以下文章来源于腾讯科技 ，作者苏扬 腾讯科技 . 腾讯新闻旗下腾讯科技官方账号，在这里读懂科技！ 腾讯科技《芯事重重》特约作者丨苏扬 编辑丨郑可君 昆仑芯 近期完成了新一轮融资，但信息披露却呈现分化现象： 相关方都在宣传，当事方则默 不作声。 7月4日，上河动量资本宣布参与昆仑芯最新一轮的融资， 华兴资本 作为FA（财务顾问）也对 外宣布了该消息。 就在此前一天，山证投资确认参与了昆仑芯新一轮亿元融资，而在更早的6月26日，国新基金 下属的高层次人才基金，也宣布完成对昆仑芯的投资。 投资方、财务顾问都先后披露了融资进展， 昆仑芯却保持沉默，未在其官方渠道披露任何有关 本轮融资的消息，这背后反映了什么问题？ 一位半导体行业投资人认为， 投资方和财务顾问抢跑宣布融资消息是基于自身传播的需 要，"这种操作是为了告诉外界，他们也在看这个赛道的项目。" 在该人士看来，大家可能只 是节奏不同，昆仑芯的传播应该也很快会跟上节奏。 "有一些股东不希望公开，另外一些希望公开，像山证这种。" 另一位从业者这样解读。 借IPO"输血" 作为国产AI芯片创业项目，昆仑芯前身为百度智能芯片及架构部，其自研芯片项目最早可追溯 到2011 ...

核心观点 - 华为昇腾CloudMatrix 384超节点在部分性能上超越英伟达GB200机柜，整体计算能力达后者的1.6倍[1][13] - 昇腾通过集群化设计弥补单芯片性能差距，实现从"备胎"到"主力"的转变，成功训练出千亿参数大模型[3][6][32] - 昇腾在算力利用率（MFU）上达到全球一流水平，稠密模型MFU超50%，MoE模型达41%-45%[9][10] - 昇腾384超节点采用光互联等系统性工程突破，实现384芯片高效协同，技术路径与英伟达差异化[16][21][29] 技术性能对比 - 单芯片性能为英伟达Blackwell的三分之一，但384超节点通过5倍芯片数量实现系统算力反超[13] - 推理性能对标英伟达H100，在DeepSeek-R1模型测试中算力利用率获全场最佳[11] - 英伟达GB200机柜仅集成72块GPU（下一代144块），华为突破384芯片互联技术[19][20] 技术路径创新 - 采用全对等互联架构与光缆连接，传输效率优于英伟达NVLink铜缆方案[27][29] - 结合鲲鹏CPU与昇腾NPU协同优化，实现"数学补物理"的系统级创新[24][32] - 自研CANN软件栈替代CUDA生态，支持分钟级故障恢复等工程优化[32] 行业竞争格局 - 国内AI芯片形成三大派系：科技巨头（华为/百度/阿里）、纯芯片厂商（寒武纪/燧原等）、细分领域企业（地平线等）[36] - 英伟达仍保持3nm工艺领先优势，CUDA生态历史积淀深厚[33][34] - 美国制裁背景下，昇腾在中国市场加速替代英伟达H20受限产品[36][37] 发展前景 - 华为通过"面积换性能"策略开辟中国特色技术曲线，实现弯道超车[38][39] - 昇腾已验证国产芯片训练千亿参数模型能力，标志国产算力进入实用阶段[6][40]

华为昇腾芯片性能突破 - 昇腾384超节点整体计算能力达英伟达GB200机柜的1.6倍 [3][10] - 单芯片性能为英伟达Blackwell三分之一，但通过5倍芯片数量堆叠实现系统算力反超 [10] - 在DeepSeek-R1大模型推理实战中，昇腾算力利用率表现最佳，对标英伟达H100 [10] 昇腾技术进展与成果 - 昇腾910从"备胎"升级为训练千亿参数大模型的主力芯片 [4][6] - 使用8192颗昇腾芯片训练1350亿参数稠密大模型"盘古Ultra"，MFU超50% [6][9] - 6000多颗芯片训练7180亿参数MoE大模型，MFU达41%-45% [6][9] 昇腾与英伟达竞争格局 - 昇腾在AI推理环节已广泛应用，模型训练能力2024年后显著提升 [4][5] - 采用集群剑阵策略弥补单卡性能差距，实现系统级性能领先 [2][10] - 海外机构SemiAnalysis确认昇腾系统算力超越英伟达最新产品 [3][10] 国产算力发展现状 - 昇腾成为国产AI芯片标杆，突破制裁限制实现自主训练能力 [4][6] - 技术论文验证国产芯片可支撑千亿级参数大模型训练 [6] - 算力利用率(MFU)指标达到全球一流水平 [9][10]

大厂A算力项目验收潜规则 - 大厂A的H800项目验收周期因租赁方关系亲疏出现分化 关系密切的租赁方验收周期短 普通合作方则面临流程拖延 [1] - 验收延迟导致算力租赁方资金负担加重 以128台服务器项目为例 进度晚一个月将延迟1000万资金进账 [1] 互联网大厂算力租赁策略对比 - 大厂T沿用涨价前成本基准报价 导致订单流标 租赁企业承接后面临亏本风险 [2] - 大厂Z采购H20服务器报价130万元但附加RoCE组网需求 每台成本增加数万元 压缩合作方利润 [2] - 大厂A因AI需求迫切报价最具竞争力 但需把握算力紧缺窗口期争取议价权 [2] 全国一体化算力网政策动态 - 国家数据局发布《全国一体化算力网 算力并网技术要求》等7项技术意见征求意见稿 截止时间2025年7月6日 [3] - 算力网调度逻辑类似南水北调 但因智算中心建设方复杂且消纳方有限 集中调度难度更大 [4] 算力项目审批与落地现状 - 非节点地区大型集群申报存在"三不批"：没客户、没IDC证书、绿电不达80% 南方区域申请难度尤其高 [5] - 有明确订单且能带来地方价值的项目仍可通过必要性论证建设 如北京某大厂大同项目 [5] 人工智能企业算力动态 - 上海某AI"四小龙"企业储备超5万张GPU 总算力达20000PetaFLOPS 但传出出售算力硬件消息 [6][7] 阿里东莞凤岗智算项目困境 - 某厂为拿下阿里万卡集群订单收尽市面H800芯片 但因集群搭建公司能力不足导致项目"烂尾" [8] 英伟达芯片市场行情 - H20禁售后价格曾剧烈波动 现趋稳 市场更青睐H200因性能更高且项目申报流程适配 [9] 算力项目包销乱象 - 中部某航空产业园算力项目宣称有包销方 但算力资源仍在市场流通 显示包销协议可能出问题 [11] 互联网大厂智算中心投资 - 某互联网大厂在江苏投资超100亿建设H100/H20推理智算中心 头部大厂普遍增加算力投资 [12] 智算中心补贴机制 - 算力券补贴达20%-40% 如每台每月10万客户仅付6万 绿电指标常被消纳方计入报价压低租金 [15]

全球半导体产业格局变化 - 美国政府AI芯片出口管制正在改写全球半导体产业格局，英伟达为规避制裁两度"自降"芯片性能但仍面临H20被禁考验 [1] - 国产芯片厂商借势崛起，寒武纪2025年一季度营收激增42倍至11.11亿元，海光信息与中科曙光启动千亿级重组 [1] 英伟达中国市场困境 - 英伟达为应对美国出口管制先后推出A800/H800和HGX H20等定制芯片，但H20仍被2024年4月新禁令限制 [4][5] - 中国市场占英伟达2024年营收171.08亿美元(同比+66%)，但H20受限导致55亿美元减记，预计二季度收入减少80亿美元 [6][7] - 英伟达在中国市场份额从四年前95%降至50%，公司表示将不再把中国市场纳入收入和利润预测 [7][8] 国产AI芯片崛起 - 寒武纪2024年营收11.74亿元(+65.56%)，2025Q1营收11.11亿元(+4230%)，连续两季盈利 [10] - 海光信息2024年营收24亿元(+50.76%)，净利润5.06亿元(+75.33%)，2025Q1合同负债增长258%至32.37亿元 [13] - 中国AI Server市场本土芯片占比预计从2024年约37%提升至2025年40%，2027年自给率或达82% [15][16] 产业链整合加速 - 海光信息与中科曙光战略重组，合并市值超4000亿元，形成从芯片设计到系统集成的完整产业链 [19] - 中科曙光2024年服务器销量26.54万台，重组后将加强在政务、金融等关键行业的芯片应用 [19][20] - 国内AI芯片市场形成华为昇腾、海光信息、寒武纪等"一超多强"格局，壁仞科技等新锐企业加速布局 [18] 市场需求与政策支持 - 阿里计划三年投入3800亿元建设云和AI基础设施，腾讯2025年资本支出将占收入低两位数百分比 [15] - 各级政府人工智能支持政策显著提振产业链信心，推动国产芯片从设计到制造的全链条突破 [21][22]

美国政府AI芯片出口管制影响 - 美国政府层层加码的AI芯片出口管制正在改写全球半导体产业格局 [1] - 英伟达为规避制裁两度"自降"芯片性能（A800/H800、HGX H20/L20/L2），但H20仍被禁，中国市场营收前景蒙上阴影 [2][4][5] - 英伟达2024自然年中国区营收达171.08亿美元（同比+66%），但最新限制导致其减记55亿美元费用，预计二季度H20收入减少80亿美元 [6][7][8] - 英伟达CEO黄仁勋称中国市场份额从95%降至50%，不再将中国市场纳入收入预测 [8] 国产AI芯片崛起 - 寒武纪2024年营收11.74亿元（同比+65.56%），2025年Q1营收11.11亿元（同比+4230.22%），连续两季度盈利 [9] - 寒武纪存货达27.55亿元（环比+10亿元），预付款9.73亿元（同比+374%），反映订单预期强劲 [9] - 海光信息2024年营收24亿元（同比+50.76%），合同负债32.37亿元（较2024年末+258%） [11][12] - 中国AI Server市场本土芯片占比预计从2024年约37%提升至2025年40%，2027年自给率或达82% [15] 产业链重构与整合 - 华为昇腾、海光信息、寒武纪等形成"一超多强"格局，壁仞科技、摩尔线程等新锐加速布局 [16] - 海光信息与中科曙光战略重组，合并市值超4000亿元，强化芯片设计+服务器集成协同 [18] - 中科曙光2024年服务器销量26.54万台，重组后将聚焦高端芯片研发及政务、金融等领域规模化应用 [18][19] 市场需求与政策驱动 - 阿里计划三年投入3800亿元建设云和AI基础设施，腾讯2025年资本支出将占收入低两位数百分比 [14][15] - 政策支持加速国产替代，AI算力产业链从设计到制造全面自主可控 [8][20][21] - 国产厂商技术突破+生态协同推动中国在全球AI市场地位提升 [20][21]

展会概况 - 2025年全球用户侧储能产业价值峰会暨应用示范展圆满收官，展会由光伏展转型为储能展，储能企业数量、产品含量及热度显著提升[1] - 展会聚焦第三代电芯定义权、136号文响应方案、光储电站经济性评估及AI+工商业储能系统等热点[1] - 多家企业签署GWh级订单：瑞浦兰钧超20GWh、国轩高科3GWh、蜂巢能源2.1GWh[1] 参展企业及产品亮点 采日能源 - 发布Serlattice G3 10MWh智储系统，实现高容量、低LCOS与易配置的统一[5] - 推出星链系列261kWh工商业户外柜（支持峰谷套利等6种模式）及星汉系列1.5MW/3MWh集装箱系统[5] - 发布智慧能源运营服务平台，提供覆盖投资-建设-运营的全生命周期零碳解决方案[3] 中车株洲所 - 发布构网型储能系统及"云枢"储能变流器（功率密度提升22%，毫秒级电弧扑灭）[6][8] - 推出零碳园区智慧能源平台，集成DC1000V/1500V储能柜等多元产品[8] - 与宁德时代签订2025年框架协议[8] 华为数字能源 - 全球首发FusionSolar9.0构网型光储解决方案，支持全场景构网与"端-边-云"智能管理[10] - 具备短路电流支撑等6大核心能力，适配调峰/调频等商业模式[12] 比亚迪储能 - 展示源网侧MC Cube-T Pro BESS 6.4MWh系统（温差±2℃）及工商业Chess Plus（循环寿命>10000次）[13][15] - Chess Plus采用ALL in One设计，系统组件减少55.6%，运维项目减少43%[15] 南都电源 - Center L Ultra 6.25MWh系统实现放电量提升8%，Center L Max 8.338MWh单箱能量密度提升167%[21][22] - 与太蓝新能源合作开发固态电池储能应用[23] 亿纬锂能 - 全球首发836kWh分体式模块柜，支持扩展至5MWh，单位面积能量密度提升65%[24][27] - 采用"热电分离"设计，防火层面积增加15%[27] 蜂巢能源 - FlexPod积木式储能系统实现20尺集装箱9MWh容量，结构强度提升30%，运输成本降13%[85][87] - 采用短刀叠片电芯技术，零部件数量精简36%[85] 格力电器 - 光储直柔能源站2.0体积减小21.8%，功率密度提升21.8%，调试周期缩短5天[58] - 兆瓦级钛酸锂储能系统可在-40℃运行，已应用于高寒地区风光储项目[59] 技术趋势 - **构网型技术**：华为/中车/上能电气等企业推出支持虚拟惯量支撑、黑启动等功能的解决方案[10][12][43] - **液冷系统**：盛虹动能Voltus Pro温差<2℃（寿命延长2年），远东电池PowerPLANT 520 PLUS温差≤2.5℃[68][83] - **大电芯应用**：国轩高科588Ah电芯、林洋能源628Ah液冷PACK、永泰数能314Ah系统（成本降15%）[29][78][97] - **AI集成**：海尔新能源AI+工商业系统实现90%运行效率，昱能科技AI电价预测平台获售电资质[46][107] 合作动态 - 海博思创与华为数字能源等6家企业签署多场景生态协议[18] - 远东电池与宁德时代等5家企业达成战略合作[84] - 东方电气与特隆美储能等4家企业签约光储项目[103]

芯片出口限制影响 - 公司因H20库存积压和采购承诺产生45亿美元费用 [2][3] - 2026财年第一季度H20销售额46亿美元，另有25亿美元订单无法交付 [3] - 美国升级芯片禁令导致H20需求减少，需申请出口许可证 [3] - 中国数据中心市场规模达500亿美元，公司被排除在外 [2][3] - 若禁令持续，中国AI芯片市场份额可能被国产芯片取代 [2] 中国市场重要性 - 中国是全球最大AI市场之一，占全球AI研究人员半数 [3] - 公司创始人认为中国已具备AI算力，无论有无美国芯片都将前进 [4] - 中国AI行业预期规模500亿美元 [3] 产品替代性分析 - 公司对华芯片性能逐代削弱，可替代空间增大 [5] - H20主要应用于大模型推理场景，国产GPU可提供更高性价比方案 [5] - 华为、天数、摩尔等国产GPU可替代H20 [5] - 在推理场景中，客户对国产GPU倾向性更高 [5] 财务表现 - 2026财年第一季度营收440.62亿美元，同比增69% [6] - 净利润187.75亿美元，同比增26% [6] - 数据中心收入391.12亿美元，同比增73% [8] - 游戏部门收入37.63亿美元，同比增42% [8] - 预计第二季度收入450亿美元，因出口管制减少80亿美元 [8] 业绩增长趋势 - 2024财年第二季度起业绩起飞，此前营收连续下滑 [7] - 2024财年各季度营收同比增速最高达265% [7] - 净利润同比增速最高达1259% [7] - 2025财年各季度营收增速放缓至78%-122% [7] - 净利润增速放缓至80%-168% [7] 行业需求与前景 - 全球AI基础设施需求空前强劲 [6] - AI推理token生成量一年激增十倍 [6] - 公司处于AI变革中心位置 [6] - 科研和企业场景中GPU仍存在海量市场 [6]

行情表现 - 5月29日算力及英伟达产业链个股集体反弹，万马科技（20CM）、鸿博股份涨停，一博科技涨超10%，工业富联、新易盛等跟涨 [1] - 鸿博股份子公司英博数科与百川智能签订三年期《云服务协议》，提供英伟达智算服务器及配套技术服务，股价涨停（+9.98%） [2] - 一博科技与英伟达、英特尔合作，股价上涨12.21%至48.35元 [2] - 阿尔特成为英伟达Solution Advisor合作伙伴，基于Omniverse平台构建自动驾驶仿真环境，股价涨7.29% [2] - 工业富联量产英伟达H100/H800 AI服务器，股价涨6.51% [2] 英伟达核心事件 - 2026财年Q1营收441亿美元（同比+69%），超市场预期9亿美元，盘后股价涨近5% [3] - 英伟达CEO黄仁勋称出口禁令导致Hopper数据中心业务在中国终止，正探索替代方案 [3] - 美国法院裁定暂停特朗普加征关税政策，判定其越权 [4] - 英伟达GB200机架生产加速，技术问题解决后供应商加快交付 [4] 财报与产业动态 - Q2营收指引450亿美元±2%符合预期，Q1毛利率71.3%略优于预期 [5] - 英伟达NVL72机架每周部署近1000个（含72000颗GPU），GB300样品本月提供，Q4量产 [5] - Blackwell架构GPU采用全液冷设计，BBU与超级电容器需求有望释放 [5] - 中美关税缓和或带动英伟达/特斯拉/苹果产业链短期估值修复 [5] - 国内云厂商Q1资本开支环比下行，算力需求或递延至Q2，国产芯片需求可能爆发 [5]

中国数据中心加速卡市场 - 2024年中国数据中心加速卡市场中34.6%是国产算力，预计上半年国产算力占比超四成[1][2] - 2022-2023年英伟达占据中国数据中心加速卡市场85%-90%，2024年其份额降至65.2%[11] - 国产算力占比可能在短期内超过50%，寒武纪、沐曦等国产芯片厂商开始进入主流应用[11][12] AI算力需求结构变化 - 2024年中国数据中心加速卡中57.6%是推理卡，33%是训练卡，DeepSeek推动推理需求增长[9] - 训练算力需求未减少但占比下降，推理芯片占比预计2025年进一步大幅增加[1][9] - 腾讯等企业反映推理token需求超预期，GPU资源无法满足现有AI需求[9] 智算中心建设动态 - 2024年中国加速计算服务器市场出货量同比增长97.3%，2025年预计增长52.9%[4] - 2024年国内智算中心中标信息213条，是2023年53条的4倍，显示建设明显加速[4] - 香港数码港超算中心算力将从1300PFLOPS提升至3000PFLOPS，第一阶段使用率超95%[6][7] 国产芯片应用突破 - 推理环节降低对芯片性能要求，国产AI芯片如华为、沐曦、壁仞等获得测试机会[10][12] - 寒武纪2024年Q1营收11.11亿元（接近2023全年），净利润3.55亿元实现扭亏[12] - 电信运营商建设基于国产算力的万卡集群，国产算力适配DeepSeek后利用率提升[8] 英伟达市场策略调整 - 英伟达在中国市场份额从95%降至50%，黄仁勋称出口管制存在根本性缺陷[13] - 拟推出采用Blackwell架构的新款中国特供AI芯片，定价低于H20以应对竞争[13] - H20芯片出口需许可证，英伟达面临国产替代加速的压力[11][13] 高校与企业算力需求 - 香港科技大学采购英伟达H800计算卡但仍需补充算力，高校采用混合云架构降本[5] - 华东理工大学将AI用于锂电池催化设计，私有云与公有云混合模式成为主流[5] - 企业AI应用处于早期尝试阶段，缺乏人才配套导致转型进度缓慢[7]