當國產GPU跑贏了H200，故事才剛剛開始。
2026年行至尾聲，國產AI晶片的敘事基調發生了關鍵變化。過去幾年，行業反覆追問的是“能不能用”“敢不敢用”；現在，問題變成了“值不值得用”，以及下一代大模型敢不敢押上去用。
變化最先發生在推理側，但真正的關鍵分水嶺出現在訓練側。兩條路線幾乎同時傳出積極訊號，指向同一個判斷：國產AI晶片不再只是制裁陰影下的替代選項，它開始進入一線算力需求的核心場景。
01. 推理側：從“能跑”到“跑得比H200更好”
推理是國產晶片最早站穩腳跟的領域。大模型部署對生態遷移的容忍度相對更高，推理場景的碎片化也給多路線並進留出了空間。2022年至2025年，美國對華半導體出口管制政策層層加碼。2025年4月，美國進一步收緊管制，導致輝達為中國市場定製的特供版H20晶片被迫停售，公司因此承受了約45億美元的庫存損失及80億美元的潛在收入損失。過去三年，H200一直被擋在中國市場門外；而如今，國產AI晶片終於達到H200這一規格水平。
首先是沐曦的曦雲C600。這款晶片配備144GB HBM3e視訊記憶體，超過了輝達H200的141GB規格，於2026年5月正式量產，被評選為“首款基於全國產供應鏈打造的高性能GPU”，從設計到製造、封裝再到軟體棧實現了全鏈路國產供應鏈閉環。視訊記憶體容量單點的超越在紙面上只是一個數字，但對於當下頭部大模型的訓練與推理而言，視訊記憶體就是容納模型參數和上下文的硬性上限。越過141GB這條線，意味著國產GPU第一次在旗艦級硬體規格上不再處於仍差一截的位置。
之後是7月份天數智芯發佈的天垓300。天垓300基於天樞架構，搭載新一代Tensor Core和Vector Core，提供了更強的計算能力，支援FP4、FP8、BF16、FP16等多種精度格式，也是144GB視訊記憶體。第三方完成的實測顯示，在典型預填充—解碼分離部署下，天垓300折算單卡整體端到端吞吐達到輝達H200的1.05倍；在64K長上下文場景下，Attention性能同樣為H200的1.05倍，多模態生成推理吞吐提升約2%—5%，搜廣推等線上業務中推薦推理吞吐提升21%。這不是理論峰值的紙面對比，而是在特定模型和部署條件下整條推理鏈路實際輸出能力的比較。這也是國內首個實測性能達到H200水平的通用GPU。
更多超過H200的新產品也正在陸續面世。壁仞科技的下一代GPU近期已成功點亮，即將投入量產。消息人士稱，該新品基於國產工藝打造，性能將超過輝達H200。壁仞科技今年年初就已明確推進基於新一代架構的BR20X系列。該系列晶片原生支援FP8、FP4等更廣泛的資料格式，配備更大記憶體與更高互連頻寬，旨在為雲端訓練和推理場景提供更強算力。在BR20X之後，壁仞還規劃了面向雲端訓練與推理的BR30X。
東方算芯將於今年Q4推出DF2000，能夠達到訪存頻寬15 TB/s，1000TFLOPS@BF16，性能參數全面超越輝達H200；2027年Q4將會推出DF3000，能夠達到訪存頻寬20 TB/s，2000TFLOPS@BF16，在DF2000的基礎上翻倍提升，對標輝達B300。
推理側的進展之所以更快，本質上是因為這一側的商業邏輯已經跑通了閉環。IDC資料顯示，2026年上半年輝達在中國資料中心AI晶片市場的份額降至34%，出貨量同比下滑44%；華為昇騰以28%的份額緊隨其後，雙方差距縮小到僅6個百分點。IDC追蹤的11家中國晶片企業中，有9家出貨量同比增長。推理側的規模化驗證，為產業注入了最稀缺的東西：信心。
02. 訓練側：國產晶片第一次站到主流大模型預訓練的門口
推理側的反超是量變，訓練側的突破才是質變。
2026年11月3日，有消息稱，DeepSeek下一代大模型DeepSeek V5計畫基於昇騰晶片進行預訓練。此前昇騰在DeepSeek體系中承擔的角色僅限於推理，V5將是首款原生依託昇騰開展訓練的大模型，核心訓練算力指向昇騰950，項目節奏指向明年落地。雙方在V4階段已經完成了大量底層算子適配與定製開發，針對DeepSeek模型的專屬算子，昇騰在V4階段就已啟動定製最佳化，為V5全量上昇騰訓練打通了技術通道。實際上，早在今年9月底，DeepSeek便開源了面向昇騰算力平台的基礎設施元件，涵蓋TileLang編譯工具、計算庫與分佈式通訊庫，與此前面向輝達平台的開源元件一一對應。DeepSeek明確表示，其訓練中使用的每一個TileLang算子，在昇騰上都有對應的高性能實現。算子層的系統性對齊，是訓練遷移真正的工程底座。沒有這一步，V5的預訓練計畫無從談起。
訓練側的鬆動不止發生在DeepSeek一家身上，實際上早有跡象。2026年1月，智譜AI發佈GLM-Image，這是首個完全在華為昇騰晶片上完成全流程訓練的頂尖多模態模型，使用昇騰Atlas 800T A2裝置和MindSpore框架完成了從資料預處理到大規模訓練的完整閉環。1月14日，智譜聯合華為開源該模型，開源後24小時內登頂全球AI開源社區Hugging Face Trending榜單榜首。這也是首個依託國產晶片實現全程訓練的SOTA多模態模型。
其他國產AI晶片在訓練側也有突破。1月13日，摩爾線程與北京智源人工智慧研究院達成突破，依託MTT S5000千卡智算叢集與FlagOS-Robo框架，成功完成智源自研具身大腦模型RoboBrain 2.5的全流程訓練。這一成果首次驗證了國產算力叢集在具身智能大模型訓練中的可用性與高效性，標誌著國產AI基礎設施已具備應對複雜多模態任務的能力。此外，結合完備的訓練套件和領先的訓練最佳化、強化學習等技術，以摩爾線程全功能GPU為根基的誇娥智算叢集在關鍵維度均已實現突破。例如，在高擴展方面，隨著叢集訓練規模持續增大，可保持高達95%的線性擴展效率；在高精度方面，訓練精度與國際主流計算卡持平，訓練損失曲線高度一致；在高穩定方面，叢集支援斷點續訓，有效訓練時長佔比超90%。基於此，摩爾線程誇娥智算叢集已完成多項“國芯訓國模”實踐成果，包括從零起步完整訓練MoE-236B基礎模型，以及實現北京大學5D世界模型EvoPhys-World的全端原生訓練等，充分驗證了國產晶片在超大規模、超長連續穩定訓練上的全鏈路閉環能力。
訓練端的國產晶片正在從後訓練、微調等邊緣環節，走向主流大模型預訓練這個此前從未真正開放過的核心環節。當然，訓練側的生態遷移成本仍然是決定天花板的變數。CANN軟體棧雖然在2026年實現了全面開源開放，相容PyTorch、vLLM、TileLang等主流生態，MindSpore也迭代到了面向昇騰950的MXFP8低精訓練支援，但CUDA十餘年積累的開發者慣性和算子豐富度不是一朝一夕可以抹平的。V5的預訓練能否如期跑通，將是國產訓練晶片的第一次真正意義上的“大考”。
03. 突破的背後，不只是單點進展
如果只在晶片層面看這場反攻，會漏掉更重要的東西。這些單點突破之所以能在同一個時間窗口密集出現，底下的結構性變化才是真正的關鍵。
產業鏈的完整度在肉眼可見地抬升。一顆AI晶片從圖紙到落地涉及設計、製造、先進封裝、裝置材料、EDA和記憶體七個環節。中國在晶片設計、成熟及部分先進製程代工、先進封裝、NAND快閃記憶體、DRAM記憶體五個環節已經形成可觀的戰鬥力，IP授權、光刻機、高階EDA、HBM仍是短板，但短板的性質正在從“完全空白”變為“有路線圖、有驗證循環、有量產時間表”。盛合晶微已經成為中國大陸2.5D收入規模排名第一的企業，市場佔有率約為85%。此外，盛合晶微亦在持續豐富完善3D整合（3DIC）、三維封裝（3D Package）等技術平台，以期在整合電路製造產業更加前沿的關鍵技術領域實現突破。長鑫的DRAM全球份額從2025年二季度的4%攀升至2026年二季度的10%左右，第五代DRAM平台實現量產。製造、封裝、記憶體三塊地基同時在往上走，晶片設計端的突破才有了可複製的落點。
超節點把“單卡差距”變成了“系統問題”。當單卡製程短期內無法追平台積電和輝達時，國產算力選擇了一條更現實的路徑：用高速互聯和系統級工程把多卡叢集的有效算力拉上去。昇騰384超節點已部署750余套，950DT超節點規模供貨指向年底或明年初；天數智芯IXL144以單機櫃144卡、10.1TB視訊記憶體的密度切入訓練與高並行推理場景。超節點的成熟意味著國產晶片的競爭單元從“一顆晶片”升級為“一套可交付的算力系統”，這是訓練側能夠承接大模型預訓練任務的工程前提。
人才和資本在同一個方向上加速聚集。幾年前國產AI晶片的困境很大程度上是人的困境：懂架構的人少，懂Chiplet和HBM先進封裝的人更少，能把硬體和AI軟體棧打通的複合型角色幾乎無從尋覓。現在的情況是，燧原給Chiplet/D2D方向的AI晶片架構師開出了年包最高180萬元的薪酬，摩爾線程、寒武紀的招聘列表裡“先進封裝設計工程師”“晶片封裝工藝工程師”已經成為常規選項。雖然一些領域的高端人才仍然稀缺，但稀缺本身說明需求真實存在、產業在擴張，而不是無人問津。資本端同樣密集：墨芯人工智慧五個月內完成近20億元融資，微納核芯半年內累計融資30億元，東方算芯A+輪投後估值超過122億元。錢和人在往同一個方向流，這是產業從摸索期進入建設期最直觀的體現。
04. 結語
把推理側的性能反超、訓練側的預訓練突破、產業鏈的縱向補齊、超節點的系統級成熟、人才與資本的加速匯聚放在一起看，國產AI晶片的這輪突破並不意味著一場全面領先的勝利。HBM的差距仍然明顯，光刻機和高階EDA的短板不是兩三年可以填平的，CUDA生態的慣性也遠未消散。但國產晶片已經從一個需要被照顧和容忍的替代品，變成了一個可以被一線大模型公司放進核心訓練路線圖裡的技術選項。 (EDA365電子論壇)