行业战略转变 - 国产AI芯片公司从过去几年力求低调、对最新产品信息秘而不宣的状态，转变为近期华为、百度等大厂高调公开AI芯片迭代路线图，标志着行业沟通策略的里程碑式转折[2][3] - 华为轮值董事长徐直军表示，公司从2020年直到去年“啥都不敢讲”，但在今年开始“秀肌肉”，公开披露未来三年发布四款昇腾AI芯片的详细计划[2] - 百度也接棒公布昆仑芯业务路线图，计划在2026年和2027年分别推出M100和M300芯片，并推出超节点产品[7] 华为昇腾芯片路线图 - 华为计划在2026至2028年相继推出昇腾950、960和970三大系列芯片，其中950系列包括950PR和950DT两种型号，分别于2026年一季度和四季度推出[6] - 昇腾950PR采用华为自研的低成本HBM——HiBL 1.0，能够显著降低推理预填充阶段的成本[6] - 华为将同步推出超节点和集群产品，预计在2026年四季度推出Atlas 950超节点，2027年四季度迭代至Atlas 960超节点，最大可支持15488张昇腾960芯片，并发布算力规模分别超过50万卡和达到百万卡的超级集群[6] 百度昆仑芯路线图 - 百度昆仑芯计划于2026年年初上市针对大规模推理场景优化的M100芯片，2027年年初上市面向超大规模多模态模型训练和推理的M300芯片[7] - 在超节点方面，百度预计在2026年上半年和下半年推出“天池256超节点”和“天池512超节点”，并从2027年下半年开始陆续推出千卡和四千卡超节点，计划于2030年点亮百万卡单集群[7] - 昆仑芯前身为百度智能芯片及架构部，于2021年4月完成独立融资，百度为其控股股东，截至目前已完成6笔融资[8] “超节点+集群”解决方案 - 为应对国产芯片制造工艺落后于海外的现实，华为、百度、阿里等大厂普遍采用“超节点+集群”方案，即通过系统级组网来弥补单颗芯片性能的短板，华为称此为其在极限制裁下被逼出来的范式[4][10] - 华为已面市的CloudMatrix 384超节点搭载384颗昇腾910C芯片，芯片数量是竞争对手英伟达NVL72系统的五倍，足以弥补每颗芯片性能仅为英伟达GB200三分之一的不足，在某些指标上甚至超越了英伟达的机架级解决方案[11] - 市场调查显示，43%的受访者认为云端国产AI芯片的核心竞争力在于万卡以上互联的集群扩展性[10] 性能对比与竞争态势 - 华为将其Atlas 950超节点与英伟达预计在2026年下半年发布的NVL144系统对比，称其卡的规模是英伟达的56.8倍，总算力是其6.7倍，内存容量是其15倍达到1152 TB，互联带宽是其62倍[7] - 一台基于昆仑芯P800的64卡超节点，其单卡算力大致为英伟达A100 SXM版本算力的一半[8] - 英伟达创始人黄仁勋将华为视作“强大的竞争对手”，华为昇腾910的性能曾超过英伟达同时代的V100 GPU[5] 供应链与制造能力 - 对于国内的7纳米先进逻辑芯片产线，在被美国禁止进口、占比约三成的半导体设备上，国产方案已基本填补了空白，国产设备自今年以来已陆续导入量产线，先进制程供应链被认为已度过最艰难阶段，提升了后续产能扩产的确定性[3] - 中国半导体制造工艺将在相当长时间处于落后状态，可持续的算力只能基于实际可获得的芯片制造工艺[4] 市场应用与挑战 - 尽管市面上出现多种训推一体AI芯片，但真正能用于大模型训练的非常稀少，华为昇腾几乎是唯一可用于大模型训练的国产芯片，但即便是其当前主打型号910C，大部分应用仍然是推理[14] - 2025年上半年中国GenAI IaaS服务市场中，推理场景占比上升至42%，训练场景占比则降低至58%，AI应用的普及带动推理算力需求高涨[15] - 基于国产算力开展大模型训练需付出额外成本与时间代价，例如科大讯飞为在国产算力平台训练模型，不得不花费额外两个月时间进行适配，拖慢了模型发布进度[14] 商业模式与竞争策略 - 大厂自研AI芯片的下游需求明确，即使不对外出售，将其并入云服务中让外部客户使用，也等效于卖芯片，相较于外购芯片可避免为外部供应商的高毛利买单，节省大量成本[16] - 昆仑芯等大厂旗下芯片公司并不满足于内部使用，例如昆仑芯中标中国移动集采项目十亿级订单，进入外部市场竞争需要依靠特别突出的性能、为特定场景做的深度优化或比拼性价比[16][17] - 推理芯片市场竞争呈现碎片化，参与者包括训推一体芯片厂商、专门面向推理场景的企业，技术路线上既有GPGPU玩家，也有ASIC厂商[15]