最近看了很多国内券商的研报，不得不说，有些质量还是非常高的，之前大家可能对国内券商的研 报有些误解。这篇文章参考自申万宏源的一个分析，来看下AI ASIC。 商业上，ASIC 是专用芯片，为下游特定场景（如训练、文本推理、视频/音频推理）定制，与客户 应用高度绑定。GPU 则是通用芯片，需兼容多场景，包括图像渲染，因此华为昇腾 NPU 或寒武纪 AI 芯片也可视为通用型。 ASIC 优势在于特定场景的高效与低功耗。GPU 基于冯诺依曼架构，运算需频繁寄存器交换，对存 储需求高，且保留图形渲染等闲置模块；ASIC 如谷歌 TPU、AWS Trainium2 采用脉动阵列架构，专 为矩阵运算设计，结果直接传递，减少数据交互，提高效率。 谷歌 TPU v5 测试显示，能效比为英伟达 H200 的 1.46 倍；在 BERT 推理中，每瓦性能提升 3.2 倍。 优势源于三点：3D 堆叠优化算力密度、DVFS 降低闲置功耗、HBM3e 内存突破带宽瓶颈（达 1.2TB/s）。 ASIC 单位算力成本更低。亚马逊 Trainium2 训练成本降 40%，推理降 55%；10 万卡集群可节省 12 亿美元初始投资。 大厂自 ...

马云回归与公司战略调整 - 马云2024年12月后频繁参与公司活动 2025年9月直接参与度达五年来最高 [1][3] - 公司内部出现"MAGA"标语 即"让阿里巴巴再次伟大" [3] - 马云一天内三次向高级管理层发信息要求更新AI发展进度 [4] AI技术投入与芯片突破 - 公司宣布未来三年超3800亿元云和AI基础设施开支 超越过去十年总和 [9] - 2026财年第一季度资本开支同比激增220%至386亿元 [11] - 平头哥研发的AI芯片主要参数指标超越英伟达A800 与H20相当 [6] - 新型AI芯片由国内制造商生产 与英伟达架构兼容 部分场景性能媲美H20 [8] - 阿里云全球新增8个AI数据中心 可用区增至95个 [11] 商业化落地与国际合作 - 与苹果达成深度合作 通义千问大模型深度集成至iOS系统 覆盖语音交互和图像生成模块 [11] - 合作基于通义千问在中文方言理解和多模态生成的积累 将向iPhone系列开放 [11] - 东南亚电商平台Lazada向天猫商家开放本地化营运能力 推出"一键轻出海"计划 [18] - 蕉下 babycare 飞利浦等品牌加入 商家无需重新注册和组建本地团队 [20] - AI实现商品信息自动翻译 多语言客服和广告投入由Lazada负责 [20] 本地生活服务升级 - 公司升级淘宝闪购为外卖新入口 将饿了么并入电商事业群 [12] - 投入500亿元补贴应对京东入局外卖市场 [14] - 2025年第二季度即时零售业务收入同比增长12%至147.84亿元 [15] - 2025年8月淘宝闪购连续两个周末日订单量超过9000万单 [15] AI技术实际应用成效 - 骑手AI助手"小饿"使配送效率提升12% 顺路合单率接近90% [17] - "AI入驻助手"让商家开店时间从3天缩短至4小时 [17] - 马云强调高科技应呵护人间烟火 AI要解放人类和服务人类 [16][17] - 技术创新与市场需求深度绑定 AI成为赋能实体经济的工具 [18]

中国科技巨头自研AI芯片进展 - 阿里与百度已在人工智能模型训练中引入自研芯片 部分替代英伟达产品[1] - 腾讯云宣布全面适配主流国产芯片 通过异构计算平台整合不同芯片提供高性价比AI算力[1] - 字节跳动虽未官宣关键进展 但被报道正加大自研AI芯片研发力度 计划到2026年实现大规模生产[3][4] 国产芯片替代驱动因素 - 美国对先进AI芯片出口限制收紧 中国科技企业被"卡脖子"风险与日俱增[3] - 国产AI长期与英伟达深度绑定 后者GPU几乎成为大模型训练标配[3] - 字节跳动订购超过20万颗英伟达H20芯片 价值超20亿美元 高昂算力成本加速自研进程[4] 阿里巴巴芯片布局 - 2018年收购中天微成立"平头哥" 布局芯片领域[3] - 相继推出含光800 玄铁处理器 倚天710等产品 逐步在云计算与推理加速场景落地[3] - 测试本土代工新型AI推理芯片 年初已将自研芯片应用于轻量级模型训练 性能媲美英伟达H20[3] 百度芯片发展路径 - 2018年推出昆仑芯系列 现已迭代至第二代采用7nm工艺 性能大幅提升[3] - 基于"昆仑芯P800"构建规模化集群 训练效率和能效比接近国际先进水平[3] - 昆仑芯已进入新版文心一言训练试验 通过独立公司运营引入资本市场支持[3] 腾讯云国产化适配 - 构建全栈国产软件体系 全面适配主流国产软硬件生态系统[4] - 专有云TCE平台融合自研业务上云经验 全面兼容主流国产化软硬件[4] - 云原生敏捷PaaS平台TCS可兼容各云厂商IaaS及国产硬件 大数据TBDS全面支持国产芯片生态[4] 行业竞争格局与发展前景 - 阿里 百度 腾讯在国产算力领域已取得阶段性成果 为行业树立标杆[6] - 字节跳动手握强大技术实力与海量数据 若在国产芯片取得突破将给行业带来新震动[6] - 科技巨头不断加大投入 有望共同打破国外芯片垄断 构建自主强大的国产算力生态[7]

核心观点 - 国产AI芯片厂商在技术和生态上取得突破 阿里和百度等公司开始使用自研芯片部分替代英伟达产品 标志着国产算力进入实际落地阶段 [1][6][9] - 英伟达在中国市场面临挑战 中国区收入同比下滑24% 市值单日蒸发约1300亿美元 反映国产替代加速和产业格局重塑 [2][3][4] - 国产算力生态逐步成熟 华为昇腾2024年出货64万张AI芯片 沐曦股份产品单价上涨31.57% 寒武纪市值一度超越贵州茅台 [4][5][7] 英伟达财报表现 - 2026财年Q2营收467亿美元 同比增长56% 但数据中心业务略低于预期 [2][3] - 中国区收入同比下滑24% 2024年自然年营收171.08亿美元（占比全球13%）为历史新高 [3][4] - 股价单日市值蒸发9300亿元人民币 市场对其中市场前景持谨慎态度 [3] 中国市场格局变化 - 2024年中国AI加速器市场英伟达市占率约66% 华为海思23% AMD 5% 寒武纪等国产厂商约1% [4] - AI芯片总出货量超270万张 英伟达190万张（70%占比）但增速落后于国产阵营 [4] - 沐曦股份曦云C550板卡单价从4.55万元/张升至5.99万元/张 涨幅31.57% 反映国产芯片定价能力提升 [5] 国产技术突破 - 阿里自研芯片应用于轻量级模型训练 性能媲美英伟达H20 百度使用昆仑芯P800训练新版文心大模型 [1][9] - 昆仑芯采用7nm工艺 性能提升2-3倍 百度智能云基于P800加速卡构建规模化集群 训练效率和能效比接近国际先进水平 [9] - DeepSeek在UE8M0 FP8精度提出新标准 与下一代国产芯片高度契合 实现从跟随到定义标准的转变 [6] 生态建设进展 - 中科曙光联合20多家企业发布国内首个AI计算开放架构 推动国产生态从兼容走向互联互通 [10] - 阿里通过平头哥推出含光800、玄铁处理器等多款产品 百度昆仑芯已独立运营并获得资本支持 [7][9] - 长鑫存储布局高带宽内存 华为和中科曙光在AI服务器和网络互联发力 共同构建新算力体系 [9] 行业趋势展望 - 算力属性向基础设施演进 呈现多极化格局 英伟达保持全球优势 国产厂商依托本土市场形成独立极点 [11][13] - 特斯拉自研AI5芯片完成设计评审 AI6将实现更大突破 反映全球头部企业加强算力自主可控 [12] - 多极格局有望降低算力成本 加速AI在教育、医疗、制造等行业的应用落地 [13]

算力成为AI竞争核心 - 算力已从AI竞争中的可选项变为必选项 成为必须掌控的关键命门 [1] - 科技巨头纷纷加码芯片研发 动作表明算力成为战略博弈焦点 [1] - 任何有关AI算力的消息都可能引发股价异动 如百度集团和阿里巴巴股价分别大涨8.08%和5.44% [1] 科技公司芯片布局策略 - 阿里巴巴正在开发新AI芯片并进入测试阶段 主要面向AI推理任务 [3] - 腾讯在三款自研芯片上取得重要进展 包括AI推理芯片紫霄 视频转码芯片沧海和智能网卡芯片玄灵 [3] - 字节跳动已组建芯片研发团队 并在校园招聘中设置多个芯片相关岗位 [3] - 科技公司采用双轨并行策略 一手自研一手投资芯片企业 [4] - 阿里巴巴投资寒武纪 深鉴科技和翱捷科技等芯片企业 [4] - 腾讯押注长鑫存储 燧原科技和集益威半导体等公司 [4] - 字节跳动入股摩尔线程 聚芯微电子和昕原半导体等芯片公司 [4] 自研芯片驱动因素 - 生成式AI对算力有指数级需求 驱动大厂持续重构底层架构 [6] - 采购外部芯片成本高昂且供应不稳定 自研AI芯片能显著降低采购成本 [6] - 全球算力供需失衡导致科技公司采购芯片成本不断上升 [6] - 专用芯片研发门槛较低 更适配企业自身云计算和AI业务 [7] - 追求软硬件协同设计的极致能效比 形成算法-芯片-场景闭环 [8] - 更深层次动因在于抢夺生态主导权 构建自主可控技术栈 [8] 互联网公司造芯优势 - 业务规模庞大 拥有海量实际业务数据和应用场景 [10] - 具有供应链与成本控制力 能摊薄研发成本并形成生态协同效应 [10] - 具备资金与人才优势 能吸引顶尖芯片研发人才加盟 [10] 面临挑战与应对 - AI芯片研发需3-5年周期 但AI技术迭代迅猛 面临技术落后风险 [10] - 受地缘政治影响 先进制程受制且代工厂产能波动可能中断生产 [10] - 自研芯片在软件栈和开发者工具链等生态环节弱于国际成熟企业 [10] - 可采用Chiplet模块化设计缩短研发周期 实施渐进式替代战略 [11] - 需联合其他国产厂商搭建平台 共建软硬件生态 [11] - 打造AI芯片领域软硬件开源技术协作平台 依靠开源模式吸引开发者 [11]

算力在AI竞争中的战略地位 - 算力已从AI竞争的可选项转变为必选项 成为必须掌控的关键命门 [1] - 科技巨头加码芯片研发动作表明 算力关乎成本控制与性能提升 供应链安全与生态主导权的战略博弈 [1] - 任何AI算力相关消息都可能引发股价异动 如百度集团和阿里巴巴股价分别大涨8.08%和5.44% [1] 科技公司AI算力布局策略 - 采用自研与投资双轨并行模式加码AI算力布局 [2][4] - 自研芯片能深度匹配自身业务场景 实现算法框架与硬件协同优化 [4] - 投资芯片公司可快速切入前沿技术赛道 分散研发失败风险 [4] - 阿里巴巴旗下平头哥2019年推出首款AI芯片含光800 腾讯已开发三款自研芯片 字节跳动组建芯片研发团队 [3] - 阿里巴巴投资寒武纪等芯片企业 腾讯押注燧原科技等公司 字节跳动入股摩尔线程等芯片公司 [4] 自研芯片的核心驱动力 - 生成式AI对算力的指数级需求驱动底层架构重构 通用GPU难以平衡千亿参数模型训练效率与成本 [6] - 采购外部芯片成本高昂且供应不稳定 自研AI芯片能显著降低采购成本并避免受制于供应商 [6] - 专用芯片（ASIC/FPGA）相比通用芯片（CPU/GPU）研发门槛较低 更适配自身云计算和AI业务 [6][7] - 不同公司优化芯片的驱动力差异：阿里巴巴聚焦弹性算力池 字节跳动优化实时推理密度 腾讯强化低延时响应 [7] 生态主导权争夺 - 英伟达通过"GPU+CUDA"组合形成软硬一体化优势 长期占据主导地位 [8] - 自研芯片配套开源软件栈和开发者工具 可形成软硬一体完整生态 掌握更大产业话语权 [8] - "自研芯片+开源生态"是打破现有垄断格局 构建自主可控技术栈的现实选择 [8] 自研芯片的优势与挑战 - 互联网巨头拥有海量业务数据和应用场景 具备供应链与成本控制力 能摊薄研发成本并形成生态协同 [10] - 技术迭代风险突出：AI芯片研发需3-5年周期 但AI技术迭代迅猛 可能面临量产即落后风险 [11] - 生态壁垒制约商业化：自研芯片在软件栈等生态环节弱于国际成熟企业 用户迁移成本高 [11] - 可采用Chiplet模块化设计缩短研发周期 实施渐进式替代战略从边缘端向训练端渗透 [11] - 需联合国产厂商搭建平台共建软硬件生态 通过开源模式吸引开发者快速迭代技术 [12]

核心观点 - 科技巨头通过自研和投资双轨并行加码AI算力布局 算力从AI竞争的可选项变为必选项 成为必须掌控的关键命门 [1][2][3] - 自研AI芯片主要驱动因素包括成本控制 性能提升和生态主导权争夺 专用芯片因研发门槛较低且更适配自身业务成为主流选择 [4][5][6] - 互联网公司造芯具备业务规模 供应链控制和资金人才优势 但面临技术迭代风险和生态壁垒挑战 需通过模块化设计和生态共建突破限制 [7][8] 股价表现 - 9月12日港股百度集团和阿里巴巴股价分别大涨8.08%和5.44% 主因是两家公司使用自研芯片训练AI大模型 [1] - 特斯拉创始人埃隆·马斯克9月7日宣布与团队进行AI5芯片设计评审 称其为史诗级芯片 OpenAI与博通启动自研AI芯片量产推动博通股价大涨 [1] 自研芯片进展 - 阿里巴巴测试面向AI推理任务的新芯片 旗下平头哥2019年推出首款RISC-V处理器玄铁910和AI芯片含光800 [2] - 腾讯在三款自研芯片取得重要进展：AI推理芯片紫霄 视频转码芯片沧海和智能网卡芯片玄灵 [2] - 字节跳动已组建芯片研发团队 在校园招聘中设置多个芯片相关岗位 [2] 投资布局 - 阿里巴巴投资寒武纪 深鉴科技和翱捷科技等芯片企业 [3] - 腾讯押注长鑫存储 燧原科技和集益威半导体等公司 [3] - 字节跳动入股摩尔线程 聚芯微电子和昕原半导体等多家芯片公司 [3] 驱动因素 - 生成式AI对算力需求指数级增长 通用GPU难以平衡千亿参数模型训练效率与成本 全球算力供需失衡导致采购成本上升 [4] - 自研AI芯片显著降低采购成本并增强供应链韧性 避免受制于供应商变化 [4][5] - 专用芯片如ASIC和FPGA针对特定算法优化 研发门槛较低且更适配企业自身云计算和AI业务 [5] - 阿里巴巴通过自研芯片提升云平台性能 字节跳动优化实时推理密度服务短视频及电商 腾讯强化低延时响应支撑游戏与社交 [6] - 自研芯片配套开源软件栈和开发者工具可打破英伟达CUDA生态垄断 构建自主可控技术栈并掌握产业话语权 [6] 优势与挑战 - 互联网公司拥有海量业务数据和应用场景 具备供应链与成本控制力 能摊薄研发成本并形成生态协同效应 [7] - 资金与人才优势使企业具备长期持续投入资本实力 能吸引顶尖芯片研发人才 [7] - AI芯片研发需3-5年周期 但技术迭代迅猛可能导致芯片量产前就面临技术落后风险 [7] - 地缘政治影响先进制程 代工厂产能波动可能中断生产加剧供应链不确定性 [7] - 自研芯片在软件栈和开发者工具链等生态环节弱于国际成熟企业 用户迁移成本高制约商业化 [7] 突破路径 - 采用Chiplet模块化设计缩短研发周期 实施渐进式替代战略 从边缘端轻量化场景积累数据再向训练端渗透 [8] - 联合国产厂商搭建平台共建软硬件生态 通过开源模式吸引开发者快速迭代技术并形成生态协作 [8]

行业趋势 - AI ASIC芯片市场受降低算力成本和分散供应链风险需求驱动快速增长 海外巨头博通和迈威尔业绩表现突出 同时国产ASIC芯片公司订单高涨 [1][8][10] - 2023年全球AI ASIC市场规模约66亿美元 预计2028年达到554亿美元 2023-2028年复合年均增长率达53% [9] - 2024年中国AI芯片市场规模达1425.37亿元 其中GPU芯片占约69.9%的市场份额 ASIC等其它AI芯片约占30.1% [3] 技术路线对比 - 通用GPU适用于模型训练场景 具有通用性强和生态成熟的优势 英伟达在该领域一家独大 [2][18] - ASIC芯片为特定任务定制 在模型推理场景具有更高性能和能效 成本优势显著 谷歌TPU和亚马逊Trainium单位算力成本仅为英伟达H100的70%和60% [1][2] - 模型推理分为预填充和解码两个阶段 预填充阶段需要高计算能力 解码阶段依赖快速内存传输 英伟达新推出的Rubin CPX芯片针对预填充阶段优化 采用成本较低的GDDR7内存 物料清单成本仅为R200芯片的25%但提供其60%的计算能力 [13][15][17] 国产ASIC发展 - 芯原股份2024年7月1日至9月11日新签订单12.05亿元 较2024年第三季度全期大幅增长85.88% 其中AI算力相关订单占比约64% [1] - 公司2025年上半年芯片设计业务收入中 AI算力相关收入占比约52% 拥有六类自主处理器IP和1600多个数模混合IP 2024年半导体IP授权业务市场占有率中国第一全球第八 [3][4] - 国产AI ASIC阵营包括互联网大厂和云厂商如华为昇腾、阿里巴巴平头哥、百度昆仑芯 以及专门的芯片设计公司如寒武纪和燧原科技 [6][8] - 国产芯片用于大模型训练难度较高 华为昇腾可能是唯一可用于大模型训练的芯片 科大讯飞基于昇腾芯片训练大模型但需额外两个月适配时间 [18][20] 海外ASIC动态 - 博通2025财年第三季度AI业务实现52亿美元营收 同比增长63% 市值高达1.6万亿美元 全球芯片企业中仅次于英伟达 [10] - 博通新增第四位重量级客户 订购价值超过100亿美元的定制AI芯片 媒体报道可能是OpenAI 现有三大客户为谷歌、Meta和字节跳动 [10] - 马斯克旗下xAI和苹果公司也与博通开展ASIC芯片开发合作 博通在高速网络与连接技术方面积累深厚 具备AI定制芯片设计优势 [10][11] - 英伟达发布专门面向AI推理的Rubin架构芯片Rubin CPX 预计2026年底上市 通过缩减高成本配置提升性价比 回应ASIC竞争 [12][13] 市场格局展望 - AI芯片市场上ASIC和通用GPU将长期共存 通用GPU适应模型训练和频繁迭代 ASIC在模型推理场景具有定制化优势 [18][21] - 国产通用GPU厂商通过兼容CUDA生态降低用户迁移成本 长期将发展自有核心技术构建自主生态系统 [20][21] - 国际形势变化与供应链重构背景下 中国芯片供应商及云厂商投入自研ASIC的必要性愈发凸显 [8]

阿里股价表现与财务数据 - 阿里股价单周暴涨3400亿元[3] - 2025年第二季度营收2476.52亿元 同比微增2%[6] - 净利润423.82亿元 同比暴涨76% 远超市场预期[6] - 财报发布后盘中一度涨近19%[6] 业务增长与结构转型 - 阿里云智能集团收入333.98亿元 同比增长26% 创近三年最高增速[6] - AI相关产品收入连续八个季度三位数增长[3][6] - 外部商业化收入占比突破20%[6] - 淘宝闪购日订单峰值破1.2亿单[6] - 增长模式从电商流量变现转向"云+AI"双轮驱动技术盈利[6] 芯片技术突破与自主化 - 自研AI推理芯片性能接近英伟达H20[7] - 实现国内代工生产 彻底摆脱进口芯片依赖[8] - 2025年最新AI芯片完成测试[16] - 建立完整芯片研发生产体系 实现技术自主可控[16] - 2025年AI基础设施投入超1000亿元[16] 芯片研发历程与战略布局 - 2018年阿里云90%芯片依赖进口[11] - 2019年推出首款AI推理芯片"含光800"[14] - 2021年发布128核云服务器CPU"倚天710"[15] - 与中移动、联通、电信共建AI数据中心[17] - 形成"算力+算法+生态"三位一体布局[20] 技术应用与商业协同 - 含光900芯片提升电商搜索推荐准确率与用户点击转化率[28] - AI算法实时优化物流调度快递路线[28] - 即时零售场景每日产生超数亿条数据用于AI训练[32] - 技术投入形成"投入→效率→收益"正向循环[29] 行业竞争与战略定位 - 外卖领域投入百亿级补贴争夺市场份额[29] - 以技术赋能应对美团京东的线下配送网络优势[32] - 自研芯片使阿里成为全球算力受限环境下的"压舱石"[21] - 技术护城河成为资本市场重新估值的核心逻辑[9] 长期战略与行业意义 - 芯片研发始于2010年代初 早于行业共识[23] - 算力被视为AI时代的新"石油"[27] - 转型揭示掌握核心技术才能穿越周期[34] - 技术重构商业基础设施形成碾压式优势[34]

文章核心观点 - 阿里造芯若定位为保障云业务供应链安全则可持续 若定位为独立盈利芯片业务则前景不乐观 [2][22] 阿里芯片发展历程 - 2018年收购中天微成立平头哥半导体 启动从架构设计到应用落地的完整自研路线 [8] - 2019年推出含光800AI芯片 宣称ResNet-50推理任务达78,563 IPS 能效500Ips/W 达业界第二名4倍和3.3倍 [9] - 2021年推出倚天710服务器CPU 采用128核Armv9架构 在SPECint2017测试中获得高分 [10] - 2026财年Q1前夕测试新款国产代工AI推理芯片 定位补齐大模型推理与云计算供给缺口 [4][5] 技术性能与生态挑战 - 含光800在杭州城市大脑项目中用4片替换40片GPU 延迟从300ms降至150ms [9] - 业内指出基准测试属针对性优化 无法等同多样化生产负载长期表现 [10] - 倚天710在部分数据库和Web服务测试中表现较好能效比 但全维度性能与生态完整度仍需时间 [16] - 缺乏成熟软件支持难成行业方案 需化解ISV与主流框架适配迁移成本 [17] - 英伟达优势在于CUDA生态与无缝兼容层 阿里玄铁IP更多面向物联网与边缘计算 [19] 投入与商业化定位 - 过去四个季度AI基础设施及产品研发投入超1000亿元 部分用于芯片研发 [6] - 未来三年将投入3800亿元建设云和AI硬件基础设施 包括芯片研发 [6] - 财报未单列芯片业务收入与投入 定位偏向战略储备而非市场扩张 [21] - 核心价值体现在为阿里云降低算力成本 提升供给稳定性 获得战略缓冲 [22] 制造与供应链 - 新款推理芯片选择国内晶圆厂代工 旨在对冲风险降低依赖 [15] - 代工产能充足性 良品率稳定性 与数据中心部署节奏匹配度决定商业化前景 [15]