VIP AI芯片调研:互联网大厂需求和应用场景, 台积电先进制程供需和价格趋势 - 聚焦寒武纪/昇腾/昆仑芯/海光/沐曦/平头哥

EN VIPAI芯⽚调研:互联⽹⼤⼚需求和应⽤场景,台积电先进制程供需和价格趋势-聚焦寒武纪/昇腾/昆仑芯/海光/沐曦/平头哥 半导体，制造业 已关注 共享调研纪要2025/09/26 15:57:30 联合发布⼈：Patrick 要点 - 互联⽹⼤⼚需求和应⽤场景；- 台积电先进制程供需和价格趋势；- ⾃动驾驶芯⽚性能对⽐。 本⽂共10825字，预计阅读时间22分钟 已享VIP免费 以下是专家观点： 国内AI芯⽚⼚商的数据来源是否可靠？这些数据如何获取？ 数据来源主要包括两⽅⾯：第⼀，与国内主要OEM和ODM⼚商建⽴的数据交换协议，通过统计汇总各家⼚商的实际出货情况；第⼆，与头部客户（如CSP客户、运营商）合作获取其需求预测及供应分配信息。 对于国内⼏家主流AI芯⽚⼚商的产品性能评价如何？它们在实际产业应⽤中的表现如何？ H公司⽬前的产品主要⽤于传统AI业务场景，如图形处理与视觉相关任务。在⼤模型应⽤中，由于与主流⼤模型间移植⼯作复杂且资源有限，其适配性较低，⼤多数调优⼯作尚未完成。寒武纪则以⾼效能计算能⼒⻅⻓，但产能限制影响了其订单履⾏能⼒。昆仑芯更多聚焦于百度⽣态系统内需求，其外部拓展 相对有限。沐曦与摩尔线程则因产能问题或产品定位不同，在⾼端AI计算领域竞争⼒稍弱。 当前H公司在AI模型业务中的应⽤情况如何？其产品主要被⽤于哪些领域？在⼤模型和算⼒中⼼⽅⾯的现状如何？ H公司⽬前的AI模型业务主要集中于传统领域，包括视觉处理、语⾳处理等传统AI任务，以及部分推荐、⼴告和搜索相关的应⽤。其产品尚未⼴泛⽤于⼤模型的训练或推理，运营商客户也主要使⽤H公司产品来运⾏⼩规模零散的⼩模型应⽤，通常⼩体量部署。此外，H公司正在与DeepSeek合作，希望未来能够将推理业务部署到910C上，但这⼀⼯作仍在进⾏中，需等待DeepSeek下⼀版本（如R1或V4）的发布以完成适配。在算⼒中⼼⽅⾯，除与少数互联⽹企业合作外，H公司建设的⼤部分算⼒中⼼利⽤率较低。 寒武纪⽬前在客户中的应⽤情况如何？特别是在字节跳动中的表现及其⾯临的挑战是什么？ 寒武纪⽬前最⼤的客户是字节跳动，其产品主要⽤于推荐和⼴告业务中的⽤户画像实时训练。字节跳动采⽤寒武纪590进⾏训练，这⼀合作已持续近两年时间，⽬前已基本完成部署。在字节外其他客户中，由于缺乏类似深度优化，⼤多数⽤户反馈寒武纪产品性能仅能达到A100约70%的⽔平。寒武纪能够进⼊字节跳动市场的⼀个关键因素是其对TensorFlow框架的⽀持，⽽国内其他主流加速卡⼚商已放弃对TensorFlow的⽀持。然⽽，这种适配⼯作需要投⼊⼤量精⼒，因此其他潜在客户对寒武纪产品兴趣有限。 昆仑芯当前在推荐⼴告算法以及其他场景中的应⽤情况如何？其技术路线是否存在局限性？ 昆仑芯并未⼴泛⽤于推荐⼴告算法，⽽是更多地聚焦于搜索相关业务。这⼀领域与百度⾃身需求⾼度契合，因此百度的⼤量搜索任务运⾏在昆仑芯上。在字节跳动内部，昆仑芯主要被⽤来验证⼀些⼩规模模型，如⽕⼭引擎内部的⼩模 型，但未被⽤于核⼼推荐⼴告业务。这是因为昆仑芯不⽀持TensorFlow框架，⽽字节跳动核⼼线上业务仍基于TensorFlow开发。由于迁移⾄PyTorch等框架可能带来⻛险，该转型进展缓慢。因此，不⽀持TensorFlow框架的硬件难以进⼊字节跳动核⼼市场。 H公司、寒武纪和昆仑芯未来⼀年的出货量预期如何？各⾃⾯临哪些挑战？ H公司预计2026年整体出货量将下降。这⼀下降趋势主要受制于产能瓶颈、库存积压以及架构转型计划（从现有ASIC架构向GPGPU架构过渡）。此外，H公司已减少对910B和910C的新订单，并优先保障麒麟系列芯⽚⽣产。寒武纪2026年的出货量预计将有所增⻓，顺利的话其全年出货量可能达到17万⾄18万⽚，⾼峰值可能接近20万⽚，但实现这⼀⽬标存在⼀定困难。寒武纪将在2026年推出590的⼩改版型号690，该型号将在HBM容量、⽹络规格及FP8⽀持⽅⾯有所升级，并计划于第⼆季度末实现规模化⽣产。昆仑芯未来的发展潜⼒仍集中于搜索领域，但由于技术路线限制，其难以进⼊需要TensorFlow⽀持的重要市场，例如字节跳动核⼼推荐⼴告业务。同时，其下⼀代产品开发⽅向尚未明确，需要进⼀步观察市场需求变化。 寒武纪在2026年的产品规划和出货量预期如何？ 寒武纪计划在2026年下半年将产品切换⾄690型号。预计590型号仍将保持约10万⽚的出货量，⽽690型号可能在下半年开始放量，预计占据接近10万⽚的产能。寒武纪前三⼤客户分别为字节跳动、南京麒麟研究院以及与秦淮合作的上海项⽬，其中字节跳动是最⼤客户。寒武纪590型号在2024年的单价为6.5万⾄7万元⼀⽚，2025年的价格基本维持不变。 昆仑芯在2025年⾄2026年的出货量、产能规划及新产品研发进展如何？ 昆仑芯在2025年的出货量约为6万⽚，并预测其2026年的产能⾄少可达11万⽚，上限估计为13⾄14万⽚。昆仑芯计划于2026年推出⼀款基于现有P800（即昆仑芯三代）的改版产品，该版本采⽤双die设计，HBM内存容量提升， 互联带宽翻倍，总算⼒较现有版本提⾼⼀倍，其性能接近英伟达H100的80%。由于台积电⽣产路径尚未完全解决，该新产品⽬前⾯临⼀定的不确定性。 天数智芯、壁仞科技等⼚商在未来两年的发展动态如何？ 天数智芯暂⽆下⼀代产品计划，将继续销售现有天垓系列；壁仞科技主要推⼴BR106，但受限于产能瓶颈，⽬前仅⼩规模供应地⽅算⼒中⼼和科研单位。 海光未来的发展重点及市场反馈如何？ 海光计划通过第三代DCU拓展互联⽹市场，⽬前主要客户包括阿⾥巴巴和腾讯，但反馈较保守。 昆仑芯三代产品当前售价及市场价格分别是多少？ 昆仑芯三代产品售价为6万元⼈⺠币/⽚；市场零售价格则为8.4万元⼈⺠币/⽚。 百度昆仑芯的供应链中，主要的晶圆代⼯合作⽅有哪些？未来是否有扩展计划？ ⽬前百度昆仑芯的晶圆代⼯主要由三星提供⽀持，同时计划在后期拓展与台积电的合作。 昆仑芯⽬前确定的内部需求和外部客户订单情况如何？字节跳动等互联⽹公司对其采购意向如何？ 当前昆仑芯唯⼀明确的内部需求来⾃百度，其计划在⼭⻄建设新的算⼒中⼼，并预计明年（2026年）内部使⽤量最⾼可达5万⽚。此外，今年（2025年），百度已与中国移动联合完成3万⽚算⼒中⼼项⽬交付。对于外部客户，⽬前字节跳动仍处于测试阶段，预计今年底才能确定明年的采购计划；腾讯则在⼩规 模测试后暂时搁置了进⼀步采购。因此，截⾄⽬前，⼤多数互联⽹客户尚未对明年的采购量做出承诺。 百度与中国移动在算⼒中⼼建设中的合作模式是怎样的？ 在该合作模式下，中国移动负责购买设备并建设算⼒中⼼，⽽百度通过签署“3+2”租赁协议使⽤这些资源，即五年的租赁期限。每台设备每年的租赁价格约为3万元。 昆仑芯在与中国移动的合作中，未来五年租⾦价格是否会有变化？ 昆仑芯每台设备卖给中国移动设备售价包括⼋卡以及其他硬件组件（如CPU和硬盘）的成本。未来五年内，租⾦价格预计不会上涨，反⽽可能因设备折旧和维护费⽤增加⽽有所下降。⽬前，中国移动以每台3万多元的租⾦进⾏回租，这⼀价格已基本确定。 昆仑芯提供的算⼒主要应⽤于哪些场景？ 主要⽤于百度⽂⼼⼀⾔以及百度搜索等核⼼业务场景。 腾讯⽬前在算⼒投资及采购⽅⾯的现状如何？其加速卡与CPU的投⼊⽐例是怎样的？ 腾讯⽬前主要依赖英伟达和AMD提供算⼒，同时也⼤量使⽤CPU完成业务需求。在腾讯整体资本⽀出中，加速卡占⽐不到30%，约70%的投⼊集中于CPU。这是因为腾讯的⼤量业务种类仍然运⾏在CPU上。 腾讯当前对AI算⼒需求及其未来变化趋势如何？其⼤模型训练相关资源配置情况如何？ 腾讯元宝主要运⾏在H20系统上，⽤于⽀持未来元宝主要核⼼业务。腾讯⼤模型训练业务现在主要是对外租赁H100和H200。⽬前新增采购仍以CPU为主，但剩余部分采购可能会继续选择英伟达和AMD产品，占⽐预计超过50%。此 外，腾讯正在测试H公司、海光及沐曦，以评估潜在替代⽅案。 阿⾥巴巴对海光深算三号的测试结果如何，其性能表现与其他主流产品相⽐处于什么⽔平？阿⾥是否有明确采购意向？ 阿⾥巴巴对海光深算三号进⾏了测试，初步反馈显示其性能⽐MI308要好，接近英伟达A100，但尚未达到该⽔平，⽐H20略⾼。⽬前阿⾥尚未完成针对AMD MI308平台的适配⼯作，因此尚未给出明确采购承诺。如果MI308优化完成后，其相关⼯作可移植到海光DCU上，则阿⾥的态度可能会更积极。 针对MI308平台优化⼯作的难度如何，这项⼯作对海光未来市场表现有何影响？如果适配不成功，阿⾥的解决⽅案是什么？ MI308平台优化难度较⼤，因为部分关键ROCm优化内容涉及与Meta和微软合作开发的数据，⽽这些数据并未完全开放给AMD。⽬前阿⾥内部团队正在进⾏相关开发⼯作，计划于2025年底完成⼤部分优化。如果进展顺利，海光可能在2026年受益于这⼀成果并获得市场红利。然⽽，如果适配不成功，阿⾥可能会延续现有解决⽅案或选择其他供应商满⾜需求。 AMD的MI308在性能和性价⽐⽅⾯与英伟达的A100相⽐存在哪些差距？这些差距对其市场竞争⼒有何影响？ AMD的MI308⽬前在阿⾥的实际使⽤效果中，其性能仅达到英伟达A100的70%。从价格来看，MI308单⽚售价约为1万美元，⽽A100最低售价曾达到8,000美元。以此计算，MI308的价格是A100的1.2倍，但性能却只有其70%，导致其性价⽐仅为A100的⼀半左右（约0.5到0.6）。这种情况下，MI308在推理场景中的竞争⼒显著不⾜，因为推理任务对性价⽐要求极⾼。如果⽆法提供⾄少1.2到1.3倍于现有产品的性价⽐优势，客户通常不会考虑引⼊新产品，因为额外的适配成本和资源投⼊会使整体效益下降。 客户在评估新硬件时通常采⽤什么样的⽅法和标准？为什么需要⾄少1.2到1.3 倍的性价⽐优势？ 客户评估新硬件时通常分为⼏个阶段。⾸先，会⽐较单算⼒性能，如果新硬件算⼒接近现有产品且具备明显性价⽐优势（⾄少达到现有产品的1.2到1.3倍），客户才会进⼀步测试模型。在模型测试阶段，多数情况下使⽤客户线上实际运⾏模型进⾏验证，但会去除部分权重以简化测试流程。如果实测结果仍然能够达到预测值（即原有产品性能基础上的1.2到1.3倍），客户才会考虑引⼊该硬件。需要这种较⾼性价⽐优势是因为引⼊新硬件涉及⼤量额外成本，包括适配环节、⼈员培训、算法优化、新机型验证、⼩批量采购等。这些⼯程量和资源投⼊都需要通过更⾼效益来抵消，否则客户将⾯临亏损。因此，如果新硬件⽆法提供⾜够⼤的性价⽐提升，客户通常不会选择更换现有⽅案。 海光与寒武纪在技术⽔平、团队能⼒以及下游应⽤潜⼒⽅⾯有哪些主要差异？ 寒武纪拥有⼀⽀规模达三四百⼈的团队，可以围绕特定客户需求进⾏深度定制化开发。⽽海光⽬前缺乏类似资源，其研发⼯作更多依赖于AMD开源架构ROCm。然⽽，AMD最新版本ROCm中的许多优化尚未开源，这限制了海光⾃身开发能⼒。因此，为弥补这⼀短板，海光采取了开放技术接⼝和规范的⽅法，希望通过第三⽅合作完成相关开发⼯作。此外，在软件⽣态建设⽅⾯，寒武纪能够主动投⼊资源⽀持多种AI场景，⽽海光则处于被动状态。⽬前海光主要专注于硬件层⾯的开发，以确保其x86架构和DCU（数据中⼼加速器）能够与客户需求匹配。在软件⽀持上，其更多依赖英特尔或AMD已有优化成果，以及第三⽅⼯具链。但总体来看，与寒武纪相⽐，海光的软件⽣态覆盖范围较窄，对AI场景⽀持⼒度不⾜。 海光当前研发模式及⽣态建设策略存在哪些局限？未来发展可能受到哪些影响？ 海光当前研发模式以开放合作为主，其⾃身在软件开发上的投⼊有限。这种策略虽然可以借助第三⽅⼒量快速推进部分⼯作，但也导致其对外部资源依赖较⼤。例如，在x86架构上，它借助英特尔和AMD已有优化成果；⽽在DCU领 域，则希望通过开放技术接⼝吸引⽤户或合作伙伴进⾏适配。然⽽，这