作为长期跟踪 AI 半导体领域的独立分析师，我们首次对寒武纪、天数智芯、沐曦股份三家国产 AI 加速芯片厂商进行覆盖，其中给予寒武纪、天数智芯超配评级，沐曦股份标配评级。在 AI 算力国产化替代进入关键周期的当下，我们结合近期渠道调研、行业动态及性能成本测算，拆解中国 AI 加速芯片的乐观与悲观情景，剖析谁能真正抓住推理端替代的核心机遇。
当前，中国正加速缩小与美国在 AI 算力领域的差距，这种差距收窄不仅体现在芯片本身的性能突破上，更源于系统级创新的持续推进、供应链本土化的逐步完善，以及推理端日益凸显的经济性优势。我们始终坚持这一判断：这条发展路径，将推动中国本土 AI 加速芯片在 2030 年的自给率提升至 86%，未来十年，全球 AI 半导体的竞争格局也将因此被重塑。
从近期一个月的渠道调研来看，我们对中国 AI 加速芯片行业的态度愈发积极，多个信号印证了行业的向好趋势，但同时也需警惕潜在的竞争风险。
在近期举办的中国峰会上，MiniMax、智谱 AI 等主流大模型厂商的表态颇具参考意义 —— 他们明确表示，只要代币经济性具备竞争力，就愿意采用国产 AI 芯片。这一信号背后，是国产芯片在实际应用中的经济性已逐步获得市场认可，采购决策正从 “优先看品牌” 转向 “优先看成本效率”。
与此同时，实地调研显示，受超微电脑（SMCI）相关事件影响，英伟达 GPU 在华的供应出现明显收紧，原本指向英伟达的增量需求，正逐步转向国产替代方案，这为国产芯片打开了更大的市场空间。值得注意的是，英伟达 RTX 5090 在华的现货需求依然旺盛，这也从侧面印证了 AI 推理需求的强劲韧性，并未因供应收紧而出现疲软。
此外，代币价格与 GPU 租赁价格的持续上涨，进一步反映出当前算力市场仍处于紧缺状态，供需失衡的格局短期内难以改变。但我们也观察到一个主要负面信号：价格竞争的到来比预期更早，已有部分厂商开始通过降价来抢占市场份额，这意味着行业的盈利压力可能提前显现。
还有一个值得关注的行业事件：2026 年 7 月，世界人工智能大会（WAIC）将在上海举办，根据我们的行业预判，届时中国新一代 AI 加速芯片产品将集中亮相，其中天数智芯的新品表现尤为值得市场关注，有望成为行业的重要看点。
核心评级与标的差异化逻辑
我们之所以给予三家厂商不同评级，核心在于他们均能受益于 AI 芯片本土化加速的行业趋势，但各自具备独特的竞争优势与投资逻辑，具体拆解如下：
寒武纪（超配；目标价 1588 元人民币）：作为本土领先的 AI 推理芯片厂商，其核心优势在于深度绑定头部云服务商客户，软硬件协同优化能力突出，在大规模云端推理部署场景中占据明显优势，能够更好地适配下游客户的规模化需求。
天数智芯（超配；目标价 600 港元）：最大的差异化在于供应链布局的多元化，供应可见度更高，能够有效规避单一供应链带来的风险，同时其云端客户覆盖范围正持续拓展，订单落地能力逐步提升。
沐曦股份（标配；目标价 758 元人民币）：作为具备差异化优势的本土通用 GPU（GPGPU）厂商，其类 CUDA 软件兼容性较强，短期量产路径更具扩展性，具备一定的成长潜力，但相较于同业而言，其估值吸引力相对较弱，这也是我们给予其标配评级的核心原因。
切勿低估中国 AI 算力生态的竞争力
当前，中国 AI GPU 市场已进入一个全新阶段，行业讨论的焦点已从 “国产芯片能否参与竞争”，彻底转向 “随着推理需求规模扩大，哪些厂商能赢得可观的市场份额”。在我们看来，有两大结构性力量正在深刻塑造这一市场，决定着行业的长期走向。
其一，消费端与企业端 AI 应用的商业化落地，正持续推动 AI 推理需求的快速增长。无论是 C 端的生成式 AI 应用，还是 B 端的企业数字化转型，都对推理算力提出了规模化、低成本的需求，这为国产芯片提供了广阔的应用场景。
其二，持续的出口管制，使得本土化已成为中国 AI 算力市场的长期特征，而非一项临时的政策应对措施。这种长期趋势，不仅扩大了国产 AI 加速器的可触达市场，更提升了国产替代持续推进的确定性，为本土厂商提供了稳定的发展环境。
这两大因素的叠加，与我们的核心分析框架高度一致：到 2030 年，中国 AI 芯片的潜在市场规模有望达到 670 亿美元，本土自给率将提升至 86%，国产芯片将在全球市场中占据重要地位。
我们始终认为，中国的本土化战略正在逐步取得成效 —— 通过扩大本土芯片、晶圆制造、封装与设备的产能，能够在一定程度上弥补本土芯片在工艺节点上的劣势，实现 “以量补质” 的突破。
基于这一判断，我们对国产 AI 芯片的发展情景做出两种预判：
乐观情景下，国产 AI 芯片的应用场景将从当前的推理领域，逐步拓展至部分训练负载；同时，软件生态的改善速度超出预期，部分头部厂商有望实现海外市场的突破，或获得间接出口的机会，进一步提升全球竞争力。
悲观情景下，随着价格竞争的加剧，部分厂商的产品差异化优势将逐渐消失，行业将走向同质化竞争，最终进入整合阶段，实力较弱的厂商可能被市场淘汰。
更值得关注的是，中国 AI 算力产业凭借强大的系统设计与基础设施能力，已具备全球竞争力。当前，中国 AI GPU 领域的竞争，已不再是单一的芯片参数比拼 —— 尽管本土芯片在工艺层面仍落后美国约两代，但通过多芯粒设计、先进封装、机架级系统架构、光网络及软硬件协同优化等方式，这种实际差距正在不断缩小。
这也是我们强调 “系统级竞争力比以往任何时候都更为重要” 的核心原因。在一个日益由推理和利用率主导的市场中，即便没有最先进的工艺技术，只要能够以可接受的软件迁移成本，提供最优的实际代币经济性，就能赢得客户的认可和预算倾斜。
从投资角度来看，我们认为该板块不应被简单视为单一的政策主题估值标的。相反，投资者需要清晰区分两类厂商：一类是具备规模化出货的可行路径、可信的生态体系与严格的定价纪律，能够将技术潜力转化为可持续的收入与利润；另一类则可能陷入 “技术先进但落地困难” 的困境，难以实现长期盈利。
基于此，我们采用 “经济性 × 执行力” 的二维框架来评估这一板块，既涵盖总拥有成本、单代币成本、每秒代币处理量（TPS）、每美元性能等量化指标，也包括晶圆厂产能获取、软件生态成熟度、云服务商合作关系、产品路线图可信度等定性因素。我们坚信，在行业整合过程中，这一框架将是区分潜在赢家与可能被边缘化厂商的最有效方式。
通过近期的渠道调研，我们愈发清晰地发现：推动国产芯片落地的核心是经济性，而非意识形态。正如主流大模型开发商在峰会上所表态的，只要代币成本具备竞争力，他们就愿意部署国产 GPU。这与我们的核心发现高度一致：目前国产加速器的总拥有成本，已显著低于英伟达在华在售产品，且头部国产芯片在推理负载中，已能实现广泛的单代币成本对标。
换言之，当前的采购决策正越来越多地基于可落地的经济性，而非绝对的峰值芯片性能。这一点至关重要 —— 中国的 AI 需求正变得更侧重推理、更具持续性、更由利用率驱动，这种结构变化，天然利好围绕成本效率、软件适配和供应稳定性优化的方案，而非纸面跑分领先的产品。
谁将在中国 AI GPU 领域胜出？
中国 AI 加速芯片生态格局复杂，涵盖了独立芯片厂商、国资背景企业，以及与头部云服务商深度绑定的自研芯片团队。我们在全球 GPU/ASIC 格局下，对这些竞争者进行全面评估，对比其在性能、成本、执行力上的相对定位，并采用统一估值框架，筛选出风险收益比最优的标的。
根据对云服务商的实地调研，我们发现，尽管单代币成本是客户决策的最重要单一指标，但软件优化与战略客户合作的重要性，超出了我们的预期。基于近期的出货趋势、客户份额、市占率演变，以及提前到来的价格下滑，我们判断，行业下一阶段的核心竞争点，已不再是理论峰值性能，而是商业落地能力、软件就绪度与客户获取能力。
从竞争逻辑来看，市场应按客户类型进行划分，不同类型的客户，决策权重存在显著差异：
对于头部云服务商与主流大模型厂商而言，核心决策指标是单代币成本，但仅靠这一指标并不足够。软件成熟度、框架兼容性、集群级优化、战略合作深度，将直接决定订单的分配比例，只有在这些方面同时具备优势，才能赢得大规模订单。
对于政务 AI、电信、国企及政府相关需求而言，供应安全、自主可控、政策契合度的权重更高，具备供应链韧性或政府资源优势的厂商，将更易获得这类订单。
这种客户结构的差异，将催生不同细分市场的赢家。我们认为，与云服务商深度协同开发、软件栈可信的厂商，更易赢得大规模云端推理订单；而供应链可见度或政府资源更强的厂商，则更能受益于政务与公共领域项目的推进。
在这一分析框架下，寒武纪、沐曦股份、天数智芯三家公司，展现出了显著的差异化优势，各自在不同领域具备竞争力：
寒武纪在 ASIC/DSA 技术路线上表现突出，凭借优异的推理性能、深度的客户绑定，以及强大的软硬件协同优化能力，实现了出色的部署经济性，尤其在大规模云端应用场景中，优势更为明显，其落地进展仅次于华为昇腾。
天数智芯的核心差异，在于其多元化的晶圆厂策略、更高的供应可见度，以及凭借软件兼容性，为客户提供务实便捷的迁移方案，能够有效降低客户的切换成本，提升客户粘性。
沐曦股份则是我们认为国内最具竞争力的 GPGPU 厂商之一，得益于其相对更强的类 CUDA 软件兼容性，以及短期更具规模化潜力的生产制造路径，具备长期成长潜力，但目前仍需进一步验证大规模商业部署能力。
简而言之，寒武纪的优势在于当前云端推理场景的落地进展；天数智芯的核心竞争力在于供应链韧性与商业拓展弹性；沐曦股份则凭借其可规模化的通用 GPU 定位，有望在长期竞争中占据一席之地。
中国 AI GPU 需求短期市场跟踪
从短期行业环境来看，当前的市场格局对国产厂商更为有利。近期实地调研显示，英伟达 GPU 在华供应持续收紧，这为国产替代创造了更大的市场空间，部分原本依赖英伟达的客户，正加速转向国产芯片。
与此同时，英伟达 5090 现货需求旺盛、代币价格与 GPU 租赁价格持续上涨，这些数据均印证了下游推理需求的强劲韧性，也强化了我们的判断：当前 AI 算力的需求环境依然强劲，尤其对于那些需要快速部署、不愿等待英伟达供应恢复的客户而言，国产芯片成为了更优选择。
但我们也需发出警示：行业竞争的加剧速度超出预期，目前市场已出现降价现象，行业可能提前进入份额争夺期。在这种背景下，厂商的执行力愈发关键 —— 尤其是在软件优化、客户支持与核心客户渗透方面，能否快速响应客户需求、持续优化产品体验，将直接决定其市场份额的走向。
此外，2026 年 7 月上海世界人工智能大会的举办，将成为行业的重要节点，预计天数智芯等厂商将在大会上发布新一代 AI 加速芯片，这有望成为推动行业发展的重要催化剂，也值得市场重点关注。
用 “经济性 × 执行力” 框架筛选赢家：首选寒武纪与天数智芯
基于对性能与成本的全面分析，我们采用 “经济性 × 执行力” 的结构化框架，对国产 AI 芯片厂商的相对定位进行评估，聚焦量化经济性与定性执行力两大核心维度，筛选出具备长期竞争力的标的。
我们的评估框架：经济性 × 执行力
我们从两大核心维度，对国产 AI 芯片厂商进行全面评估，二者缺一不可：
一是推理经济性（量化指标），主要包括总拥有成本（TCO）、单代币成本、每秒代币处理量（TPS）性能，以及每瓦 / 每美元性能，这些指标直接决定了厂商在市场化竞争中的核心优势。
二是执行能力（定性指标），主要包括先进工艺产能获取能力、软件生态成熟度、与云服务商的合作深度，以及产品路线图的可靠性，这些指标决定了厂商的长期发展潜力与抗风险能力。
我们认为，要在行业竞争中实现持续领先，厂商必须在这两个方面均具备优势。如果仅在某一方面表现突出 —— 例如硬件性能强劲但生态薄弱，或是软件成熟但产能不足，都难以实现稳固的市场份额，最终可能被行业淘汰。
寒武纪：推理性能与客户绑定领先
在我们的评估框架中，寒武纪是 ASIC（DSA）路线上最具优势的厂商之一，其核心竞争力集中在推理性能与客户绑定两大方面。
从量化层面来看，寒武纪最新一代产品（如思元 590）的推理性能具备较强竞争力，根据我们的 TPS 分析，在部分 DeepSeek R1 场景中，其性能显著优于英伟达 H20。叠加其合理的定价优势，形成了优秀的单代币经济性 —— 而这正是云服务商采购决策的核心指标，也是其能够获得头部客户认可的关键。
从定性层面来看，寒武纪的核心优势在于与客户的深度协同。其与字节跳动多年的合作，实现了持续的软硬件优化与实际部署验证，在应用层调优与商业化落地中积累了丰富的经验，能够更好地适配客户的个性化需求，形成了较强的客户粘性。
综上，寒武纪是推理驱动部署的短期领先者，尤其在效率与客户定制化优化至关重要的场景中，具备不可替代的优势。
天数智芯：依托供应链韧性，订单可见度高
天数智芯凭借其供应链韧性、软件兼容性与持续提升的商业落地能力，将充分受益于中国 AI 芯片国产替代进程的加速，也是我们重点看好的标的之一。
根据行业调研数据，国内头部云服务商已对天数智芯的天盖 150（TianGai-150）AI 芯片下达大额预订单，预计 2026 年下半年开始出货，这为其业绩增长提供了明确的支撑。
更为关键的是，天数智芯采用了多元化的晶圆厂策略，包括在台积电进行合规生产，这使其相比仅依赖本土晶圆厂或海外不合规产能的同业，拥有更高的产能可见度，能够有效降低供应中断的风险，在当前供应链紧张的背景下，这一优势尤为突出。
在软件层面，天数智芯的通用 GPU（GPGPU）架构具备较高的 CUDA 兼容性，能够有效降低客户的软件迁移成本。目前，公司已协助多个客户，将大模型栈从英伟达平台迁移至天盖 150，这种务实的服务能力，使其在企业寻求英伟达务实替代方案时，占据了明显的优势地位。
沐曦股份：依托软件与供应实现规模化定位
在通用 GPU（GPGPU）赛道中，沐曦股份是具备较强竞争力的本土参与者，其核心优势在于聚焦提升 CUDA 生态兼容性，试图突破英伟达的软件护城河。
我们都知道，CUDA 仍是英伟达的核心竞争壁垒 —— 其深度整合了编译器、cuDNN 与 NCCL 等库，以及庞大的开发者生态，形成了难以复制的结构性切换成本，这也是国产 GPGPU 厂商面临的最大挑战。
在此背景下，沐曦股份构建类 CUDA 软件栈与兼容层的策略，为本土客户提供了一条合理的采用路径，降低了客户的切换门槛。根据我们的行业调研，公司在编译器适配、PyTorch 等框架兼容性及运行时优化方面，均取得了稳步进展，但整体生态的成熟度与稳定性，仍落后于全球领先者，这也是其目前面临的主要短板。
此外，沐曦股份采用了务实的制造策略，依托 N+1/12nm 等相对成熟的工艺节点，保障了良率稳定性与供应连续性。这一策略虽然限制了其与尖端产品相比的峰值性能，但在性能、成本与可制造性之间，实现了更均衡的取舍，也使其短期量产更具可行性。
整体而言，我们认为沐曦股份的执行力与规模化潜力正在逐步提升，但大规模商业部署的进一步验证，仍是需要重点关注的关键因素，这也是我们给予其标配评级的核心考量。
性能与成本：哪些国产 AI 芯片脱颖而出？
对于中国 AI GPU 市场而言，推理经济性远比基础模型训练更为重要 —— 当前中国 AI 需求的核心是推理场景的规模化落地，因此，TPS、TCO、能效等与推理经济性相关的指标，成为了衡量厂商竞争力的核心标准。
在此前的中国 AI 洞察报告中，我们已对国产 AI 加速芯片在关键性能与经济指标（含 TCO、总处理性能 TPP、DeepSeek R1 推理 TPS、每瓦性能）进行了全面对比，结合最新调研数据，我们进一步拆解核心指标，分析哪些国产芯片能够脱颖而出。
1. TPS—— 营收核心指标
我们认为，TPS（每秒代币处理量）是中国推理主导市场的另一关键指标。与峰值 FLOPS 不同，TPS 反映的是端到端的系统性能，能够体现实际负载下的硬件能力（计算吞吐量、内存与互联带宽）与软件效率，更贴合实际应用场景。
我们选择 DeepSeek R1 作为基准模型，因其在中国当前大模型生态中具有代表性，且采用了 MoE 架构，能够较好地反映主流推理场景的需求。为了校准测算框架，我们以 2025 年一季度英伟达 H200 的公开数据为基准 ——2025 年 2 月，英伟达 H200 运行 DeepSeek R1 推理实现 5899 TPS。
基于这一基准，我们的测算显示，华为昇腾 950PR/DT、寒武纪思元 690 等头部国产加速芯片，在我们的测试场景中，性能比英伟达 H20 高出 50%-150%。这一结果表明，国产厂商通过在内存、互联、系统架构等方面的改进，已经取得了显著进展，即便存在工艺节点的劣势，依然能够实现具备竞争力的推理性能。
这也进一步强化了我们的判断：当前性能领先愈发取决于负载场景，国产芯片在推理场景中已具备较强的竞争力，尽管英伟达在技术前沿领域仍占据优势，但在可获取的产品范围内，国产芯片已能满足大部分推理需求。
TPS 测算方法论
我们的 TPS 框架，主要采用了决定推理代币吞吐量的核心硬件与负载变量：
硬件输入包括：有效计算吞吐量（优先采用 FP8，无 FP8 则采用 FP16）、内存带宽、互联带宽、芯片利用率（UTR）；
负载输入包括：模型大小（671GB）、层数（61）、激活专家（MoE 架构下 9/257）、输入 / 输出代币长度（1024/1024）、批次大小。
局限性说明
需要说明的是，我们的 TPS 预测主要基于硬件规格（计算吞吐量、内存带宽、网络带宽），其中模型关键变量为芯片利用率（UTR），这一指标反映了理论硬件吞吐量转化为实际持续性能的效率。我们通过微调 UTR 假设，使模型测算的 TPS 接近英伟达的公开结果，确保测算基于可观测的市场数据，而非纯理论峰值规格。
同时，我们也需注意，英伟达的公开结果可能包含了多层软件优化（如内核调优、TensorRT 图优化、内存调度改进、通信库优化、MoE 模型专家路由优化等），因此，我们采用的英伟达基准（2025 年 2 月结果）仅作为时间点参考，后续随着驱动、框架或固件的更新，其性能可能会进一步提升。
此外，我们的分析假设了固定的推理负载（输入 / 输出代币 1024/1024，批次大小 1），这未必能覆盖所有实际部署场景，因此测算结果仅供参考，实际 TPS 可能因软件成熟度、负载组合、集群配置等因素而有所差异。
值得注意的是，在评估英伟达下一代平台（如 GB300）时，性能差距会显著扩大。根据英伟达最新发布的信息，GB300 凭借更高的计算吞吐量、增强的网络带宽、新一代 HBM 性能与 FP4 等低精度格式支持，在 DeepSeek R1 场景下，每瓦代币性能较 H200 提升最高 50 倍。
在此需要特别提示：本报告的对比分析，仅限于中国当前可采购或短期可合理获取的产品，未纳入英伟达最新的前沿平台。从绝对性能来看，英伟达最先进的系统，仍显著领先于我们模型中的所有产品。因此，我们的结论应基于中国可获取的供应情况解读，而非全球前沿技术领导力的对比。
2. TCO—— 成本核心指标
TCO（总拥有成本）仍是国产 AI 芯片最具吸引力的优势之一。根据我们的全口径测算（涵盖芯片采购、电力、配套基础设施等），国产加速芯片的 TCO，可比英伟达当前在华的解决方案低 30%-60%。
这一优势主要源于两个方面：一是国产芯片的初始定价更低，具备明显的价格优势；二是中国具备结构性更低的电力与基础设施成本，在大规模部署场景中，这种成本优势会更加突出。尤其在大规模、高利用率的推理主导部署中，运营成本占据生命周期成本的主导地位，国产芯片的 TCO 优势将进一步放大。
更为关键的是，将系统性能转化为单代币成本后，国产芯片与英伟达的差距进一步收窄。尽管英伟达在绝对性能上仍保持领先（尤其是高端产品），但头部国产加速芯片已实现与英伟达 A100/H20 系列单代币成本的全面对标，在部分配置下甚至实现了超越。
我们认为，这是一个关键的行业拐点 —— 云服务商的采购需求，已从过去追求峰值芯片性能，转向聚焦商业化变现与利用率优化，而国产芯片的成本优势，恰好契合了这一需求变化。
3. 能效 —— 功耗指标
在能效方面，国产芯片已基本追平英伟达 A100 与 H20，但与 H100、H200 等新一代平台相比，仍存在一定差距。不过，在每美元性能上，国产加速芯片凭借更低的定价与实际性能的提升，已展现出明确的优势。
叠加采购成本来看，由于国产芯片的定价显著低于英伟达产品，其每美元性能更强 —— 头部国产加速芯片已超越 A100，与 H200 的差距也在逐步缩小，这进一步强化了其在推理主导部署中的吸引力，尤其对于对成本敏感的客户而言，国产芯片成为了更优选择。
4. 通用 GPU vs. 专用集成电路：差异是否关键？
在评估国产 AI 芯片的竞争力时，我们认为，架构选择（GPGPU vs. ASIC/DSA）是中国 AI 生态的核心战略取舍。与全球同业不同，国产厂商无法自由获取先进工艺与成熟软件，因此必须在量产限制、软件成熟度、需求结构演变之间，做出最优的平衡。
GPGPU 的优势在于可编程性与灵活性更强，能够更好地适配快速迭代的模型生态与 PyTorch 等主流框架。在中国软件生态仍在收敛、模型架构持续迭代的背景下，这种灵活性的价值尤为突出。但其短板也较为明显：功耗与面积效率更低，通常需要更先进的工艺，才能实现具备竞争力的性能，这对国产厂商的工艺获取能力提出了较高要求。
ASIC（DSA）的优势则在于软硬件协同优化更紧密，能够部分弥补工艺劣势，在目标负载中实现更高的效率，尤其适合推理主导或相对稳定的应用场景。但其取舍在于通用性降低，软件移植成本更高，对模型架构的变化更为敏感，一旦模型架构发生重大调整，其适配成本会显著增加。
综上，两种架构各有优劣，没有绝对的好坏之分，关键在于厂商能否根据自身的资源禀赋、客户需求，选择适合自己的发展路径，实现“架构适配需求”的最优平衡。
总结
中国 AI 加速芯片行业正处于国产替代的关键周期，推理端需求的爆发与供应链的变化，为国产厂商提供了前所未有的发展机遇，但同时也伴随着提前到来的价格竞争压力。我们认为，行业的核心竞争力已从单一的芯片参数，转向系统级优势与商业落地能力，“经济性 × 执行力” 将成为区分赢家与输家的核心标尺。
基于我们的评估框架，寒武纪凭借其推理性能与客户绑定优势，天数智芯依托其供应链韧性与订单可见度，成为我们首选的标的，给予二者超配评级；沐曦股份具备一定的软件与规模化优势，但仍需进一步验证商业落地能力，因此给予标配评级。
长期来看，随着软件生态的持续完善、供应链的不断成熟，国产 AI 加速芯片的竞争力将进一步提升，有望在 2030 年实现 86% 的本土自给率，重塑全球 AI 半导体的竞争格局。但短期而言，投资者需重点关注价格竞争、软件优化与订单落地情况，规避行业整合带来的投资风险。
更多调研音频&外资研报请扫描底部二维码，限时免费加入星球获取
——END——
