未來趨勢：

• 云廠商自研趨勢明顯，ASIC芯片增速顯著提升：越來越多云廠商如谷歌、亞馬遜、Meta等開始大力投入自研AI ASIC，推動數據中心定制ASIC芯片市場高速增長。預計未來GPU依然會是算力芯片的主流方案，但ASIC芯片將隨著云廠商的自研進程占據一定的市場份額。

• 先進封裝技術價值凸顯，國內積極研發先進封裝工藝：在算力需求激增與制程技術進步放緩的背景下，先進封裝技術(如Chiplet、COWOS)成為提升芯片性能的關鍵路徑。國產廠商積極布局先進封裝工藝研發，為國產算力芯片縮小與國際差距提供契機。

• 混合AI芯片興起，終端和云端協同成為未來：混合AI芯片能同時滿足AI處理協同終端和云端的需要，并在適當的場景和時間下分配AI計算的工作負載，高效利用資源。隨著生成式AI的快速發展以及計算需求的日益增長，混合AI芯片正逐步興起。

行業概述

（1）定義

AI算力芯片指專為人工智能（AI）計算領域設計的一類芯片，主要用來滿足機器學習、深度學習等復雜計算任務需求，特點是能以更快的運算速度、更低的單位能耗能進行大規模數據處理。

（2）類型

GPU、CPU、FPGA、ASIC是目前主流的四種AI算力芯片類型。它們的主要區別體現在設計架構、設計靈活性、性能與效率、開發難度與成本等方面。其中，ASIC芯片又可分為TPU、DPU、NPU等。TPU即張量處理器，專用于機器學習；DPU為數據中心等計算場景提供計算引擎；NPU即神經網絡處理器，在電路層模擬人類神經元和突觸，并用深度學習指令集處理數據。

圖1：四種芯片在不同評價標準上的分析

資料來源：CSDN技術社區

表1：四種AI算力芯片的區別

資料來源：中科院物理所

發展歷程及趨勢

（1）發展歷程

1）早期階段（1999-2015年）

1999年，英偉達推出首個圖形處理單元GeForce 256，開啟GPU并行計算時代，為后續AI算力奠定硬件基礎。

此后架構持續迭代：2008年，英偉達發布Tesla架構（G80），首次實現統一著色器模型，采用90納米工藝，支持大規模并行計算；2010年Fermi架構成為首個完整GPU計算架構，支持浮點標準和融合乘加指令；2012年Kepler架構優化SM單元設計，單個單元CUDA核心數增至192個；2014年Maxwell架構顯著提升能效比，通過SMM單元優化邏輯控制效率。

2）中期階段（2016-2020年）

2016年，英偉達推出專為深度學習的Pascal架構，首次集成NVLink高速互連和HBM2高帶寬內存，算力實現突破；同年谷歌發布首代TPU，專為機器學習優化，性能為同期CPU的71倍。

此后大廠自研趨勢加速：2017年，英偉達Volta架構引入Tensor Core（張量計算核心），支持混合精度計算，AI吞吐量較前代提升12倍；谷歌同期迭代TPUv2/v3，聚焦云端訓練與推理。2018-2020年，亞馬遜推出Trainium，微軟發布Maia100，Meta開發MTIA芯片；同期華為昇騰910問世，標志國產AI芯片進入市場。

3）現階段（2022年至今）

2022年，ChatGPT的出現推動全球算力需求爆發式增長。英偉達推出H100芯片，半精度浮點運算性能達1979萬億次/秒，高效支持Transformer模型訓練。

此后進入技術密集爆發：國內外各大廠商紛紛發布其自研芯片，英偉達迭代Hopper（H200）和Blackwell架構（GB200），后者算力突破20,000 TFLOPS并采用3D封裝；谷歌TPU v6（Trillium）性能較v5e提升4.7倍，能效比提高67%；國內方面，寒武紀思元370、海光DCU系列加速適配大模型訓練，國產替代和自主可控戰略穩步進行。

（2）未來趨勢

1）云廠商自研趨勢明顯，ASIC芯片增速顯著提升。由于AI算力芯片需求量的日益激增，且英偉達壟斷全球數據中心GPU市場，在成本、差異化競爭、創新性、供應鏈多元化等因素影響下，越來越多云廠商如谷歌、亞馬遜、Meta等開始大力投入自研AI ASIC，推動數據中心定制ASIC芯片市場高速增長。預計未來GPU依然會是算力芯片的主流方案，但ASIC芯片將隨著云廠商的自研進程占據一定的市場份額，在定制化AI運算場景中發揮作用。

2）先進封裝技術價值凸顯，國內積極研發先進封裝工藝。在算力需求激增與制程技術進步放緩的背景下，先進封裝技術（如Chiplet、COWOS）成為提升芯片性能的關鍵路徑。目前英偉達選擇采用COWOS技術，將GPU與高帶寬內存（HBM）集成，有效地縮短了計算中心與內存之間的距離，提升通訊效率。面對復雜的海外環境，國產廠商積極布局先進封裝工藝研發，為國產芯片縮小與國際差距提供契機。

3）混合AI芯片興起，終端和云端協同成為未來。因AI推理的規模遠高于AI訓練，在云端進行推理的成本極高，AI處理需要同時分布在云端和終端進行，才能有效實現AI的規模化擴展并發揮其最大潛能。混合AI芯片能同時滿足在終端和云端的協同工作，并在適當的場景和時間下分配AI計算的工作負載，高效利用資源。隨著生成式AI的快速發展以及計算需求的日益增長，混合AI芯片正逐步興起。

政策與融資動態

（1）政策

國內有關算力芯片領域的政策以加速國產化替代為核心方向，通過補貼、算力券、稅收優惠等手段，鼓勵算力芯片行業的自主可控，致力達成綠色低碳、全國算力網絡協同發展的目標，并積極拓展算力在工業、醫療等行業的規模化應用場景，全面構建安全可控、高效協同的算力與芯片產業生態。

表2：中國AI算力芯片行業相關扶持政策

資料來源：融中咨詢

（2）融資動態

2021年及之前，國內AI算力芯片領域的融資熱度呈現攀升趨勢；2021年，國內AI算力芯片領域的投資金額達到近10年最高，為249.09億元，投融資事件數為123起。2022年及之后，國內AI算力芯片領域的融資形勢整體呈下滑趨勢，主要受宏觀經濟環境及國際形勢影響。

圖2：2016-2025H1投融資金額和事件數變化情況

資料來源：融中數據

預計2025年，國內AI算力芯片領域的投融資熱度明顯回暖，主要受益于大模型技術創新、芯片技術突破、大模型應用層面快速發展以及政策支持。2025年上半年，國內AI算力芯片領域融投資總金額為46.9億元，投融資事件有30起，與2024年整年度數據基本持平。

產業鏈分析

上游：主要包含人工智能算法、芯片設計及芯片制造領域。其中，人工智能算法主要包括視覺算法、語音處理算法、自然語言處理算法以及各類機器學習方法。

中游：主要為各大AI算力芯片提供商，包括云端、邊緣端和終端芯片提供商。

下游：主要包括云計算與數據中心、邊緣計算、消費類電子、智能制造、智能駕駛、智慧金融、智能教育等應用領域。

圖3：AI算力芯片產業鏈圖譜

資料來源：寒武紀招股說明書

市場規模

（1）全球

2023年，全球算力芯片市場規模為1785.89億美元，同比增長1.1%，占全球總芯片規模的42%。2024-2025年，全球算力芯片產業規模預計以10%以上增幅增長，2025年市場規模或將突破2000億美元。

圖4：全球AI算力芯片市場規模預測

資料來源：融中咨詢

GPU是AI服務器算力的基石。根據Statista的數據，2024年全球GPU市場規模為653億美元，預計2029年市場規模將達到2742億美元，預計2024-2029年復合增速達33.2%。

圖5：2023-2029E GPU全球市場份額預測

資料來源：Statista

（2）中國

2023年，中國AI芯片行業市場規模為1206億元，2019-2023年年均復合增速為79.90%。2024年，中國AI芯片行業市場規模為1447億元，預計2025年市場規模突破1700億元。

圖6：中國AI算力芯片市場規模預測

資料來源：融中咨詢

國內GPU市場規模占AI算力芯片總市場規模的89.0%。NPU、ASIC、FPGA市場規模占比相對較低，分別為9.6%、1.0%和0.4%。

圖7：2024年中國算力芯片市場份額占比

資料來源：融中咨詢

競爭格局

（1）全球競爭格局

全球范圍內，美國企業為該產業的引領者，英偉達、AMD、Intel、谷歌等巨頭占據了大部分市場份額。

GPU市場呈現“一超多強”的壟斷式格局，英偉達占據全球絕大部分的GPU市場，AMD、Intel等企業占據剩余主要份額。根據TechInsights數據，2023年全球數據中心GPU總出貨量為385萬顆，其中英偉達GPU出貨量約376萬臺，占比高達97.67%。

圖8：2023年數據中心GPU出貨量占比

資料來源：TechInsights

CPU市場目前被Intel和AMD所壟斷；FPGA市場呈現“兩大兩小”格局，Altera與Xilinx市占率共計超80%，Lattice和Microsemi市占率共計超10%；ASIC市場尚未形成明顯的頭部壟斷廠商，主要領導者為谷歌、博通、Marvell等企業。

（2）中國競爭格局

國內AI算力芯片市場主要被國外企業壟斷，其中，英偉達占據了約85%的市場份額。國產廠商市占率偏低，且較為分散。

GPU市場依然呈現英偉達和AMD兩家獨大的壟斷式格局，國產GPU廠商的市場份額甚微。英偉達占據國內GPU市場81%的市場份額，AMD占據剩下近19%份額，國產份額不到1%。

圖9：2024年國內GPU市場競爭格局

資料來源：融中咨詢

CPU市場國外企業占比較多，國產廠商的市場份額較小。其中，英特爾和AMD分別占據了國內CPU市場50%和30%的份額，華為占據的市場份額約為10%。

圖10：2024年國內CPU市場競爭格局

資料來源：融中咨詢

FPGA市場目前呈寡頭壟斷競爭格局，國外企業占據80%以上市場份額，國產廠商占據20%左右，代表廠商有紫光同創、復旦微、安路科技等。

圖11：2024年國內FPGA市場競爭格局

資料來源：毅達資本

ASIC市場博通市占率位居第一，約為55%，Marvell市占率位列第二，約為13%。寒武紀、華為、阿里巴巴、百度、騰訊等國產企業也在積極布局。

圖12：2024年國內ASIC市場競爭格局

資料來源：融中咨詢

（3）國內代表性企業

1）華為海思

在AI芯片領域，華為海思研發的昇騰系列采用華為自研的達芬奇架構，廣泛應用于國內AI訓練和推理。其中，昇騰910系列是華為海思自研的高性能AI處理器芯片（NPU），主要面向大規模深度學習場景，專為云端AI訓練和推理設計。最新的昇騰920預計將在2025年下半年正式量產，成為中國推進本土人工智能自主算力芯片的關鍵角色。

此外，華為在云生態大會上推出了人工智能算力集群解決方案CloudMatrix384（簡稱“CM384”）。半導體研究和咨詢機構SemiAnalysis稱，CM384在多項關鍵指標上實現對英偉達旗艦產品GB200NVL72的超越，算力接近后者兩倍。

2）海光信息

海光信息產品主要包括海光通用處理器（CPU）和海光協處理器（DCU）。其中，海光信息DCU屬于GPGPU的一種，基于GPGPU架構，兼容通用的“類CUDA”環境，能夠較好地適配、適應國際主流商業計算軟件和人工智能軟件，主要應用于大數據處理、人工智能、商業計算等領域，主要部署在服務器集群或數據中心。

3）寒武紀

寒武紀的產品主要為云端智能芯片及板卡、智能整機、邊緣智能芯片及板卡、終端智能處理器IP以及與上述產品配套的基礎系統軟件，上述產品廣泛應用于消費電子、數據中心、云計算等諸多場景。寒武紀目前主要的算力芯片屬于ASIC芯片，其中云端智能芯片產品思元590綜合性能接近英偉達A100。

4）昆侖芯

昆侖芯前身是百度智能芯片及架構部，在實際業務場景中深耕AI加速領域已十余年。目前，昆侖芯基于自研XPU架構，成功推出兩代通用AI計算處理器產品：昆侖芯1代AI芯片、昆侖芯2代AI芯片，及多款基于昆侖芯AI芯片的AI加速卡：K100、K200、R100、R200系列，RG800以及AI加速器組R480-X8。

2025年5月，昆侖芯發布了最新的AI加速卡R200，是基于第二代自研XPU架構開發的推理專用加速卡，主要面向數據中心場景設計。該產品配備硬件視頻編解碼單元，支持自然語言處理、計算機視覺、語音識別等多元AI任務，通過集成R480-X8加速器組方案，可實現多卡互聯下的分布式訓練加速。

4）燧原科技

燧原科技專注人工智能領域云端算力產品，提供人工智能加速卡、系統集群和軟硬件解決方案，其產品主要應用于泛互聯網、智算中心、智慧城市，智慧金融、科學計算、自動駕駛等領域。燧原科技專注于推理卡，2024年6月，燧原科技新一代AI芯片燧原S60量產。燧原S60是一款人工智能推理加速卡，可廣泛應用于圖像及文本生成等應用、搜索與推薦、文本、圖像及語音識別等主流推理場景。

5）摩爾線程

摩爾線程專注于GPU芯片設計和研發，其生產的GPU芯片不僅應用在游戲領域，也在AI訓練推理加速、超高清視頻編解碼、高性能科學計算等領域有得以應用。摩爾線程的核心技術是MUSA架構，支持CUDA兼容性和DirectX12，其產品線包括MTTS80、MTTS3000、MTTS4000等全功能GPU芯片。

6）壁仞科技

壁仞科技是高性能通用GPU芯片的提供商，打造了高性能GPU軟硬件體系，其通用GPU產品基于訓推一體芯片架構，針對人工智能訓練、推理，及科學計算等通用計算場景開發。

2022年8月，壁仞科技發布首款通用GPU芯片BR100系列，包括BR104和BR100兩大產品，在核心性能設計標準上，BR100系列采用7nm制程，并應用Chiplet與2.5DCoWoS封裝技術。軟件方面，壁仞科技發布了BIRENSUPA軟件開發平臺，包括硬件抽象層、BIRENSUPA編程模型和BRCC編譯器等。

7）沐曦科技

沐曦科技致力于為各類應用提供高性能GPU芯片及軟件平臺解決方案，產品覆蓋通用計算和圖形渲染，可廣泛應用于人工智能、智慧城市、數據中心、云計算、自動駕駛、數字孿生、元宇宙等前沿領域。

沐曦科技擁有全棧GPU芯片產品線，推出曦思N系列GPU產品用于智算推理，曦云C系列GPU產品用于通用計算，以及曦彩G系列GPU產品用于圖形渲染，滿足“高能效”和“高通用性”的算力需求。

8）景嘉微

景嘉微主要從事GPU及相關產品的研發、生產和銷售，相關產品包括圖形顯控、小型專用化雷達領域的核心模塊及系統級產品等。

景嘉微早年主要依靠圖形顯控產品和小型專用化雷達領域產品在軍工領域的應用推動發展。2019年，景嘉微的JM7200圖形顯示芯片獲得首份訂單，GPU產品為公司業績開拓出強勁的第二增長曲線。

9）龍芯中科

龍芯中科主營業務為處理器及配套芯片的研制、銷售及服務，主要產品與服務包括處理器及配套芯片產品與基礎軟硬件解決方案業務。在GPU芯片產品方面，龍芯中科面向服務器及個人計算機領域推出了龍芯3號系列處理器配套橋片，集成了自研GPU。

10）天數智芯

天數智芯是通用GPU高端算力及超級算力系統提供商，其產品包括天垓訓練系列和智鎧推理系列。天數智芯通用GPU產品支持國內外主流AI生態和各種深度學習框架，已支撐數十個行業數百個場景人工智能大模型落地。

風險與挑戰

（1）產業政策風險

近年來，我國政府高度重視人工智能與集成電路行業發展，出臺了一系列產業扶持政策并大力推動，為AI算力芯片行業創造了有利的經營環境和發展機遇。此外，隨著人工智能技術逐步在教科研、金融、交通、能源、醫療健康、大文娛等下游垂直行業實現廣泛應用，行業也得到充分受益。如果未來國內人工智能、集成電路行業或者部分AI應用領域的相關產業政策、發展規劃發生不利變化，致使算力基礎設施領域的投資增速相應放緩，進而影響到行業下游客戶的采購需求，將可能造成行業整體收入和主要公司經營業績出現波動。

（2）市場競爭風險

隨著人工智能應用的快速普及，對于人工智能芯片的需求不斷擴增，吸引越來越多的行業參與者，市場競爭日趨激烈。國內市場方面，受益于中美科技博弈和國產替代政策推動，近年來我國本土品牌人工智能芯片的市場滲透率已呈顯著上升趨勢，但總體上仍處于發展相對初期階段，尚未形成較明朗的競爭格局。

按不同技術路徑劃分，國產廠商主要包括以海光信息、天數智芯、壁仞科技、摩爾線程等為代表的通用型計算架構（GPU）芯片設計企業，和以華為海思、寒武紀、昆侖芯、燧原科技等為代表的專用型計算架構（ASIC/DSA）芯片設計企業。隨著人工智能芯片領域國產替代進程的不斷加速，未來可能將有更多國內廠商進入到該市場參與競爭。

（3）供應鏈安全風險

國產廠商主要采用Fabless經營模式，主要負責芯片的研發、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，報告期內國產廠商與部分境外供應商進行合作，在重要物料HBM以及芯片研發設計所需的EDA工具和部分接口IP等方面的采購，也涉及主要終端供應商來自于境外的情況。

在中美科技博弈持續升級的背景下，因美國政府相關政策影響，國產廠商目前在先進制程晶圓代工和HBM供應等方面受到不利限制。由于集成電路領域專業化分工的產業結構及較高的技術門檻，其中部分供應商的產品或服務具有稀缺性和獨占性，較難在短時間內形成同質量的國產替代。如果未來國產廠商與相關供應商的合作關系發生惡化、中斷等情形，或者由于其他不可抗力因素而無法繼續進行合作，則將對相關公司生產經營的可持續性構成不利影響。