一、GPU并行计算能力适用于AI 训推需求，大模型发展催化GPU需求

（一）GPU 擅长并行计算，适用于AI 计算加速

GPU不仅仅负责图形处理，也能负责通用计算。GPU，图形处理器（GraphicsProcessingUnit），又称显示核心、视觉处理器、显示芯片，是一种在个人电脑、游戏设备、移动终端中负责图像和图形运算的处理器芯片。因其具有出色的数学计算能力，一些学者开始将其用于粒子模拟、电路仿真、计算生物学等诸多目的。后来，这些被用于通用计算目的的GPU 被称为GPGPU（General Purpose GPU）。2007 年英伟达正式推出基于C 语言、能打通主机端和设备端的CUDA架构之后，所有的GPU都能够转化为GPGPU，为设备进行各种复杂计算提供算力支撑。

GPU的高速计算能力来源于大规模并行处理架构。GPU由大量简单核心构成，这些核心并非独立工作，而是被组织成强大的计算阵列，能够同时对海量数据执行相同的简单操作，从而实现减少计算机运行多个程序所需的时间。正是这种独特的并行架构，让GPU成为了驱动现代及未来尖端科技发展的核心引擎。以机器学习(ML)  和人工智能(AI)领域为例，模型训练均涉及海量矩阵与张量运算。这些正是GPU能够并行处理的理想任务，训练时间因此从数月缩短至数天。

在服务器成本中，GPU占据核心部分。从成本占比看，以英伟达DGXH100  为例，8GPU+4NVSwitch 基板在服务器总成本中占比达72.62%。在数据呈指数增长、CPU 迭代放缓的当下，GPU 加速计算优势凸显，是现代高性能计算服务器的核心零部件。

当前共有四种AI 计算加速芯片技术架构，GPU为目前大模型训练及推理主力。在技术构架角度，AI 计算加速芯片可分为GPU、FPGA（FieldProgrammableGate Array，可编程逻辑门阵列）、ASIC（ApplicationSpecificIntegratedCircuit，专用集成电路）和NPU（Neural ProcessingUnit，神经网络处理器）。在当前阶段，相较于ASIC 和FPGA，GPU在通用计算性能、开发友好性上更具优势，也比处于探索阶段的NPU更为成熟。因此，GPU 成为大模型训练和推理领域的主力。未来随着经济社会进步和AI 技术的深入发展，更多专业化的AI 计算加速芯片也会进入市场。

（二）GPU 产业链价值集中在中游，AI芯片需求拉动GPU市场规模增长

GPU 产业链的上游包括设计芯片所需的EDA 软件、IP 模块等，以及制造所需的材料和设备。EDA 软件和IP 模块等产品为芯片设计提供工具支持，部分设计厂商如英伟达具备自主开发能力，进一步提升了其在产业链中的地位。在高端GPU的生产原料中，最关键的是高纯度硅晶圆，此外还需要光刻胶、蚀刻液、铜线等多种材料。在GPU制造设备中，光刻机和检测设备最为重要，仅有个别厂商能够生产高水平光刻机。以极紫外（EUV）光刻机为例，荷兰的ASML近乎实现了垄断。后续GPU制造的产能和良率依赖高水平制造设备的供给。

GPU 产业链的中游是附加值最高的环节，包括设计和制造两大方面。GPU  设计呈现出“一超多强”的多元化态势。行业领导者英伟达以 CUDA生态构筑了极高壁垒，TechInsights 数据显示2023 年全球数据中心GPU总出货量达到385万颗，英伟达以98%的市场份额稳居第一，与2022 年的市场份额相近，几乎垄断了整个市场。此外，AMD与英特尔的GPU 产品也在PC市场占有重要地位。GPU 制造指从晶圆制造到芯片封装、测试的过程。设计商设计的高端GPU芯片需要专业晶圆厂来代工（即采取Fabless 模式，与自研自产自售的IDM 模式相对）。代工厂中，台积电与三星Foundry 在高性能GPU制造领域占据技术优势。在晶圆流片完成后，芯片进入封装与测试阶段。日月光（ASE）等全球领先封测企业运用球栅阵列封装、系统级封装等多种先进封装技术，将GPU 裸片集成至显卡或服务器模块中，并为下游系统集成提供接口支持。

在GPU  产业链下游，系统制造商将产品发往诸多终端应用。下游中，分销商负责销售GPU，系统制造商负责将GPU集成到终端产品中并交付给品牌商。最终的应用下游包括个人消费、云计算与数据中心、汽车与工业控制以及科研等领域。在个人消费市场，GPU是游戏主机与PC的标配，华硕、技嘉等厂商基于NVIDIA与AMD芯片制造显卡。随着AI 技术发展，谷歌、亚马逊等云厂商大规模部署GPU集群以支持大模型训练与推理。在智能汽车与工业领域，GPU 应用逐步拓展，伴随自动驾驶与物联网发展潜力显著。科研与专业计算领域，高性能计算、工程仿真与影视渲染等场景同样高度依赖GPU。

2020 年至2029 年，世界及中国的GPU市场规模持续大幅增长。过去五年，全球AI算力需求激增使GPU市场爆发式增长，据弗若斯特沙利文测算，2024  年全球规模达10,515.37 亿元，英伟达等企业凭借生态与技术优势占据主导。同期，中国GPU 产业也快速成长，规模从2020 年的384.77 亿元增至2024 年的1,638.17 亿元，其中AI智算GPU增速尤为显著，从142.86亿元增至996.72亿元，年均复合增长率达62.5%。展望未来，中国在全球AI市场影响力将随着技术突破不断提升。预计到2029 年，全球GPU市场规模将达36,119.74 亿元，中国占比由2024 年的15.6%提升至37.8%，规模达13,635.78 亿元。AI智算GPU仍将是增长核心，预计2029年达10,333.40亿元，期间年均复合增长率56.7%；桌面级产品亦稳步发展，预计从2024 年的641.45 亿元增至2029 年的3,302.38亿元。

中国AI下游应用市场扩张带动的AI计算加速芯片需求扩张中，GPU仍为主导。根据弗若斯特沙利文预测，中国AI 计算加速芯片市场规模将从2024 年的1,425.37 亿元增至2029 年的13,367.92 亿元，其中，2025 年至2029 年期间年均复合增长率为53.7%。从AI计算加速芯片的细分市场上看，GPU的市场增长速度最快，其市场份额预计将从2024年的69.9%进一步提升至2029年的77.3%，市场规模达到10,333.40亿元。在这些用于AI智算（计算口径包括数据中心端、边缘计算端及其他云计算端）的GPU的市场中，数据中心GPU是增长主力，其规模从2020 年的82 亿元猛增至2024 年的687.22 亿元，年均增速高达70.1%。预计未来它仍将保持55.7%的高增长，到2029 年达6,639.16 亿元。与此同时，包含边缘与云计算在内的其他AI 智算产品也将快速扩张，预计以58.8%的增速在2029 年达到3,694.24 亿元。

（三）Scaling Law 依旧成立，大模型的发展需要GPU 提供海量算力

人工智能取得突破性进展，多模态大模型涌现。十年前，世界上最好的人工智能系统也无法以人类的水平对图像中的物体进行分类。如今，人工智能已在多项基准测试中实现了超越人类能力的性能水平。据斯坦福大学在《ArtificialIntelligenceIndexReport2024》统计，人工智能分别在2015、2017、2020、2021 年在图像分类、基本阅读理解、视觉推理和自然语言推理任务中超越人类表现。2023 年，人工智能聊天机器人ChatGPT、AI 编程工具GitHubCoPilot 和图像生成系统StableDiffusion  等生成式人工智能应用和工具产品涌现，为文本创建、图像生成、代码生成以及研发流程等工作带来全新的智能体验。2025年8月，ChatGPT-5 在数学、实际程序设计、多模态理解和健康领域的基准测试中全面刷新最高记录，并在GPQA中取得88.4%的高分，创下SOTA 新纪录。

大语言模型进化遵循Scaling law法则，能力提升依赖于海量算力供给。大语言模型的性能遵循ScalingLaw  法则。即在固定的模型架构下，模型的最终性能主要与计算量、模型参数量和训练数据量相关。当保持其中两个因素不变时，提升第三个因素，模型的测试损失会以可预测的幂律形式下降。据OpenAI 等机构研究，训练阶段的Scaling Law已得到充分验证；同时，模型在各类下游推理任务上表现出的能力，也展现出类似的缩放规律。未来，随着AI大模型向多模态、强推理、数据合成等方向演进，算力将继续作为核心驱动力，推动模型能力不断突破，并加速AI 应用的广泛落地。

二、海外巨头持续加码AI 投入，英伟达占据全球主导地位

（一）AI 投入产出实现闭环，海外巨头坚定AI 投资信心

大模型在应用端的表现仍然在显著进步，为其市场发展奠定基础。2025年11月，谷歌发布Gemini3 和NanoBanana2，较其他同类产品具有明显优势。与Gemini 2.5 Pro、ClaudeSonnet4.5、GPT-5.1 相比，Gemini3 在学术推理、视觉推理谜题、具有挑战性的数学竞赛题、多模态理解与推理、屏幕理解等方面的能力出现了突破性的进步。Nano Banana2 在推理能力、编辑中保留文本、空间理解、编辑一致性等方面也有了明显的提升。大模型应用能力的开拓引领新的终端需求，为厂商的盈利能力提升提供保障。

大模型深入渗透日常生活和工作场景，活跃用户数量不断攀升。随着大模型应用的开发，AI在内容生成、信息管理、智能决策、Agent等方面的能力在聊天服务、编程开发、教育培训、广告投放等领域得到应用落地，成为个人和企业提升效率的助力。国际方面，2025年10月ChatGPT周度活跃用户突破8 亿（DeepTech深科技转引自openAI开发者大会）；谷歌浏览器的AI模式月活跃用户已达20亿，Gemini应用目前月活跃用户已达6.5 亿（侃见财经公众号）；专攻企业服务的Anthropic则已经拥有30万企业用户（澎湃新闻转引自新智元）。

Token 调用量保持高速增长，显示出大模型终端推理需求持续向上。Token为大模型处理的最小文字单位，可被翻译为词元，不仅用于衡量大模型处理的任务量，也是最主流的大模型使用计费单位。根据OpenRouter的数据，2024 年以来，各种大模型通过该平台的token 调用量大幅提升，2025 年11月模型token 调用量已达到约25万亿，与10月相比提升了约5万亿。在具体模型上，x-ai 旗下大模型Grok CodeFast 1 异军突起，月度token调用量约5.5万亿；Antropic 旗下ClaudeSonnet 4.5的调用量为2.4万亿；谷歌旗下多款大模型位居月度token 调用量前10的大模型之列，其中Gemini 2.5Flash 调用量最多，约为1.6万亿。

Token 调用量的大幅增加是大模型功能突破与AI 赋能业务的结果。谷歌季度电话会议披露，2025 年，谷歌的月度Tokens 调用量从5月的480万亿大幅上升至7月的980万亿，并在10月爆发式增长至1300万亿，提升节奏与谷歌Gemini 2.5、NonaBanana 等产品的更新步调一致。在搜索领域，AI  概览功能和AI Mode 通过提升回答质量显著提升了用户搜索量。2025 年12月，谷歌宣布旗下GeminiAI  的深度研究模式（in-depth research mode），现在已支持中文等40  多种语言，已向GoogleOne AI   高级计划用户开放，从而提供强大的AI研究辅助能力。

与token 量的激增同步，大模型用户在向付费用户转化，有望实现AI 投入闭环。大模型面世以来，个人与企业逐渐养成付费模型的使用习惯。据财联社报道，截至2025 年7月，约3500万人付费订阅了ChatGPTPlus或Pro 服务，其月费用一般分别为20美元和200美元；到2030年，预计至少有2.2 亿人将为ChatGPT 付费。Alphabet 公布的2025三季度财务数据表示，该季度谷歌营业收入约为1023.5  亿美元，同比增长16%；净利润为349.8 亿美元，同比增长33%；其中，在大模型主要涉及的广告、搜索和云业务板块，谷歌分别收入742、565.6、151.5 亿美元，同比分别增长9.9%、15%、35%，大模型的收入提升能力凸显。收入的增加将驱动大模型供应商继续优化模型服务，推动大模型投资与发展进入良性循环，进而带来算力需求的持续扩张。

AI算力成为此轮AI 发展的核心驱动力，海外大厂加快算力基础设施建设。ChatGPT掀起新一轮的AI发展浪潮，大模型的性能遵守Scalinglaw法则即大模型的最终性能主要与计算量、模型参数量和训练数据量三者的大小相关，AI算力成为此轮AI发展的核心驱动力。北美科技巨头纷纷加码AI 相关投入，投资于数据中心、服务器和网络设备等基础设施。CY2025 前三季度北美云厂商Meta、亚马逊、谷歌、微软CapEx总和达2574.2亿美元（YoY+65%），已超过2024 全年总和。

海外云厂商25 年资本开支指引乐观，算力需求热度高涨。从海外云厂商对未来资本指引情况来看，北美三大云厂商2025 年资本开支指引增幅均在50%以上。其中谷歌表示2025年资本开支将达910-930 亿美元（YoY+73.2%-77.0%），开支主要用于服务器和数据中心的AI  领域投资。Meta 预计25 年资本开支700-720 亿美元（YoY+87.9%-93.3%）,未来数年还将投入数千亿美元用于人工智能基础设施。亚马逊25年资本开支指引高达1250亿美元（YoY+50.6%）。

北美巨头战略合作坚定AI 投资信心。2025 年以来北美巨头英伟达、微软、OpenAI、Oracle等陆续签订投资+战略合作事项，坚定AI 投资信心，如英伟达 2025年9月宣布对OpenAI  1000亿美金投资计划，支持OpenAI 建设10GW 数据中心。

（二）英伟达占据全球主导地位，硬件与CUDA 生态共筑深厚壁垒

GPU的核心性能指标主要包括核心数量、工作频率、显存容量、显存带宽、计算能力与精度覆盖范围。GPU的核心数量越多，在处理任务时就能够同时处理更多线程，不仅能够显著提升性能，也能分摊工作负载。GPU的并行计算性能通常以GFLOP/S（每秒十亿次浮点运算）表示，更高的计算能力代表着更快的运算速度和更高的产出。对于AI 加速计算，GPU的计算精度覆盖范围也很重要，能够支持多种精度水平的GPU不仅具备更高的灵活度，也能在多样化的AI  任务中实现更佳的性能与能效。

英伟达处于全球GPU  市场领先地位。英伟达（NVIDIA）总部位于美国加利福尼亚州，自1993年成立起就专注于GPU的设计开发，形成了强大的实力和竞争壁垒。根据泡泡网转载的Jon PeddieResearch的报道，在PC（个人电脑）领域，2025 年二季度英伟达独立显卡的市场份额达到94%，断崖式领先于AMD及其他厂商。随着大模型训练推理需求的兴起，英伟达凭借领先的GPU 产品和生态在AI领域进一步称霸市场。

在数据中心GPU  市场，英伟达一家独大且保持高速增长。据蓝鲸科技报导，在以GPU芯片为主导的AI数据中心市场，英伟达占据了90%以上的市场份额。在过去四个财季中，英伟达的总收入从Q4 FY25的393.3 亿美元上涨到Q3 FY26（截至2025 年10月26日）的570.1 亿美元，Q3同比提升62.5%。其中，数据中心业务收入从355.8 亿美元提升至512.2 亿美元，Q3同比增长约66.4%，是整体业务增长的核心驱动力。按季度划分，数据中心业务在总收入中的占比分别约为90.5%、88.8%、87.9%、89.8%，显现了市场对于数据中心GPU 产品有着强盛需求。此外，英伟达在数据中心方面仍有充足订单。公司首席财务官（CFO）科莱特·克雷斯（ColetteKress）披露了一组令人瞩目的数据：目前可见至2026 年底，仅Blackwell 和Rubin两大AI 加速平台就将为公司带来约5000 亿美元的可见收入。

英伟达GPU 产品AI智算性能不断革新，GB300专为推理任务打造。A100兼具大模型推理和训练性能，在此基础上，H系列训练和推理计算性能均大幅提升，GB系列进一步提升。据英伟达官网，GB200的LLM 推理性能是H100的30 倍，训练性能是H100的4倍，此外还通过液冷式机柜设计使得节能效果是H100  的25  倍。英伟达GB300  采用NVIDIABlackwell Ultra GPU，相较于NVIDIABlackwell GPU，其密集FP4 Tensor  核心FLOPS高出1.5  倍，注意力效能高出2  倍，专为测试阶段扩展推理与AI  推理任务而打造。

CUDA 编程工具可大幅降低开发门槛，构建其在AI 智算领域的护城河。CUDA（Compute UnifiedDeviceArchitecture）是一套英伟达提供给开发人员的编程工具。它连接主机端和设备端，使得工程师能够直接调用GPU，用其并行结构高效运行计算任务，而无需直接编写底层硬件控制代码。通过CUDA，开发者可以使用C++等高级编程语言来编写复杂的并行算法，充分利用GPU的计算能力来加速实现大模型训练和推理。此外，CUDA 还提供了丰富的库和工具集，帮助开发者即使不深入底层硬件也能进一步优化程序性能，从而高度简化开发流程、提高开发效率。从2007 年发布以来，CUDA 都只能在英伟达平台上使用。

三、国产奋起力争自主可控

（一） 国内 GPU 厂商加速追赶，国产替代星辰大海 

AI 热潮下，GPGPU国产替代如火如荼。美国不断升级对华限制导致英伟达高端GPU 在中国市场供应几乎被完全切断。在市场空缺和国家战略的双重刺激下，国产GPU 企业迎来历史性发展机遇。当前，寒武纪、海光信息、摩尔线程、沐曦股份等国内厂商推出多款AI智算芯片产品，并逐步追赶国际领先标准。

（1）华为昇腾：自研达芬奇构架，昇腾910 持续更新

华为持续研发昇腾系列商用GPU 产品，力争自主可控。华为全资控股的子公司海思科技专门从事半导体及器件设计，2018 年华为发布昇腾310（12nm，终端低功耗，最大功耗8W）和昇腾910（7nm，云端高算力，可组成Ascend  集群）两款AI芯片，均基于达芬奇架构。后续的昇腾910B  基于7nm+EUV工艺与32 核自研架构，支撑千亿参数大模型训练，已实现规模化落地。基于华为昇腾系列AI 处理器和基础软件，华为构建Atlas 人工智能计算解决方案，包括Atlas系列模块、板卡、小站、服务器、集群等丰富的产品形态，打造面向“端、边、云”的全场景AI 基础设施方案，覆盖深度学习领域推理和训练全流程。

（2）寒武纪：聚焦人工智能，MLU590 表现亮眼

寒武纪围绕人工智能发展四大产品线。寒武纪成立于2016 年，专注于人工智能芯片及基础系统软件的研发设计，形成云端、边缘端、IP 授权及软件、智能计算集群系统核心业务布局。近年公司云端产品线（包括智能芯片、加速卡及训练整机）持续深化与互联网及大模型头部企业的技术合作，产品在自然语言处理场景实现批量出货。边缘端产品聚焦智能制造、智能驾驶等低延时场景，IP 授权及软件平台提供跨云边端一体化开发工具，智能计算集群系统为AI 应用部署提供整体解决方案。

AI芯片产品矩阵更新引领国内行业突破。据北方算网公众号数据，思元590 基于7nm工艺打造，支持云端和端侧应用，具备314TFLOPS（FP16）的峰值算力、80GB 显存和高达2TB/s的带宽。在分布式计算和大规模模型训练任务中表现尤为突出。其架构具有端云一体的可扩展性，以TP（TensorProcessor）和MTP（MultiTensorProcessor）作为最小扩展单元：TP适用于单个IPU 核心，适合低功耗的端侧应用；MTP则由多个IPU 核心组成的Cluster，面向高性能的云端任务，可通过单机多卡或多机多卡的MLU-Link集群实现并行加速，满足云端AI计算和分布式任务的多样化需求。MLU590的设计在性能、灵活性和扩展性之间达到了良好平衡，是AI 训练和推理的重要选择。为满足更多元化的市场需求，寒武纪在2024 年11月推出MLU370-X4，主打高性价比AI 加速方案。相比MLU590，它的FP16算力为96TFLOPS，配备24GBLPDDR5内存，内存带宽307.2GB/s，最大设计功耗150W。这款新品在延续寒武纪技术优势的基础上，以更低功耗和适中性能，为中低端AI 推理任务提供了新选择，拓宽了寒武纪产品的应用场景。

（3）海光信息：CPU、DCU 双线发展，深算三号进展顺利

海光业务以商用CPU和DCU为主。海光信息成立于2014年，主营业务是研发、设计和销售应用于服务器、工作站等计算、存储设备中的高端处理器。公司的产品包括海光通用处理器（CPU）和海光协处理器（DCU，GPGPU的一种）。面向企业计算、云计算数据中心、大数据分析、人工智能、边缘计算等众多领域，海光信息提供多种形态的海光处理器芯片，满足互联网、电信、金融、交通、能源、中小企业等行业的广泛应用需求。

公司DCU  采用通用并行计算架构，能够较好地适配、适应国际主流商业计算软件和人工智能软件。海光DCU 基于通用图形处理器设计理念，具有全精度支撑能力，按照代际进行升级迭代，每代际产品细分为8000  系列的各个型号。公司核心产品包括深算一号、深算二号和深算三号。目前深算三号产品进展顺利，海光DCU产品已与互联网、金融、电信等各大行业、企业用户进行了广泛适配，适配效果较好，能够支持人工智能、大数据、云计算等领域的发展。配套的开发工具套件DTK、人工智能基础软件栈DAS 及应用平台DAP 形成的“三驾马车”，可全面覆盖从十亿级到千亿级模型的训练与推理需求，为各行业AI 创新提供一体化支撑。其中，海光DCU具备自主研发的开发工具套件DTK，是目前国内最为完备的生态之一，减少了应用迁移难度。完善的统一底层硬件驱动平台，能够适配不同API 接口和编译器，并支持常见的函数库，在百度、阿里等头部互联网厂商得到认证，并推出联合方案，打造全国产软硬件一体全栈AI 基础设施。

针对AI 行业应用场景，海光DCU已形成多元化落地成果。在科研领域，支撑全球首个L2级高能物理大模型“溪悟”及科研智能体系统“赛博士”实现世界领先的数据分析效率；在医疗领域，与卫宁健康等伙伴合作的医疗AI解决方案已在全国30多个项目落地，为临床诊断、基因分析等提供高效算力支持；在天文领域，处理中国天眼FAST  的海量观测数据时，计算效率较传统CPU 提升超百倍，碳星识别等场景性能表现突出。

（4）摩尔线程：拥有完整GPU 产品矩阵，最新架构“平湖”功能强大

摩尔线程是拥有完整GPU 产品矩阵和解决方案的供应商。摩尔线程成立于2020 年，以自主研发的全功能GPU  为核心，自建MUSA架构，致力于向全球提供加速计算的基础设施和一站式解决方案。公司已成功推出四代GPU架构，并形成了以大模型智算加速卡MTTS4000、大模型训推一体机MCCXD800X1、专业视觉加速卡MTTX300 等产品为代表的多元计算加速产品矩阵，产品线涵盖政务与企业级智能计算、数据中心及消费级终端市场。

摩尔线程最新芯片架构“平湖”AI 智算性能显著提升。2024 年摩尔线程推出第四代芯片架构“平湖”，最大频率提升至2.0GHz，Tensor 核心数量升级为512 个，增加了FP8  精度支持，大幅提升AI  算力。最大显存容量80G，支持更训练更复杂的模型。使用自研MT Codec Gen 3 编解码器，AI 视觉处理编解码效率提升。片间互联带宽800GB/s，摩尔线程基于该芯片支撑面向DeepSeek  类前沿大模型预训练的万卡集群智算中心解决方案。

（4）沐曦股份：打造全栈GPU  芯片产品，曦云C500  已实现量产

沐曦股份是拥有全栈开发能力的GPU 供应商。沐曦股份成立于2020 年，致力于自主研发全栈高性能GPU  芯片及计算平台，主营业务是研发、设计和销售全栈GPU 产品，并围绕GPU  芯片提供配套的软件栈与计算平台。公司产品采用自主研发的GPUIP  和指令集、统一的GPU  计算和渲染架构，形成了由用于AI 智算的曦思N  系列，用于推训一体和通用计算的曦云C系列，以及用于图形渲染的曦彩G系列构成的GPU产品体系和自主开放的软件生态，以满足“高能效”和“高通用性”的算力需求。公司产品涵盖了计算（包括训练、推理、通用计算）和渲染的全场景，并已实现多款高性能GPU  产品的量产销售。

公司曦云C500  适用于大模型训练及推理任务，已实现量产。曦云C500采用公司自研的XCORE 1.0  架构及指令集，面向云端人工智能训练与推理、通用计算、AI for Science等计算任务。芯片拥有标量、矢量和张量计算单元，支持多种混合精度计算；采用HBM2e显存，显存容量64GB；支持卡间高速互连。基于MetaXLink互连技术，公司的单颗芯片产品拥有7 个高速MetaXLink  互连接口，具备超多卡互连能力，支持千亿参数以上规模AI  大模型训练算力集群建设。自研MXMACA  软件栈适配主流算法框架、运算库、通信库、操作系统、编程语言、调试和运维管理工具等，编程接口在API 层面实现了对CUDA生态的高度兼容。

（二）GPU 供应商主攻路线各有差异，沐曦/摩尔线程指引有望于26/27 年陆续转盈

从各公司创始团队及核心成员来源来看，寒武纪核心创始成员均来自中科院计算所，海光信息核心高管大部分来自中科曙光，摩尔线程创始成员来自英伟达，沐曦股份创始成员多数来自超威半导体。作为高技术壁垒的GPU 行业供应商，公司创始成员及核心技术人员的来源往往决定了公司的技术基础并决定了未来发展路线。

从国产四大GPU 上市公司产品路线及收入规模来看，海光信息CPU 产品贡献主要营收，由于信创对于国产化强需求，信创CPU 产品带动整体收入实现较快起量，因此海光目前收入规模最高；寒武纪深耕AI 智能芯片，收入放量强依赖于互联网客户验证及部署进程，因此收入在25年实现爆发式增长。摩尔线程和沐曦股份均提供通用GPU产品，覆盖人工智能计算、图形处理等多领域，目前AI 领域仍贡献主要收入。但由于摩尔线程和沐曦成立时间较短，目前仍处于商业化落地前期，收入规模相对较小。

海光信息：公司产品包括海光通用处理器（CPU）和海光协处理器（DCU），其中CPU营收占比较大。海光CPU系列产品兼容x86  指令集以及国际上主流操作系统和应用软件，具有较强的系统兼容性和安全性，已大规模应用于电信、金融等信创领域，由于重点信创领域起量对安全性要求刚需、起量相对较快，因此海光信息整体收入规模较大。

寒武纪：公司主要产品为应用于云服务器、边缘计算设备、终端设备中人工智能核心芯片，云端智能芯片及板卡是云服务器、数据中心等进行人工智能处理的核心器件，因此除信创领域外，商业场景亦是公司核心应用场景。2025 年公司持续深化与大模型、互联网等前沿领域头部企业的技术合作，产品持续在运营商、金融、互联网等多个重点行业规模化部署并通过了客户严苛环境的验证。由于公司客户集中度较高（24 年前五大客户收入占比94.63%），在通过验证并进行规模化部署后会实现快速放量，公司25 年前三季度实现营收46.07 亿元（YoY+2386.38%）

摩尔线程：公司产品包括AI智算产品以及图形计算产品，拥有自主研发的融合GPU 硬件和软件的全功能GPU 计算加速统一系统架构，提供全功能GPU，应用场景更为广泛。由于成立时间相对较短，目前仍处于放量早期，公司25年前三季度实现营收7.85亿元（YoY+181.99%）。

沐曦股份：公司产品包括AI智算产品以及图形计算产品，聚焦人工智能计算、通用计算和图形渲染三大领域，提供通用GPU，应用场景广泛。由于成立时间相对较短，产品进入重点行业客户需经历严苛的技术验证及生态适配周期，目前仍处于放量早期，公司25年前三季度实现营收12.36 亿元（YoY+453.52%）。

寒武纪24Q4开始单季度转盈，沐曦及摩尔线程指引预计最早26/27年实现盈利。由于GPU 行业产品导入周期长且技术积累极高，在爬坡早期毛利规模无法覆盖高额研发支出，因此早期通常处于亏损状态。海光信息2021年实现全年转盈，2021年实现净利率18.94%，当年实现营收23.1 亿元；寒武纪于2024Q4实现单季度转盈。2025 年Q1-Q3均实现单季度盈利，前三季度净利率34.81%（前三季度实现收入46.07 亿元）。摩尔线程和沐曦目前仍未实现盈利，据招股说明书，摩尔线程预计最早于2027 年实现合并报表盈利，沐曦股份预计最早2026 年实现盈亏平衡。

四、相关标的

1、寒武纪

云边端协同发展，掌握核心技术构筑竞争壁垒。公司主营业务为应用于各类云服务器、边缘计算设备、终端设备中人工智能核心芯片的研发、设计和销售，为客户提供丰富的芯片产品与系统软件解决方案。公司在智能芯片领域掌握了智能处理器微架构、智能处理器指令集、SoC  芯片设计、处理器芯片功能验证、先进工艺物理设计、芯片封装设计与量产测试、硬件系统设计等七大类核心技术；在基础系统软件技术领域掌握了编程框架适配与优化、智能芯片编程语言、智能芯片编译器、智能芯片数学库、智能芯片虚拟化软件、智能芯片核心驱动、云边端一体化开发环境等七大类核心技术。公司的主要产品包括终端智能处理器IP、云端智能芯片及加速卡、边缘智能芯片及加速卡以及与上述产品配套的基础系统软件平台。

持续大力投入科研，引领国内芯片进化。2024年，公司研发投入达10.72 亿元。在硬件方面，公司积极研发新一代智能处理器微架构和指令集，着重提升大模型训推能力；在软件方面，公司对基础软件系统平台也不断进行优化和迭代。公司持续推进训练软件平台的研发和改进，以客户需求牵引新增功能和通用性支持，并大力推进大模型业务的支持和优化。同时，公司也不断优化推理软件平台在大模型适配、开源生态建设及易用性优化、大模型推理解决方案上的表现。截至2024 年12月31  日，公司累计申请的专利为2743 项。2024 年6月，寒武纪发布旗舰产品MLU590，聚焦AI 训练与推理，表现亮眼。

产品力为基，应用落地拓展市场。依托于智能芯片产品及其配套软件平台的技术领先优势，寒武纪产品持续在互联网、运营商、金融等多个重点行业应用场景落地，公司产品在软件平台易用性、大规模商业场景部署的稳定性、人工智能应用场景的普适性均通过了客户严苛环境的验证。在互联网及运营商领域，公司的产品力得到了客户的广泛认可。在金融领域，公司持续加深与银行、保险公司及基金公司的业务探索。除了为传统人工智能应用场景持续提供算力支持外，公司全面开展大模型的适配优化工作，帮助客户实现大模型在实际业务场景中的落地应用。在交通领域，公司成功参与多地车路云一体化项目、智慧停车、智慧高速业务，助力交通数字信息化发展。在轨道行业，公司在智慧货检、语音购票等方面与关键客户展开深入合作，推进铁路服务智能化升级。在其他垂直行业，公司的智能芯片产品继续为传统产业智能化转型保驾护航，助力智慧矿山、智慧粮仓业务的落地。受益于应用扩大和合作深化，2025 年第三季度，公司实现营业收入17.27亿元，同比增长1332.52%，营业利润5.67 亿元。

2、海光信息

聚焦高端处理器，CPU、DCU 双线发展。公司的主营业务是研发、设计和销售应用于服务器、工作站等计算、存储设备中的高端处理器。公司的产品包括海光通用处理器（CPU）和海光协处理器（DCU）。海光CPU系列产品兼容x86  指令集以及国际上主流操作系统和应用软件，软硬件生态丰富，性能优异，安全可靠，已经广泛应用于电信、金融、互联网、教育、交通等重要行业或领域。海光DCU系列产品以GPGPU  架构为基础，可广泛应用于大数据处理、人工智能、商业计算等应用领域。2025 年前三季度，公司营业收入达94.90 亿元，同比增长54.65%；营业利润28.40 亿，同比增长31.51%。

公司生态兼容性突出，在百度、阿里等头部互联网厂商得到认证。海光DCU 基于通用图形处理器设计理念，具有全精度支撑能力，按照代际进行升级迭代，每代际产品细分为8000系列的各个型号。公司核心产品包括深算一号、深算二号和深算三号。目前深算三号产品进展顺利，海光DCU 产品已与互联网、金融、电信等各大行业、企业用户进行了广泛适配，适配效果较好，能够支持人工智能、大数据、云计算等领域的发展。配套的开发工具套件DTK、人工智能基础软件栈DAS及应用平台DAP形成的“三驾马车”，可全面覆盖从十亿级到千亿级模型的训练与推理需求，为各行业AI 创新提供一体化支撑。其中，海光DCU具备自主研发的开发工具套件DTK，是目前国内最为完备的生态之一，减少了应用迁移难度。完善的统一底层硬件驱动平台，能够适配不同API 接口和编译器，并支持常见的函数库，在百度、阿里等头部互联网厂商得到认证，并推出联合方案，打造全国产软硬件一体全栈AI 基础设施。

3、摩尔线程

公司拥有完整GPU 产品矩阵，覆盖企业级到消费级市场。公司主要从事GPU  及相关产品的研发、设计和销售。自2020年成立以来，公司以自主研发的全功能GPU  为核心，致力于为AI、数字孪生、科学计算等高性能计算领域提供计算加速平台。公司主要产品包括AI智算产品、专业图形加速产品、桌面级图形加速产品、智能SoC类产品。2025年前三季度，公司营业收入为7.85 亿，同比增长181.99%，成长性显著。

公司自主研发MUSA框架，多下游应用领域全面覆盖。基于MUSA统一架构技术，公司在基础软件层面同时提供了AI 计算、图形渲染和科学计算所需的基础软件技术。在AI计算领域，支持PyTorch、PaddlePaddle  等国内外主流AI  应用开发框架，以及Megatron、FlagScale  等大模型分布式训练框架；在图形渲染领域，支持DirectX、OpenGL、OpenGLES  和Vulkan  等主流图形应用开发技术，为视频游戏、数字孪生、虚拟现实、工业设计和地理信息系统等行业应用提供坚实基础；在科学计算领域，支持MUSA通用计算编程，可广泛应用于计算物理、信号处理、生物医药等科学计算领域。

4、沐曦股份

公司坚持全栈式GPU  产品开发。公司致力于自主研发全栈高性能GPU  芯片及计算平台，主营业务是研发、设计和销售应用于人工智能训练和推理、通用计算与图形渲染领域的全栈GPU 产品，并围绕GPU芯片提供配套的软件栈与计算平台。公司深度积累了GPUIP（包括指令集、微架构等）、GPUSoC、高速互连、GPU  软件等核心技术。GPU产品基于自主研发的GPUIP  与统一的GPU  计算和渲染架构，在通用性、单卡性能、集群性能及稳定性、生态兼容与迁移效率等方面具备较强的核心竞争力，产品综合性能已处于国内领先水平。围绕高能效、高通用的GPU  产品，公司打造了自主开放、高度兼容国际主流GPU  生态（CUDA）的软件生态体系，具备易用性和可扩展性。

公司加强产业链合作，GPU 产品已实现出货。公司已与整机服务器、操作系统、运维管理平台、主流AI框架、主流大模型等上下游生态广泛适配，通过芯片层、框架层、模型层的深度协同优化，为头部大模型分布式推理提供千卡高性能国产算力，助力“国产算力+大模型产业”实现从技术突破到商业化落地的跨越式发展。凭借突出的产品性能和稳定的供应能力，截至2025 年10月，公司GPU  产品累计销量超过25,000  颗。公司深度构建“1+6+X”生态与商业布局，基础算力底座方面，公司产品相继应用部署于10  余个智算集群，算力网络覆盖国家人工智能公共算力平台、运营商智算平台和商业化智算中心，区域横跨北京、上海、杭州、长沙、中国香港等地区，并逐渐向更多区域延伸。公司GPU  产品深度赋能众多行业应用场景，已率先布局教科研、金融、交通、能源、医疗健康、大文娱等行业，产品赋能真实应用场景的竞争力和交付能力得到充分验证。

5、中芯国际

高产能利用率叠加产品组合改善，Q3收入与毛利增长超预期。25 年以来AI市场需求强劲，各类终端需求温和增长或回稳，公司延续高景气运行节奏，产能利用率持续提升至95.8%（环比+3.3pct），产线整体供不应求，季度末月产能迈入百万片级别，折合8英寸标准晶圆达到102.3  万片，正式迈入百万片级别。公司积极配合客户备货与节点切换节奏，Q3 销售片数环比增长4.6%至249.9万片（折合8英寸）。受益于制程复杂度较高产品占比提升，晶圆ASP环比提升3.8%，量价共振推动公司Q3实现营业收入171.62亿元，环比增长6.95%、同比增长9.95%。毛利率改善至25.49%，环比+4.79pct，同比+1.57pct，盈利能力随产品组合优化保持修复趋势。

消费电子需求走强，存储大周期+国产替代共促明年扩产势能。分下游看，公司2025Q3收入中智能手机/ 电脑与平板/ 消费电子/互联与可穿戴/工业与汽车占比分别为21.5%/15.2%/43.4%/8.0%/11.9%。其中消费电子环比增长15%，主要来自家用电器等多类电子产品供应链需求旺盛，国内厂商加速获得海外份额，公司长期合作客户在产业链中获取更多出货机会。展望明年，从代工及存储行业视角看，公司判断产能扩充节奏仍具支撑；存储器处于大周期供不应求阶段，量价缺口仍较为明显、价格维持稳健。逻辑电路领域中，模拟、MCU 及消费类标准逻辑等品类的国产客户替代速度持续加快，且已逐步进入部分海外客户供应链，需求延续性较强。

公司作为中国大陆地区代工龙头，持续完善特色工艺平台巩固竞争优势。晶圆代工环节的战略属性愈发凸显，公司依托长期客户合作积累形成的客制化平台工艺与差异化能力，竞争力持续增强。在特色工艺平台方面，1）逻辑工艺方面，超低功耗28纳米进入量产阶段，在功耗控制与产品质量上具备更高竞争力。2）CIS与ISP工艺迭代，进一步提升感官能力、画面质量与信噪比。3）光学与嵌入式存储平台亦同步拓展，覆盖更广波段并延伸至车规与工业MCU等更高可靠性需求的领域。4）特色存储方面，NORFlash与NAND Flash  工艺向高密度、小尺寸、低功耗方向演进，提升整体可靠性表现。5）面向汽车电子增长趋势，公司布局车规级传感器、BCD、MCU、存储与显示等多条工艺平台，通过平台化能力为客户提供覆盖更广应用的系统级解决方案。随着产能拓展持续落地，公司作为中国大陆地区最先进的晶圆代工厂，特色工艺宽度与深度不断增强，长期发展动力充足。

6、华虹公司/华虹半导体

2025Q3 量价共振兑现，公司收入与盈利能力环比双升。终端需求持续回暖，公司晶圆出货增长叠加ASP水平提升，2025Q3收入环比+12.2%至6.35 亿美元，高于前期指引中值，毛利率环比+2.6pct至13.5%，高于前期指引上沿。分下游看，公司2025Q3消费电子/工业与汽车/通讯/计算占比分别为64.1%/21.7%/12.6%/1.6%。公司产能释放、提价及产品结构调整将持续，预计2025Q4 收入6.5~6.6亿美元（YoY+20.6%~22.4%，QoQ+2.3%~3.9%），预计毛利率在12%~14%之间（港股指引）。

技术节点切换与产能释放将共同形成结构性α,新增放量具备超越行业周期的弹性。2025Q3 公司整体产能利用率为109.5%（同比+4.2pct，环比+1.2pct），8寸产能已处于满载状态；12寸九厂一期仍处于持续爬坡阶段，将在明年继续贡献增量供给，使公司在需求偏紧环境下具有更大的产能配置弹性，可优先排产毛利水平更高的产品，从结构端提升盈利质量。2026年40nm工艺平台有望进入量产窗口，技术节点切换带来的单片价值提升将与新增产能释放叠加，有望构成区别于行业周期的独立增长来源。

华力微收购流程按计划推进，强化工艺布局与产能规模。2025年8月31  日公司公告拟收购上海华力微97.4988%股权，华力旗下8寸五厂与12寸六厂产线可与公司现有平台互补，收购完成后公司将同时具备更大规模的12 寸产能与更完整的制程覆盖。标的当前已稳定盈利，折旧压力已基本释放，预计收购将带来直接的收入和利润增量。双方将在工艺优化、良率提升及器件结构创新等方面协同明显，将加速技术迭代并巩固公司在逻辑与特色工艺领域的竞争力。