第一章 宏观战略与市场格局：全球半导体地缘政治下的“双循环”重构

1.1 全球AI芯片市场的二元分化与总量扩张

2025年，全球半导体产业正式步入了一个前所未有的二元分化时代。根据Coherent Market Insights发布的权威数据，全球AI芯片市场规模在2025年预计达到838亿美元，并呈现出惊人的爆发力，预计以27.5%的复合年增长率（CAGR）在2032年攀升至4590亿美元。与此同时，MarketsandMarkets的数据模型给出了更为激进的预测，认为到2032年该市场规模将突破5648.7亿美元。这种增长并非简单的线性外推，而是由生成式AI（Generative AI）对算力需求的指数级膨胀所驱动。Deloitte的分析进一步指出，仅生成式AI芯片这一细分领域，在2025年的市场价值就将超过1500亿美元，占据了行业增长的核心动能。

然而，这一繁荣景象的背后，是一道日益深邃的“硅幕”。以英伟达（NVIDIA）、AMD为代表的西方技术阵营，通过H100、Blackwell等先进制程产品牢牢把控着全球高端算力的制高点；而以中国为核心的东方市场，在经历了2022-2024年的“休克式”技术封锁后，已在2025年逐步构建起一套基于本土供应链的内循环生态系统。IDC的报告显示，尽管面临外部压力，2025年亚太地区（以中国为主导）的IC设计市场仍将保持15%的强劲增长，显示出中国市场在“去美化”进程中的强大韧性。

对于中国而言，2025年不仅是市场规模的扩张期，更是“生存模式”向“发展模式”转型的关键节点。随着美国商务部工业与安全局（BIS）对华半导体出口管制的常态化与精细化——不仅限制了先进制程逻辑芯片（如H100/H200），更收紧了对高带宽内存（HBM）、先进封装（CoWoS）及EDA工具的供应——中国AI芯片产业面临着“存量耗尽、增量受阻”的严峻现实。TrendForce的深度观察指出，这种极限施压反而成为了催化剂，迫使字节跳动、百度、阿里巴巴、腾讯等互联网巨头，以及华为、寒武纪等芯片厂商，加速了自研芯片的部署与迭代。2025年的中国市场，已不再单纯追求PPT上的性能对标，而是进入了以“生产良率”、“供应链安全”和“大规模集群可用性”为核心指标的残酷淘汰赛。

1.2 政策顶层设计的范式转移：从“制造为王”到“应用牵引”

2025年标志着中国半导体产业政策逻辑的重大转折。过去十年以“中国制造2025”为纲领的追赶模式，重点在于解决“造得出来”的问题。尽管在28nm以上成熟制程和刻蚀、清洗等细分设备领域取得了显著突破，但在EUV光刻机等核心环节，距离70%自给率的宏大目标仍有差距。

面对物理制程的瓶颈，工信部在2025年发布的《AI+制造》实施指南，宣告了政策重心向“应用牵引”和“系统优化”的转移。该指南不仅是一份技术文档，更是一份产业动员令，明确提出到2027年，重点行业的AI应用渗透率要超过70%。这意味着国产AI芯片的评价标准发生了质的变化：不再执着于单点算力是否超越英伟达，而是看能否在工业自动化、智能检测、自动驾驶等具体场景中，通过软硬协同实现系统级的高效能。

与此同时，资本层面的“国家队”在2025年展现出了前所未有的精准打击能力。国家集成电路产业投资基金三期（“大基金三期”）正式运行，注册资本高达3440亿元人民币（约475亿美元），其体量远超前两期。与以往“撒胡椒面”式的广泛投资不同，三期的投资策略具有极强的针对性，核心聚焦于三大“卡脖子”领域：

高带宽内存（HBM）：全力扶持长鑫存储（CXMT）等企业，突破AI训练芯片的内存墙。

先进封装（Advanced Packaging）：重点投资通富微电、长电科技，通过Chiplet技术绕过先进制程限制。

核心设备零部件：支持光刻机光源、物镜系统等上游产业链的国产化。

1.3 资本市场的“硬科技”狂欢与风险

2025年下半年至2026年初，中国资本市场迎来了一波AI芯片企业的上市热潮。这并非偶然，而是产业资本需求与国家金融战略共振的结果。由于先进制程研发成本动辄数十亿美元，且传统美元基金退潮，二级市场成为了维持这些高科技企业生命线的关键。

这波IPO浪潮的背后，隐含着市场对“国产替代”确定性的极度认可。投资者普遍认为，在地缘政治摩擦常态化的背景下，这些获得政府背书的芯片企业将获得垄断性的国内市场份额。然而，高估值也伴随着高风险：绝大多数企业尚未实现盈利，且供应链极其脆弱，任何一项关键原材料（如光刻胶、特种气体）的断供都可能导致生产停摆。

第二章 云端训练与推理芯片：巨头的突围与新贵的崛起

2.1 华为海思：构建“第二选择”的算力底座

在2025年的中国AI芯片版图上，华为不仅仅是一家芯片设计公司，它是整个国产半导体产业链的“链主”。面对英伟达的绝对统治，华为正在构建一个从底层晶圆制造到上层软件框架的完整替代方案。

2.1.1 Ascend 910C：技术妥协与工程奇迹

2025年推出的Ascend 910C，是华为应对英伟达H100封锁的核心武器。根据多方技术情报汇总，910C在FP16精度下的算力约为800 TFLOPS，理论性能达到英伟达H100的80%左右。

架构创新与制造挑战：

由于无法获得ASML的EUV光刻机，910C采取了更为激进的Chiplet设计。它通过CoWoS类先进封装技术（可能由通富微电或华为自建产线提供），将两颗基于昇腾910B架构的逻辑裸片（Die）进行互连。这种“双芯合璧”的方案虽然增加了功耗和封装难度，但在现有7nm工艺条件下，是提升单卡算力的唯一可行路径。

供应链的隐秘角落：

尽管华为对外宣称自主可控，但拆解报告揭示了初期量产的复杂性。部分早期批次的910C被发现仍使用了制裁生效前囤积的台积电（TSMC）晶圆和三星/SK海力士的HBM内存。SemiAnalysis的深度调查显示，华为曾通过中间商Sophgo（算能）囤积了约290万颗TSMC代工的芯片，这批库存支撑了910C早期的出货。然而，随着这批“绝版”库存的耗尽，华为在2025年下半年正加速将产线完全切换至中芯国际（SMIC）的N+2/N+3工艺（等效7nm）以及长鑫存储（CXMT）的国产HBM供应体系。这一切换过程极为痛苦，受限于国产HBM的产能爬坡，910C的实际出货量在2025年受到严重制约，原定的80.5万颗年产能目标面临巨大挑战。

2.1.2 软件生态的破局：CANN 8.0与DeepSeek效应

硬件的物理差距需要通过软件来弥补。在HUAWEI CONNECT 2025上，华为发布了CANN 8.0（Compute Architecture for Neural Networks），并承诺在2025年底前实现底层完全开源。CANN 8.0不仅仅是一个驱动包，它对标的是英伟达的CUDA核心库，旨在通过编译器层面的深度优化，释放NPU的极限性能。

DeepSeek的战略协同：

2025年中国AI产业最显著的事件之一，是顶级AI研究机构DeepSeek与华为的深度绑定。DeepSeek发布的V3模型原生支持昇腾架构，其开源的V3.2-Exp模型在昇腾NPU上实现了高效运行。CANN团队针对DeepSeek模型中的MoE（混合专家）架构和稀疏注意力机制进行了定制化的算子开发，使得在国产硬件上的训练效率大幅提升。这种“算法定义硬件”的模式，极大缓解了国产算力不足的焦虑，证明了在软件优化得当的情况下，国产芯片完全可以承载世界级大模型的训练任务。

2.2 寒武纪（Cambricon）：从专用加速到通用生态

作为中国AI芯片的“老牌”独角兽，寒武纪在2025年展现出了极强的生存能力。TrendForce数据显示，寒武纪在2025年前三季度营收达到46亿元人民币，这一数字是其他初创公司营收总和的数倍，确立了其在国内市场的领先地位。

思元590（Siyuan 590）：作为2025年的主力出货产品，思元590采用了MLU-Link片间互连技术，专注于解决多卡并行的通信瓶颈。这使得它在构建千卡级别的中小规模集群时具有较高的性价比。

思元690（Siyuan 690）：备受瞩目的下一代旗舰，目前正处于紧张的测试阶段。受限于中芯国际先进制程产能的挤压（优先保供华为），思元690的大规模量产时间表被推迟到了2026年下半年。

医疗影像领域的隐形冠军：除了通用计算，寒武纪在医疗AI领域取得了突破性进展。随着数百种AI医疗工具获得监管批准，寒武纪的芯片凭借高能效比，被大量集成在国产高端CT、MRI设备中，用于实时的影像分析和辅助诊断，成为医疗新基建的重要算力支撑。

2.3 壁仞科技（Biren）：绝境求生与架构重塑

壁仞科技曾因BR100系列在参数上硬刚英伟达H100而名噪一时，但也因此遭遇了美国的定点打击。2025年是壁仞完成供应链重组的关键之年。

产品策略调整：失去台积电代工资格后，壁仞调整了产品路线。BR104作为降级版产品，通过使用国产成熟工艺或存量晶圆，主要服务于推理市场。而下一代旗舰BR20X计划于2026年发布，该芯片将全面拥抱Chiplet架构，试图通过异构集成的方式，用相对落后的工艺实现高性能计算。

软件短板与IPO输血：尽管BR100在FP32单精度计算上表现出色（256 TFLOPS），但其缺乏FP64双精度支持，且软件栈成熟度远不及CUDA，导致在科学计算和复杂大模型训练中推广困难。壁仞在香港IPO募集的巨额资金，将主要用于填补这一软件生态的鸿沟，以及支付昂贵的流片费用。

2.4 摩尔线程（Moore Threads）：全功能GPU的孤勇者

与大多数专注于AI加速器（ASIC/GPGPU）的厂商不同，摩尔线程坚持走“全功能GPU”路线，即一颗芯片同时具备3D图形渲染和AI计算能力。这使其在商业模式上更接近英伟达。

MUSA架构与夸娥（Kuafu）集群：2025年发布的“花港”（Huagang）架构支持从FP4到FP64的全精度计算，计算密度较前代提升50%。其推出的MTT S5000/S4000系列显卡，不仅能进行AI训练，还能支持云游戏、数字孪生等图形密集型应用。

万卡集群能力：摩尔线程展示了基于MTLink 4.0互连技术的万卡集群，宣称能高效运行DeepSeek R1等超大参数模型。这种架构的灵活性使其在算力中心建设中具有独特优势：白天进行AI推理，晚上进行图形渲染或模型训练，大幅提升了硬件的利用率。

2.5 海光信息（Hygon）：x86生态的兼容利器

海光基于AMD Zen 1架构授权发展而来，其DCU（Deep Computing Unit）系列（Z100/Z200）本质上是兼容ROCm生态的GPGPU。

生态兼容性优势：海光DCU的最大护城河在于其“类CUDA”的生态兼容性。由于ROCm与CUDA的高度相似性，海光芯片能够以极低的成本迁移英伟达平台上的代码。2025年，海光实现了对DeepSeek V3.2-Exp模型的“零等待”部署，这对于拥有大量存量CUDA代码资产的金融、电信客户极具吸引力。

关键行业统治力：尽管Z100的绝对性能仅为A100的30%-50%，但在对供应链安全极其敏感的“信创”市场（金融、能源、政务），海光DCU几乎是唯一选择。2025年，海光宣布继续推进与服务器巨头中科曙光（Sugon）的深度业务整合，虽然资本层面的合并受阻，但双方在超算基础设施上的协同效应依然显著。

第三章 供应链的“七寸”与突围：制造、存储与封装

中国AI芯片产业的阿喀琉斯之踵，依然在于制造链的自主可控。2025年，在光刻机、存储器和先进封装三大核心环节，中国产业界进行了一场惊心动魄的突围战。

3.1 光刻机：SMEE的迷雾与多重曝光的现实

上海微电子（SMEE）在2025年成为了舆论和产业关注的焦点。关于其28nm光刻机的进展，市场上充斥着各种传闻与真相的博弈。

28nm光刻机（SSA/800-10W）的真相：尽管早在2023年就有即将交付的传闻，但直到2025年底，经过多方验证的招标信息显示，SMEE中标的SSC800/10机型实为KrF光源（248nm），分辨率为110nm，主要用于厚胶工艺或成熟制程，而非此前市场热切期盼的28nm浸没式ArF光刻机。这一事实表明，国产28nm光刻机在光源稳定性、双工件台精度等核心指标上，仍未达到大规模工业量产的标准。

SAQP技术续命：在无法获得EUV甚至先进DUV光刻机的情况下，中芯国际（SMIC）不得不依赖现有的ASML DUV设备，通过SAQP（自对准四重曝光）技术来生产7nm芯片。这是一种在物理极限边缘试探的工艺——通过四次曝光来刻画一条电路，虽然实现了制程微缩，但导致生产成本激增50%，且良率仅能维持在30%-50%的低位。这种“不计成本”的生产方式，完全依赖于国家战略层面的输血，而非商业逻辑。

EUV的遥远曙光：2025年，华为与深圳SiCarrier（新凯来）合作的EUV光源原型机取得了物理层面的验证突破，证明了国产技术路线的可行性。但这距离真正的工业化量产（预计2028-2030年）仍有漫长的工程化道路要走。

3.2 HBM内存：突破封锁的关键战役

AI芯片的性能瓶颈在于内存带宽（Memory Wall）。随着三星和SK海力士在2025年彻底切断对华HBM供应，国产化成为了生死攸关的必选项。

长鑫存储（CXMT）的战略地位：2025年，CXMT成为了中国AI芯片产业的“救命稻草”。公司计划在2025年将产能大幅提升至30万片晶圆/月，并开始向华为等客户供应HBM2/HBM3样品。虽然在技术指标上，CXMT的HBM2E/HBM3落后国际巨头（HBM3E/HBM4）两代，且良率较低，但“有”和“无”的区别决定了国产AI芯片能否持续出货。

产业链协同突围：HBM的生产需要DRAM制造与先进封装的紧密配合。CXMT负责DRAM颗粒的制造，而通富微电（Tongfu Microelectronics）则承担了关键的CoWoS类先进封装任务，将HBM颗粒与GPU逻辑Die进行3D堆叠。通富微电在2025年开始试产HBM2封装，成为华为Ascend 910C能够量产的最重要合作伙伴。

3.3 先进封装与Chiplet标准

面对先进制程的物理封锁，Chiplet（小芯片）技术成为中国提升芯片性能的主要手段。

ACC 1.0标准：为了解决国内封装和基板供应链分散的问题，中国在2025年发布了自主的Chiplet互连接口标准ACC 1.0。该标准旨在统一接口协议，降低不同厂商芯片间的集成难度和成本，推动国产IP的复用。

长电科技（JCET）的XDFOI：长电科技的XDFOI高密度扇出型封装技术在2025年实现了大规模量产。该技术提供了一种不依赖台积电CoWoS的高性能封装替代方案，被广泛应用于国产高性能计算芯片中。

第四章 边缘、汽车与AIoT：百花齐放的增量市场

相较于云端训练芯片面临的严酷封锁，边缘计算和端侧AI市场则呈现出蓬勃发展的态势，中国企业在这一领域甚至开始对外输出技术。

4.1 地平线（Horizon Robotics）：智能驾驶的算力霸主

在汽车智能驾驶芯片领域，地平线已成为中国市场的绝对领导者。2025年，其征程（Journey）系列芯片累计出货量突破1000万片，这一里程碑标志着国产智驾芯片的全面成熟。

地平线的成功证明了在特定垂直领域，国产芯片完全可以凭借算法优化（BPU架构）和本土化服务响应速度，击败Mobileye和英伟达Orin等国际巨头。

4.2 瑞芯微（Rockchip）：高端边缘计算的接棒者

随着海思麒麟芯片在公开市场的缺位，瑞芯微RK3688在2025年顺势成为了高端边缘计算市场的首选。作为RK3588的继任者，RK3688集成了更强大的NPU（32 TOPS），采用4-5nm工艺（大概率由三星或中芯国际N+2工艺代工）。它被广泛应用于高端边缘计算盒、工业机器人、智能座舱等领域，填补了高性能通用ARM SoC的市场空白。

4.3 云天励飞（Intellifusion）与乐鑫科技（Espressif）

云天励飞：2025年申请港股IPO，其主打产品DeepEdge10系列芯片在智慧城市和安防领域表现抢眼。利用自研的NNP400T神经网络处理器，云天励飞推出了售价仅1000元人民币（约140美元）的48 TOPS算力AI盒子，以极致的性价比横扫边缘推理市场。

乐鑫科技：在AIoT领域，乐鑫推出了ESP32-C61等新品，开始在RISC-V架构的MCU上集成轻量级AI加速单元。这使得端侧设备（如智能家电）能够进行本地语音唤醒和手势识别，无需上传云端，极大地提升了响应速度和隐私安全性。

第五章 软件生态：从CUDA兼容到自主定义的“软战争”

2025年，中国AI芯片厂商深刻意识到，仅有硬件的堆砌是无法赢得战争的。软件生态的建设呈现出两条截然不同的路线，并在实战中接受检验。

5.1 兼容路线：海光与摩尔线程的务实选择

海光的DTK和摩尔线程的MUSA都致力于最大程度兼容CUDA代码。摩尔线程甚至开发了自动化的代码迁移工具，能够将原本为英伟达GPU编写的CUDA代码，无缝转换为MUSA运行。这种策略在短期内极其有效，特别是对于拥有大量历史代码资产（Legacy Code）的金融、电信等行业客户，极大地降低了迁移门槛。

5.2 自主路线：华为CANN与DeepSeek效应

华为走的是一条更艰难但更彻底的道路。CANN不寻求兼容CUDA，而是建立自己的编程范式。

DeepSeek效应：2025年，DeepSeek V3/R1模型的成功不仅仅是算法的胜利，更是国产算力生态的里程碑。DeepSeek团队通过极致的算法优化——例如大规模采用W8A8（8位权重、8位激活）量化技术、稀疏注意力机制——证明了在算力受限的国产硬件（如昇腾910B/C）上，依然可以训练出世界级的模型。

这一事件极大地提振了市场对国产芯片的信心，打破了“非英伟达不可”的神话。它标志着中国AI产业开始进入“软件定义硬件”的新阶段：通过算法的巧妙设计，来弥补硬件制程上的物理短板。

第六章 资本市场的博弈：估值泡沫与长期价值

6.1 IPO新浪潮的逻辑

2025年至2026年初的芯片企业IPO潮，是技术、政策与资本三重因素叠加的产物。

壁仞科技和摩尔线程的上市，标志着国产GPU企业正式接受公开市场的定价。

长鑫存储的巨额IPO，则是为了支撑其在HBM和DRAM领域天文数字般的资本开支。

6.2 估值与风险

投资者给予这些企业高估值，核心逻辑在于“国产替代”的确定性。在中国这个全球最大的芯片消费市场，只要能做出来，就不愁卖不掉。然而，风险同样巨大：

盈利能力：大多数AI芯片企业（除海光、寒武纪外）仍处于亏损状态，巨额的研发投入和流片成本吞噬了现金流。

地缘政治：美国制裁的进一步升级（如将制裁范围扩大到成熟制程或更多设备）仍是悬在头顶的达摩克利斯之剑。

第七章 结论与2030年展望：曙光与挑战并存

7.1 核心结论

市场格局：2025年，中国AI芯片市场在制裁中逆势增长，成功构建了一个独立的内循环生态。虽然在高端训练算力上与国际顶尖水平（Nvidia Blackwell）存在代差，但在推理、边缘计算和中端训练场景已实现“可用”乃至“好用”的替代。

供应链重构：“华为（设计）+ 中芯国际（制造）+ 长鑫存储（内存）+ 通富微电（封装）”构成了中国AI芯片的“铁四角”。这一链条虽然在成本和良率上暂不具商业优势，但在国家资本的支持下，具备了极强的生存韧性。

应用驱动：汽车（地平线）和工业制造（AI+制造）成为国产芯片大规模落地的最成功场景，这得益于中国庞大的实体经济腹地。

7.2 未来展望（2026-2030）

HBM产能危机（2026）：2026年将是生死攸关的一年。随着华为等厂商囤积的海外HBM库存彻底耗尽，长鑫存储能否按期、保质地量产HBM3，将直接决定国产AI芯片的性能上限。

光刻机突围（2027-2028）：预计到2027-2028年，国产浸没式光刻机有望实现真正的产线跑通，从而缓解7nm/5nm制程的高昂成本。而EUV的工业化应用可能要等到2030年。

生态分化（2030）：全球AI生态将进一步分裂为“CUDA生态”和“CANN/国产联盟生态”。跨国企业在中国开展业务将不得不适配两套系统，这将催生一个巨大的中间件和兼容层市场。

综上所述，2025年的中国人工智能芯片产业，正处于从“被动应对”向“主动构建”转型的关键十字路口。虽然前路依然布满技术封锁的荆棘，但一条基于举国体制、庞大应用市场和资本助力的自主可控之路已清晰可见。