行研笔记 | AI芯片行业学习笔记

AI芯片，即人工智能芯片，是专门为处理人工智能计算任务（尤其是深度学习、机器学习和神经网络运算）而设计或优化的处理器。其核心功能在于通过硬件架构和软件工具的协同创新，高效执行大规模的矩阵运算、并行处理和向量计算，从而为人工智能应用提供强大的算力支撑。与传统通用处理器（CPU）不同，AI芯片在架构上针对人工智能算法的高并行性和高吞吐量特征进行了深度优化，成为驱动人工智能技术从实验室走向大规模产业化应用的底层“发动机”和“数字石油”。

当前，全球AI芯片行业正处在技术爆发、需求井喷与格局重塑的历史性交汇点。以大模型（如GPT系列、文心一言等）为代表的人工智能应用，对算力提出了指数级增长的需求，直接将AI芯片推向了产业发展的战略制高点。从技术路径看，行业已形成多元化的竞争格局，主要包括图形处理器（GPU）、专用集成电路（ASIC，如NPU/TPU）、现场可编程门阵列（FPGA）以及类脑计算芯片等。其中，GPU凭借其强大的并行计算能力和成熟的生态，特别是在云端训练市场占据主导地位；而ASIC因其高能效比和定制化优势，在推理端和边缘侧市场快速崛起。

中国AI芯片市场在全球地缘政治和自主可控国家战略的双重驱动下，呈现出极为活跃的发展态势。面对外部技术限制，国产替代进程显著加速，本土产业链自主化程度稳步提升，已从早期的技术追赶迈入生态构建与规模化应用的关键期。华为昇腾、寒武纪、海光信息等一批头部企业迅速成长，在性能上逐步逼近国际先进水平，并在政务云、金融、能源等领域实现商业化落地。预计到2026年，中国AI芯片市场规模将接近1300亿元人民币，国产芯片占比有望达到60%-70%，一个“头部引领、多元突破、生态协同”的产业新格局正在加速形成。

上游环节聚焦于芯片设计所必需的软硬件工具、核心知识产权以及制造所需的尖端材料和设备。该环节技术壁垒极高，是当前我国产业链自主可控的关键攻坚领域。首先，核心工具与IP（知识产权）构成了芯片设计的“大脑”与“图纸”。电子设计自动化（EDA）软件作为设计核心，全球市场由少数国际巨头垄断，而国内企业已在模拟电路等细分工具上实现突破。其次，半导体材料与设备是芯片制造的“粮食”与“炊具”。高端光刻胶、大硅片等关键材料及以极紫外（EUV）光刻机为代表的尖端设备，仍主要依赖进口，构成了最严峻的供应挑战；但国内在刻蚀机、清洗设备等单一设备点，以及12英寸硅片、28nm光刻胶等材料领域已实现从无到有的突围。

中游环节以AI芯片产品的实现为核心，涵盖设计、制造、封装测试三大步骤，是技术资本最密集、价值最集中的部分。

（1）设计环节：AI芯片设计企业根据下游场景需求进行产品定义，技术路径呈现多元化。一是通用型的GPU设计，以英伟达生态为标杆，国内企业正通过兼容或自建生态奋力追赶；二是专用型的ASIC设计，针对自动驾驶、大模型等场景深度定制，以寒武纪、地平线为代表；三是可编程的FPGA设计，在需要灵活重构的领域具备优势。

（2）设计完成后的晶圆制造环节：将图纸转化为实物的核心，先进制程工艺直接决定芯片性能上限。目前全球最先进的制造产能高度集中，国内龙头企业在成熟制程稳扎稳打，并向7nm等先进节点迈进。

（3）封装与测试环节：随着芯片复杂度提升，正从传统封装向2.5D/3D、Chiplet（芯粒）等先进技术演进，这对于提升集成度和性能至关重要。

下游环节连接广阔的应用市场，是拉动整个产业发展的最终动力，多样化的场景对芯片提出了差异化的需求。当前最大的需求来自云计算与数据中心，特别是大模型的训练与云端推理，驱动了对极致算力和高带宽内存的海量需求。智能终端与边缘计算市场正在爆发，智能手机、安防摄像头、工业物联网等设备要求芯片具备低功耗、高实时性和低成本特性，推动了专用AI加速芯片的普及。此外，在航空航天、国防安全、智慧医疗、科学计算等特种领域，对AI芯片的可靠性、安全性和定制化能力有着极端要求，这往往是国产AI芯片实现高端突破和进口替代的重要切入点。

（1）AI芯片市场规模高速增长

据预测，2025年全球市场规模将突破1300亿美元，中国市场规模预计在2026年接近1300亿元人民币。增长的核心驱动力来自大模型训练、AI应用规模化落地带来的算力饥渴。

（2）AI芯片技术路线多元并存

在云端训练市场与深度学习领域，GPU因其通用性和强大生态占据近90%的市场份额。在推理侧和边缘端，ASIC（如华为昇腾、谷歌TPU）凭借更高的能效比和更低的单位算力成本，市场份额快速增长，预计未来增速将超越GPU。在新兴架构方面，FPGA在算法未固化、需要快速迭代的场景有优势。此外，存算一体、类脑计算等前沿架构正从实验室走向商业探索，为突破“内存墙”和“功耗墙”带来新希望。

（3）国产替代进程加速

受国际供应链环境影响，中国AI芯片自主可控需求迫切。国产AI芯片在国内市场的渗透率从2021年的极低水平，快速提升至2024年的约30%，预计2025年有望达到40%。华为昇腾、寒武纪、海光信息等头部企业已实现从“可用”到“好用”的关键跨越，在政务、金融、电信等行业实现批量部署。

（4）竞争格局分层显现

国内市场竞争格局初步定型，呈现“头部引领－四小龙突破－细分补充”的三层结构。头部阵营以寒武纪、华为系、海光系为代表，聚焦云端训练芯片，通过异构集成、全栈软件生态构建壁垒；四小龙势力包括摩尔线程、沐曦集成、壁仞科技、燃原科技，瞄准异构计算、全栈自主化，在千卡集群、边缘智算等高端场景实现突破；细分玩家如灵汐科技、算能科技等大数据企业，以及昆仑芯、希姆计算等初创公司，聚焦存算一体、边缘优化，在垂直领域挖掘机会。

（1）技术迭代与生态壁垒风险

一方面是技术迭代风险。制程瓶颈方面，中芯国际7nm工艺研发进度滞后台积电2年，EUV光刻机的缺失进一步制约了先进制程的发展。架构替代方面，存算一体芯片可能颠覆冯・诺依曼架构，传统GPU厂商需在2-3年内完成技术转型，英伟达已布局光子芯片研发，国内企业需加速技术追赶。此外，量子计算可能破解现有加密算法，对AI芯片的安全性构成潜在威胁，需提前布局后量子密码技术。另一方面是生态壁垒难以打破。国际先进AI芯片生产企业的生态经过十余年发展，形成了包括开发者、软件库、工具链在内的深厚护城河。国产芯片企业构建与之匹敌的生态体系需要漫长的时间和巨额投入，生态迁移成本是客户选择国产芯片的最大顾虑之一。

（2）供应链安全与地缘政治风险

材料依赖方面，光刻胶、大硅片等关键材料国产化率不足20%，尽管国内企业在加快技术突破，但国产替代仍需时间。设备封锁方面，ASML EUV光刻机对华禁运，相应产线设备国产化率仅50%，国内企业需加快EUV光刻机研发。总的来说，供应链自主化道路任重道远。地缘政治因素加剧了供应链的不确定性，美国的出口管制政策加剧了供应链的不确定性和断裂风险，是全球所有厂商都必须面对的挑战。

（3）市场竞争风险

一是低价竞争影响相关企业长期研发的意愿和能力。国产芯片为抢占市场，往往采取更具竞争力的定价策略，导致行业毛利率承压。生态壁垒难以短期突破，英伟达CUDA生态经过近20年的积累，在开发者资源、教程和社区支持方面优势显著，国产芯片需3—5年构建对等软件支持体系。二是应用碎片化问题突出，医疗、金融等领域需求差异大，定制化开发成本高，对企业快速响应和方案落地能力提出挑战。

（4）人才储备不足风险

AI芯片行业对复合型人才需求旺盛，需要兼具芯片设计、算法优化、软件开发等多领域知识的专业人才。当前人才培养体系与产业快速迭代的需求存在脱节，导致高端复合型人才严重短缺，同时国内企业在薪酬体系与研发平台建设方面与跨国企业存在差距，引发高端人才向外资企业或海外流动的趋势，制约了行业整体竞争力的提升。

（1）英伟达（NVIDIA）

英伟达是全球AI芯片领域的绝对领导者，尤其在数据中心GPU市场占据超过80%的份额。凭借其强大的GPU硬件性能和CUDA软件生态，在数据中心AI芯片市场占据主导地位。公司主要产品包括数据中心产品、游戏GPU、专业视觉设计GPU、智能驾驶GPU等，覆盖人工智能训练、人工智能推理、通用计算、图形等多个应用领域。

（2）超威半导体（AMD）

AMD是全球领先的半导体企业，主要产品包括CPU、GPU、FPGA、DPU等芯片产品，业务覆盖数据中心、客户端、游戏及嵌入式等多个领域，应用于人工智能训练、人工智能推理、通用计算、图形渲染等场景。2024年AMD营业收入达184.98亿美元，在中国AI加速器市场份额约5%，客户包括服务器厂商、云计算科技巨头、消费电子终端等。

（3）谷歌（Google）

在AI芯片领域采用差异化竞争策略，其自研的TPU（张量处理单元）芯片主要服务于内部业务（如搜索、广告）和Google Cloud平台客户，而非作为通用硬件对外销售。谷歌通过深度整合软硬件，为云客户提供高度优化的AI计算服务，其在更广泛的市场中占有约15%的份额，反映了其作为云服务提供商的整体实力。

（1）深圳市海思半导体有限公司

华为海思是中国AI芯片行业的领军企业，其自主研发的昇腾系列AI芯片布局展现了清晰的长期战略，核心是通过自研芯片迭代、超节点架构创新和开源软件生态的三重驱动，构建自主可控的全场景AI算力基础设施。依托“芯片－服务器－解决方案”生态，拓维信息昇腾服务器已进入8个省级政务云，神州数码金融大模型训练集群实现批量部署，2024年华为海思在中国AI加速器市场份额约23%，客户涵盖智算中心、服务器厂商、AI大模型厂商、运营商、政企客户等。

（2）寒武纪（688256.SH）

国内首家专门从事人工智能芯片设计的企业，主营业务是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，主要产品包括云端产品线、边缘产品线、IP授权及软件。2025年前三季度，寒武纪实现营业收入46.07亿元，同比增长2390.27%。

（3）海光信息（688041.SH）

海光信息专注于研发、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，主要产品包括通用处理器、协处理器及技术服务，应用于人工智能训练、人工智能推理、通用计算等场景。2025年前三季度，公司实现营业收入94.9亿元，同比增长54.64%，实现归母净利润19.61亿元，同比增长28.51%，客户主要为服务器厂商、政企客户等。

近年来，中国AI芯片行业受到各级政府的高度重视和国家产业政策的重点支持，形成了从顶层设计到具体落实的完善政策体系，为产业发展提供了明确的方向指引和良好的发展环境。

国家战略层面，《新一代人工智能发展规划》《“十四五”软件和信息技术服务业发展规划》等政策将AI芯片视为人工智能领域的核心基础设施，以“自主可控”为核心目标提供资金扶持、技术攻关和产业链整合支持。2020年提出的“芯片自给率2025年达70%”目标虽面临挑战，但政策持续强化半导体产业链自主可控趋势。国务院印发的《关于深入实施“人工智能+”行动的意见》，将“强化智能算力统筹”置于核心，明确支持芯片创新、生态培育和超大规模智算集群落地，为产业画出清晰路线图。

具体政策方面，工信部、发改委等部门连续发布多项具体政策，如《关于推动未来产业创新发展的实施意见》《计量支撑产业新质生产力发展行动方案（2025—2030年）》等，直接支持AI芯片的研发创新、标准制定和产业化应用。面向新一代显示、通信、芯片等信息领域，聚焦先进信息化芯片研发等方向的计量测试需求，开展计量关键技术攻关。

地方政策支撑层面，全国超过28个省市发布了支持AI芯片与人工智能产业的专项政策，形成了多点开花的局面。各地智能计算中心的建设招标明确要求提高国产化率，为本土芯片企业创造了广阔的市场空间。例如，上海市对燧原科技的支持力度较大，深圳、北京、安徽等地纷纷出台专项政策，构建各具特色的地方政策体系与产业集群，为国家层面的政策制定积累了宝贵的实践经验。

人才培养与生态建设方面，政策也给予了重点支持。教育部鼓励高校设立合成生物学、人工智能相关学科，计划到2025年培养10万名复合型生物制造与AI相关人才；政府通过基金支持、算力补贴及税收优惠降低研发成本，同时推动开源社区建设，吸引更多开发者参与国产AI芯片生态构建。一系列政策的出台与实施，从研发、生产、应用、人才等多个维度为AI芯片产业提供了全方位支持，加速推动国产AI芯片实现从“可用”到“好用”的跨越。

AI芯片行业正处在技术爆发、需求井喷和格局重塑的历史性交汇点，未来将呈现多维度发展趋势，技术创新、生态构建和商业模式创新将共同推动产业持续进步。AI芯片行业发展核心可以总结为：技术多元融合、市场场景爆发、生态模式创新，同时仍面临不少挑战。

技术多元融合。“混合架构+先进技术”成主流，存算一体技术会持续突破，不用来回搬运数据，能耗大幅降低，在边缘设备和终端场景先实现规模化应用，未来五年全球市场年增速能达80%—92%。另外，Chiplet封装、2.5D/3D封装、玻璃基板这些新技术，会帮芯片突破性能瓶颈；制程工艺会向3nm、2nm推进，RISC-V开源架构在边缘计算、车载等领域的应用也会越来越广。

市场场景爆发。边缘计算和绿色转型是两大增长点。随着智能设备越来越多边缘AI芯片市场规模会超过500亿美元，国内不少企业在智能家居领域已有优势，还会向工业物联网拓展。液冷散热技术会快速普及，2027年渗透率达50%，让数据中心更节能。国产替代会持续深化，2025年国产AI芯片自给率超40%，2027年有望达70%，在政务、金融、智能驾驶等场景逐步替代海外产品。

生态模式创新。“不再只比芯片硬件性能，而是比拼“硬件+软件+框架+应用”的完整生态，开源会是国产生态建设的重要路径。商业模式也会更灵活，“芯片即服务”让用户不用买硬件就能按需用算力；知识产权授权会更个性化，订阅制成趋势；针对医疗、自动驾驶等场景的定制芯片，因适配性强能获得更高认可。

不过，中国AI芯片还面临先进制程研发难、高端设备材料依赖进口、软件生态不完善等问题。但随着政策支持、技术突破和产业链协同，未来五年有望实现“局部领先、全面追赶”，有核心技术和创新模式的企业会引领行业，为人工智能发展提供算力支撑。