出品 | 陈博观察 (ID: Drchenobservation)
编辑 | Will Chan
来源：陈博观察AI工作站（Doubao AI）创作
AI 芯片又称 AI 加速器或计算卡，是人工智能产业发展的核心硬件支撑。从技术架构来看，其主要包括通用图形处理器（GPGPU）、中央处理器（CPU）、专用集成芯片（ASIC）以及现场可编程门阵列（FPGA）等类型。
来源：与非网，2025国产芯片产业白皮书
其中，GPGPU 凭借出色的并行计算性能，在处理大规模复杂数据和模型训练方面优势显著，已成为算力芯片的主流选择。按功能划分，AI 芯片可分为训练卡（大卡）和推理卡（小卡）：训练卡具备更高的计算能力和内存带宽，能够支撑大模型训练过程中的海量计算与数据处理需求，且可兼作推理卡使用；推理卡参数较低，仅满足 AI 模型应用阶段的推理计算需求，无法用于训练任务。通常，大模型训练需要大量训练卡组成显卡集群，而实际应用场景中则依赖推理卡运行 AI 模型。
来源：与非网，2025国产芯片产业白皮书
本轮人工智能浪潮由 ChatGPT 引领，以语言大模型和生成式 AI 应用为重要切入点。自 2017 年谷歌发表 Transformer 技术以来，其不仅催生出 ChatGPT 等 C 端爆款产品，还在自然语言处理、计算机视觉、自动驾驶等多个领域得到广泛应用。海内外科技巨头（如谷歌、Meta、微软、字节跳动、百度等）及初创企业纷纷加大相关投入，非技术公司也在人才、技术和资源方面积极布局。根据 Bloomberg Intelligence 预测，到 2032 年，生成式 AI 在总体信息技术硬件、软件、服务、广告和游戏等支出中的占比，将从目前不足 1% 提升至 12%，市场增长潜力巨大。
来源：来觅研究院，国产AI 芯片路在何方
算力需求的指数级增长是行业发展的核心驱动力之一。2018 年 OpenAI 推出的 GPT-1 仅有 1.17 亿个参数，而 2023 年发布的 GPT-4 参数量已达 1.8 万亿个，5 年间参数量增长超万倍。OpenAI 测算显示，自 2012 年起，全球头部 AI 模型训练算力需求每 3-4 个月便翻一番。2023 年后，AI 行业发展如火如荼，“百模大战” 再度兴起，进一步加剧了算力紧缺的局面。从国内市场来看，智能算力规模持续快速增长，2019 年为 32 亿元，2020 年增长至 75 亿元，2021 年达 155 亿元，2022 年突破 268 亿元，预计 2023 年将达到 427 亿元，2024 年、2025 年、2026 年分别有望增长至 641 亿元、923 亿元、1271 亿元。
来源：来觅研究院，国产AI 芯片路在何方
尽管国内大模型在算法攻关和部分模型开源的推动下进展迅速，部分国产 AI 大模型的单项能力已宣称追赶上 GPT-4，但国内 AI 产业与海外的核心差距仍集中在 AI 芯片领域。受外部环境影响，国内科技企业不仅无法购买先进 AI 芯片，即便拥有完整方案，自行制造 AI 芯片也面临诸多阻碍，这也使得国产 AI 芯片具备巨大的潜在成长空间。
二、国内外 AI 芯片产业发展对比与国内布局
AI 芯片行业呈现 “赢家通吃” 的竞争格局，Nvidia 凭借在单卡性能 / 集群性能、生态 / 灵活性、制造难度 / 性价比三个核心维度的综合领先优势，占据了全球超 90% 的 AI 芯片市场份额，其垄断地位让多数竞争对手望而生畏。（英伟达人工智能发展战略研究报告（2025））
来源：容纳咨询
从产品性能来看，国内 AI 芯片与海外产品仍存在明显差距。海外方面，Nvidia 的 GB200 支持训练和推理，算力达 18000TOPS，互联带宽 1800G/S，采用 4NM 工艺制程；AMD 的 MI300X 同样兼具训练和推理功能，算力为 163.4TFLOPS@FP64，互联带宽 896G/S，工艺制程为 5NM。国内企业中，华为昇腾 910B 支持训练和推理，算力 640TOPS，互联带宽 392G/S，采用 7NM 工艺；壁仞科技训练侧 BR100 算力 2000TOPS，互联带宽 1.64T/S，工艺制程 7NM；百度训推一体昆仑芯 2 代算力 256TOPS，互联带宽 512G/S，工艺 7NM；燧原科技训练侧 T21 算力 256TOPS，互联带宽 300G/S，工艺 12NM。除了单卡性能的差距，更大的鸿沟体现在训练侧的万卡互联与生态建设方面，这也是国内 AI 芯片行业需要长期攻克的难题。
来源：伯恩斯坦分析
国内 AI 芯片企业的布局呈现出 “以推理侧为主，逐步向训练侧延伸” 的特点。在推理侧集中布局，一方面是为了与 Nvidia 等海外巨头形成错位竞争，另一方面也是顺应 AI 技术普及过程中，行业对高性能、低功耗 AI 芯片日益增长的需求。同时，已有部分国内企业开始发力训练侧芯片：2024 年全球 AI 芯片峰会上，壁仞科技首次公布自主原创的异构 GPU 协同训练方案 HGCT，成为业界首个支持 3 种及以上异构 GPU 混合训练同一个大模型的方案；摩尔线程公布了基于 MTT S4000 的万卡智能集群夸娥（KUAE），正式进军训练侧；华为、寒武纪、海光信息等厂商也有类似的布局动作，逐步填补国内训练侧 AI 芯片的空白。
来源：与非网，2025国产芯片产业白皮书
三、AI 芯片创业核心难点
AI 芯片领域创业难度极大，主要面临三大核心挑战：
来源：与非网，2025国产芯片产业白皮书
其一，芯片设计与制造难题。受海外管制影响，AI 芯片相关设计工具已被限制使用，给芯片设计环节带来巨大阻碍。而制造环节的问题更为突出，Nvidia 最新的 AI 芯片采用 4NM 制程，目前全球仅有台积电具备此类先进制程的制造实力，而大陆芯片制造行业整体实力稍显不足，难以满足高端 AI 芯片的制造需求，成为制约国产 AI 芯片发展的关键瓶颈。
其二，市场竞争难题。当前，Nvidia 的 AI 芯片方案仍具备最高的性价比，占据市场主导地位。国内 AI 公司采购国产 AI 芯片，一方面是出于国产替代的主观意愿或客观限制，另一方面是希望获得更贴合自身需求的定制化产品（如字节跳动等厂商会针对自身需求自行设计 AI 芯片）。大模型的快速发展在加速 AI 芯片行业进步的同时，也进一步拉大了芯片厂商之间的差距。国产 AI 芯片厂商必须精准定位自身产品的核心优势，明确能够满足客户的哪些特定需求，才能让客户愿意为国产芯片支付高额溢价，在市场竞争中占据一席之地。
来源：伯恩斯坦分析
其三，盈利能力难题。AI 芯片研发具有周期长、强度大、成本高的特点，研发投入往往难以在短期内获得回报，企业造血能力至关重要。当前一级市场环境下，完全依赖创投市场输血的可能性微乎其微，国产 AI 芯片公司的正现金流状况面临严峻考验，如何在持续投入研发的同时实现盈利，是所有相关企业需要解决的核心问题。
四、行业投融资动态
近年来，AI 芯片市场呈现出强劲的增长势头，成为资本市场的热门赛道。从市场规模来看，2024 年全球 AI 芯片市场规模预计将达到 712.52 亿美元，同比增长 33%，2025 年有望进一步增长至 919.55 亿美元；中国市场表现更为亮眼，2023 年 AI 芯片市场规模达 1206 亿元，同比增长 41.9%，预计 2024 年将增长至 1412 亿元。
来源：伯恩斯坦分析
投融资方面，AI 芯片是 2024 年最为活跃的赛道之一。从融资轮次来看，整体仍偏向早期，但部分明星项目已获得市场广泛认可，资本持续加码。2024 年以来，行业内涌现出多个重要投融资事件：6 月，紫光展锐完成超 40 亿元 E 轮融资，投资方包括中信建投资本、交银金融资本等；6 月，百度旗下昆仑芯完成 C 轮融资，投资方有北京国管、君联资本等；5 月，后摩智能完成数亿元 A++ 轮融资，中移资本参与投资；亿铸科技完成超 1 亿元 B 轮融资，投资方包括盛视科技、行至资本等；3 月，摩尔线程完成 C 轮融资，华通车业为投资方；1 月至 9 月期间，中昊芯英、知合计算、图影视讯、沐曦、太初元碁、寒序科技、元启半导体、灵汐科技、润芯微科技等企业也纷纷完成不同轮次融资，融资金额从数千万人民币到数亿人民币不等，投资方涵盖产业资本、创投机构、金融资本等多种类型，展现出资本市场对 AI 芯片赛道的高度关注与信心。
进入2025年至2026年初，AI芯片赛道投融资热度持续攀升，且呈现出从早期融资向成熟化IPO冲刺过渡的显著特征，资本布局更趋多元化，产业资本与战略投资协同效应凸显。这一阶段行业内不仅涌现出大额后期融资，更迎来密集的上市浪潮，成为赛道成熟度提升的重要标志：2025年7月，百度旗下昆仑芯完成D轮融资，投资方包括比亚迪、中国移动旗下基金、北京政府引导基金、中金资本等，融资完成后估值达210亿元，随后于12月完成工商变更，从有限责任公司转为股份有限公司，注册资本大幅提升，加速推进上市进程，多家机构给出最高超500亿美元的估值预期；2025年底，国产GPU领域迎来上市热潮，12月摩尔线程登陆科创板，首日股价涨超4倍，收盘价较发行价涨幅达425%，市值一度突破4400亿元；同期沐曦股份上市首日股价暴涨约700%，市值突破3000亿元，刷新近十年来A股上市首日单签盈利纪录；2026年伊始，这一热潮延伸至港股，1月2日壁仞科技上市首日涨幅75.82%，总市值一度超1000亿港元，而燧原科技也于2026年1月1日完成上市辅导，即将申报科创板，标志着国产GPU“四小龙”上市版图全面合拢。
来源：网络公开资料，陈博观察整理
国际市场方面，AI芯片相关投融资同样动作频频。2026年1月7日，埃隆·马斯克旗下人工智能公司xAI宣布完成总额200亿美元的融资，由英伟达、Valor Equity Partners和卡塔尔投资局等领投，融资采用“75亿美元股权+125亿美元债务”的创新结构，债务资金专门用于采购英伟达高性能GPU，新资金将重点用于AI基础设施建设与前沿产品研发。此外，边缘AI芯片赛道也实现资本市场突破，2025年1月14日，全球首家专注于边缘AI芯片技术的企业Blaize通过与特殊目的收购公司合并登陆纳斯达克，估值达15亿美元，其此前曾获三星、戴尔科技资本等机构投资，此次上市标志着边缘AI芯片技术从研发阶段迈入成熟商业化时代。
来源：伯恩斯坦分析
从资本构成来看，这一阶段的投资方除传统创投机构、金融资本外，腾讯、阿里巴巴、比亚迪、中国移动等行业巨头的战略布局愈发密集，形成“财务投资+产业协同”的双重驱动格局。值得注意的是，随着赛道商业化进程推进，资本市场在经历初期狂热后逐渐回归理性，对企业盈利能力与商业化落地效率的关注度显著提升，成为后续资本布局的核心考量因素。整体而言，AI芯片赛道的投融资活动已从早期的技术培育阶段，逐步进入“资本集结+产业突围”的关键发展期，全球范围内的竞争与合作格局持续深化。
五、行业未来展望与发展关键要素
当前，大模型革命席卷全球，算力需求攀升至历史新高，有力推动了云、边、侧 AI 芯片的迭代与进化。尽管行业面临数据爆炸式增长、芯片工艺逼近物理极限、国际形势复杂多变等多重挑战，但众多 AI 芯片企业仍低调务实、承压前行，积极把握生成式 AI 浪潮带来的时代机遇。
来源：猎聘研究院
正如 Elon Musk 所言：“只有原材料是唯一的限制，制造的每一个环节都完全可以被重新发明。”AI 产业的巨大潜力必将催生出数万亿规模的市场，“卡脖子” 困境只是暂时的。随着国内先进制程技术的不断突破以及资本的持续投入，国产 AI 芯片与海外的差距正逐步缩小，而非扩大。国产替代的巨大空间，将为相关企业带来高速增长的发展机遇。
从行业终局来看，未来世界对算力的需求将无穷无尽，但参考美国市场的竞争格局，最终能够胜出的企业可能寥寥无几。基于 AI 芯片 “赢家通吃” 的行业特点，国产 AI 芯片公司若想脱颖而出，必须同时具备三大核心能力：一是技术实力，这是在激烈竞争中立足的根本，需持续攻克单卡性能、集群互联、生态建设等关键技术难题；二是渠道能力，要能够精准对接客户需求，构建稳定的销售渠道和客户关系；三是融资能力，为长期的研发投入和市场拓展提供充足的资金支持。这三大能力对创业公司构成了巨大挑战，但也无形之中构建了行业壁垒，有助于行业实现良性竞争和高质量发展。总体而言，国产 AI 芯片行业任重道远，但未来可期，有望在全球 AI 产业格局中占据重要地位。
