算力芯片行业报告:大模型驱动算力变革,国产算力迎增量机遇!

2026-07-02 17:21

算力芯片行业报告:大模型驱动算力变革,国产算力迎增量机遇!

大模型驱动算力变革，国产算力迎来了增量机会

最近看了一份国信证券关于算力芯片的行业报告，把大模型和算力之间的关系梳理得挺清楚。核心逻辑其实就一句话：大模型还在狂奔，但算力的玩法变了，国产芯片的机会来了。下面说下我的理解。

算力需求正从训练侧向推理侧外溢

前两年行业都在抢着训练大模型，谁卡多谁牛，基础设施投资基本都砸在训练集群上。但到了现在这个阶段，模型开始规模化落地了，推理的需求起来了。报告里有个数据，2024年推理基础设施的投资规模已经超过了训练侧，而且预计到2028年推理收入的年复合增长率是14.3%，略高于训练的13.8%。这个趋势挺明确的——算力的主战场正在从"把模型训出来"转向"把模型持续服务出去"，后者对延迟、并发和成本的要求完全不一样。

芯片竞争的逻辑变了

过去大家习惯看单芯片的算力跑分，比如FP16稠密算力多少T、显存带宽多少TB/s。但报告里反复强调一个观点：传统摩尔定律的边际效应在减弱，算力竞争已经从"单芯片峰值性能"转向了"系统级协同优化"。说白了，光靠制程升级已经不够了，得看芯片、先进封装、HBM、编译框架、液冷、大规模集群的综合效率。AI系统本质上是个异构计算体系——CPU负责调度，GPU干并行加速的活，TPU/NPU这类ASIC芯片则在特定场景下发挥效率和成本优势。不是谁替代谁，而是分工共存。

海外巨头都在打"平台战"

英伟达早就不是在卖单颗芯片了，GPU+CUDA+NVLink+整柜系统，卖的是整体算力解决方案。谷歌的TPU走的是内部推理到云端训练推理兼顾的路线，亚马逊的Inferentia和Trainium则是从云服务降本的角度切入。这三家的路径都不一样，但共同点是——竞争已经从单点性能升级到了平台级的交付能力。

国产算力最值得关注的信号

这份报告我觉得最有价值的部分，是对国产算力现状的梳理。2026年5月，国家首次在安全可靠测评里专门设立了AI芯片品类，华为海思昇腾310/910、平头哥真武M530/M890、壁仞壁砺166、海光DCU-3G等9款芯片通过了1级认证，正式纳入了信创体系。这是个标志性事件——信创从过去的通用算力国产替代，开始向智能算力基础设施升级了。

再看市场份额，2025年中国AI加速卡总出货量约400万张，英伟达占55.2%，但华为已经占了20.4%，平头哥6.4%，寒武纪3.0%。国产厂商的份额在持续扩大，而且未来随着运营商和云计算厂商的需求释放，空间还很大。

但要注意一点，国产算力的竞争焦点不应该是单卡峰值算力，而是全栈效率——芯片、HBM、互联、服务器、编译器、推理引擎、模型适配，缺一不可。谁能在这些环节上打通，谁才能真正吃到这波增量红利。