率先拿出行動了。近日，中國政府採購網發佈《光明大裝置算力服務支撐平台採購項目》中標公告，中國移動廣東公司以1.55億元中標，採購項目包含華為溫冷資料備份儲存裝置一套，裝置單價為4459.86萬元。據悉，該項目總預算金額為1.555億元，採購項目包括智能算力開放服務系統軟硬體及服務支援、資訊安全與維運軟硬體及服務支援、溫冷資料備份儲存裝置及配套，每一項貨物名稱都要求“拒絕進口”。招標公告提到，光明大裝置採用華為昇騰910C裝置以及面向超密叢集的天工架構進行建設，並使用性能最高的華為靈衢匯流排進行承載。整體系統提供智能算力規模為每秒一千六百億億次16位浮點運算。其中，包括基礎硬體、基礎軟體2個分系統，而全域儲存子系統配置高性能層儲存裝置OceanStor A800（SSD裸容量30.9PB）和大容量層儲存裝置OceanStor Pacific 9550（HHD裸容量62PB）等。 (硬體世界)

人類歷史上第一家5兆市值公司誕生了。這個數字，超過了德國或英國一年的GDP，比A股所有「中」字頭股票的市值總和還要多。而創造這個奇蹟的，是一家在三十年前還只是在電腦城裡「賣顯示卡」的公司－輝達（NVIDIA）。作為AI的“賣鏟人”，輝達在人類對於人工智慧近乎宗教般的狂熱夢想中，一路高歌猛進。短短兩年時間，它的市值從1兆沖到5兆，其增長速度本身，就構成了這個時代最魔幻的註腳。很顯然，今天它當然不只賣鏟子。如果說上一輪的科技浪潮，是蘋果定義了「移動互聯網」的入口；那麼在這一輪波瀾壯闊的「智慧革命」中，輝達幾乎成為了整個AI世界的「中樞神經」和「唯一入口」。晶片，是鏟子、是石油、是電力……是人類關於Matrix所有想像的實體底座。沒有輝達的GPU，就沒有ChatGPT的橫空出世，就沒有Sora的以假亂真，就沒有今天我們談論的一切「大模型」。在輝達沖上5兆的時刻，我問一位在AI行業的朋友，這家公司有泡沫嗎？他幾乎是即時地回答我：目前看不到任何泡沫的跡象。其實也可以理解。為什麼？因為全世界的公司，從Google、微軟、OpenAI這樣的巨頭，到成千上萬試圖在AI浪潮中淘金的創業公司，都在排著隊，揮舞著現金，只為求購英VIDIA的H100或B200晶片。這種「剛性需求」的強烈程度，堪比沙漠中的淘金者對水的渴望。我在上個月給經濟觀察報的專欄文章《輝達進化論：當AI賣鏟人開始淘金》裡就寫道，這位最成功的“賣鏟人”，已經不再滿足於僅僅是提供工具本身。它正在從一個單純的硬體供應商，變成了一個與AI浪潮核心玩家深度綁定的利益共同體。這是一個完美的商業閉環。但即便如此，中國也不是沒有機會。當地緣政治的鐵幕落下，黃仁勳不久之前已經放話，中國高階AI晶片市場的佔有率「已經是0%。然而，中國作為唯一能在AI領域與對岸叫板的龐大市場，其需求並不會因此消失。一個巨大的真空地帶形成了。於是，「國產替代」從一個可選項，變成了唯一的必選項，風起雲湧。那麼，一個更貼近我們自身的問題是：當輝達創下5兆市值的歷史豐碑時，我們到底該如何給「寒武紀」們估值？A股市場上的這些AI晶片公司，如寒武紀、景嘉微、海光資訊…它們是真正的“潛力股”，還是只是這場盛宴中被高估的“氣氛組”？最近，我正在重溫估值大師達摩·達蘭（Aswath Damodaran）的經典之作《故事與估值》一書。達蘭教授的核心觀點是，所有估值的本質，都是「故事」與「數字」的結合。從這個視角，或許能夠幫助我們更能理解，中國AI晶片產業的未來，以及那些看似「昂貴」的股價背後，究竟隱藏著怎樣的邏輯。01. 兆估值煉金術首先，我們必須弄清楚，輝達的5兆估值，這套「煉金術」是怎麼來的？如果只是看財務“數字”，輝達的表現當然是驚人的。我們來看一組它「印鈔機」業務－資料中心的財務資料：連續幾個季度，營收年增超過200%甚至400%，毛利率直逼80%。這是什麼概念？這意味著輝達賣一塊晶片的利潤空間，比蘋果賣一部iPhone還要高得多。這根本不是硬體生意，這是「壟斷稅」。但僅僅是這些“數字”，還不足以支撐起5兆的龐大帝國。真正讓輝達「點石成金」的，是它那個強大到令人窒息的「故事」——CUDA。CUDA是什麼？這是理解輝達護城河的關鍵。我們可以打一個通俗的比方：輝達的GPU晶片是“引擎”，就像電腦上的Windows或蘋果的iOS，CUDA就是一套獨一無二的“操作系統”。在CUDA出現之前，GPU雖然計算能力很強，但非常難用。開發者想用它來做AI計算，不亞於要用文言文寫代碼，門檻極高。而輝達在近二十年前就開始佈局，推出了CUDA。這套「操作系統」提供了一個相對易用的程式設計平台，讓全球數百萬的開發者能夠用更熟悉的“白話文”（C++、Python等語言）來指揮GPU這台“發動機”，去完成複雜的AI訓練和推理任務。當Windows和iOS透過「應用商店」鎖定了所有使用者和開發者時，輝達也透過CUDA「鎖定」了全球所有的AI人才。這種「硬體（GPU）+軟體（CUDA）」的組合拳，才是其真正的護城河。它導致了極高的“遷移成本”。什麼叫遷移成本？想像一下，你所有的AI研究成果、所有的程式碼、你團隊裡所有工程師的技能，都是基於CUDA這個「操作系統」建立的。現在，另一家公司（如AMD或寒武紀）造出了一款新晶片，就算它的「引擎」性能和輝達一樣強，甚至價格還便宜一半，你敢用嗎？你不敢。因為你的「Windows」應用，無法在「Android」系統上運作。你必須把過去十年的程式碼全部重寫，你必須讓你的工程師團隊重新學習一套全新的「語言」。這個成本，遠遠高於你省下的那點晶片錢。這就是「網絡效應」：越多人用CUDA，為CUDA開發的工具和教學就越多；工具越多，就有越多的大學開始教CUDA；教CUDA的大學越多，畢業後懂CUDA的工程師就越多；懂CUDA的工程師越多，企業就越傾向於選擇輝達的晶片…這是一個完美的正向循環，也是一個讓所有競爭對手絕望的「生態壁壘」。因此，輝達的估值，早已不僅是對其當前「數字」（獲利能力）的計算，更是對它未來在AI世界「唯一入口」和「事實標準」地位的「故事」定價。而華爾街相信的，是輝達在未來十年，都將持續向全世界收取高昂的「AI稅」。02. 夾縫中的新大陸現在，我們把目光轉回中國。地緣政治的賽局和供應鏈的限制，為中國本土的AI晶片廠商，意外地打開了一個「夾縫中的新大陸」。當輝達最先進的H100、B200晶片被一紙禁令攔在海關之外時，一個規模高達千億等級、並且仍在高速增長的龐大市場，被動地「讓」了出來。這個市場有多大？根據信通院等機構的測算，光是2024年，中國大模型市場對高階AI晶片的需求就可能超過50萬張，未來幾年的複合成長率驚人。這本應是輝達最肥美的“蛋糕”，現在，它只能眼睜睜地看著。這對寒武紀、華為昇騰、阿里平頭哥、壁仞科技、摩爾執行緒等所有本土玩家來說，是前所未有的歷史機會期。它們面對的，是幾乎沒有外部競爭、需求又極其確定的「溫室市場」。然而，這片「新大陸」並非坦途，甚至可以說是荊棘叢生。本土廠商面臨的核心挑戰，已經從“能不能造出晶片”，轉向了“造出的晶片有沒有人用”。在過去，我們評斷一款晶片，主要看PPA，也就是性能（Performance）、功耗（Power）、面積（Area）。我們的目標是創造一款在性能上接近輝達，同時功耗和成本更低的「平替」產品。但現在，所有人都明白了，沒有對標CUDA的成熟軟件棧，再強的晶片也只是“屠龍之技”，是中看不中用的“擺設”。國內的科技巨頭，如阿里、騰訊、百度、字節跳動，它們囤積的輝達晶片總有耗盡的一天。它們急需“國產替代”，但它們的需求也非常苛刻：這款國產晶片，必須能“用起來”，不能讓我的演算法工程師們把代碼全重寫一遍。於是，我們看到，所有國產AI晶片的頭部玩家，都把戰場從“硬體”轉向了“軟件”，試圖構建自己的“朋友圈”和“護城河”。目前，牌桌上主要有兩種流派：第一種，以華為昇騰（Ascend）為代表的「全端模式」。華為的打法，是複製一個「垂直整合」的生態。它不但有自己的昇騰晶片（硬體），還有自己的CANN（對標CUDA的底層軟體棧），甚至還有自己的MindSpore（對標PyTorch的AI框架）。這種模式的好處是控制力強，可以集中力量辦大事，實現內部的完美優化。缺點也同樣明顯：它相對“封閉”，是在試圖建立另一個“蘋果iOS”，要求開發者全面擁抱華為的技術體系。第二種，以寒武紀（MagicJian）為代表的「開放追趕模式」。寒武紀的定位更像是“中國的輝達”，它專注於做好晶片（硬體），同時提供一套名為MagicJian的軟件棧。它試圖更廣泛地去適配且相容主流的AI框架（如PyTorch），努力降低開發者的「遷移成本」。它的挑戰在於，作為一個體量遠小於華為的「中立」廠商，它是否有足夠的資源和號召力，去吸引開發者用它的「語言」？這場競賽的勝負手，已經不在於短期內誰的晶片跑分更高，而在於誰能更快地建構起一個「可用、易用、開發者願意用」的軟體生態，去承接這個因禁令而「溢出」的龐大市場。03. 從計算，到信念最後，讓我們回到最初的問題：寒武紀們被低估了嗎？如果我們嚴格按照達摩·達蘭的估值模型，只用「計算」的眼光去看的話，比如根據它們當下的出貨量、微薄的利潤率（甚至是大額虧損），以及高得離譜的市銷率（P/S），這些仍在追趕和巨額投入期的公司，其估值似乎根本無法支撐，泡沫明顯。以寒武紀為例，市值數百億人民幣，但年收入可能只有幾十億，而且仍在虧損。如果用傳統製造或半導體公司的標準來看，這無疑是昂貴的。但資本市場定價的，從來都不僅僅是“現在”，更是“未來”。對於A股的本土AI晶片股而言，它們的估值，本質上已經脫離了傳統「計算」的範疇，轉而成為一個「信念題」。這個「信念」包含幾個非常具體且層層遞進的層面：第一層信念：對「國產替代必然性」的信念。這是最基礎的信念。市場相信，無論主動或被動，中國AI產業對本土晶片的採購將是剛性的、不可逆的。地緣政治的「高牆」越高，這層信念就越牢固。因為所有人都明白，沒有底層的算力自主，一切「智慧強國」的宏圖都是沙上建塔。這為本土晶片提供了一個確定性極高的「保底」市場。第二層信念：對「中國AI市場長期成長」的信念。光有「替代」還不夠，這個「被取代」的市場必須夠大。市場相信，中國龐大的數字化經濟體量、海量的資料、豐富的應用場景，將共同催生一個不亞於北美的AI市場。從大模型、自動駕駛、生物醫藥到智慧製造，每個領域都是兆級的賽道。這個龐大的增量，為本土晶片提供了足夠高的「天花板」。第三層信念，也是最核心、最脆弱的信念：對「本土生態終將完成」的信念。這才是決定估值「是泡沫還是鑽石」的關鍵。市場在用幾百億、上千億的市值，去「賭」一個可能性：在華為、寒武紀或其他玩家中，至少會有一家，能夠克服萬難，最終建構起一個足以對標CUDA、能夠讓中國數百萬開發者順暢使用的軟件生態。為什麼說這層信念最脆弱？因為它不是必然的。它需要巨額的、持續十數年的研發投入，需要頂級的戰略耐心，需要龐大的工程師團隊夜以繼日地去“填坑”，更需要下游的客戶和開發者“用腳投票”，願意忍受早期產品的不完善，一起“共建”這個生態。因此，短期來看，寒武紀們的估值，反映的就是市場對這第三層信念的「搖擺」。當市場情緒樂觀時，比如華為昇騰又有了新突破，或者寒武紀適配了某款熱門大模型，大家覺得“生態好像快成了”，股價就會飆升，因為市場願意為這個“中國版CUDA”的遠景支付高額溢價。當市場情緒悲觀時，例如財報虧損擴大，或者某個技術難關遲遲無法攻克，大家又會退回到“計算”模式，覺得“故事講不通了”，股價就會暴跌。所以，討論“低估”還是“高估”，已經意義不大。我們必須明白，給這些公司估值，本質上不是在「計算」一家公司的當前價值，而是在「押注」一個國家產業突圍的機率。04. 生態，終局的博弈當輝達的市值沖向5萬美元時，它早已不是一家單純的硬體公司，它是一個「生態帝國」。而對於「寒武紀」來說，它們從誕生之日起，就註定了無法成為一家「小而美」的晶片設計公司。它們背負的宿命，就是要在中國這片土地上，重建一個獨立自主的AI「生態」。這是一場九死一生的豪賭，也是一場沒有退路的戰爭。從這個角度來看，寒武紀們的估值，目前仍然是一個「信念題」。這個信念，建立在地緣政治的「高牆」和中國市場的「縱深」之上。但信念無法永遠脫離現實。未來三到五年，將是國內AI生態的「攤牌期」。如果本土廠商無法提供真正「可用」的工具鏈，那麼國內的AI產業發展將被迫降速，甚至停滯，這個「信念」的基礎也就不復存在。反之，如果我們能在這場「夾縫」中，真的培育出一個或幾個開放、繁榮、足以對抗封鎖的AI新生態——那怕這個生態運轉的效率可能只有CUDA的70%或80%——那麼，今天我們看到的幾百億、幾千億市值，或許都還只是一個開始。 （深水研究）

9月29日傍晚，AI業界上演了一場精彩的“默契配合”。18:07，DeepSeek官方宣佈發佈DeepSeek-V3.2-Exp模型；僅4分鐘後，寒武紀便宣佈已完成對該模型的適配並開源相關推理引擎。這種近乎即時的步調一致，絕非偶然，演算法與晶片的同步登場，不再是矽谷的獨有節奏。中國AI產業正在用一場精心編排的協同演出，證明中國國產生態的成熟度。01 中國國產大模型與算力晶片的“神同步”2025年9月29日18:07，深度求索（DeepSeek）官宣發佈實驗性模型 DeepSeek-V3.2-Exp，引入自研 稀疏注意力架構（DeepSeek Sparse Attention） ，顯著提升長文字處理效率並大幅降低推理成本。僅4分鐘後（18:11），寒武紀開發者公眾號宣佈：完成對該模型的適配並開源推理引擎vLLM-MLU程式碼，開發者可“第一時間體驗”新模型特性。這種精確到分鐘的協同，已遠超技術巧合，而是 中國國產AI軟硬體生態深度繫結的戰略縮影。01 技術協同 預先埋點的合謀表面上的“4分鐘響應”，實則是長期技術協作的結果。根據行業分析，像DeepSeek-V3.2這樣體量達到671GB的大模型，僅在理想條件下完成下載就需要8-10小時。而晶片與模型的適配涉及底層架構最佳化、算力資源匹配和相容性偵錯等複雜工作，絕非短時間內能夠完成。AI行業資深專家指出：“如此快速的適配響應，充分說明寒武紀早在DeepSeek-V3.2發佈前就已啟動適配研發，雙方在技術層面的溝通與協作早已悄然展開。”這種協同背後是深層次的技術融合。DeepSeek-V3.2-Exp引入的DeepSeek Sparse Attention（DSA）稀疏注意力機制，首次實現了細粒度稀疏注意力機制，在幾乎不影響模型輸出效果的前提下，大幅提升長文字訓練和推理效率。而寒武紀則通過Triton算子開發實現快速適配，利用BangC融合算子開發實現極致性能最佳化，基於計算與通訊的平行策略，達成業界領先的計算效率水平。02 軟硬體協同生態本次同步發佈的背後，是中國國產AI軟硬體生態的整體成熟。華為計算宣佈，昇騰已快速基於vLLM/SGLang等推理框架完成適配部署，實現DeepSeek-V3.2-Exp Day 0（第零天）支援，並向開發者開源所有推理程式碼和算子實現。華為雲更是首發上線了DeepSeek-V3.2-Exp，使用CloudMatrix 384超節點為該模型提供推理服務。這種協同效應不僅體現在效率上，更體現在性價比的實質性提升上。DeepSeek V3.2-Exp發佈後，API呼叫成本降低50%以上，使得更多開發者和中小企業能夠以更低成本使用頂尖水平的大模型。過去，中國國產晶片廠商常陷於“適配困境”——被動跟隨國際框架（如CUDA）更新介面，相容成本高且生態割裂。而2024年《國家人工智慧產業綜合標準化體系建設指南》的出台，首次系統性提出“軟硬體協同標準”，要求統一智能晶片介面、規範多硬體平台適配流程。《人工智慧異構加速器統一介面》國家標準強制要求晶片廠商開放指令集架構，使深度學習框架可跨平台無縫部署。這一頂層設計讓寒武紀等企業從“介面適配方”躍升為“標準制定方”，為DeepSeek模型的即時適配鋪平了道路。市場分析人士指出：“DeepSeek-V3.2最大的意義在於軟硬協同設計支援中國國產算力，全新DeepSeek Sparse Attention機制，疊加中國國產晶片的計算效率，可大幅降低長序列場景下的訓推成本。”需要注意的是儘管中國國產AI生態已初具規模，但挑戰猶存：TileLang等工具鏈的易用性仍不及CUDA，開發者生態需進一步下沉；全球競爭壓力下，Google Gemini 2.5通過模型蒸餾進一步壓縮算力需求，對中國國產方案構成新挑戰。然而，當DeepSeek以UE8M0 FP8精度重新定義算力規則，當寒武紀以開放原始碼打破技術黑箱，中國AI產業已邁出從“生態追隨”到“標準定義”的關鍵一步。正如《指南》所強調：“標準化的終極目標不是替代，而是重構全球AI生態的話語權分配。”03 協同模式下的AI產業新秩序DeepSeek與寒武紀等中國國產晶片廠商的高度協同，標誌著中國AI產業進入生態競爭新階段。這種協同不是偶然現象，而是產業鏈頭部企業面對國際競爭的戰略選擇。隨著AI向能源、交通、醫療等關鍵領域滲透，如果底層晶片、網路和系統長期依賴國外，就意味著命脈交到別人手裡。北京方案通過開放標準和統一相容，把崑崙芯、壁仞、太初元碁、摩爾執行緒等中國國產晶片和DeepSeek、豆包、文心一言、Kimi、Qwen等主流大模型拉入同一生態，確保中國國產AI有自己的“底座”和“話語權”。這種協同效應正在形成良性循環。中國國產晶片企業通過適配DeepSeek等先進模型，不斷提升自身在複雜AI任務中的處理能力；而大模型則借助晶片的最佳化實現更高效部署，擴大應用場景。申港證券分析認為：“隨著算力基礎設施的持續投入，中國國產算力在模型側和算力晶片方面或將持續突破，有望維持較好景氣度，展望中期，中國國產算力有望獲得領先於海外算力的增長彈性。”04 點評 定義權的爭奪遠未終結儘管中國國產AI生態已初具規模，但挑戰猶存：TileLang等工具鏈的易用性仍不及CUDA，開發者生態需進一步下沉；全球競爭壓力下，Google Gemini 2.5通過模型蒸餾進一步壓縮算力需求，對中國國產方案構成新挑戰。然而，當DeepSeek以UE8M0 FP8精度重新定義算力規則，當寒武紀以開放原始碼打破技術黑箱，中國AI產業已邁出從“生態追隨”到“標準定義”的關鍵一步。正如《指南》所強調：“標準化的終極目標不是替代，而是重構全球AI生態的話語權分配。” (壹零社)

9月29日，DeepSeek-V3.2-Exp模型正式在Hugging Face平台發佈並開源。模型引入稀疏 Attention 架構，這種架構能夠降低計算資源消耗並提升模型推理效率。據“華為計算”微信公眾號消息，昇騰已快速基於vLLM/SGLang等推理框架完成適配部署，實現DeepSeek-V3.2-Exp 0day支援，並面向開發者開源所有推理程式碼和算子實現。寒武紀在官方微訊號宣佈，已同步實現對深度求索公司最新模型DeepSeek-V3.2-Exp的適配，並開源大模型推理引擎vLLM-MLU原始碼。依託DeepSeek-V3.2-Exp帶來的全新DeepSeek Sparse Attention機制，疊加寒武紀的極致計算效率，可大幅降低長序列場景下的訓推成本。海光資訊同日宣佈其DCU實現無縫適配+深度調優，做到大模型算力“零等待”部署。海光資訊表示，基於GPGPU架構強大的生態優勢，與程式設計開發軟體棧DTK的特性，DeepSeek-V3.2-Exp在海光DCU上展現出優異的性能，同時驗證海光DCU高通用性、高生態相容度及自主可控的技術優勢。 (財聯社)