•
中美算力，站在2000億美元的分岔路口
“全球人工智慧投資規模2025年或將接近2000億美元。”高盛8月份的一份報告中寫道。
雖然爭奪算力是追逐超級智能的明牌項，但中、美這兩個最大的玩家，卻站在分岔路口：中國這邊不斷地在性能上追分，美國那邊雖沒有被算力困住，卻被能源所“卡脖子”。
時針撥回到2023、2024年，搶算力成為“全球共識”——無論矽谷巨頭、主權基金，無不寄希望從輝達的手裡，搶到更多的H100產能。
但是站在2025年年末回看，儘管搶算力的趨勢沒有根本改變，但各大雲廠下單為了計算總擁有成本，已經把計算器按冒煙。
在輝達的身後，Google十年磨一劍，在Gemini 3的訓練上讓自研晶片TPU脫穎而出，為專用積體電路（ASIC）贏得極其重要的話語權。
在Google身後，亞馬遜、Meta、微軟一眾老巨頭，以及OpenAI、xAI這樣的新貴，無一例外的下場自研。
資本市場隨即給出結論：輝達市值上限5兆美金。
2025年下半年之前，泡沫並不是主旋律，但隨著山姆·奧特曼拿出1.4兆美元的龐大基礎設施建設計畫，尤其是背後的循環交易、舉債融資，引發外界對泡沫的擔憂。
泡沫理應關注，但在先進算力禁運的背景下，泡沫顯然不是中國算力、大模型的重點。
相比矽谷，中國AI產業走的非常曲折、艱難，但成果也頗豐——我們有世界頂級的開源模型，有成熟的應用生態，更有數倍於矽谷明星公司的Tokens使用量。
在有限的空間裡，過去中國大模型一直使用輝達供應的“閹割版”次等晶片，但今年開始，這個趨勢將慢慢得到改變——機構伯恩斯坦的資料顯示，中國本土AI晶片品牌滲透率已從2024年的約29%，快速提升至接近60%。
同期，中國輝達們紛紛衝刺上市，背後是中美科技競爭加劇和國產替代需求的爆發。
在這個大環境下，越來越多的中國晶片企業試圖通過“超節點”的形式，以繞開單晶片性能不足的問題，這反映出中國人工智慧產業的智慧和韌性。
01. 矽谷巨頭從CapEx到CapEx+TCO
回望2023與2024年，全球AI算力市場的主旋律是恐慌與搶購，在那兩年裡，無論是矽谷巨頭還是主權基金，唯一的KPI就是搶到儘可能多的H100。
根據UBS的資料，2025年全球AI晶片市場規模雖然預計將突破2000億美元，但增長的內驅力已發生質變。
現在的雲廠商在下單前，不再只盯著性能參數，而是開始拿著計算器審視TCO（總擁有成本）。
今年美國主要雲服務提供商如亞馬遜AWS、微軟Azure和Google雲，正以前所未有的激進姿態加大資本開支（CapEx）。
高盛預測，2025年五大巨頭的資本支出將達到3800億美元，用於AI基礎設施擴張和資料中心建設，以應對爆炸式增長的計算需求。到2027年，總規模將超過5400億美元。
雲長的投資反映了激烈的競爭，但和以往不同，所有人都不得不考慮效率問題，不得不精打細算考慮經濟帳。
在這個過程中，還有一個值得關注的訊號：2025年的算力市場不再是單純的“賣卡”生意，資料中心的基建進入了機架級時代。
如今，交付到雲廠商的是整合了計算、高速互聯、甚至液冷系統的完整機櫃。與此同時，由於單機架功耗普遍突破100kW，電力供應已成為限制2025年算力總量釋放的物理天花板，而非晶片產能本身。
今年AI產業的另一一個顯著的標誌就是推理的需求越來越多。算力中心的工作負載正從“暴力堆算力跑訓練”轉向“大規模、高並行的推理調度”。
大摩預測，2026年推理算力需求將超過訓練需求。
這意味著，市場對晶片的要求不再僅僅是單卡極致的算力峰值，而是單位成本下的Token輸出效率。
這種需求偏移，也變相給了非輝達陣營更多生存空間，因為在推理側，性價比往往比絕對生態優勢更具殺傷力。
當然，推理需求的暴漲也給廣大的“賽博玩家”一記暴擊——儲存價格暴漲。
02. 輝達是“一超”，Google領銜“多強”
2025年，資料中心AI晶片市場呈現典型的“一超多強”格局。
憑藉Blackwell架構的領先性能、NVLink互聯生態和大規模部署，輝達佔據主導地位，市場份額約佔80%以上，憑藉年度旗艦GB200&GB300系列，繼續以“一超”的姿態，主導訓練和推理領域。
AMD、Google、亞馬遜、微軟和Meta作為“多強”，通過自研ASIC加速器，積極最佳化內部雲基礎設施、降低成本並逐步向外部開放，挑戰輝達的壟斷。
這些公司主要從自身大規模AI需求出發，開發專用晶片，強調能效、規模化和特定工作負載最佳化。
AMD通過Instinct MI系列在資料中心市場快速崛起，已吸引Meta、微軟和Oracle等客戶。
2025年MI350系列已大規模可用，在某些MoE模型上性價比突出。MI400系列計畫2026年推出，支援更大規模機架級整合。
亞馬遜AWS的自研Trainium系列針對資料中心訓練和推理，Trainium3 採用3nm工藝，支援144晶片整合，峰值超362 PFLOPS，專門針對Agent代理、推理和視訊生成等下一代應用最佳化，支援PyTorch/JAX無縫遷移，可擴展至百萬晶片超大規模叢集。
亞馬遜策略是垂直整合Bedrock平台，吸引Anthropic等客戶，顯著降低token成本，在AWS生態內提供高性價比替代。
Meta的MTIA系列專注內部資料中心推薦和排名模型，核心策略是基礎設施自主化，減少成本，主要內部使用（如Facebook/Instagram推薦），尚未外部開放，但正擴展至生成AI訓練。
2025年下一代MTIA（基於5nm）已測試並部署，提供3.5倍密集計算和7倍稀疏計算提升，記憶體頻寬翻倍，效率較GPU高2倍。MTIA與下一代GPU協同，支援Llama系列推理。
和其他巨頭一樣，微軟過去兩年也在推動自研Maia系列，但一直“掉鏈子”。
Maia系列的首款產品Maia 100在2023年底發佈，被視為微軟進軍自研晶片的標誌性動作，不過參數遠不及同行同期的產品。Maia 200更是一波三折：原計畫2024年完成流片，但設計過程中出現多個技術問題，導致流片延遲至2024年底，2025年才啟動量產。
根據SemiAnalysis的資訊，Maia 200的性能未達預期，被內部評估為失敗項目，即便量產也難以支撐核心AI工作負載。而計畫在2027年部署的Maia 300，雖然瞄準 2nm工藝，目標是接近內部性能預期。
在“多強”的陣容當中，不得不提的是Google十年磨一劍的TPU。
Google的TPU系列專注雲端資料中心，最新的第七代Ironwood支援高達9216晶片的節點規模，提供超過4倍於前代Trillium的單晶片性能。
都在說ASIC在慢慢趕超GPU，但對輝達來說，真正意義上的變數還要數GoogleTPU。
長期以來，TPU作為Google內部AI工作負載的核心支撐，主要服務於搜尋推薦、廣告等業務，即便 2018 年通過Google雲對外開放，也未推進全面商業化。
近幾個月，這一局面發生根本性轉變：Google調動全技術堆疊資源，通過 “雲端服務+硬體直售” 雙路徑開放TPU能力，正式以硬體供應商身份入局AI算力市場。
這一戰略轉型已取得顯著成效：Anthropic、Meta、OpenAI、xAI等頭部機構陸續加入TPU採購佇列，其中Anthropic與Google的合作堪稱標竿——不僅部署規模超 1GW 的TPU計算叢集，更簽訂100萬個TPU的合作協議，分兩階段落地40萬個直供TPUv7 Ironwood和60萬個GCP租用 TPUv7，對應訂單金額超520億美元。
訂單背後，關鍵支撐在於：Gemini 3、Opus 4.5這些業界領先模型，均基於該晶片訓練，所謂“好不好看療效”。
不過，TPU的過去10年研發路，也不是一帆風順，TPUv4、v5的計算吞吐量曾顯著落後於同期輝達旗艦產品，直到TPUv6通過將脈動陣列規模從128×128 提升至 256×256，實現算力翻倍且能耗降低。TPUv7則沿用3D環面（3D Torus）架構，在實際場景中展現出更優的 TCO 表現。
現在，很多網友們都在討論TPU進入國內的可能性，有兩個關鍵問題：其一是性能超規，這很好理解；其二是生態問題。
生態問題上，即便在北美，大家都是租用Google雲上的TPU算力，如果雲廠自己買回去建TPU叢集，會增加非常多的偵錯時間，而且還要學會使用TPU的軟體生態，在沒有Google的支援下，難度可想而知。
03. “中國輝達”上市潮超節點與華為昇騰
2025年，對於中國的AI晶片來說，是不平凡的一年。
寒武紀在今年走出了一波大行情，市值最高一度突破6000億，成為A股AI晶片龍頭標竿。摩爾線程和沐曦也成功在科創板上市。
其他幾個耳熟能詳的國產AI廠商，比如壁仞科技、天數智芯、遂原科技、崑崙芯也基本都在上市的路上。
這一輪國產AI晶片上市潮背後，是中美科技競爭加劇和國產替代需求的爆發——美國對高端GPU的出口管制，推動國內巨頭和初創企業加速自主研發，同時資本市場對AI算力的追捧，讓這些高研發投入的公司迎來融資窗口期。
儘管多數企業仍處於虧損階段，但高估值反映了投資者對未來國產晶片在智算中心、大模型訓練等領域的期待，這一潮湧不僅帶來了資金活水，也標誌著中國AI晶片產業從“跟跑”向“並跑”邁進的關鍵轉折。
之所以說是關鍵轉折，原因在於，2023年輝達憑藉其CUDA生態和領先的GPU性能，幾乎壟斷了全球和中國AI算力市場，市場份額一度高達80%以上，尤其在資料中心和訓練大模型領域，輝達的H100和A100系列晶片成為不可或缺的核心，國產廠商難以撼動其地位。
受美國出口管制的持續影響，特別是對先進AI晶片的禁售，輝達在中國市場的份額急劇下滑，這為國產GPU提供了絕佳的滲透機會。
根據伯恩斯坦的資料，本土AI晶片品牌滲透率已從2024年的約29%快速提升至2025年的59%以上，特別是在智算中心和雲服務領域，國產晶片的採用率顯著上升。
轉變得益於“國產替代”的強勢推動和產業鏈的加速成熟。
具體來說，華為的Ascend系列性能已接近輝達H200的80%，並在多家資料中心大規模部署；其他廠商如阿里的PPU、崑崙芯、寒武紀、壁仞、天數智芯和燧原，也通過異構計算和生態相容性提升，逐步蠶食市場空白。
整體而言，中國AI晶片市場正從輝達“一超獨大”的壟斷格局，向“百花齊放”的多強競爭演變。
預計到2026年，國產GPU在國內滲透率將進一步突破，這不僅降低了供應鏈風險，還推動了AI算力的自主可控和成本最佳化。
單晶片性能在不斷追趕，整個算力產業都湧向“超節點”，以規避單晶片性能還不足的問題，更體現了中國人的智慧。
超節點是將大量AI加速卡通過高速互聯整合成邏輯上統一的“巨型電腦”，有效解決傳統叢集通訊延遲高、擴展性差等問題，支援兆參數模型高效訓練和推理。
目前，中國已推出多款商用超節點產品，單節點規模從128卡到640卡不等，技術路線涵蓋電互連、光互連和開放架構。
互聯技術是國產超節點的核心突破，傳統乙太網路和PCIe難以滿足萬卡級通訊需求，頭部廠商自研高速協議成為標配：華為“靈衢”協議單晶片互聯頻寬達2TB/s、卡間延遲僅2.1微秒；海光/曙光HSL協議支援112G高速互聯，並通過專用交換晶片實現節點內全頻寬點對點互聯，避免出節點轉發，這種低延遲、高頻寬設計極大降低了分佈式訓練中的通訊開銷。
目前，已有多個超節點項目落地，但大規模商用預計2026年真正爆發，所以我們也常說，2026年將迎來“超節點戰爭”。
儘管超節點可以部分補齊單晶片算力不足的問題，但挑戰仍然存在，包括軟體生態最佳化、先進製程與HBM產能瓶頸。關於國產算力，不得不提的是華為。根據IDC的資料，明年昇騰的出貨量將佔比中國AI晶片總出貨量的一半。
9月份的全連接大會上，華為直接亮出了昇騰系列路線圖。
根據規劃，2026年至2028年，華為將分階段推出四款新晶片：2026年第一季度發佈昇騰950 PR（專注推理Prefill和推薦場景）；2026年第四季度推出昇騰950 DT；2027年第四季度推出昇騰960；2028年第四季度推出昇騰970。
這一路線圖延續了昇騰從910系列（2018年起）到910C（2025年推出）的迭代路徑，結合Atlas超節點技術，支援大規模叢集部署。
關於昇騰的950 PR，最近大家在網上都能看到一些性能參數，對華為來說，其目前的核心並不是在訓練上要去掉輝達，而是讓自己的晶片被更多的使用者使用起來。有可能會被忽視的關鍵資料：在950 PR中，增加了SIMT/FP8/F4，這些都對推理有明顯的改善。
04. 有泡沫，那就擠掉
當奧特曼的1.4兆美元投資重塑AI產業格局，當輝達市值一路飆升至5兆美元，當AI概念股成為資本市場的香餑餑，關於AI是否處於泡沫的爭論變得異常激烈。
有人將當前的資本狂熱比作 2000年網際網路泡沫的重現，也有人堅信這是技術革命的必然序曲，這些都是基於不同視角、立場得出的洞察，都有存在的合理性。
樂觀派堅定看好AI的長期價值，認為當前的高投入與高估值並非炒作，強調AI將創造20兆美元的經濟價值，僅生成式AI就有望提升勞動生產率15%，這種技術賦能的潛力足以支撐資本的熱情。
從資料來看，以輝達為代表的龍頭企業並非空談概念，其憑藉GPU技術佔據AI價值鏈35-40% 的資本支出份額，2025年營收預計超2000億美元，紮實的盈利能力成為估值的重要支撐。
謹慎派則認為市場存在潛在的風險，企業對債務融資的依賴度不斷上升， 五大AI超大規模企業現金資產佔比已從2021年底的29%降至2025年二季度的15%，債券與私人信貸成為主要融資管道。
更值得關注的是，AI產業呈現明顯的結構性失衡：上游算力硬體景氣度高漲，但中游多數初創模型企業缺乏商業化能力，下游80%部署AI的企業尚未實現淨利潤提升。
換句話說，源源不斷地投錢，卻沒有在商業收入上高效轉化。
判斷AI是否處於泡沫，不能僅憑市場熱度，而需從估值水平、盈利支撐、產業邏輯三個核心維度理性分析。
從估值來看，當前美國科技巨頭的估值並未達到歷史泡沫峰值。
被稱為“美股七姐妹” 的核心科技股當前市盈率約31倍，遠低於2000年網際網路泡沫時期的極端水平。
更重要的是，這些企業大多具備強勁的現金流和造血能力，與當年缺乏盈利支撐的網際網路初創企業有本質區別。
從產業邏輯來看，美國AI硬體投資自2023年已增長2000-3000億美元，資料中心、算力基礎設施的建設雖然存在局部過熱跡象，但背後是真實的產業需求支撐。GoogleTPU晶片對外供貨引發的“鯰魚效應”，更證明AI產業正從壟斷走向多元共生。
關於部分企業“閉環買賣”的模式——輝達投資xAI後xAI隨即採購其晶片，微軟投資OpenAI後獲得巨額雲服務訂單——可能導致估值虛高，進而帶來局部泡沫，尤其是美國前十大科技股佔全球股市近25%的極高集中度，也讓市場波動的傳導風險不容忽視。
但市場不是從來就是二八分化，優勢資源集中在20%的機構手裡？
從我們的視角來看，所謂AI泡沫：只是短期利益與長期價值、資本狂歡與技術本質的博弈。
即便是真有泡沫，擠掉就是。 (騰訊科技)