国产AI芯片产业进展20260823 原文

2026年08月24日00:43 发言人00:01 平头哥，还有寒武纪和百度昆仑芯这些他大概领先也是在1年到1年半左右这样一个待机。像其他的国内的二线厂厂商的话，大概是这样一个区位有区位的情况。然后整个从国产的生态链来讲的话，上半年发布了一个5月26号发布国内的几个芯片公司的芯片产品芯片型号入选了国家的信创名录，也就是信息安全可靠性评测名单。那这个里面的话，它其实在去年的要求，是入这个名单的话是要全国产，但是没有充分要求供应链方面一些。然后今年的这些是必须要晶圆制造等核心工艺必须是在国内完成。所以像百度的昆仑芯就是不在这个名单里面。因因为他当时的制造场地是在三星和台积电，然后今年是完成了和中芯国际的一些适配，那像他的M100这些也在后面会慢慢补上来。 发言人01:15 然后在几家主要的厂商里面的话，基本上来讲，我现在所有的国产的AI厂商和AI芯片厂，AI芯片的供应商都需要考虑国产化。因为明年27年这个新创的大单的趋势比较大。然后因为现在AI算力的一个主要核心驱动因素就是信创，还有多模态和语言模型的推理测，就这三大块。那多模态的话现在是技术正在发展，但是它的盈利模式一直没跑出来。信创是见得看得着摸得看得见摸得着的这样一个状态。大模型的推理应用法，今年也基本上起来主要就是以web coding，AI coding,还有各类的一些智能体为主，从整体上来讲的话，大概就是这样一个节奏。然后国内的AI芯片的话，基本上从应用侧来讲，基本上就是分为两块，两大应用阵营。 发言人02:17 一大就是以华为为主，打自己的生态的。因为华为的整个底层的生态，它是完全与英伟达脱钩的。就相当于是你的申通申腾的所有的算力，这些它遵循的是一套底层架构，像达芬奇架构，还有这部分的一些资源 架构。但是国外的基本上国内要买到那个算力卡的生态，基本上就是以英伟达的扩大架构和内扩大生态为主。这一块的国产厂商，除了华为，还有一部分坚持自己那个生态的厂商之外，绝大部分都是选择了内扩大集成。就像阿里平头哥，还有百度昆仑芯，以及像寒武纪，这一部分都是往往这个方向走的那大家其实这样做的目的也很简单。因为很多国内的很多模型，它最初都是来源于像拉玛2，还有一些这些基于扩大生态的一些方向，所以整个情况下的话就是以这样为主。 发言人03:20 从去年一整年的话，整个在中国市市场上流通的卡单量，就是差不多是400万张卡左右。那去年一整年400万张卡里面有220万张左右，还是以英伟达卡为主。然后剩下的180多万张里面，华为大概是在80万张左右。然后剩下的部分就像百度昆仑芯、寒武纪以及平头哥还有海光天数等等的，都会都会有一些份额。但是大家基本上都是在头部的，都是在十几万左右，然后剩下的就是几万卡这样子。 发言人03:56 整个从国内自研来讲的话，大家的目标也其实很明确。就是自研的卡现在大部分都只能是用来做推理，只有在训练自己的模型的时候会有P会有一部分的应用。但如果是要达到把所有的产品全部都在用来做那个训练，就是国内的AI芯片，AI算力的产品全部都是训练的话，目前只能是做定制模型的训练，而不是做通用全部的训练。因为那个算子的兼容性，目前国内还没有一家是能做到像英伟达一样，就是把把说白了英伟达也是依据自己的生态来做的这样一些算力产品。 发言人04:39 然后除了外购之外，因为像整个算力市场的话，它它的那个参与者大概也是这里特指的就是AI算力大概分为两种，第一种就是完全的卡伤，就像华为，还有寒武纪这一部分。还有一部分就是大厂衍生出来的一些事情。然后这部分的话基本上就是在这几个节奏上面，基本上就是一直在出现。然后国内的话基本上像一些互联网厂商，还有除了几个头部的大厂之外，其他的厂商像互联网厂商还有AAI资本开支，还有一些关 键制造环境。这些厂商的话基本上每年的开支也是在几个亿到几十个亿不等。但基本上大家都是根据自己未来的一规划来的那基本上还有一个问题，就是国产的AI芯片出货节奏的一个问题。因为现在大家都在抢中芯国际的产能，尤其是7纳米的工艺，这些对有效的就是NN加2的产能是非常紧缺的那基本上每年的年产量的话，大概也是两百多万张卡左右的这样一个产能节奏。所以说大家抢这些国产的产能节奏的同时。 发言人06:10 这些节奏的同时也要注意国产的供应链一些情况。因为从去年年底发展起来的供应链，今年差不多是一年时间才能补齐，大概就是这么一个情况。然后AI芯片量产的持续爬坡的这样一个节奏。首先从整体的供应链的情况来看，去年一整年时间国内的大概的卡单量大概是在一百多万150万卡以内。也就是说每年能交付的卡数目就是这么多。然后去年年底扩产的一些产能的话，是要到今年年底才能补齐。那补齐的话差不多国内市场一年的那个都是就是到今年年底的话，它按照月产量再乘以12，也就是一整年产量大概是300万卡左右。 发言人07:01 然后国产的AI芯片在推理还有大模型训练边缘侧这些细分市场取得一些实质性突破来说的话。在推理侧基本上现在每个大厂或者是每个做推理的线上推理的这这块大模型方面，基本上都是完成了国产化的适配。基本上百分百国产化是没有什么问题的，除非就是一些生态不兼容的算子问题，这个也不是什么大大事情如果是训练册的话，大部分还是以英伟达卡为主，尤其是在多模态的训练，然后只有dic的，基于华为的第三方卡，就是纯纯卡商的来训练。其他的话就像百度的3万卡，3.2万卡的一些大模型集群，是只能用来训练文馨。然后像平头哥也有一部分只是是可以用来做通义千问这一块的。 发言人07:56 如果国家的东数西算，还有一体化的算力网，还有计算中心建设这些要求提产国AI提升国产AI算力的占比，什么时候大规模启动以及量级呢？首先那个启动其实已经开始了，从几年前就开始做这方面的一些启 动。然后像现在的话，基本上在建的和已经建成的那个计算中心差不多是有两百多个，然后规划建设也有几十个早上。未来的几年的话，差不多要在现在的基础上翻个几番，大概三倍左右。这个量级上面来讲的话，是几百个亿，几几几几百亿级别的这个算力中心的那这样一些建设，然后基本上的运作模式也就是这么几种。 发言人08:47 第一种就是国家的出来组建，然后找一个卡商或者是计算机集成商作为主要的承建方。但是总包一般会以三大云张，或者以主要的下下属指定的一些大型国央企公司为主，然后各个卡上来供货，然后建成之后，基本上这些标给谁呢？就是谁能兜底未来的几年的运营，那这些就给谁。因为建好的那个基地基本上就是分三个。第一个就是一次性的建设费用，第二个是后期的运营费用，第三块就是建成之后的一些算力补贴大概就是这么几部分。然后国产的那个AI芯片的客户验证周期这个事情，基本上一个芯片落地的话，他要的验证周期是在1年到1年半左右。一年的时间主要是什么呢？ 发言人09:37 就是前期在做那个芯片的规格书的时候，会有一些FPC级别的就是他在做RTL代码还有一个行情。这个验证之前都会先基于它的芯片规格书和一些内容，先对其中几种模型做原理上的跑动。然后国内的互联网CSP和自研的i ic量产和营收的情况来讲的话，i ic这块的基本上就像大家还是以CSP和通用的SOC芯片这一块为主主。因为大家都不会专门去押宝一个模型或者是一个一个情况，所以基本上70%以上的还是以通用芯片为主。 发言人10:24 像专用的芯片的话，像那个呃最最亮眼的还是以国外的，像谷歌的那个几十万卡的TPU集群为主。因为他们是专门只支持自己的flow和的这样一些生态。所以他们自己是会搭建这样大规模的asic量产的这样一个情况。所以国内的话基本上大家做asic的量会相对比较少，尤其是在现在这个生态里面。大概只有少数的 几家。像一些专门做信创这一块的，那个还是以小模型为主。 发言人10:58 所以在大模型上面基本上大家还是以通用芯片为主的那海外的话就是谷歌，谷歌的话它其实在去年还要之前做的一件事情是把整个算力和大模型，还有AI这些市场的东西都给成本都给摊薄了。它的主要做法就是用自己的几十万卡的TPU集群，它这个TPU是不对外出售的那这个TPU它就是通过把芯片内部的一些结构通特质化改造，把各种的AI的结构，还有算力的互联，都是通过都是对这卖的一些模型来进行改造。那这样一来的话，底层的驱动生态就可以足够的高效。他这种TPU的群组只能用来跑这一种模型。但是在跑这一种模型或者一种生态的时候，它是可以把整个算力的产能，战力的开销，还有一些工号，这些相比于通用型片可以降低到30%到40%这样一个水平。这个水平如果是在单机或者是小集群运作的时候，它的效果其实不明显的。但如果是达到10万卡几十万卡的这个集群，那他的成本能骤降很多。大概就是像几十万卡集群，几千亿的这样一个上千亿的这样一些投资里面，它其实是可以节省几百个亿这样的一些长期费用。 发言人12:26 所以说整个海外市场的话，主要也是以通知和专用这一块有两派。但现在目前更多的是转向专用了，尤其是在一些大规模的生态体系建设完成之后，就像一些底层驱动，它也分了几个组，然后是主要的算子都集中在头部的60%左右的算子。那基本上大家也在做一件事情，就是无论是专用还是通用，尤其是专用领域来兼容这头部的这些算子。那这样一来的话，它就可以以及比较低的成本来完成这一部分的覆盖，抢占市场。 发言人13:03 整个国产能够AI芯片在供应商供应链环境之下，哪些厂商有机会实现突围呢？国内分为这么几个厂商，第一个就是以信创为主的，像华为还有海光。海光的话既做CPU也做GPU，还有华为也是。就这两个厂商在未来的一两年的时间之内，它的市场环境是非常好的。因为海关基本上和三大运营商，还有国内的像政务 金融，还有政企内国资背景的这一部分就比较融洽的关系。 发言人13:37 然后趁着这个信创这一波的话，它其实有很多种组合。比如说国产有GPU卡，但是它没有机头的CPU这些。除了选择华为之外，还有一种就是比较性价比比较高的海光的这种方案。所以海光和华为会趁着信创这一波来起来。 发言人13:56 然后阿里云的那个平头哥，他其实主要从24年下半年到现在一年，将近两年的时间之内，平头哥在中芯国际的流片量已经是差的达到了一百多万卡。的那个单量差不多也要我估计到今年年底的话，应该是要接近200万卡左右。那这个量其实大部分都是在阿里的自己的生态内就可以消耗完。而真正流入市场在做一些应用的话，主要也是基于那个通义千问的开源生态。这一块基本上阿里云的量也非常大，但是它更多就是在生态内部来流转。 发言人14:34 然后像寒武纪的话，之前和自己绑的比较死一些，然后他自己的那个芯片，还有一些各类的算力，其实也有一个发展。不过发展的空间的话，我觉得它是有上限。因为他没有自己的模型生态，所以这寒武纪算是一个比较大的充卡商。然后百度的昆仑芯，还有各类的自己自研的这块，像像天数的，还有这部分的话基本上就是会处于一个仅次于阿里、华为，还有海光这两个生态底下。像其他小卡的话，像那个摩尔，还有天数以及木兮这些，他们都只是在垂类领域或者自己的领域有一些运作。但是如果在大模型的通用场景再做扩展的话，那估计是需要一些比较大的技术上的革新或者产业上的合作才行。 发言人15:30 H200的入华情况来讲的话，上半年是有有提到H200要放开，但是现在已经停产。而且它整个H200剩余的 可以共划的部分差不多也只有70万左右。这70万的话基本上头部的厂商就像几个大厂，每个大厂能够的也就是几万卡那这几万卡其实对于大家来讲的话，主要解决的也是训练芯片上一块问题。但是如果是长期来讲的话，入华首先一个价格上的问题还好，最主要就是每每家分到这个卡的时间节点，可能也就是要半年左右的时间节点才行。而且分到的卡可能也只有小几万卡。小几万卡的话对于现在头部的厂商来讲，基本上是没有什么是远水解不了近渴的这样一个情况。后续影响的话，我觉得还是与英伟达算力脱钩，这个是一个长期的事情。所以说它更多的是对国产算力的一个发展的促进，我个人的理解大概是这样。 发言人16:40 主持人这个基本上就是提纲上面要提到的问题，我大概是这样一些理解，你看大家