当地时间1月13日，美国政府批准英伟达向中国出口其人工智能芯片H200。该决定预计将重启H200芯片对中国客户的出货。
此前，美国总统特朗普通过社交媒体表示，美国政府将允许英伟达向中国出售H200人工智能芯片。据悉，上述对华销售将由美国商务部负责审批和安全审查，美方还将从相关交易中收取约25%的费用。特朗普表示，美国商务部正在敲定相关安排细节，同样的安排也将适用于其他人工智能芯片公司，如AMD和英特尔公司。
英伟达公司总裁兼首席执行官黄仁勋今年早些时候曾表示，中国是一个非常大的人工智能市场，再过两到三年，中国人工智能市场规模可能会达到500亿美元，错失这个市场将会是一个巨大的损失；美国必须认识到，在人工智能竞赛中，美国并不是唯一的国家。
这一出口政策调整，正值国内GPU公司密集上市之际。
012025年对国产GPU来说，堪称“成年礼”：摩尔线程、沐曦股份成功登陆科创板，壁仞科技、天数智芯加速冲刺港股，资本的加持让国产芯片企业迎来了发展热潮。
12月5日，摩尔线程成功在科创板挂牌，上市首日股价大幅上扬468.8%，总市值迅速攀升至3055亿元，一举跻身科创板市值前五。仅仅十二天后，沐曦股份紧随其后，成为第二家在A股上市的国产GPU企业，其股价在首日交易中一路飙升，最终收盘涨幅高达692.95%。
12月17日，壁仞科技正式通过港交所上市聆讯，有望成为首家在港股上市的GPU企业。2026年1月8日天数智芯正式在香港联合交易所主板挂牌上市。
资本的蜂拥而入，背后是产业逻辑的深刻变革。2025年全球GPU市场规模预计突破3500亿美元，中国占比接近40%。数据中心、人工智能训练与推理、自动驾驶及游戏娱乐成为核心驱动力，其中AI应用占比提升至45%。
资本热捧的背后，是国产GPU企业真真切切的技术突破和商业化进展。摩尔线程基于自主研发的MUSA统一架构，推出支持全精度计算的“花港”架构，支持FP4到FP64的全精度计算，算力密度提升50%，效能提升10倍；壁仞科技凭借Chiplet异构集成技术，推出性能对标英伟达A100/H100的BR100芯片；天数智芯成为国内首家实现7nm GPGPU量产的企业，其产品兼容主流AI框架。商业化层面，国产GPU已从实验室走向规模化落地，百度智能云点亮基于昆仑芯的万卡集群，沐曦股份与之江实验室共建智算集群联合实验室，多家企业的产品已切入政务云、智算中心等核心场景。
但必须清醒认知的是，当前国产GPU的突破仍停留在“单点技术达标”层面，尚未形成“全栈生态闭环”的核心竞争力。与英伟达Rubin平台“芯片-架构-软件-生态”的全链路优化相比，国产GPU的差距并非单纯的算力参数差，而是系统级协同能力的代际差——在高速互连协议、大规模集群调度等关键环节，仍存在明显短板。更核心的问题在于生态：英伟达的CUDA生态覆盖了90%以上的AI框架，软硬件协同能力经过了多年打磨，形成了短期难以撼动的壁垒。当前国产GPU厂商各自为战的指令集与软件栈，更导致开发者适配成本高昂。
除此之外，外部市场的核心逻辑也在发生显著转变。
曾几何时，GPU 是 AI 算力的绝对代名词，尤其是英伟达的 H100、A100 系列，几乎是大模型训练的 “刚需通行证”。但如今，风向似乎变了。
02如果把GPU比作“万能瑞士军刀”，能应对各种算力场景，那ASIC就是“定制手术刀”，专门解决特定问题。而现在，云巨头们越来越偏爱“手术刀”了。
集邦咨询预测数据显示，2026 年云服务厂商对自研 ASIC 的需求增速将大幅领先 GPU，其中 ASIC 增长率预计达 44.6%，远超 GPU 的 16.1%。
云厂商自研芯片时，通常会选择博通、Marvell、AIChip、联发科等厂商合作设计芯片，再通过台积电等代工厂完成芯片制造，目前博通客户量产节奏领先。
2025年谷歌推出第7代TPU芯片Ironwood，该芯片训练和推理性能比第六代TPU（Trillium）提升4倍。Global Semi Research数据显示谷歌计划在2026年将TPU芯片产能提升至430万颗，按型号拆分V6为15万颗，V7为135万颗，V8AX为240万颗，V8X为40万颗。其中V8系列合计占比达65%，显示谷歌正集中资源保障新一代产品的供应。
针对新一代产品开发，Google已从原先与博通的单一伙伴模式，新增与联发科合作，转为双供应链布局。
2025年12月，亚马逊推出首款3nmAI芯片Trainium 3。Trainium 3的计算能力较之Trainium 2大幅提升。AWS的合作伙伴包含Marvell（美满电子）与Alchip。
Meta正与Broadcom共同开发下一代MTIA v2。Microsoft（微软）下一代Maia v2的设计也已定案。Microsoft引入Marvell共同参与设计开发Maia v2进阶版，借此强化自研芯片的技术布局。
国内提供云服务的企业，实际上也推出了自研的ASIC芯片。比如阿里巴巴推出了含光800，百度在量产昆仑芯二代后，又在今年宣布百度智能云成功点亮了首个自研万卡集群，并且宣布是使用的昆仑芯三代P800。腾讯除了自主研发的紫霄推理芯片外，还通过战略投资，利用Enflame 的 ASIC 解决方案。
除集邦咨询外，另有两家研究机构发布2026年AI芯片市场预测，结论均指向ASIC对GPU的市场冲击。
野村证券报告称，目前英伟达GPU在AI服务器市场中占据超过80%的份额，而ASIC仅占约8%-11%。但该机构预测，到2025年，仅谷歌和亚马逊两家的ASIC出货量就可能达到英伟达GPU出货量的40%至60%。随着Meta和微软在2026年大规模部署自研芯片，ASIC的总出货量有望历史性地超越GPU。
高盛的报告也佐证了这一观点，预测ASIC服务器将在2025至2026年间占据全球AI服务器市场38%至40%的份额。
03存算一体，也在2026年向GPU发起新一波挑战。
ASIC的核心是戳中了行业的痛点——现在AI算力需求越来越偏向“专用高效”，而传统的计算架构里，存储和计算是分开的，数据在两者之间来回搬运，既费电又耽误时间，这就是所谓的“冯·诺依曼瓶颈”，也是GPU在很多场景下的短板。存算一体的思路很直接：把存储和计算单元集成在一起，从根源上解决数据搬运的问题。
存储计算“剪刀差” 来源：OneFlow公司，安信证券研究中心
简单来说，在实际应用中，GPU的算力能不能发挥出来，全靠内存带宽撑着。比如处理大模型推理时，数据搬运产生的能耗可能占到近50%，延迟还会影响使用体验；而存算一体通过用氧化钽/铪、氧化钒这些新型器件，能把这种损耗降低60%以上，在低功耗场景下优势特别明显。这也决定了存算一体不是要全面取代GPU，而是“互补竞争”——先从GPU不擅长的场景突破，再慢慢拓展范围，这也是它产业化的核心逻辑。
从存算一体发展历程来看，自2017年起，英伟达、微软、三星等大厂提出了存算一体原型，同年国内存算一体芯片企业开始涌现。
大厂们对存算一体架构的需求是实用且落地快，而作为最接近工程落地的技术，近存计算成为大厂们的首选。诸如特斯拉、三星等拥有丰富生态的大厂以及英特尔、IBM等传统芯片大厂都在布局近存计算。
国内初创企业大都聚焦于无需考虑先进制程技术的存内计算。其中，知存科技、亿铸科技、九天睿芯等初创公司都在押注PIM、CIM等“存”与“算”更亲密的存算一体技术路线。亿铸科技、千芯科技等专注于大模型计算、自动驾驶等AI大算力场景；闪易、新忆科技、苹芯科技、知存科技等则专注于物联网、可穿戴设备、智能家居等边缘小算力场景。
04一边是ASIC的替代冲击，一边是存算一体的技术挑战，GPU的主导地位第一次受到了真正的威胁。
但这并不意味着GPU会被淘汰，毕竟GPU的优势，也很明确：在大模型训练、复杂科学计算这些需要多任务并行处理的场景里，它的通用性和灵活性是ASIC、存算一体短期内比不了的。
面对压力，GPU巨头已经开始反击。
比如2025年12月24日，英伟达以其史上最大规模交易额200亿美金，将推理芯片独角兽Groq的核心技术与团队收入麾下。Groq创始人、谷歌TPU初代核心开发者Jonathan Ross带队加盟英伟达，其独创的LPU芯片技术将融入英伟达AI Factory架构。
当下，推理侧需求大于训练侧需求已成为普遍共识。面对推理市场的爆发式增长，Groq的专属LPU芯片以5-10倍于GPU 的速度优势，以及1/10的成本优势，成为异军突起的核心玩家。这种兼顾高效能与低成本的双重优势，精准切中了英伟达在推理赛道的核心短板，这也正是其愿意斥资200亿美元这一史上最大手笔，收购Groq的关键动因。
从英伟达过往的产业布局轨迹来看，此次收购并非临时决策，而是延续了其通过并购补全生态、巩固优势的一贯策略。
回溯其并购历史：2000年，英伟达以7000万美元加100万股普通股的对价，收购3dfx核心图形资产，为其后续在GPU领域的统治地位奠定基础；2013年，将高性能计算编译器龙头PGI收入囊中，进一步强化了CUDA生态在高性能计算领域的核心支撑作用；2019年，又以约69亿美元并购Mellanox，成功补全数据中心网络业务的短板。
如今，在ASIC、存算一体的双重技术冲击与国产GPU崛起的市场竞争下，收购Groq抢占推理赛道优势，正是这一战略的延续与升级，更是英伟达守住GPU主导地位的关键布局之一。
未来，GPU不会被淘汰，但“万能瑞士军刀”的绝对统治时代或将落幕。在大模型训练等通用算力场景，GPU仍将保持核心优势；而在推理、边缘计算等细分领域，其与ASIC、存算一体芯片的“互补共存”将成为主流。对整个行业而言，这种多元竞争格局不仅能更好地匹配不同场景的算力需求，更能倒逼技术加速迭代
VIP复盘网
