国产替代

2026 年一个安静但深远的数据是：英伟达在中国区 AI 芯片份额跌到了 8% 出头，推理场景里，华为昇腾、寒武纪、天数智芯正在接棒。财经媒体把这读作供应链新闻。但换到认知主线，它指向一个更耐人寻味的可能：当算力基础设施分成两套互不兼容的生态，跑在上面的「硅基思想」，会不会像被地理隔绝的人群那样，慢慢演化出不同的方言。 芯片架构是中立的吗？ 我们习惯把芯片看成中性的「算力」——反正都是矩阵乘法，谁跑不是跑。但硬件架构会悄悄塑造软件栈，软件栈再塑造模型行为。指令集偏好、显存带宽瓶颈、编译器的优化方向、算子库覆盖的快慢，都会让同一个模型在两套硬件上表现出细微却系统性的差异：哪类任务更顺滑、哪类长上下文更掉链子、哪种工具链更顺手。 开发者适应硬件的过程，就是被硬件反向塑形的过程。用英伟达栈长大的工程师，和用昇腾栈长大的工程师，面对同一个问题时默认的解题路径会不同。这种差异积累久了，就是方言。 算力分裂会养出分裂的智能吗？ 语言塑造思维的老话题这里不展开。重要的是：硅基智能目前还在「普通话」阶段——大家都盯着同几家旗舰模型，讨论共同的基准。但如果算力生态长期分裂，两边各养各的模型、各做各的微调、各攒各的工具链，几十年后就可能出现：两套都很强、但思维习惯彼此难懂的硅基智能。 这对「 AGI 是单一通用智能」的假设是个挑战。如果智能的形态高度依赖它诞生的硬件与数据环境，那么分裂的算力很可能孕育出分裂的智能——不是一个全球统一的超级大脑，而是若干种各有盲区、互难翻译的硅基心智。 现在该盯哪些信号？ 短期内不必悲观，但值得开始盯几个信号：两边的模型在长上下文、多智能体协作、数学证明上的强项是否开始系统性分化；中文与英文社区讨论的「最佳实践」是否越来越互不引用。方言不是一天形成的，但 8% 这个份额落差，是那条裂缝第一次大到能被看见。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：算力方言

10 月 3 日，华为轮值董事长徐直军在公开场合表示，昇腾（Ascend）芯片在中国市场的份额已超越英伟达，达到约 50%；同日多家媒体援引机构统计指出，英伟达在中国 AI 芯片市场的份额已跌至约 8%。这个数字与 Bernstein 此前的预测完全吻合——三年前英伟达还占中国市场约 95%。 数据脉络 Bernstein 的预测是：到 2026 年，英伟达在中国 AI 芯片市场的份额将从三年前的 95% 暴跌至约 8%，华为占约 50%，AMD 约 12%，寒武纪排名第三，国产 AI 加速卡整体份额突破 60%。TrendForce 在 8 月的报告里把这种速度形容为「八个月内完成」，强调这是结构性而非周期性转变。 徐直军这次表态之所以有分量，是因为华为同时披露了 SuperPoD 方案：以 Peerium 计算架构与 UnifiedBus 高速总线为核心，支持百万级处理器对等互联，用系统级组网弥补单芯片制程受限。950PR 的推理性能据称为英伟达 H20 的三倍。 体量差距仍在 但要冷静看到体量。英国《金融时报》报道，华为 AI 芯片收入 2025 年约 75 亿美元、2026 年预期约 120 亿美元（路透社称无法独立核实）；而英伟达 2026 财年数据中心收入约 1937 亿美元，两者仍差约 16 倍。8% 是英伟达在中国市场的份额，不是它全球份额的缩水。 还要注意结构差异：英伟达守住的 8%，大概率集中在少数无法替代的高端训练场景；而华为吃下的 50%，大头在推理。训练和推理的商业价值不同，训练单卡贵但客户集中，推理量大但单卡毛利薄。用份额数字简单对比，会高估国产替代在高端训练上的真实进展。 判断 这件事对中国 AI 产业的意义是：推理场景的国产替代已经从「政策驱动」变成「性能驱动」。运营商和互联网公司把推理负载切到昇腾，不再只是因为合规要求，而是因为它确实更快更便宜。当性能反过来成为迁移理由，这个份额就锁死了。英伟达中国区的故事，已经从「增长故事」变成「存量防御故事」。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：英伟达中国份额

10 月 3 日，华为轮值董事长徐直军在公开场合表示，昇腾在中国 AI 芯片市场的份额已达约 50%，超越英伟达的约 8%。这个数字与 Bernstein 的预测吻合：英伟达的份额将从三年前的约 95%，跌到 2026 年的约 8%，华为占约 50%，AMD 约 12%，寒武纪排第三，国产 AI 加速卡整体份额突破 60%。三年时间，一个原本由一家独大的市场，裂成了两个阵营。 这不是周期，是结构 TrendForce 在 8 月的报告里把这种速度称为「八个月内完成」，强调这是结构性而非周期性转变。原因不只是出口管制倒逼，更是华为用 950PR 推理性能做到英伟达 H20 三倍的硬数据，让运营商敢把核心负载搬过来。当替代不再是「能用就行」，而是「更好用」，迁移就不可逆。 但要看到体量差距：英国《金融时报》报道华为 AI 芯片收入 2025 年约 75 亿美元、2026 年预期约 120 亿美元，而英伟达 2026 财年数据中心收入约 1937 亿美元，两者差了约 16 倍。中国市场占全球 AI 算力需求的比例，决定了这种割据对英伟达全球盘的实际冲击。 估值要分区域算 过去给英伟达估值，中国市场是一个「可选项」——顺境时多卖一些，逆境时少卖一些。现在这个逻辑变了：中国区基本盘被压缩到 8%，意味着英伟达未来的增长必须完全靠北美、欧洲和中东的超大客户。而中国市场的 50% 份额，要由华为、寒武纪、海光这一系公司自己消化。 对投资者的含义是：不能再用一张全球地图给整个 AI 芯片板块估值。英伟达的估值模型里，中国区收入要按「零增长甚至萎缩」来假设；而国产算力公司的估值，要看它们能不能吃下这 60% 的国产份额并出海。两个阵营的周期性已经脱钩。 判断 AI 芯片市场从「赢者通吃」走向「阵营割据」，对技术本身是好事——竞争带来价格下降和路线多元；对资本市场则是一次重估：同一条产业链上的公司，今后要按所在阵营分别定价。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：芯片阵营割据

9 月 17 日华为全联接大会后，一组数据被反复引用：据华为轮值董事长徐直军在与海思首席科学家问答时透露，昇腾在中国 AI 芯片市场的份额已经超过英伟达。第三方机构伯恩斯坦给出的口径更具体——华为昇腾约 50%，英伟达滑落至约 8%。对照 2022 年英伟达独占约 95%、昇腾仅约 3% 的格局，四年时间，这是一场彻底的翻盘。 先把数字的水分挤一挤 需要说明口径：「超过英伟达」是华为自陈数据，「约 50%」「约 8%」来自伯恩斯坦等机构预测，统计的主要是训练与推理加速卡市场。到 2025 年双方大致还是四六开，2026 年差距被迅速拉大。 驱动这一切的不是单点性能，而是系统工程。华为主推以 Peerium 计算架构和 UnifiedBus 总线为核心的 SuperPoD 超节点，宣称可支持百万级处理器对等互连，用「堆系统」补上单芯片制程受限的短板。海思同时强调 CUDA 的软件壁垒正在缩小，950 SuperPoD 已达相当规模部署。 份额逆转的真相是「推理换道」 英伟达丢掉的，主要不是训练高端卡，而是大规模推理场景。当国产模型的推理需求爆发，国产卡在性价比、供货确定性、本土服务上的组合拳奏效，运营商、互联网大厂与政务云纷纷把推理负载迁到昇腾等国产卡上。 黄仁勋自己也承认，出口管制相当于倒逼中国让出市场、扶持本土产业链。这不是英伟达产品不行，而是地缘与成本双重作用下的被动让步。寒武纪、百度昆仑芯、阿里平头哥等国产玩家也在分食，市场并未被一家独占。 判断 50% 对 8% 标志着中国 AI 芯片从「能用」走到「主供」，但真正的考验还在后头：高端训练生态、CUDA 迁移成本、以及被压制到有限制程下的持续迭代。对产业链而言，国产替代的红利期确实到了，可份额数字背后，软件栈的成熟度才是决定能不能全球扩张的那块短板。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：昇腾英伟达份额

三大战场 训练芯片 华为昇腾920：性能接近国际主流 训练集群规模部署验证 软件栈持续完善 推理芯片 国产推理芯片性价比优势明显 互联网大厂规模化采用 边缘场景出货放量 生态 框架适配（PyTorch生态兼容） 开发者社区活跃度提升 工具链补齐 进展亮点 国产芯片进入主流数据中心 大模型推理成本下降 客户从观望转向采购 挑战 CUDA生态差距仍在 先进制程受限 HBM依赖进口 结论 国产AI芯片从可用走向好用。生态建设是未来三年主战场。

对比 芯片 训练能力 推理能力 生态 H100 最强 强 CUDA 昇腾910C 接近H100 强 CANN 寒武纪590 中等 中等 不完善 现状 推理芯片国产化进展快，训练芯片还在追赶。CUDA生态是最大壁垒。

一组被验证的预测 根据弗若斯特沙利文预测，中国AI芯片市场规模将由2024年的 1425亿元 增至2029年的 1.3万亿元，2025至2029年复合增速高达 54%。 这组数字正在被产业数据持续验证。 集成电路产业的"产销两旺" 新华社9月2日报道：我国集成电路产业迎来快速增长。 7月规模以上工业企业集成电路产量达 530亿块，相当于日均生产约17亿块 前7个月集成电路出口额已超去年全年 核心驱动力：AI技术变革带来的高端算力芯片和存储芯片需求爆发 增长逻辑：三层驱动 1. 需求侧：AI算力饥渴 全球AI技术变革催生了对高端算力芯片、存储芯片的海量需求。AI芯片是AI产业的"战略性基础设施"，算力需求在全球范围呈前所未有的爆发态势。 2. 供给侧：国产替代加速 国际供应链不确定性 + 政策推动，加速国产芯片的研发与导入。“换芯工程”、自研架构、三维近存等创新路径，让国产芯片在部分环节实现突破。 3. 生态侧：落地场景扩容 从云端训练到端侧推理，从智驾芯片（如地平线征程智驾芯片量产突破1500万，32%份额领跑L2+市场）到AI手机，AI芯片的应用版图持续扩张。 54%的复合增速意味着什么 按此测算，五年十倍意味着： 头部芯片企业将享受最确定的行业红利 设备、材料、封测等上游环节同步受益 具备自研能力的系统厂商获得差异化竞争力 结语 从1425亿到1.3万亿，中国AI芯片市场的增长逻辑清晰而坚实——需求真实、供给升级、生态扩容三重共振。站在2026年回望，AI芯片不再是"卡脖子"的叙事，而是一条正在兑现的产业曲线。

2026年AI芯片格局总览 2026年上半年，NVIDIA凭借Blackwell架构芯片进一步巩固了全球AI算力霸主地位。与此同时，华为昇腾、寒武纪、摩尔线程等国产芯片厂商也在加速追赶。本文将从算力性能、软件生态、成本效率三个维度，剖析当前的真实差距与国产替代的机遇窗口。 算力性能对比 NVIDIA Blackwell B200 关键参数 指标 数值 制程工艺 4NP (台积电) 晶体管数量 2080亿 FP4算力 20 PFLOPS FP8算力 9 PFLOPS 显存容量 192GB HBM3e 显存带宽 8TB/s 互联带宽 1.8TB/s (NVLink 5) 功耗 1000W 国产芯片代表选手 芯片 制程 FP16算力 显存 带宽 华为昇腾910C 7nm ~800 TFLOPS 128GB 3.2TB/s 寒武纪思元590 7nm ~512 TFLOPS 64GB 1.6TB/s 摩尔线程MTT S5000 7nm ~256 TFLOPS 64GB 1.5TB/s 从纯算力指标看，Blackwell B200在FP4/FP8精度下的算力约为昇腾910C的10-25倍。但这个数字需要辩证看待——并非所有推理场景都需要FP4精度，在FP16精度下差距缩小到约10倍左右。 软件生态：真正的护城河 算力差距是表层，生态差距才是核心。NVIDIA的CUDA生态经过15年积累，拥有超过300万开发者、数千个优化算子库和成熟的分布式训练框架支持。 # CUDA生态的典型开发流程 import torch import torch.cuda as cuda # 开箱即用的混合精度训练 model = model.to('cuda') scaler = cuda.amp.GradScaler() with cuda.amp.autocast(): output = model(input) loss = criterion(output, target) scaler.scale(loss).backward() scaler.step(optimizer) scaler.update() 相比之下，国产芯片的软件栈仍在快速迭代中： ...

英伟达：Blackwell Ultra 的统治力 2026 年 Q2，英伟达的 Blackwell Ultra 架构 GPU 实现大规模量产，巩固了其在 AI 训练和推理市场的绝对统治地位。 Blackwell Ultra B300 系列 2026 年 3 月底，英伟达发布 Blackwell Ultra B300 系列 GPU，Q2 开始向核心客户大规模交付： B300 训练卡： 制程：台积电 3nm 晶体管数量：2080 亿 显存：288GB HBM3e 显存带宽：8 TB/s 互联：NVLink 5 (1.8 TB/s) 功耗：1200W FP8 算力：28 PFLOPS B300 推理卡： 显存：192GB HBM3e INT4 算力：45 PFLOPS 功耗：700W 推理吞吐量：较 B200 提升 3.5 倍 GB300 NVL72 机架 英伟达在 Q2 推出了 GB300 NVL72 整机架解决方案： 单机架包含 72 颗 B300 GPU + 36 颗 Grace CPU 总显存：20.7 TB 总算力：1.2 EFLOPS (FP8) 液冷散热，PUE < 1.15 单机架售价：约 $350 万 Meta、Microsoft、Google 在 Q2 合计采购了超过 5000 个 GB300 NVL72 机架，用于训练下一代大模型。 ...

出口管制四年：反效果与加速替代 2022 年 10 月，美国首次对中国实施先进 AI 芯片出口管制。四年过去，这项政策的实际效果与预期截然相反——它没有阻止中国 AI 发展，反而催生了一个快速成长的国产 AI 芯片产业。 2026 年上半年，中国 AI 芯片市场出现结构性变化：国产芯片在 AI 训练市场的自给率从 2022 年的不足 5% 提升至 32%，推理市场自给率达到 51%。这不是某个单一产品的突破，而是一整条产业链的系统性进步。 华为昇腾 910C：量产的里程碑 性能参数 华为昇腾 910C 是目前中国最先进的 AI 训练芯片，2026 年 Q1 实现大规模量产： 参数 昇腾 910C 昇腾 910B NVIDIA H100 NVIDIA H200 制程 7nm (中芯国际) 7nm 4nm 4nm FP16 算力 640 TFLOPS 320 TFLOPS 989 TFLOPS 1979 TFLOPS FP8 算力 不支持 不支持 1979 TFLOPS 3958 TFLOPS 显存 64GB HBM3 64GB HBM2e 80GB HBM3 141GB HBM3e 显存带宽 3.2 TB/s 1.6 TB/s 3.35 TB/s 4.8 TB/s 互联 HCCS (300GB/s) HCCS (136GB/s) NVLink (900GB/s) NVLink (900GB/s) 功耗 400W 400W 700W 700W 单价(估算) ¥12 万 ¥8 万 $30,000 $35,000 与 H100 的真实差距 昇腾 910C 的 FP16 算力约为 H100 的 65%，显存带宽约为 96%。在单卡推理任务上，差距已经缩小到 30-40%。但在大规模训练集群中，互联带宽的差距（HCCS 300GB/s vs NVLink 900GB/s）导致实际训练效率差距更大。 ...