7月20日晚，央视新闻《面对面》播出对英伟达公司创始人黄仁勋的采访。采访中，黄仁勋力赞DeepSeek和华为。

黄仁勋认为，中国的AI市场，无论有没有英伟达都会进步，如果没有英伟达，也一定会有中国公司，找到属于自己的解决方案。

这几年，英伟达在华员工规模已接近4000人，涵盖研发、销售、技术支持等多个领域。从一家在游戏玩家中享有盛誉的显卡公司，到如今定义AI时代的算力基础设施引领者。无论芯片还是AI，技术迭代的速度都极为迅猛。

什么是AI算力芯片

算力芯片，是提供计算能力的核心硬件组件，定义和核心功能因类型的不同有所差异。

例如，GPU（图形处理器）是一种通用型芯片，用于处理复杂的图形渲染任务和并行计算需求；FPGA（现场可编程门阵列）是一种半定制芯片，可通过编程重新配置硬件逻辑以适应多种应用场景；ASIC（专用集成电路）是为特定用户需求或场景设计的全定制芯片，具备针对特定任务优化的高性能和低功耗特点。

从技术架构来看，GPU作为较为成熟的通用型人工智能芯片，适合执行大规模并行运算任务，并拥有完善的软件生态系统支持，如CUDA、OpenCL等开发工具。

FPGA因其灵活性高，能通过硬件描述语言进行编程，在特定任务中表现出较高的效率，其峰值计算能力相对较低，且编程难度较大。

ASIC则针对特定算法进行了高度优化，因此在性能和能耗上均优于其他两种架构，不过前期投入成本较高，且一旦生产完成便无法更改硬件功能。

不同类型的算力芯片各有优势与局限性，选择合适的技术架构需结合具体的应用场景及需求。在需要快速迭代算法的场合，FPGA可能更为适用；而对于固定算法的工作负载，则可选用ASIC以实现最佳性能表现。

算力芯片的主要应用场景可分为云端、边缘端和终端三大类。

云端场景中，算力芯片用于云计算数据中心和企业私有云等环境，要求具备高性能和高计算密度，能够同时处理推理和训练任务。

边缘端的应用场景覆盖智能制造、智能家居、智能零售、智慧交通、智慧金融、智慧医疗和智能驾驶等领域。对功耗、性能和尺寸的要求介于终端与云端之间，以推理任务为主。

终端场景下，算力芯片主要用于消费类电子和物联网产品，强调低功耗和高能效，执行推理任务，且对成本敏感，硬件形态多样。

02

市场规模与竞争格局

AI算力芯片作为底层的算力基座，正迎来快速发展的机遇。全球市场方面，AI芯片市场规模高速增长，2025年预计超过900亿美元。

（图表日期：2025-7）

（图表日期：2025-7）

全球算力芯片市场的主要参与者包括NVIDIA、AMD、Intel等国际巨头。其中，NVIDIA在2024年生成式AI市场中数据中心GPU的市场份额高达92.0%，展现出其在该领域的绝对主导地位。AMD以4.0%的市场份额位居第二，其他企业如Intel、Cerebras、Groq以及华为的市场份额较小。数据凸显了美国企业在全球AI算力芯片市场的垄断地位。

中国本土，主要的算力芯片企业包括华为、寒武纪、地平线等。华为的昇腾系列与寒武纪的思元系列在性能上已达到较高水平，并在特定应用场景中展现出一定竞争力。例如，华为推出的 Cloud Matrix 384 超节点集群基于384颗昇腾芯片构建，算力和内存容量等指标优于英伟达方案，加速了国产AI芯片的替代进程。

另一个角度看，算力芯片行业的进入壁垒和竞争关键因素，可以从技术、资金、市场和政策等多个角度进行分析。

首先，技术是算力芯片行业的重要进入壁垒之一。算力芯片的设计与制造需要深厚的技术积累，尤其是在高性能计算（HPC）和人工智能（AI）领域。GPU、FPGA、ASIC等专用芯片的研发不仅要求企业在芯片架构设计上具备创新能力，还需要掌握先进的制程工艺。

其次，资金投入也是重要的进入壁垒。芯片制造涉及高昂的研发成本和生产设备投资，尤其是先进制程的开发和量产需要数十亿美元的资金支持。对于新进入者而言，缺乏资金支持将难以在行业中立足。

此外，生态系统的建设也成为竞争中的关键因素。算力芯片的应用离不开软硬件的协同优化，例如服务器、操作系统、算法框架等环节的适配。以华为为例，其通过自研处理器（如鲲鹏CPU和昇腾AI芯片）和自有硬件产品（如Atlas系列），结合合作伙伴的集成开发，形成了完整的国产算力生态体系。相比之下，缺乏生态系统支持的芯片厂商很难在市场上获得竞争优势。

03

算力芯片行业的产业链可分为上游、中游和下游三个主要环节。

上游主要包括人工智能算法及芯片设计工具，其中算法覆盖视觉、语音处理、自然语言处理以及各类机器学习方法（如深度学习等）。同时，芯片设计工具厂商、晶圆代工厂商和封装测试厂商为AI算力芯片的研发与生产提供了重要支撑。

中游则涵盖数据中心、边缘计算、算力网络、IDC服务、云计算、算网运营、算网服务集成及算力安全等领域。这一环节通过网络连接不同区域的算力资源，实现资源共享与高效调度，并提供专业的数据中心托管、运维服务以及云计算支持。

下游是应用场景与用户，涉及互联网、金融、公共事业、电信等多个行业。这些领域对算力的需求量大且多样化，推动了算力技术的广泛应用。最终，算力芯片被应用于云计算与数据中心、边缘计算、消费类电子、智能制造、智能驾驶等领域，体现了算力在各行业数字化转型中的关键作用。

04

产业链重点公司

寒武纪（已上市）：专注于人工智能芯片的研发与销售，提供各类智能云服务器和边缘计算设备中的AI专用处理器。

华为昇腾（未上市）：华为自主研发的昇腾系列AI芯片，广泛应用于人工智能训练和推理任务，是国内领先的AI芯片解决方案。

海光信息（已上市）：研发高性能GPU和DCU芯片，用于数据中心和AI计算，提供强大的算力支持。

沐曦（未上市）：自主研发GPGPU架构，落地千卡集群，专注于高性能AI算力芯片的研发和应用。

摩尔线程（未上市）：从图形/信创渲染切入AI智算，推出万卡集群，致力于高性能计算和AI算力解决方案。

百度昆仑（未上市）：百度自主研发的昆仑系列AI芯片，广泛应用于百度内部AI训练和推理任务，性能达到国际先进水平。

阿里平头哥（未上市）：阿里自研含光800AI芯片，专注于AI推理和训练任务，提升阿里巴巴整体AI算力效率。

地平线（未上市）：专注于自动驾驶和AI芯片研发，其征程系列芯片已广泛应用于智能汽车领域。

燧原科技（未上市）：专注于AI芯片研发，推出“燧原云”和“万卡集群”，为AI训练和推理提供高效算力支持。

龙芯中科（已上市）：主营龙芯系列CPU和GPU芯片，提供高性能计算和AI算力解决方案，推动国产芯片替代。

芯原股份（已上市）：提供芯片设计和IP解决方案，参与AI芯片研发，支持深度学习和高性能计算。

国科微（已上市）：专注于存储控制器芯片和车载AI芯片，提供智能存储和智能汽车算力解决方案。

景嘉微（已上市）：主营GPU芯片，广泛应用于图形处理和AI计算，推动国产GPU芯片替代。

紫光国微（已上市）：紫光集团旗下FPGA和存储芯片研发企业，提供高性能计算和AI芯片解决方案。

复旦微电（已上市）：专注于FPGA和存储芯片研发，提供高性能计算和AI芯片支持。

安路科技（已上市）：国内领先的FPGA芯片供应商，提供可编程逻辑芯片和相关解决方案。

05

算力芯片发展趋势

这几年，算力芯片行业的国产替代趋势正在加速，在未来几年持续保持强劲发展势头。IDC预测，2025年中国智能算力规模将达到1,037.3 EFLOPS，并在2028年增长至2,781.9 EFLOPS。2023年至2028年间，中国智能算力规模的五年复合增长率将达到46%，市场对国产算力芯片的需求将持续攀升。

面对外部科技封锁的严峻形势，国内集中力量突破“卡脖子”领域的紧迫性愈发凸显，科技自立自强成为关键。各地政府也出台了一系列支持政策，推动算力中心相关软硬件产品的国产化替代。

国家大基金三期于2024年5月成立，注册资本3440亿元，远超前两期注册资金总和，为国内半导体产业的发展提供了强有力的资金支持。同时，华为、寒武纪、海光信息等国内算力厂商已取得突破性进展，为国产算力替代奠定了基础。

另一个角度，AI大模型的发展，也显著提升了对算力芯片的需求。从GPT-3到GPT-4，算力当量增长了68倍，直接推动了对高性能计算硬件的需求，尤其是作为核心算力硬件的GPU直接受益。生成式AI大模型的发展，导致英伟达、AMD、英特尔因市场需求强劲而供不应求。

这场算力革命下，各大厂商正积极扩产并推进技术创新。算力芯片行业将通过制程、封装、架构和存储的多维度技术创新，满足未来智能化应用的算力需求，并推动全球科技产业的持续发展。