CHINA AI COMPUTE ATLAS · 2026

国产 GPU 与
AI 加速器全景

从“十一家厂商名单”，展开到技术类型、软件生态、系统能力、供应链约束、商业化证据与未来整合。

真正的竞争单位，已经不是一张卡，而是“芯片＋软件＋互联＋集群工程＋客户工作负载”。
深度核查版 截至 2026-07-26 31 页 · 手机滑动 / 点击翻页 单文件 HTML · 可离线保存
01 · EXECUTIVE SUMMARY

先记住这六个结论

01

“国产 GPU”不是一个物种

全功能 GPU、GPGPU、NPU/ASIC、CPU 与云厂自研芯片必须分开看，否则产品、生态与市场份额都会失真。

02

华为领先在“系统”

昇腾的核心优势不只是一颗芯片，而是 CANN、框架适配、超节点互联、整机、云和行业交付形成闭环。

03

寒武纪完成商业跃迁

2025 年营收 64.97 亿元并扭亏，说明部分国产 AI 芯片已经跨过“小批验证”，进入规模化收入阶段。

04

创业公司不是“其他”

沐曦、摩尔线程、壁仞、天数智芯、燧原均出现约 10 亿—16 亿元级年度收入，行业已进入资本化与淘汰并行期。

05

最大瓶颈正在上移

从单卡峰值算力，上移到 HBM、先进封装、互联、集群可靠性、算子覆盖和模型迁移效率。

06

最终会收敛，但不会只剩一家

训练、推理、科学计算、图形信创、云内自用的需求不同；更可能形成“1—2 家平台型＋数家场景型”。

02 · FACT CHECK

原文的方向对，但有八处不能直接当事实

类型混用

把阿里“倚天 710”列入 AI 加速器对比不准确；它是 Arm 服务器 CPU。阿里 2026 年公开的新一代 AI 加速器是“真武 M890”。

梯队过时

2025—2026 年多家创业公司已上市或申报上市，且收入达到十亿元级，不能继续用“产品发布、批量验证中”概括。

制程断言

“910B/910C＝中芯 7nm”主要来自拆解和媒体推断，并非华为公开确认；研究中应标成外部判断，而非官方参数。

产品参数

寒武纪 MLU590 的完整官方规格公开度有限，网络上大量参数彼此矛盾；公司公开产品页可核验的是 MLU370 系列。

生态量化

“CANN 成熟度约 CUDA 的 60%—70%”没有统一测量方法。更可靠的指标是算子覆盖、框架版本、迁移工时和实际模型吞吐。

兼容误读

“兼容 CUDA”通常指语法、API 或迁移工具层面的兼容，不等于 CUDA 二进制、全部库和性能行为完全兼容。

性能横比

“910B≈A100”“BR100 超 H100”仅凭峰值 FLOPS 不成立；精度、稀疏、显存、带宽、功耗、软件版本必须一致。

份额预测

“NVIDIA 2026 降至 8%”缺少可复核的统一市场定义。不同招股书对 2024 年国产化率就存在显著差异。

03 · TAXONOMY

先分物种，再谈竞争

全功能 GPU

图形＋计算＋媒体

既能渲染，又做 AI/HPC。代表：摩尔线程、景嘉微部分产品。

难点：图形驱动、API 兼容、游戏/桌面生态与计算生态同时建设。

GPGPU

通用并行计算

重点面向 AI 训练、推理与科学计算。代表：海光 DCU、沐曦、壁仞、天数智芯。

优势：更接近主流 GPU 编程范式；代价是硬件与软件复杂度高。

NPU / AI ASIC

面向 AI 优化

围绕张量、矩阵与特定数据流设计。代表：昇腾、寒武纪、昆仑芯、燧原。

优势：能效与系统定制；代价是通用性和迁移成本。

云厂自研

内部负载驱动

从搜索、推荐、推理到大模型训推。代表：阿里真武、百度昆仑芯。

最大护城河是稳定工作负载与内部客户，而非零售渠道。

判断原则：只有当产品类型、工作负载、精度、系统规模和软件版本一致时，性能与份额比较才有意义。
04 · THE FULL STACK

一颗芯片，只占竞争栈的中间一层

模型与业务负载Qwen / DeepSeek / 推荐 / 科学计算
框架与推理引擎PyTorch / Paddle / vLLM / SGLang
编译器、算子库、通信库决定有效算力与迁移工时
运行时与驱动稳定性、调试、性能分析
芯片、HBM 与互联峰值算力只是起点
服务器、网络、存储、液冷系统交付与功耗密度
集群调度与运维可用率、故障恢复、长稳训练
GPU 战争表面看芯片，实质上是“把理论算力变成稳定有效算力”的工程战争。
  • 硬件定义上限：算力、显存、带宽、互联与能耗。
  • 软件决定兑现率：算子、编译、框架适配与调优。
  • 系统决定规模：八卡能跑，不等于千卡能稳定训练。
  • 客户决定复利：真实负载持续反馈，才会形成生态正循环。
05 · 2014—2026

十二年：从显示芯片，到超节点竞争

景嘉微 JM5400 完成国产 GPU 从零到一，主要面向专用图形显示。

华为发布昇腾 910 与 CANN 全栈；阿里发布含光 800 推理芯片；华为被列入实体清单。

天数智芯天垓 100 商用；寒武纪公开思元 370 Chiplet；国产云端加速器进入产品化。

壁仞发布 BR100；美国 10 月规则同时限制先进计算芯片与先进制造能力。

美国更新性能密度等规则，并将壁仞、摩尔线程相关实体加入实体清单。

国产适配从传统 CV/NLP 转向大模型训练与推理；“卡可用”开始转向“集群可用”。

昇腾 384 超节点规模交付，CANN 宣布开源开放；摩尔线程、沐曦上市，壁仞与天数智芯启动港股发行。

昇腾 950 超节点真机亮相；阿里发布真武 M890；燧原推进科创板上市。竞争单位升级为超节点与全栈。

来源：各公司官方公告与产品页；美国商务部 BIS 2022、2023 年规则；华为 2026 WAIC 公告。
06 · 11 PLAYERS

十一家厂商：用“路线”代替旧式梯队

厂商技术类型当前公开产品/系统软件路线真实优势核心约束
华为昇腾NPU / 全栈910C、昇腾 384；950 超节点CANN＋torch_npu＋MindSpore系统、客户、交付、生态闭环制造与高带宽存储供给
海光信息DCU / GPGPU深算三号；四号研发中类 ROCm/HIP 的迁移优势x86 CPU＋DCU 协同、存量服务器生态公司收入不能拆分为纯 DCU
寒武纪MLU / AI 专用公开可核验 MLU370；新一代云端产品NeuWare＋MagicMind2025 年规模收入与盈利验证最新产品公开规格有限
昆仑芯AI 加速器P800 与万卡集群自研栈＋飞桨/主流框架适配百度内部负载与外部集采独立财务披露有限
阿里平头哥AI 加速器真武 M890、ICN SwitchSAIL 自研软件栈阿里云、Qwen 与内部工作负载外售市场与财务口径不透明
摩尔线程全功能 GPUMTT S5000 / PH100MUSA＋迁移工具图形、计算、媒体统一架构实体清单、持续高研发投入
沐曦GPGPU曦云 C500、C600MXMACA 兼容主流 GPU 生态2025 年收入 16.44 亿元，放量较快仍亏损、供应链与客户集中
壁仞GPGPUBR100/BR104 系列、BIRENSUPA全栈自研并适配主流框架Chiplet 与高端训练路线实体清单、早期商业化风险
燧原GCU / AI 专用多代训推芯片、云燧系统TopsRider腾讯负载深度验证、软硬集群体系2025 年客户集中度极高
天数智芯GPGPU天垓 Gen 1/2、智铠系列自研软件栈＋生态迁移训推双产品线、340+ 客户仍亏损、需持续扩大可复制订单
景嘉微图形 GPU / 智算JM9、JM11、景宏系列图形/计算 API 与国产系统适配专用图形与信创先发与大模型训练卡不是同一赛道
07 · MATURITY MAP

更有用的坐标：外部商业化 × 系统完整度

系统完整度 ↑外部商业化 → 华为 寒武纪 海光 沐曦 摩尔线程 天数智芯 壁仞 燧原 昆仑芯 阿里真武 景嘉微
这是研究判断，不是精确排名。横轴看外部客户与可验证收入；纵轴看芯片、软件、互联、整机、集群和运维是否形成体系。
  • 云厂自研芯片系统能力可能很强，但外部商业化天然较低。
  • 景嘉微在专用图形领域地位突出，却不应被放进大模型训练同一尺度。
  • 商业收入增长不自动代表生态成熟，可能来自少数大项目或集中客户。
  • 真正的“第一梯队”门槛应是：持续复购＋大规模稳定运行＋可复制交付。
08 · COMMERCIAL PROOF

2025 年公开收入：行业已不是“只有样片”

单位：亿元人民币。均为公司整体收入，海光包含 CPU，景嘉微包含其他业务，不能直接当作 GPU 销售额。

海光信息*
143.77
寒武纪
64.97
沐曦
16.44
摩尔线程
15.05
壁仞
10.35
天数智芯
10.34
燧原
9.90
景嘉微*
7.20

收入 ≠ 市占率

整机、解决方案、软件服务与芯片销售口径不同。

增长 ≠ 低风险

高研发投入、股份支付、客户集中与存货仍可能吞噬现金。

复购才是关键

验证订单、政策采购与持续生产负载必须区分。

数据来自各公司 2025 年年报/招股书：华为年报不单列昇腾收入；昆仑芯与阿里芯片亦无独立审计收入，因此未纳入。
09 · MARKET SHARE

为什么“国产已占半壁江山”很可能是口径游戏

壁仞招股书口径
20%

援引灼识咨询：2024 年“中国企业智能计算芯片”合计约 20%；但其中大部分是华为 ASIC/NPU，且不是纯 GPGPU 口径。

天数智芯招股书口径
≈3.5%

援引弗若斯特沙利文：2024 年中国通用 GPU 市场中，中国公司合计约 3.5%；训练型国产化约 4.0%，推理型约 3.0%。

两组数字都可能在各自定义内成立：前者统计“智能计算芯片”，后者统计“通用 GPU”；一个包含华为 AI ASIC/NPU，一个更接近 GPGPU。把它们混在一起，结论可以相差数倍。
10 · SOFTWARE STRATEGY

生态路线不是三选一，而是逐层组合

主流语法/API 兼容

先降低迁移门槛

摩尔线程 MUSA、沐曦 MXMACA、天数智芯等强调 CUDA 代码或主流 GPU 生态迁移。

关键不在口号，而在第三方库、算子与模型是否真能无痛运行。

开源 GPU 生态借力

利用 ROCm/HIP 范式

海光 DCU 受益于既有 GPGPU 技术与开发习惯；开源有助合规与可控。

但 ROCm 本身也在快速演进，生态广度仍小于 CUDA。

自有全栈＋框架适配

控制长期演进

昇腾 CANN、寒武纪 NeuWare、燧原 TopsRider、阿里 SAIL 均属此类。

现实路径通常是：底层自研，上层尽量接近 PyTorch/vLLM 等主流习惯。

最佳路线不是“兼容”或“自研”二选一，而是：对开发者保持熟悉，对底层演进保持自主。
11 · COMPATIBILITY

听到“兼容 CUDA”，必须追问到第五层

① 语法迁移　CUDA 源码能否自动转换或少量改写？
② API 覆盖　Runtime、Driver、通信、数学库覆盖多少？
③ 框架与模型　PyTorch、vLLM、主流模型版本是否及时？
④ 行为与精度　动态图、混合精度、自定义算子是否一致？
⑤ 性能与稳定性　迁移后吞吐、延迟、长稳运行是否达标？
最常见误区：能编译不等于能运行；能运行不等于精度一致；精度一致不等于性能可接受；单机可用不等于集群可靠。
12 · SCALE-UP

竞争单位：芯片 → 卡 → 服务器 → 超节点

1

单芯片

峰值算力、数据精度、存储控制器、能效。

8

单服务器

卡间互联、CPU 配比、内存、PCIe、散热。

64+

超节点

统一内存语义、低时延高带宽 Scale-up、故障域。

10K+

超集群

Scale-out 网络、存储、调度、可观测与恢复。

华为的结构性打法

在可获得制程受限时，用更多芯片、更大互联域和系统协同补偿单芯片差距。2025 年昇腾 384 超节点交付，2026 年昇腾 950 超节点真机亮相。

NVIDIA 的结构性壁垒

Rubin NVL72 把 GPU、CPU、NVLink 6、网络、DPU 与软件作为机架级平台交付；CUDA 只是其中一层。

13 · SUPPLY CHAIN

制造约束不是“差一代制程”这么简单

前道制造

逻辑制程影响密度、功耗与频率，但设计、良率和可获得产能同样关键。

HBM 与封装

大模型加速器需要高带宽存储、2.5D/3D 封装、基板与先进测试；任何一环都可能成为瓶颈。

互联与光电

Scale-up 交换芯片、SerDes、光模块、网卡和协议决定多卡效率。

服务器与电力

高功耗模组要求液冷、供电、机柜与数据中心改造，交付不再只是板卡采购。

EDA 与 IP

先进设计依赖工具链、接口 IP、验证与封装协同；出口规则可触及软件密钥与服务支持。

备货与现金

为防断供而提前备货会增加存货、减值与现金压力；创业公司尤其脆弱。

Chiplet 能改善良率、产品组合和复用，但不能凭空消除 HBM、互联、先进封装和软件协同的约束。
14 · EXPORT CONTROLS

外部约束如何改变国产 GPU 的竞争函数

华为进入美国实体清单；国产 AI 算力从“备选”变为供应安全问题。

BIS 首轮先进计算与半导体制造规则，既限制高端芯片，也限制先进逻辑/存储制造设备与相关支持。

规则加入性能密度等新指标并扩大规避限制；壁仞、摩尔线程相关实体被列入实体清单。

规则继续扩展至制造设备、软件密钥、代工与封装尽调，产业链合规成本上升。

BIS 发布涉及特定昇腾芯片的风险指引，说明管制影响可能延伸到第三国使用与交易判断。

两面效应：短期为国产芯片创造被动替代窗口；长期也限制国产厂商取得先进制造、EDA、IP、HBM 与代工服务。
官方来源：BIS 2022、BIS 2023、实体清单新增。
15 · HUAWEI ASCEND

华为：最接近“国产 AI 基础设施平台”的厂商

护城河

  • 芯片、CANN、torch_npu、MindSpore、服务器、超节点、云服务与行业销售一体化。
  • 华为 2025 年报披露：昇腾开发者超过 400 万，鲲鹏/昇腾伙伴超过 9,800 家。
  • 2026 年 7 月披露：昇腾 384 超节点全球部署 750+ 套，覆盖 20 多个行业。
  • CANN 已推进开源开放，降低“黑盒软件栈”顾虑。

需要冷静看的地方

  • 官方未单独披露昇腾芯片收入、毛利率与可比市场份额。
  • 系统总算力强，不代表单芯片在功耗、显存和良率上已追平国际最先进产品。
  • torch_npu 是 PyTorch 外部后端插件，不等于 CUDA 式原生主导地位。
  • 大规模交付的真实利用率、故障率与客户复购仍是关键证据。
华为的策略不是等待单芯片完全追平，而是用系统工程先把可用算力做大。
来源：华为 2025 年报、昇腾 950 超节点、Ascend torch_npu。
16 · HYGON

海光：CPU＋DCU 的“通算—智算协同”路线

技术遗产

迁移习惯更接近 GPGPU

海光 DCU 采用 GPGPU 架构，强调全精度计算、高带宽内存与良好软件兼容性。

商业基础

服务器生态是优势

海光 CPU 已形成服务器存量和渠道，DCU 可与 CPU 形成平台组合，而非孤立卖卡。

最新进度

深算三号已投入市场

公司 2025 年末公开答复称深算三号已投入市场，深算四号研发进展顺利。

分析限制：2025 年 143.77 亿元是海光整体收入，不能直接归因于 DCU。判断 DCU 竞争力需要看分产品收入、卡量、实际负载与集群指标，而这些公开披露有限。
来源：海光信息 2025 年报。
17 · CAMBRICON

寒武纪：从技术公司跨入规模化经营验证

64.97 亿

2025 年营业收入，同比增长 453.21%。

20.59 亿

2025 年归母净利润，首次实现年度扭亏。

真正重要的变化

年报披露产品在运营商、金融、互联网、大模型等场景规模部署，并持续支持 DeepSeek、Qwen、vLLM、强化学习与分布式训练组件。这比一张参数表更能说明生态进展。

为何仍不能下“全面领先”结论

  • 收入大增可能受头部客户、采购节奏和供给窗口影响。
  • 公司未在年报中完整公开最新芯片型号与可比性能。
  • 网络流传的 MLU590 显存、算力、制程数据缺乏统一官方规格表。
  • 需要继续观察 2026—2027 年复购、毛利、应收和现金流。
来源：寒武纪 2025 年报、思元 370 官方页。
18 · HYPERSCALER SILICON

昆仑芯与阿里：最强的不是渠道，而是“自留地”

昆仑芯 P800

百度负载驱动

官方披露 P800 万卡集群已点亮，并面向 DeepSeek 的训练与推理优化。搜索、推荐、百度云与大模型形成持续调优场景。

外部市场正在扩大，但独立审计收入、客户结构与盈利数据公开度仍有限。

阿里真武 M890

云＋模型＋芯片协同

阿里 2026 年官方披露 M890、ICN Switch 1.0 与 SAIL 软件栈，支持 FP32 到 FP4，并面向 64 加速器全带宽互联。

原文所列“倚天 710”应移出 AI 加速器表；它是服务器 CPU。

商业逻辑：云厂芯片不必先说服外部市场。只要能降低自身算力成本、保障供给并优化核心负载，就能产生内部回报；随后才考虑对外开放。
来源：昆仑芯 P800、阿里真武 M890。
19 · GENERAL-PURPOSE GPU

摩尔线程与沐曦：两条“主流 GPU 迁移”路径

摩尔线程 · MUSA

全功能是差异化，也是负担

  • S5000 基于 PH100，覆盖 FP8—FP64、训练、推理、HPC 与媒体。
  • MUSIFY 等工具强调 CUDA 源码迁移，适配 PyTorch、vLLM、SGLang。
  • 2025 年收入 15.05 亿元，同比增长 243.37%。
  • 图形、计算、媒体同时建设，软件面更宽、研发负担更重。
沐曦 · MXMACA

聚焦数据中心 GPGPU

  • C500 配备 64GB 高带宽显存；C600 面向国产供应链与 128 卡超节点。
  • MXMACA 强调兼容主流 GPU 生态，产品集中于智算与通用计算。
  • 2025 年收入 16.44 亿元，GPU 累计销量超过 5.5 万颗。
  • 仍亏损 7.89 亿元，研发投入占收入 62.49%。
来源：MTT S5000、摩尔线程 2025 年报、沐曦 C600、沐曦 2025 年报。
20 · SCALE & CUSTOM WORKLOADS

壁仞与燧原：高端路线与大客户路线

壁仞

设计野心大，供应链冲击也最典型

BR100 代表高端 GPGPU＋Chiplet 路线；2023 年相关实体被列入实体清单。2025 年收入 10.35 亿元、同比增长 207.2%，但仍处商业化早期。

2025 年巨额会计亏损包含可赎回负债等公允价值影响，不能只看净亏损绝对值；更应看经调整亏损、现金与订单。

燧原

腾讯是试验田，也是集中风险

公司自研多代云端 AI 芯片、加速卡、TopsRider 与集群。2025 年收入 9.90 亿元，但招股书披露对腾讯相关销售占比非常高。

大客户深度共创能快速打磨产品；若无法复制到其他客户，也可能形成定制依赖。

生存分水岭：从“为一个大客户做深”转向“把一个大客户验证过的能力复制给十个客户”。
来源：壁仞招股书、壁仞 2025 年报、燧原招股书。
21 · ILUVATAR COREX

天数智芯：从“国产首批量产 GPGPU”走向复购验证

10.34 亿

2025 年总收入，同比增长 91.6%。

9.23 亿

GPGPU 产品收入，占总收入 89.3%。

340+

截至 2025 年末累计服务客户，部署项目超过 1,000 项。

相对优势

  • 天垓训练＋智铠推理形成双线，而非单一产品。
  • 2025 年训练系列收入 5.84 亿元，推理系列 3.39 亿元。
  • GPGPU 毛利率 55.0%，已具备较清晰产品收入结构。
  • 港股上市后，财务与客户信息透明度明显提高。

接下来真正要看

  • Gen 2 是否形成持续复购，而非消化 Gen 1 库存。
  • 推理产品降价换份额后，毛利率能否稳定。
  • 客户数增长能否转化为头部客户与大集群订单。
  • 研发投入、现金消耗与下一代产品节奏能否匹配。
判断：天数智芯已经跨过“有没有产品”的阶段，当前命题是“能否从项目型增长升级为平台型复购”。
来源：天数智芯 2025 年业绩、官方产品页。
22 · JINGJIA MICRO

景嘉微：不能按“大模型训练卡”评价的老牌 GPU

它真正擅长的

  • 从 JM5400 起长期深耕专用图形显示与信创。
  • JM9、JM11 面向图形渲染、云桌面、GIS、CAD、虚拟化等。
  • 与国产 CPU、操作系统、整机和行业客户适配积累较深。
  • 2025 年收入 7.20 亿元，同比增长 54.41%。

它正在扩展的

  • 景宏系列向 AI 训练、AI 推理和科学计算延伸。
  • 但图形 GPU、边端 AI SoC 与云端大模型加速器的评价体系不同。
  • 短期应看信创图形放量；中长期再看智算产品是否形成独立收入。
把景嘉微放在“第三梯队 AI 芯片”里，是低估了它的专用图形壁垒，也高估了它与云端训练卡的直接可比性。
来源：景嘉微定期报告、景嘉微 2025 年年报。
23 · GAP ANALYSIS

与国际标杆的差距：七个维度，不是一句“差两代”

单芯片能效
制程、架构、HBM
显存与带宽
HBM 供给是核心
Scale-up 互联
华为进展突出
编译器与算子
长尾算子仍是差距
框架与模型时效
主流模型适配加速
集群工程与 RAS
规模放大暴露问题
开发者与 ISV
CUDA 复利最难复制

五格为定性示意，表示国产头部相对国际最先进平台的成熟程度，不是统一测试分数。不同厂商在各维度差异很大。

最难追的不是 FLOPS：NVIDIA 2025 年披露 CUDA 生态超过 600 万开发者、4 万家公司；2026 年 Rubin 又把竞争推进到机架级平台与 NVLink 6。
来源：NVIDIA 2025 年度回顾、Rubin 官方发布、AMD ROCm 7。
24 · SURVIVAL GATES

国产 GPU 创业公司的“六道生存门”

流片门　芯片点亮、良率与量产可行
软件门　主流框架、算子、调试与性能工具
场景门　至少一个高频真实负载跑通
集群门　从八卡扩展到百卡/千卡仍稳定
复购门　客户不是一次性政策采购
现金门　下一代芯片量产前不耗尽资本
“发布会成功”只意味着过了第一道门；真正的死亡往往发生在软件、复购和下一代产品之间。
25 · 2026—2030

未来五年：三种可能格局

基准情景 · 概率最高

平台型＋场景型并存

华为保持系统领先；寒武纪、海光形成第二极；数家 GPGPU 公司在互联网、运营商、金融、HPC 与图形市场各自生存。

行业通过并购、代工合作、软件联盟和公共生态逐步整合。

乐观情景

开放生态形成正循环

CANN、MUSA、MXMACA 等与 PyTorch/vLLM 深度融合，国产 HBM、封装和互联改善，外部客户复购上升。

国产平台从政策替代转向性能/成本驱动。

压力情景

供给与资本双重收缩

先进制造和 HBM 受限，行业订单向华为、寒武纪和云厂集中；中小厂商因研发现金流断裂被收购或退出。

“其他厂商份额归零”不是自然规律，而可能是融资与供应链共同挤压。

我的判断：市场不会长期容纳十多套彼此割裂的底层软件栈。硬件仍会多元，但上层框架、算子接口、通信与运维工具必须逐步标准化或互通。
26 · BUYER DUE DILIGENCE

企业采购国产算力，别从“峰值算力”开始

第一步：锁定工作负载

  • 训练、微调、预填充、解码还是传统推理？
  • 模型、参数规模、上下文长度、并发与精度要求？
  • 现有代码、自定义算子与第三方库依赖？

第二步：做端到端 POC

  • 比较 tokens/s、首 Token 延迟、吞吐/瓦、吞吐/元。
  • 记录迁移人天、精度差异、崩溃、算子回退和调优时间。
  • 至少做 72 小时稳定运行，不只跑一次 Benchmark。

第三步：核算三年 TCO

  • 卡、服务器、网络、存储、液冷、电力和机房改造。
  • 软件许可、工程师、厂商驻场、升级和停机成本。
  • 供应保障、备件、质保与下一代兼容性。

第四步：设置退出机制

  • 容器、模型格式、数据与 API 尽量保持可迁移。
  • 约定版本支持、缺陷修复、性能验收与交付里程碑。
  • 避免把核心业务锁死在单一私有工具链。
27 · INVESTMENT LENS

投资判断：看十个证据，少看一张参数表

维度最值得追踪的证据危险信号
产品量产良率、连续供货、下一代按时流片发布多年仍以“即将量产”为主
客户复购率、生产负载、前五大客户变化单一客户或关联客户占比持续上升
软件模型 Day-0 适配、算子覆盖、迁移人天只讲“兼容”，不披露版本与限制
集群规模、MFU、故障率、训练成功率、利用率只公布理论线性度或内部测试
财务芯片收入、毛利、现金流、应收、存货收入增长但现金与应收恶化
供应链晶圆、HBM、封装、基板的多源与库存关键环节单一来源、预付款高企
估值以可验证收入、毛利与产品周期对照用远期“国产替代空间”替代现金流
针对天数智芯的关键跟踪项：Gen 2 复购、训练/推理收入结构、推理毛利率、头部客户与大集群订单、经营现金流，以及下一代产品节奏。

本页是研究框架，不构成证券买卖建议。

28 · ONE-PAGE MEMORY

一页记住国产算力格局

平台型

华为 芯片＋软件＋超节点＋云＋行业交付

海光 CPU＋DCU＋服务器生态

寒武纪 AI 芯片＋基础软件＋规模收入

云厂型

昆仑芯 百度负载、P800、内外部市场

阿里真武 阿里云＋Qwen＋M890＋SAIL

GPGPU / 全功能突围型

摩尔线程、沐曦、壁仞、天数智芯：共同命题是迁移、集群与复购；各自差异在全功能、供应链、系统规模和客户结构。

场景型

燧原 互联网大客户深度共创

景嘉微 专用图形与信创根基，向智算延伸

判断一家公司，不问“它能不能造卡”，而问：它能不能让客户用三年、持续升级、稳定复购。
29 · METHODOLOGY

这份手册如何处理不确定性

A

高可信

审计年报、交易所招股书、监管文件、官方产品规格与开源仓库。

B

可用但需限定

公司发布会、性能白皮书、公司自测与合作伙伴案例；必须保留测试条件。

C

只作线索

媒体爆料、产业链访谈、拆解和券商预测；不可包装成官方事实。

30 · SOURCES

主要公开来源

  1. 华为 2025 年年度报告
  2. 昇腾 950 超节点真机亮相
  3. Ascend Extension for PyTorch
  4. 海光信息 2025 年报
  5. 寒武纪 2025 年报
  6. 寒武纪思元 370 官方页
  7. 昆仑芯 P800 官方进展
  8. 阿里真武 M890 官方发布
  9. 摩尔线程 MTT S5000
  10. 摩尔线程 2025 年报
  11. 沐曦曦云 C600
  12. 壁仞科技招股书
  13. 壁仞科技 2025 年报
  14. 燧原科技招股书
  15. 天数智芯招股书
  16. 天数智芯 2025 年业绩
  17. 景嘉微定期报告
  18. BIS 2022 年先进计算管制
  19. 2023 年实体清单新增
  20. NVIDIA Rubin 官方发布
  21. NVIDIA 2025 年度回顾
  22. AMD ROCm 官方文档
更新说明：芯片行业变化极快。产品路线、出口规则与财务数据应以阅读时最新公告复核；本文的“当前”统一指 2026 年 7 月 26 日。