1. 中国人工智能芯片市场
1.1 概要
近年来，人工智能(AI)已从实验性技术转变为主流应用，这得益于深度学习技术的突破、海量数据集的可用性以及计算能力的显著进步。这项演进催化了AI在各行各业的广泛应用— 从自动驾驶汽车及金融服务到医疗保健及工业自动化— 创造了对专用计算硬件前所未有的需求。大语言模型及计算机视觉应用的兴起进一步加速这项转变，将计算需求推向新高。
爆发式增长的需求催生了AI芯片的发展，AI芯片是专为AI应用设计的集成电路。该等芯片已成为现代算力基础设施的关键组成部分，旨在高效处理AI算法所需的大规模并行计算任务，包括矩阵计算、模型训练及推理过程。其架构代表着与传统计算范式的根本性转变，针对AI工作负载的独特特性 （例如并行计算、内存带宽和能效） 进行优化。
1.2 AI芯片类型
AI应用的密集计算需求推动处理器架构的根本性演变。虽然早期AI工作负载依赖传统CPU，但其架构不足以满足现代AI算法的并行计算需求。如今，两种主要架构主导AI芯片市场：通用图形处理单元 （通用GPU） 及专用集成电路(ASIC)，除通用GPU及ASIC外，AI芯片的其他辅助架构包括现场可编程闸阵列(FPGA)：
通用GPU乃为通用计算设计的图形处理单元，意味着其能够执行广泛的计算任务，而不限于特定应用，其已成为主流的AI芯片架构，利用其并行计算能力及多功能性处理从模型训练到推理任务的各种工作负载。其成熟的软件系统、大量的开发工具及广泛采用的编程框架已将通用GPU确立为AI算力基础设施的基石。
采用算法嵌入式硬件架构的ASIC，虽然为特定任务提供卓越的性能及能效，但对不断发展的AI算法的适应性有限，这可能会限制其更广泛的应用。在ASIC中有多种架构，包括NPU （神经网络处理单元）、TPU （张量处理单元）、DPU （深度学习处理单元） 及IPU （基础设施处理单元） 等。
FPGA指在制造后可重新配置其硬件功能的集成电路，在可编程性与硬件优化性能之间提供独特的平衡。FPGA特别适用于要求低延迟的任务，例如实时推理、网络加速及信号处理，或适用于最终算法或标准尚未固化的场景。FPGA主要部署在其灵活性及性能的独特组合可提供决定性价值的特定应用中。
1.3 市场规模
中国AI芯片市场经历了显著增长，这主要由对计算能力的爆炸性需求所驱动，特别是归因于AI应用及大语言模型的普及，该等模型在云端计算及边缘侧计算场景中均需要大量的计算资源。支持性政府政策促进技术研究及行业发展，同时国内半导体供应链的成熟及AI应用的成功商业化为行业建立了可持续的收入流，进一步催化这一增长。
近年来，中国已实施一系列支持性政府政策以促进其通用GPU行业的发展。例如，于2024年1月发布的 《工业和信息化部等七部门关于推动未来产业创新发展的实施意见》 推动国产通用GPU在AI算力场景的应用，而于2023年8月发布的 《新产业标准化领航工程实施方案（2023–2035年） 》 则聚焦于建立独立AI芯片标准及生态系统发展。于2023年8月发布的 《电子信息制造业2023–2024年稳增长行动方案》 强调透过提供供应链强化及税收优惠待遇支持，提升国产通用GPU企业的产能。该等政策透过构建支持技术进步、标准化及产能提升之综合框架，共同推动行业增长。
2024年，中国AI芯片收入约为人民币2,175亿元，2022年至2024年的复合年增长率为80.3%，预计2029年将达到人民币8,981亿元，2025年至2029年的复合年增长率为29.1%。
2. 中国通用GPU市场概览
2.1 概览
通用GPU已成为AI应用的基础算力核心组件，利用其庞大的并行计算能力、优化的内存架构以及在各种AI计算工作中广泛共识的可拓展性。该等处理器最初是为图形渲染而设计，现已发展成为AI计算的首选，原因是其能够高效处理AI算法所特有的复杂矩阵计算及并行计算。
通用GPU行业由英伟达CUDA （统一计算设备架构） 平台 （一个全球主流通用GPU编程生态系统及平台） 主导，其已成为最广泛采用的加速计算平台。该平台如通用GPU的 「操作系统」— 其提供软件工具，使开发人员能够高效利用通用GPU计算能力。自2006年推出以来，全球开发人员一直依赖该系统编程及训练AI模型，从而创造庞大的技术生态系统。即使出现新的通用GPU产品，兼容该平台对于应用广泛推广仍然至关重要。如今，超过80%的AI场景依赖该平台进行研发。随着AI应用的扩展，对于通用GPU公司来说，与全球主流通用GPU编程生态系统及平台保持一致仍然有利于吸引开发人员社群，并对于保证硬件的即插即用至关重要。
于中国，蓬勃发展的AI市场直接推动通用GPU行业前所未有的增长，各行各业及应用领域的需求激增。市场的扩张主要受企业及消费者应用迅速采用AI技术驱动。例如，AI技术正被应用于金融服务领域，透过数据驱动智能转变服务模式及强化风险控制系统；用于医疗保健领域，以实现智能疾病诊断、治疗计划及医疗资源分配；用于零售领域，以建立从需求预测到个人化服务的全栈智能系统；用于教育领域，以促进教育需求与灵活资源分配的精准匹配。中国通用GPU公司已通过开发出具有较强的计算核心、支持高精度计算及优化内存带宽的芯片，从而满足国内对高效AI计算基础设施不断增长的需求。
2.2 通用GPU芯片分类
通用GPU市场已自然分为两种类别，以应对AI计算生命周期的不同阶段：训练及推理。这种分类反映AI应用中不同的计算要求及部署场景。训练通用GPU专为模型开发的密集计算需求而设计，而推理通用GPU则针对高效模型部署及执行进行优化。这种市场区分使通用GPU公司能够开发专用产品，有效满足特定的性能要求及用途，详情如下：
2.3 供应链
通用GPU凭借其并行计算及高能效，已成为AI的基础算力底座。为满足AI爆发式增长的计算需求，通用GPU行业已形成涵盖上游晶圆生产与设备、中游通用GPU设计与制造，以及下游AI专用场景部署 （从模型训练到边缘设备推理） 的产业链，实现AI工作链中的高效并行计算。
2.4 市场规模
受AI应用 （特别是大语言模型） 的爆炸性增长、云计算基础设施的迅速扩张以及国内芯片制造商的显著进步所驱动，中国通用GPU市场的收入于2024年达到人民币1,546亿元，2022年至2024年的复合年增长率为70.1%。市场预计将保持强劲增长势头，到2029年收入将达到人民币7,153亿元，2025年至2029年的复合年增长率为29.5%。同时，国内通用GPU公司的收入增长显著快于外国竞争对手。国产化率指国内通用GPU公司的收入占中国通用GPU市场收入的比例。中国通用GPU市场的国产化率持续上升。从2022年到2024年，国产化率由2.0%增加至3.6%，预计到2029年将达31.0%。
中国通用GPU市场国产化率持续提升，乃受技术进步、市场需求强劲及政策大力支持所驱动。具体而言，制程节点与架构的不断创新，加上生态兼容性的改善，使国产通用GPU企业得以缩小与全球领先者的性能差距。性价比的提升亦加快其市场接受程度。此外，AI应用的快速增长大幅扩张中国通用GPU市场。更多中国企业基于技术成熟及全球半导体贸易环境变化，正探索并采用国产通用GPU作为其采购策略的一环。此市场驱动之转型促使需求增长，并形成更多元化及本土化之供应链格局。利好政策环境亦推动国产化率提高。国家战略积极促进通用GPU自给自足，例如中国提出2025年芯片自给率达70%的目标。于2024年1月，工业和信息化部等七部门联合发布 《关于推动未来产业创新发展的实施意见》，明确要求突破GPU技术以满足大模型训练及推理需求。地方政府透过补贴及奖励措施，进一步加大对区域内通用GPU企业的支持力度。
2.5 市场驱动因素及未来趋势
AI模型的复杂性提高及广泛部署：AI技术的快速发展，特别是大型基础模型和特定行业垂类模型（例如医疗诊断、金融科技）的出现，创造了前所未有的计算需求。该等模型日益复杂且参数不断扩大，需要庞大的算力资源进行训练，而其于各行业的广泛部署则推动了不断增长的推理需求。这种演变正在改变市场动态，推理型通用GPU预计比训练型增长更快。
多样化的计算要求驱动通用GPU的广泛应用：AI算力需求负载的多样性— 从训练大型基础模型到运行专业垂类模型— 需要灵活、性能优化的计算解决方案。通用GPU因其独特的并行计算能力、架构灵活性及成熟的软件系统组合而成为该等多样化AI算力需求的首选解决方案。其能够高效处理大型基础模型的训练以及各种垂直应用的推理，再加上持续的性能改进及广泛的开发工具，已将通用GPU确立为AI工作负载的主流硬件加速卡。
集中式计算基础设施发展：AI模型参数的指数级增长使得传统的通用GPU单卡或小规模计算集群不足以满足高效的训练和推理需求。中国的AI基础设施正迅速转向超大规模通用GPU算力集群，以支持万亿参数模型训练，推动产品针对大规模并行计算和超高带宽进行优化，并提高系统级稳定性。
边缘计算及推理需求的加速：随着AI技术在各行各业中成熟及规模化，边缘计算预计将经历爆炸性增长，这得益于对国产化处理能力的需求。这种激增直接加速了对推理通用GPU的需求，推理通用GPU能够实现实时决策、自主任务执行和对复杂环境的动态适应等关键功能。因此，推理通用GPU预计将比训练通用GPU增长更快，到2029年将占中国通用GPU市场的67%。这一趋势为国内通用GPU公司带来了巨大的机遇，因为他们正在为加速国产化替代努力。
国内通用GPU公司的技术进步：通过架构设计和制造工艺的持续突破，国内通用GPU公司正在迅速提升其技术能力。这一进步，在国内市场大规模部署的促进下，技术进步使国内公司能够显著缩小与全球领先者的差距。在政策支持和不断增强的市场竞争力的推动下，该等技术改进正驱动中国通用GPU市场的强劲增长，同时加速国产替代。
市场本地化程度不断提高：随着国内通用GPU的技术持续进步，国内通用GPU公司正获得更强的市场竞争力并稳步扩大其市场份额。2024年，通用GPU的国产化率超过3.6%。随着技术成熟度和市场认可度的提高，国内通用GPU公司预计将进一步提升其市场份额。预计到2029年，通用GPU的国产化率将超过50%，从而在中国通用GPU市场形成更加多元化的竞争格局，并增强中国在全球通用GPU市场的影响力。
2.6 进入壁垒
技术复杂性：作为性能优化的计算基础设施的核心组件，通用GPU开发需要在架构设计、制造工艺整合及算法优化方面都具备核心技术能力。成功需要掌握多个技术领 域，包 括芯片 设计、软件栈 开发 及AI 计算 优化。这种多 维度的 技术复 杂性，加上所需多年的研发投入，使得新进入者难以达到具竞争力的产品性能。
资本密集型要求：通用GPU市场在整个产品生命周期中需要持续投入大量资本。公司须在EDA许可证等基本设计工具、先进的研发基础设施以及各产品迭代的高昂流片成本上维持巨额支出。开发及生产方面持续投资的需求，加上为保持竞争力所需的频繁产品迭代，构成巨大的资本壁垒，能够承受的新进入者仅少数。
制造规模要求：通用GPU市场要求建立先进的制造能力，或与顶尖晶圆代工厂建立稳固合作关系以获取前沿工艺。寻求整合制造能力的新进入者需面对巨额工厂投资及技术专业知识要求；而采用无晶圆厂模式的公司则须在晶圆代工厂认证、产能分配及供应链管理等方面突破多重壁垒。该等要求，加之最低产能承诺及复杂的技术整合需求，为试图进入市场的潜在竞争者构筑重大壁垒。
研发人才与能力：通用GPU市场以技术快速迭代为特征，需要卓越的研究能力。在芯片架构、软件开发及AI计算方面拥有专业知识的研发人员稀缺，构成重大壁垒。头部企业凭借稳定的协作团队、长期积累的技术知识以及高效的开发流程，使得新进入者难以构建并维持具有竞争力的研发能力。
先发优势与市场信任：作为AI计算基础设施的重要组件，通用GPU客户对产品可靠性及性能验证提出严格要求。先行企业受益于已建立的客户关系、经证实的部署往绩记录以及累积的行业专业知识。藉此会创造一个自我强化的循环，成功的部署会深化客户信任及忠诚度，形成新进入者难以突破的壁垒。
2.7 中国通用GPU市场竞争格局
目前外国公司的通用GPU在中国通用GPU市场就收入而言仍占据主要，而中国公司的预期市场份额将不断增加。2024年，按收入计，包括天数智芯在内的三家中国公司已跻身中国通用GPU市场五大参与者之列。2024年中国通用GPU市场参与者按收入的排名如下表所示。
3. 中国训练型通用GPU市场概览
3.1 中国训练型通用GPU市场规模
在2022年至2024年的AI发展初期阶段，AI模型训练的庞大需求推动训练型通用GPU主导中国通用GPU市场。2024年，中国训练型通用GPU市场收入达人民币845亿元，2022年至2024年的复合年增长率达53.4%，表现突出。展望未来，预计2025年至2029年，中国训练型通用GPU收入将以14.8%的复合年增长率增长，到2029年达到人民币2,315亿元。同时，训练型通用GPU的国产化率预计将由2024年的4.0%攀升至2029年的16.8%。
3.2 中国训练型通用GPU市场竞争格局
目前外国公司主导中国训练型通用GPU市场，但预计未来数年中国公司的市场份额将大幅提升。2024年中国训练型通用GPU市场五大参与者中，四名参与者为中国公司。2024年中国训练型通用GPU市场参与者按收入的排名如下表所示。
4. 中国推理型通用GPU市场概览
4.1 中国推理型通用GPU市场规模
2024年，中国推理型通用GPU市场收入为人民币701亿元，2022年至2024年的复合年增长率达100.1%，表现突出。展望未来，随着AI应用在产业端更广泛落地，预计推理型通用GPU的市场份额将不断增加并主导市场，反映了产品的技术成熟度与商业化进展。预计2025年至2029年，中国推理型通用GPU收入将以41.4%的复合年增长率增长，到2029年达到人民币4,838亿元。同时，推理型通用GPU的国产化率预计将由2024年的3.0%攀升至2029年的37.9%。
4.2 中国推理型通用GPU市场竞争格局
目前，尽管外国公司在中国推理型通用GPU市场占据主导地位，但随着推理型通用GPU市场快速增长及中国公司技术竞争力加强，中国公司有望取得显著市场影响力。未来几年，中国公司预计将大幅增加市场份额。2024年中国推理型通用GPU市场参与者按出货量的排名如下表所示。
5. 半导体硅片的历史价格
半导体硅片为通用GPU的材料之一。于2020年，全球半导体芯片需求不断增加，半导体硅片的价格由每平方英吋0.9美元提升至每平方英吋0.99美元。自2021年起，半导体硅片的价格随着产能扩张呈现下降趋势。考虑到全球产能充足，预测半导体硅片的价格长期将保持稳定。
【免责声明】本文摘自天数智芯港股招股书，版权归原作者所有，仅用于知识分享与交流，非商业用途！对文中观点判断均保持中立，若您认为文中来源标注与事实不符，若有涉及版权等请告知，将及时修订删除！查看更多报告请关注微信公众号
