公司股权激励与技术进展 - 公司推出股权激励计划，彰显对未来发展的信心 [1] - 公司推出的XDFOI®芯粒高密度多维异构集成系列工艺已进入量产阶段 [1] - XDFOI®工艺经过持续研发与客户产品验证，已在高性能计算、人工智能等领域得到应用 [1] 先进封装技术与市场机遇 - 公司未来有望充分受益于国产算力产业的发展趋势 [1] - 公司继续加大研发投入，重点研发存储、光通讯等领域的创新封装技术 [1] - 随着先进封装在算力芯片、存储等领域的上量，有望带动公司平均销售单价及毛利率的改善 [1] 存储封测业务实力 - 公司在半导体存储市场的封测服务覆盖DRAM、Flash等各种存储芯片产品 [1] - 公司拥有20多年存储芯片封装量产经验 [1] - 公司的技术能力处于行业领先地位，包括32层闪存堆叠、25um超薄芯片制程能力、高密度3D封装和控制芯片自主测试 [1] 行业地位与增长前景 - 公司作为国内龙头封测厂商，有望随着大客户在AI应用领域持续创新而率先受益 [1] - 公司有望受益于高成长应用领域占比的不断提升 [1] - 公司在先进封装技术及对应客户方面不断取得突破 [1]

文章核心观点 国产算力产业在资本市场表现活跃，多家核心公司成功上市或推进IPO，标志着产业进入快速发展与资本化新阶段[1] 同时，行业竞争焦点已从硬件参数比拼转向大规模集群的稳定性、软件生态的易用性及商业落地的性价比[3] 通过硬件互连技术的突破、存储芯片的自主化、计算架构的开放解耦以及软件生态的积极构建，国产算力产业已初步形成从底层硬件到上层应用的生态闭环，具备了应对外部挑战和把握市场机会的能力[17] 资本市场动态与公司进展 - **天数智芯**于2026年1月8日在港股上市，公开发售获超400倍认购，显示资本市场热情高涨[1] - **摩尔线程**于2025年12月5日登陆科创板，上市首日股价一度上涨468.78%，总市值突破3055亿元[1] - **沐曦股份**于2025年12月17日登陆科创板，上市首日涨幅达692.95%，市值站上3300亿元[1] - **长鑫科技**于2025年12月30日递交科创板招股书，披露2025年前三季度营收达320.84亿元，2022至2024年主营业务收入复合增长率超70%[1][6] - **长存集团**于2025年9月25日完成股份制改革，估值达1600亿元，刷新半导体独角兽纪录[1] 硬件竞争焦点：万卡集群与互连技术 - 行业竞争新标尺转向“万卡集群”的稳定性、软件生态易用性及商业落地性价比[3] - **中科曙光**发布scaleX万卡超集群，由16个scaleX640超节点互连，实际部署10240块AI加速卡[3] - 万卡集群面临指数级增长的故障概率挑战，系统可靠性面临严峻考验[3] - 集群核心突破在于采用国产首款400G原生RDMA网络，以解决高速数据传输瓶颈，其规格指标和实测稳定性已可对标英伟达当前量产产品[4][5] - 未来技术挑战在于物理极限，铜缆传输距离随速率提升急剧缩短，行业需向硅光技术发展以突破极限[5] 存储芯片自主化进展 - **长鑫科技**作为中国最大DRAM设计制造一体化企业，产品线覆盖DDR4到DDR5、LPDDR5X，其首款国产DDR5产品速率达8000Mbps[6] - **长存集团**在NAND Flash领域凭借Xtacking架构实现技术突围[7] - DRAM及衍生的HBM是决定GPU性能上限的核心要素，NAND Flash则是底层存储基础[6][7] - 2025年下半年以来，全球存储颗粒（DRAM/NAND）供应压力巨大，国产化尚无法完全解决全球性供需失衡，导致云厂商采购策略前置[13] 计算架构开放与生态协作 - 行业共识从“全产业链通吃”转向“分层解耦、各司其职”[9] - **海光信息**开放其HSL高速互连总线协议，实现了海光CPU与各家GPU的异构互联，拉通了CPU与GPU[8] - **光合组织**秘书长指出，大规模算力系统已非单一品牌独角戏，协议的打通是关键[7] - 这种技术解耦与开放架构，旨在构建更开放的生态，避免厂商各自为战导致的生态割裂与用户适配成本高企[11] 软件生态构建与迁移策略 - 在英伟达CUDA生态主导下，开发者切换至国产平台面临巨大代码重构与学习成本[10] - **摩尔线程**策略是从个人开发者抓起，发布“MTT AIBOOK”AI算力本实现开箱即用，并推出代码生成大模型MUSACode，声称CUDA到MUSA代码自动化迁移可编译率达93%[10] - 在企业级市场，云服务商承担“屏蔽差异”职责[11] - **优刻得**作为云服务商，向下适配3到5家主流的国产芯片，通过虚拟化和统一调度屏蔽底层硬件割裂，统一管理异构算力[11][12] - **紫光计算机**看到本地化价值，推出带前置可插拔硬盘仓的AI工作站，以应对网络延迟、隐私风险及海量数据交换效率问题[12] 应用落地、客户选择与市场风向 - **中国科学院高能物理研究所**已开始采用国产算力设施进行AI训练和科学计算，评价其性能“完全够用”，并与芯片厂商进行联合调试优化[14] - 国内互联网大厂态度变化，从直接采购国际主流芯片转向希望拥有更多话语权和接受更开放的架构[14] - **海光信息**推出定制化产品，允许大厂将特殊需求写入芯片，以建立深层绑定[14] - 行业认为2026年是Agent（智能体）元年，其对算力的消耗是指数级增长，算力依然短缺，问题在于供需错配而非总量过剩[15] - **DeepSeek**等国产大模型的爆发反向定义硬件标准，如采用FP8量化策略，促使芯片厂商优化底层计算库以支持特定计算格式[15][16] 产业链闭环与应对挑战的能力 - 面对美国可能放宽英伟达H200芯片出口限制的传闻，行业强调国内政企客户对供应链安全有刚性考量[17] - 国产算力产业链已形成闭环：从**长鑫科技**、**长存集团**的存储底座，到**中科曙光**、**海光信息**的计算与网络集群，再到**摩尔线程**、**天数智芯**适配的终端应用[17] - 过去几年，中国算力产业已初步形成紧密咬合的生态闭环，具备了进一步直面挑战的能力[17]

资本市场热潮与国产算力产业进步 - 国产算力产业在资本市场运作提速，天数智芯在港交所上市，公开发售获超400倍认购 [2] - 国产GPU头部企业摩尔线程和沐曦股份登陆科创板，上市首日股价分别一度上涨468.78%和692.95%，市值分别突破3055亿元和3300亿元 [2] - 国产存储芯片厂商长鑫科技递交科创板招股书，披露2025年前三季度营收达320.84亿元，2022至2024年主营业务收入复合增长率超70% [2] - 长江存储完成股份制改革，估值达1600亿元，刷新半导体独角兽纪录 [3] - 从芯片设计到存储颗粒，从科创板到港交所的资本热潮间接宣告了国产算力产业的快速进步 [1][4] 硬件竞争焦点转移与“万卡集群”挑战 - 国产算力竞争焦点从比拼硬件参数，转向“万卡集群”的稳定性、软件生态易用性及商业落地性价比 [6] - “万卡集群”意味着指数级增长的故障概率，中科曙光发布的scaleX万卡超集群部署了10240块AI加速卡 [6] - 专家指出，当系统规模达到十万张卡时，平均一小时要出一次错，只要一张卡出错，整个系统就得停下来 [6] - 硬件厂商在“连接”上寻求突破，中科曙光集群采用国产首款400G原生RDMA网络，以解决大规模协同计算对高信号质量、低延迟、大带宽网络的需求 [7] - 英伟达通过GPU、NVLink和InfiniBand网络构成“三驾马车”产品体系，节点间高速互连网络是决定AI集群效率的关键瓶颈 [8] - 未来需采用硅光技术以突破铜缆在高速率下传输距离急剧缩短的物理极限 [8] 存储与计算协同及产业分工 - 在解决“连得上”问题后，需解决“存得下”问题，长鑫科技和长江存储分别卡位DRAM和NAND Flash两大核心存储领域 [9] - 长鑫科技产品线覆盖DDR4到DDR5、LPDDR5X，其首款国产DDR5产品速率达8000Mbps，DDR5承担AI集群数据预处理，其衍生的HBM是决定GPU性能上限的核心要素 [9][10] - 长江存储凭借Xtacking架构在3D NAND领域实现技术突围 [10] - 产业逻辑转向分层解耦、各司其职，海光信息开放其HSL高速互连总线协议，实现了海光CPU与各家GPU的异构互联，技术解耦折射出商业逻辑的妥协与成熟 [11] 软件生态构建与迁移挑战 - 软件生态迁移是比硬件建设更复杂的系统工程，开发者从英伟达CUDA生态切换至国产平台面临巨大代码重构与学习成本 [13] - 摩尔线程发布“MTT AIBOOK”AI算力本预置全栈开发工具，并推出代码生成大模型MUSACode，声称可实现从CUDA代码到MUSA代码的自动化迁移，可编译率达93% [13] - 在企业级市场，云服务商承担“屏蔽差异”职责，优刻得向下适配3到5家主流的国产芯片，通过虚拟化和统一调度，让上层应用感知不到底层硬件差异 [15] - 行业存在生态割裂、互不兼容的问题，构建开放的生态架构已成为行业生存的必选项 [15] - 紫光计算机看到“本地化”价值，推出带有前置可插拔硬盘仓的AI工作站，以应对云端AI的网络延时、隐私风险及海量数据交换效率问题 [16] 供应链波动与产业新变量 - 2025年下半年以来，全球存储颗粒（DRAM/NAND）供应压力巨大，国产化尚无法完全解决全球性供需失衡 [17] - 为应对缺货，云厂商改变采购策略，从按季度规划拉长到按半年规划，并前置采购计划 [17] - 2026年被认为是Agent（智能体）元年，其对算力的消耗是指数级增长，从供需关系看，算力依然短缺，行业面临的是供需错配而非总量过剩 [20] - DeepSeek等国产大模型的爆发反向定义硬件竞争标准，如其采用FP8量化策略，要求芯片厂商优化底层计算库以支持特定计算格式 [21] 应用落地、客户选择与产业闭环形成 - 检验国产算力成色的最终标准是客户选择，中国科学院高能物理研究所已采用国产算力设施进行AI训练和科学计算，评价其性能“完全够用” [19] - 合作模式发生变化，科学家深入参与芯片调优过程，通过联合调试加速软硬件适配 [19] - 国内互联网大厂态度变化，希望拥有更多话语权，接受更开放的架构，海光信息推出定制化产品以迎合需求，建立深层客户绑定 [19][20] - 面对美国可能放宽英伟达H200芯片出口限制的潜在变量，行业认为国内政企客户对供应链安全有刚性考量，且国产算力产业链已形成闭环 [21] - 从长鑫科技、长江存储的存储底座，到中科曙光、海光信息的计算与网络集群，再到摩尔线程、天数智芯适配的终端应用，国产芯片产业已形成一个完整、庞大的产业链条，初步形成生态闭环 [21][22]

资本市场表现与产业进展 - 国产GPU厂商在2025年末至2026年初密集登陆资本市场，天数智芯港股上市获超400倍认购，摩尔线程与沐曦股份科创板上市首日股价分别一度上涨468.78%和692.95%，市值分别突破3055亿元和3300亿元 [1] - 国产存储芯片厂商完成关键资本运作，长鑫科技于2025年12月30日递交科创板招股书，披露2025年前三季度营收达320.84亿元，2022至2024年主营业务收入复合增长率超70% [1][7] - 长江存储于2025年9月25日完成股份制改革，估值达1600亿元，刷新半导体独角兽纪录 [2] 硬件集群的挑战与突破 - 国产算力竞争焦点转向“万卡集群”的稳定性、软件生态易用性与商业落地性价比 [3] - 大规模集群面临可靠性挑战，十万卡系统平均一小时出错一次，单点故障可导致整个系统停机 [3][4] - 硬件厂商在高速互连网络技术上取得突破，中科曙光发布采用国产首款400G原生RDMA网络的scaleX万卡超集群，其规格指标与实测稳定性已可对标英伟达当前量产产品 [5][6] - 未来技术挑战在于物理极限，铜缆在高速率下传输距离急剧缩短，业界判断未来需依赖硅光技术实现芯片直接出光 [6][7] 存储与计算产业链协同 - 长鑫科技与长江存储分别卡位DRAM和NAND Flash两大核心存储领域，为算力提供存储底座 [7] - 长鑫科技产品线覆盖DDR4至DDR5、LPDDR5X，其首款国产DDR5产品速率达8000Mbps，HBM（高带宽内存）是决定GPU性能上限的核心要素 [7][8] - 长江存储凭借Xtacking架构在3D NAND领域实现技术突围 [8] - 产业链走向分层解耦与开放合作，海光信息开放其HSL高速互连总线协议，实现了海光CPU与各家国产GPU的异构互联 [9][10] 软件生态构建与迁移 - 在英伟达CUDA生态主导下，国产计算平台面临巨大的开发者迁移与代码重构成本 [11] - 摩尔线程通过发布预置全栈开发工具的“MTT AIBOOK”AI算力本及代码生成大模型MUSACode（声称CUDA到MUSA代码自动化迁移可编译率达93%）来降低个人开发者门槛 [11] - 在企业级市场，云服务商（如优刻得）通过虚拟化与统一调度来屏蔽底层不同品牌国产加速卡的生态割裂与不兼容问题，为拥有多类型国产算力硬件的客户提供统一管理方案 [12][13] - 终端侧出现“本地化”创新，紫光计算机推出带前置可插拔硬盘仓的AI工作站，以应对云端AI的网络延迟与隐私风险，提升海量数据交换效率 [13][14] 应用落地、供应链与未来展望 - 国产算力已在科研等高要求场景得到应用，中国科学院高能物理研究所采用海光CPU与DCU进行AI训练和科学计算，评价其性能与国外产品差距不大且完全够用 [15] - 国内互联网大厂态度转变，从采购国际主流芯片转向寻求更开放的架构与更多话语权，海光信息通过提供定制化芯片产品来迎合此需求并建立深度绑定 [15][16] - 上游存储颗粒（DRAM/NAND）供应在2025年下半年以来压力巨大，全球性供需失衡对2026年产业构成挑战，云厂商已拉长采购规划周期以应对缺货 [14] - 国产大模型（如DeepSeek采用FP8量化策略）正在反向定义硬件竞争标准，推动芯片厂商优化底层计算库以支持特定计算格式 [16][17] - 行业认为算力需求依然短缺，当前问题是供需错配而非总量过剩，Agent（智能体）应用的兴起预计将带来指数级增长的算力消耗 [16] - 尽管面临外部潜在变量（如美国可能放宽英伟达H200芯片出口限制），但国内政企客户对供应链安全有刚性考量，且国产算力产业链已从存储、计算、网络到终端应用形成初步生态闭环，具备直面挑战的能力 [17]

事件概述 - 海光信息终止换股吸收合并中科曙光 该交易是《上市公司重大资产重组管理办法》修订后首单上市公司间吸收合并 因市场环境变化及方案复杂而终止 [1][3][4] - 终止公告发布后 中科曙光股价于12月10日跌停收盘 报90.12元/股 总市值1319亿元 [1][4] - 海光信息股价当日低开后震荡 最终小幅收跌0.36% 报218.5元/股 总市值约为5079亿元 [5] 交易终止原因 - 交易规模较大且涉及相关方较多 重大资产重组方案论证历时较长 [4] - 市场环境较交易筹划之初发生较大变化 [4] - 基于审慎性考虑 认为实施重大资产重组的条件尚不成熟 [4] 公司未来战略与业务聚焦 - 两家公司将保持独立市场化运作 海光信息聚焦高端芯片设计 中科曙光聚焦算力基础设施集成 [4][5] - 公司计划从产业协同合作角度 实现从芯片设计到算力服务的全链条协同发展 [4][5] - 海光信息将继续作为独立芯片供应商 为国产服务器行业提供核心算力芯片 [6] - 海光信息将保持芯片研发专注度与技术迭代速度 并拓展芯片商业化渠道以扩大出货量 [6] 海光信息业务与财务详情 - 海光信息是国产x86架构芯片的核心企业 研发人员占比超过85% [6] - 2024年海光信息研发投入达34.46亿元 占营收比例为37.61% [6] - 2024年前三季度 海光信息实现营业收入约94.9亿元 实现归属净利润约19.61亿元 [6] - 公司与字节、腾讯、阿里、百度等互联网大厂在技术联合研发、产品采购、生态共建等方面有深度合作 未来将持续加强 [6] 中科曙光财务表现 - 2024年前三季度 中科曙光实现营业收入约88.2亿元 实现归属净利润约9.66亿元 [6]

交易终止公告 - 中科曙光于2025年12月9日召开董事会，审议通过终止与海光信息的重大资产重组议案 [1] - 原计划交易方式为海光信息通过向中科曙光全体A股股东发行A股股票，换股吸收合并中科曙光并募集配套资金 [1] - 终止原因为交易规模较大、涉及相关方较多，且市场环境发生较大变化，实施条件尚不成熟 [3] 交易背景与影响 - 该交易自2025年5月25日开始筹划，部分投资机构人士称之为“国内算力产业最大吸并案” [3] - 海光信息此前称筹划交易是为抢抓信息技术产业发展新机遇，做大做强主业 [3] - 目前两家公司生产经营情况正常，终止交易不影响后续合作，双方将在系统级产品应用上建立更紧密合作关系 [3] 行业生态与格局分析 - 随着“人工智能+”行动提速，国产算力产业生态发生结构性演进，单一主体整合模式已难以适配多元化市场需求 [4] - 中科曙光与海光信息分别占据计算系统与底层芯片领域关键位置，并围绕各自核心产品构建了互相兼容的生态系统 [4] - 双方在计算生态中已形成“分工互补”格局，满足了我国人工智能产业对多元算力供给和专业化计算服务的需求 [4] - 终止合并不影响形成产业链上下游多主体协同格局，也不会降低国产算力体系的抗风险能力 [4]

交易终止公告 - 海光信息与中科曙光于12月9日晚公告，双方董事会同意终止海光信息拟换股吸收合并中科曙光的重大资产重组交易 [1] - 双方将于12月10日召开投资者说明会，并对投资者致歉 [1] - 该交易最初于今年6月9日晚披露预案，计划由海光信息作为吸收合并方，中科曙光作为被吸收合并方进行战略重组 [1] - 根据原方案，海光信息将向中科曙光全体股东发行A股股票以换股，交易金额为1159.67亿元，合并后中科曙光将终止上市 [1] 终止原因与后续安排 - 终止原因为交易规模大、涉及方多，方案论证历时较长，且当前市场环境较筹划之初发生较大变化，实施条件尚不成熟 [2] - 双方强调生产经营情况正常，交易终止不影响后续合作，并将在系统级产品应用上建立更紧密合作关系 [2] - 为回报投资者，双方董事会均审议通过中期分红议案 [1] - 海光信息拟每10股派现0.9元（含税），总计派发现金红利2.09亿元（含税） [1] - 中科曙光拟每10股派现0.7元（含税），总计派发现金红利1.02亿元（含税） [1] 公司未来战略方向 - 中科曙光将继续围绕高端计算机核心业务，在超节点智算算力、科学大模型开发平台、超集群系统等前沿技术突破基础上，于智能计算、算力调度、数据中心解决方案等领域全栈布局 [2] - 中科曙光旨在构建“芯-端-云-算”的全产业链系统能力，在人工智能时代发挥算力领域技术积累 [2] - 海光信息将继续以高端芯片产品为核心，联合产业链上下游推进软硬件优化协同技术研发，建设和巩固“芯片-硬件-软件”核心技术壁垒 [3] - 海光信息计划通过多种方式聚集优势力量投入AI全栈产品及解决方案研发，拓展AI全栈能力，促进海光芯片计算路线的算力生态健康发展 [3] 行业背景与市场观点 - 随着“人工智能+”行动提速，国产算力产业生态发生结构性演进，单一主体整合模式已难以适配多元化市场需求 [3] - 中科曙光与海光信息分别占据底层芯片与计算系统领域关键位置，双方均围绕自身核心产品构建了互相兼容的生态系统 [3] - 业内人士指出，双方在计算生态圈层中已形成“分工互补”格局，满足了我国人工智能产业对多元算力供给和专业化计算服务的需求 [3] - 终止合并不影响形成产业链上下游多主体协同格局，也不会降低国产算力体系的抗风险能力 [3] 市场数据 - 截至12月9日收盘，中科曙光股价报100.13元/股，总市值为1465亿元 [4] - 截至12月9日收盘，海光信息股价报219.3元/股，总市值为5097亿元 [4]

交易终止公告 - 海光信息与中科曙光于12月9日晚公告，双方董事会同意终止海光信息拟换股吸收合并中科曙光的重大资产重组交易 [2] - 双方将于12月10日召开投资者说明会，并对终止交易给投资者造成的不便致歉 [2] - 作为回报投资者的实际行动，两家公司董事会均通过了中期分红议案 [2] 交易方案回顾与终止原因 - 该交易最初于今年6月9日晚披露预案，计划由海光信息作为吸收合并方，通过换股方式吸收合并中科曙光，交易金额为1159.67亿元 [2] - 交易完成后，中科曙光将终止上市，其全部资产、负债、业务等由海光信息承继 [2] - 终止原因在于交易规模大、涉及方多，方案论证历时较长，且当前市场环境较筹划之初发生较大变化，实施条件尚不成熟 [3] 股东回报措施 - 海光信息拟每10股派发现金红利0.9元（含税），总计派发现金红利2.09亿元（含税） [2] - 中科曙光拟每10股派发现金红利0.7元（含税），总计派发现金红利1.02亿元（含税） [2] 公司后续经营与合作计划 - 双方强调目前生产经营情况正常，交易终止不影响后续持续合作 [4] - 中科曙光计划与海光信息在系统级产品应用上建立更紧密合作关系 [4] - 中科曙光将继续围绕高端计算机核心业务，在智能计算、算力调度等领域全栈布局，构建“芯-端-云-算”全产业链系统能力 [4] - 海光信息将继续以高端芯片产品为核心，联合包括中科曙光在内的产业链伙伴，推进软硬件协同研发，建设“芯片-硬件-软件”核心技术壁垒，拓展AI全栈能力 [5] 行业背景与格局分析 - 随着“人工智能+”行动提速，国产算力产业生态发生结构性演进，单一主体整合模式已难以适配多元化市场需求 [5] - 中科曙光与海光信息分别占据计算系统与底层芯片领域关键位置，并围绕各自核心产品构建了互相兼容的生态系统 [5] - 行业已形成“分工互补”格局，满足了我国人工智能产业对多元算力和专业化计算服务的需求，终止合并不影响多主体协同格局及国产算力体系的抗风险能力 [5] 公司市值数据 - 截至12月9日收盘，中科曙光股价报100.13元/股，总市值为1465亿元 [6] - 截至12月9日收盘，海光信息股价报219.3元/股，总市值为5097亿元 [6]

大类资产配置核心观点 - 四季度大类资产配置看好股票资产 企业盈利改善概率更高 股票资产吸引力预计将持续 [1][3] - 债券资产在组合中更倾向于提供波动管理 债券配置建议保持中性久期 [1][5] - 当下超配A股、港股 重点关注科技成长 "反内卷" 红利方向以及海外权益和商品 [1] 股票资产观点 - 股债性价比再次回到5.2%历史中枢附近 上证指数持续上涨但整体仍处于合理区间 基本面、流动性、估值支持市场向好 [3] - 如果海外降息周期顺畅且国内经济政策积极 企业盈利预期提升将夯实"慢牛"基础 股市更具吸引力 [3] - 本轮上涨动力来自国产算力产业 海内外科技巨头及国内企业加大算力资本开支 构成产业逻辑和盈利支撑的双重推动 [3] 具体配置方向 - 对A股和港股超配 对海外权益资产和商品有限超配 美股短期可能面临震荡 黄金长期看好但短期承压 [5] - 科技、创新药、机器人、能源安全等相关资产年内显著上涨 从AI技术创新的工业革命角度看应给予溢价 四季度仍看好相关产业链 [5] - "反内卷"政策推进下 过去受制于供过于求的品种如电新、化工可能迎来估值修复机会 供给逻辑占优的品种如有色表现突出 [5] - 权益资产中科技成长方向具备结构性机会 近期调整充分的红利方向值得关注 [6] - 商品方面黄金配置价值凸显 部分供给受限的工业大宗商品也可关注 [6] 基金投资策略 - 债券市场波动加大阶段可选择"固收+"品种 [5] - 在有明确产业趋势的阶段 主动基金通过优选个股往往有超额表现 今年以来主动基金跑赢指数基金 未来仍看好其获取超额收益的能力 [5]

技术路线与产品规划 - 华为公布昇腾AI芯片技术路线图 2026年推出昇腾950PR和950DT 2027年推出960 2028年推出970 [2] - 昇腾950PR支持FP8低精度格式 算力1PFlops 互联带宽2TB/s 显存128GB并首次搭载自研HBM（HiBL 1.0）[7] - 昇腾950DT显存提升至144GB 带宽4TB/s 专攻大模型解码 千亿参数模型推理效率提升50%以上 [7] - 960/970芯片算力和显存持续翻倍 带宽飙升至14.4TB/s 瞄准多模态和万亿参数模型需求 [7] 系统架构创新 - Atlas 950 SuperPoD支持8192卡集群 算力8EFlops@FP8 跨柜全光互联总带宽16.3PB/s [3] - Atlas 960 SuperPoD支持15488卡超集群 算力30EFLOPS 带宽34PB/s [3] - 采用自研MatrixLink高速总线连接384颗昇腾NPU和192颗鲲鹏CPU 通信带宽269TB/s 时延降至200纳秒 [4] - 全对等互联架构使集群像单台计算机一样协同 资源池化调度使故障率降40% 运维效率翻倍 [4] - 液冷散热技术针对单机柜50kW功耗 采用浸没式液冷和微结构导热材料 功耗降20% 能源效率压到1.1以下 [4] 性能优势与竞争策略 - 通过系统级优化实现集群性能反超 在LLaMA3训练中性能达传统集群2.5倍 多模态和MoE模型达3倍以上 [4] - 算力竞争从单卡性能转向全链路效率比拼 重点让100张卡发挥1000张卡的效果 [6] - 自研HBM（HiBL 1.0）突破打破三星和SK海力士垄断 解决内存墙卡脖子问题 [7] 产业影响与投资机遇 - 技术路线图代表国产算力从追赶到并跑的关键转折点 重塑产业生态 [2][8] - 形成从芯片到集群、制造到散热的完整国产算力链 为产业链带来十年一遇机遇 [8] - 投资需关注长期被需要的企业而非短期热点 [9]