行业与公司概览 * 行业: 国产AI芯片行业 [1][2] * 公司: 主要提及华为、寒武纪、海光、平头哥（阿里）、昆仑芯（百度）、字节（即将推出）、沐曦、天数智芯、壁仞科技、摩尔线程等国产AI芯片设计公司，以及初创的存算一体芯片公司（如微纳核芯、光与星辰、仿青科技、行云集成电路等）[8][24][25] 核心观点与论据 1. 市场供需与规模预测 * 需求侧: 国产AI芯片需求从去年的约100万颗，增长至今年约400万颗，明年预计上探至600-800万颗，后年将超过1000万颗 [3][4] * 供给侧: 今年保守交付能力约300万颗，明年供应量预计爬升至500-600万颗，后年供应能力预计达到800万颗及以上，持续存在供应缺口 [3][4] * 市场格局: 今年华为、寒武纪、海光三家头部厂商预计占据70%市场份额；平头哥、昆仑芯、字节等互联网背景芯片公司约占20%；其余初创公司合计占约10% [8] * 华为份额: 华为今年预计交付130-150万颗芯片，占据实际交付量的约50% [9] 2. 竞争态势与关键因素 * 产能为王: 当前竞争的核心是获取国内先进制程（N+2）的产能，谁能拿到产能，谁就能锁定互联网、运营商及头部央国企的订单，竞争状态相对不公平 [10] * “全家桶”能力: 竞争焦点从单卡转向超节点（集群），并进一步要求芯片公司具备“全家桶”能力，即CPU、AI芯片、网络、服务器管理（BMC）等系统级整体能力，仅强调AI芯片设计能力的厂商将落后 [16][17] * 专用化趋势: 国内80%算力需求是推理，行业智能体配行业专用芯片以追求极致性价比是确定方向，这削弱了英伟达CUDA生态的影响力，专用芯片（如ASIC、NPU）迎来机遇 [20] * 客户分层与议价权: * 互联网大厂: 要求最高，核心看供应链稳定、产品力（硬件性能+软件生态迁移）、价格；对头部芯片厂商（华为、海光、寒武纪）议价权弱，但对腰部以下厂商有强议价权，价格可能要求低至3-4万元/颗（对比华为的约10万元/颗）[11][12] * 运营商: 态度割裂，一方面因政策要求支持国产，另一方面在ToB业务上追求商业利润，会进行严格测试筛选 [13][14] * 央国企: 政策要求必须支持国产，采购国产芯片力度最大，不计较价格、能耗和生态友好度 [14] 3. 技术发展趋势 * 超节点与液冷: 今年竞争焦点从单卡转向超节点（集群），超节点成本比传统四卡服务器高20%-30%，但推理性能高出50%，长期使用性价比更高 [16] * 存算一体兴起: 受英伟达收购Groq影响，国内涌现多家存算一体芯片初创公司，主要针对推理场景以实现算力普惠，预计明年将成为行业热词 [25][28] * 存储材料路线: 英伟达/Groq采用SRAM；国内更多选择DRAM（需解决漏电问题）；另有适合太空算力的RRAM和MRAM（断电数据不丢）[26][27] * 落地进展: 美国Groq预计下半年批量交付；国内初创公司下半年将有特定POC订单交付，优先供给有合作关系的客户（如网易、兆易创新生态链）[29] * 先进封装: 受华为“韬定律”引导，国内先进封装是大年，方向包括组合优化、异构封装（芯片变厚、多层封装、集成CPU）及光电共封 [23] * 显存升级: 下一代高端芯片普遍采用HBM3或HBM3E，显存容量多在128GB以上，144GB是主流；低端推理卡则用国产GDDR7 [22][23] * CUDA兼容演变: CUDA生态影响力在国内因需求特殊化（行业专用）而减弱；国产芯片通过开放生态让开发者协助实现“CUDA兼容”，但各家兼容程度不一；长期看，CUDA将逐渐被边缘化 [20][21][58] 4. 供应链与产能瓶颈 * 国内先进制程 (N+2): * 产能有限: 华为、寒武纪、海光几乎瓜分现有产能 [33] * 中芯国际 (SMIC): 月产能约1-2万张晶圆，良率约30%-35%，一张晶圆切23-28颗芯片 [32] * 华虹: 月产能不足2000张晶圆，良率约20%出头，主要供初创公司流片 [33] * 明年预期: N+2产能预计比今年翻一番 [33] * 海外代工: 台积电已成过去式，三星是主要选择，其AI芯片晶圆月产能约5万张（覆盖8nm至5nm），但产能全球分配紧张，且流片成本高、周期长（从设计到量产约需3年）[33][34] 5. 下游客户需求分析 * 互联网大厂: 极度缺算力，资本开支大增（如字节国内外算力开支各半），有货就囤，采购无固定节奏 [37][38] * 运营商: 不囤芯片，以项目合作为主，需芯片厂商协同上下游资源方（包括价格、补贴等）共同推进 [38] * 地方政府/政企: 需以芯片厂商为核心，拉上运营商共同攒项目 [39] * 独立模型厂商: 根据自身模型特性匹配国产算力卡品牌，同时采用租云+自建算力中心模式 [39] * 具体厂商采购: * 阿里: 国内算力开支近千亿级，优先内部采购平头哥，外部优先华为，其次寒武纪、海光，也在考虑沐曦、摩尔线程等 [41][43] * 腾讯: 自有芯片能力弱，算力开支相对较少（小几百亿级），优先采购华为、寒武纪、海光，也考虑昆仑芯、摩尔线程、沐曦等，燧原为其搭建专属集群 [43] * 超节点交付节奏: * 第一梯队: 华为（8192卡，下半年批量）、海光（640卡，已批量）、阿里磐久（128卡）、昆仑芯（已部署）[44] * 跟进者: 寒武纪（下半年放量）[44] * 其他厂商: 被动适配浪潮、联想等标准超节点机柜 [45] 6. 算力租赁商业化挑战 * 现状: 若无政府补贴，国产算力卡建设的智算中心均难以盈利 [49] * 可行路径: 针对单型号卡建更大集群，寻找特定行业用户，并叠加绿电、算力券等补贴，对标英伟达A100/H100水平 [49] * 回报周期: 在算力租赁用户达80%-90%的情况下，约需4年收回成本；国产算力卡生命周期可达6-7年 [49] * 标准化缺失: 目前尚无统一标准，收益因各地补贴力度而异，预计明年年底会有更清晰的成本收益公式 [50] 7. 政策与生态协同 * “安可”清单: 强调安全可控，要求芯片不仅国内设计，还需国内生产（即使采用12nm等较落后工艺），目前优先在央国企、运营商中推行，未来随国产训练芯片能力提升（如华为8192节点），将扩大至互联网 [7] * 国产大模型适配: 政府鼓励国产大模型适配国产AI芯片，并可能提供配套政策支持；实际上DeepSeek等头部模型自去年起已与各国产芯片进行适配，今年因英伟达卡库存耗尽而加速 [55] * 英伟达的影响与定位: * 准入不确定性: H200虽获放行但国内不想要，国内更想要无附加条件的B300；专家认为今年英伟达任何芯片都难以进入 [4][5] * 鲶鱼效应: 若英伟达进入，将倒逼国产芯片加快研发、提升产品力，长期看是利好 [5]