报告行业投资评级 * 报告未提供明确的行业投资评级 [1][2][3][4][5][6][7][8][9][10][11][12][13][14][15][16][18][19][20][21][23][24][25][26][27][28][29][30][31][32][33][34][35][36][37][38][39][40][41][42][43][44][45][46][47][48][49][50][51][52][53][54][55][56][57][58][59][60][61][62] 报告核心观点 * 在AI大模型训练与推理需求爆发的推动下，全球算力芯片行业正经历深刻重构，竞争焦点从单一制程性能转向“专用架构+软件生态+能效效率”的系统级较量 [3] * 美国持续收紧先进芯片及制造设备出口管制，叠加全球AI资本开支向头部云厂商高度集中，加速了算力供应链的地缘割裂，各国纷纷押注自主生态以突破CUDA垄断 [3] * 报告深入对比华为、寒武纪等厂商的战略差异，重点评估国产GPU在推理市场规模化落地与训练芯片生态破局的可行性，通过剖析商业模式变迁、生态壁垒高度及“非对称创新”机会提供战略参考 [3] 全球及中国集成电路市场 * 全球集成电路市场规模从2003年的1,399.6亿美元稳步增长，2024年达5,395.1亿美元，同比增长逾25%，预计2025年将升至6,778.5亿美元 [7][9] * 自2017年起，在人工智能、5G通信、云计算等新兴技术驱动下，集成电路产业进入新一轮高速增长周期，2024年市场强势复苏，AI芯片、高性能计算和先进制程需求呈爆发式增长 [9] * 中国集成电路市场规模从2010年的1,424.0亿元持续增长至2024年的14,037.0亿元，年均增速超17%，预计2025年将达16,935.0亿元 [11][13] * 2017年以来，在“中国制造2025”、“信创”等国家战略及AI、5G、新能源汽车等新兴应用场景推动下，中国集成电路市场进入高速增长期，2021年市场规模迈过万亿元大关，2024年同比增长约16.6%至14,037.0亿元 [13] AI算力发展趋势与市场规模 * 算力是驱动生成式AI（AIGC）和数字经济发展的关键底座，依托GPU/TPU等专用芯片与云边协同架构，支撑大模型从千亿到万亿参数的训练与推理 [16][18] * 2021至2030年，全球算力总规模（FP32等效）将从615 EFLOPS跃升至20 ZFLOPS（即20,000,000 EFLOPS），扩张超32倍，其中智能算力占比从37.7%升至94.1% [4][32] * 同期，中国算力总规模（FP32）将从202.9 EFLOPS增至3,639.9 EFLOPS，增长约17倍，智能算力占比从76.5%提升至94.6%，目前支撑全球40%以上大模型研发 [4][36] * 2021至2030年，全球AI加速芯片市场规模将从91.7亿美元扩张至7,300亿美元，GPU凭借生态优势主导市场，占比从73%提升至82% [4][41] * 2021至2025年，中国AI加速芯片市场规模从38.9亿美元增至249.1亿美元，预计2030年将超1,121亿美元，2025–2030年复合增长率约35% [45] 行业竞争格局与厂商动态 * GPU凭借高ALU密度与高带宽显存成为AI算力核心，其性能由核心数、频率、显存容量、带宽等指标综合决定，由NVIDIA主导、AMD追赶，形成以高性能计算为核心的全球格局 [5] * 2025年全球GPU市场高度分化：在数据中心GPU市场中，英伟达预计占据79%份额，AMD占7%；在独立显卡市场，英伟达份额维持在92–94% [49] * 中国AI芯片市场呈现“华为与英伟达双雄并立、多元技术路线并进”格局，华为昇腾910B在整型算力上领先，寒武纪MLU590以1,280 GB/s显存带宽突出，昆仑芯、摩尔线程与沐曦等厂商分别专注推理优化或通用GPU（GPGPU） [6] * 五家头部中国厂商正加速构建涵盖芯片、驱动、编译器与框架的全栈软硬件生态，力图在训练与推理双赛道实现非对称突破 [6] 政策与地缘政治环境 * 2022年以来，美国对华AI芯片管制持续收紧，从全面禁售转向2026年对H200等芯片实施“逐案审查”，政策在技术封锁与商业压力间寻求平衡，凸显中美算力博弈长期化 [21] * 受美国持续技术管制影响，中国非GPU加速服务器占比反超至57%，倒逼中国加速构建自主可控的智能算力体系 [4] * 2025年，国家层面密集出台多项政策，系统性强化对计算加速芯片及智能算力基础设施的支持，将AI芯片作为发展新质生产力的核心支撑 [27][29]