“
国产GPU产业背景
“
2025 年的中国半导体产业正处于关键转折点，一方面面临美国持续升级的技术封锁，另一方面迎来 AI 算力需求爆发的历史性机遇。国产GPU企业通过科创板IPO融资与大基金三期的政策支持，共同推动半导体产业从”国产替代”迈向”国际竞争”。以摩尔线程和沐曦为代表的国产 GPU 企业正加速 IPO 进程，试图在 AI 芯片领域实现突破。尽管国产 GPU 企业在技术和生态上仍与国际巨头存在差距，但在政策支持和市场需求的双重驱动下，已展现出强劲的发展势头和巨大的成长潜力。
核心发现与启示
1.产业加速整合：大基金三期注资 1640 亿元，重点支持设备、材料等关键环节，推动产业集中度提升，国产设备自给率预计 2025 年突破 50%。
2.双轨竞争格局：中国 AI 芯片市场形成华为昇腾与寒武纪双雄争霸的格局，合计占据云端训练芯片 62% 份额，而摩尔线程和沐曦则在通用 GPU 领域展开差异化竞争。
3.国产替代加速：受美国出口管制影响，英伟达在中国市场份额从 95% 降至 50%，为国产 GPU 企业提供了市场窗口期。
技术差距缩小：国产 GPU 在算力密度、生态兼容性等方面取得突破，部分指标已达国际主流水平的 82%。
4.资本助力成长：摩尔线程和沐曦通过 IPO 募资将加速技术研发和市场拓展，但仍面临盈利周期长、生态建设难等挑战。
这些发现为理解中国 AI 芯片产业的发展现状和未来趋势提供了重要参考。
中国芯片产业发展历程与现状分析
“
一
产业发展阶段与关键节点
中国半导体产业发展可分为四个关键阶段，每个阶段都有其独特的发展特征和政策导向：
第一阶段：起步探索期 (2000-2013 年)
这一阶段，中国半导体产业处于技术积累和市场培育阶段，主要依赖进口，自主创新能力较弱。2000 年国务院发布《鼓励软件产业和集成电路产业发展的若干政策》，为产业发展奠定了政策基础。中芯国际 (2000 年) 和华为海思 (2004 年) 等企业相继成立，开始了国产芯片的初步探索。
第二阶段：政策驱动期 (2014-2018 年)
2014 年，国家集成电路产业投资基金 (大基金一期) 成立，注册资本 987.2 亿元，投资总规模达 1387.2 亿元，标志着国家层面开始系统性支持半导体产业发展。这一阶段，中国在存储芯片、特色工艺等领域取得突破，但在高端芯片设计和制造方面仍与国际领先水平存在较大差距。
第三阶段：加速发展期 (2019-2023 年)
2019 年，大基金二期成立，注册资本 2041.5 亿元，投资重点向半导体设备材料等上游领域倾斜。在这一阶段，美国开始加强对中国半导体产业的限制，包括将华为等企业列入实体清单。面对外部压力，中国加速推进国产替代，华为昇腾、寒武纪等 AI 芯片企业快速崛起。
第四阶段：自主创新期 (2024-2025 年)
2024 年 5 月，大基金三期成立，注册资本 3440 亿元，超过前两期总和。三期基金重点支持光刻机与芯片设计软件 (EDA) 等关键领域短板，并将 AI 芯片列为重点投资对象。在这一阶段，国产 GPU 企业如摩尔线程和沐曦进入快速发展期，并于 2025 年 6 月 30 日同日递交科创板 IPO 申请。
二
大基金三期的战略布局与投资方向
大基金三期作为中国半导体产业发展的重要推手，其战略布局和投资方向备受关注。根据公开资料，大基金三期的战略调整主要体现在以下几个方面：
投资规模与结构
国家集成电路产业投资基金三期（简称”大基金三期”）成立于2024年5月，注册资本高达3440亿元，超过前两期总和（一期987.2亿元，二期2041.5亿元）。2024 年 12 月 31 日，大基金三期进行了首度对外投资，接连投资两支基金，国家集新 (北京) 股权投资基金和华芯鼎新 (北京) 股权投资基金，共计注入人民币 1640 亿元。其中，华芯鼎新基金总规模 930.93 亿元，大基金三期出资 930 亿元 (占比 99.9%)，由华芯投资管理；国投集新基金总规模 710.71 亿元，大基金三期出资 710 亿元 (占比 99.9%)，由国投创业管理。
投资重点与方向
根据中航证券研报，大基金三期将重点投向以下三个方面：
(1) 重资本开支的晶圆制造环节：先进晶圆厂扩产，"两长"(长江存储和长鑫存储) 扩产或为重点。
(2) 重点卡脖子环节：侧重于国产化率低的半导体设备、材料、零部件，重点关注光刻机、光刻胶等细分环节。
(3) AI 相关领域：AI 算力将得到国家大基金三期更大支持力度，先进封装，高端存储 (如 HBM) 值得重视。
此外，大基金三期还将 AI 芯片和 HBM 等高附加值 DRAM 芯片列为重点投资对象，这与摩尔线程和沐曦等企业的业务方向高度契合。
战略意义与影响
大基金三期的战略调整旨在突破美国对中国技术发展的遏制，推动半导体产业的自主可控发展。通过长期资本支持，整合光刻机系统供应链，助力国内企业突破技术瓶颈。大基金三期的投资将进一步推动关键领域的国产化进程，为中国半导体产业在国际竞争中争取更大的话语权。
三
产业链结构与国产化进程
中国半导体产业链结构正在不断完善，国产化进程加速推进，但在某些关键环节仍存在 "卡脖子" 问题。
产业链整体结构
半导体产业链主要包括设计、制造、封装测试、设备材料等环节。根据中信证券统计，大基金一期的投资主要集中在 IC 制造 (63%)、IC 设计 (20%)、封装测试 (10%) 和设备材料 (7%) 等环节。大基金二期的投向中，晶圆制造领域比例达到 70%，设备、材料的投资占比增加到 10% 左右，IC 设计项目的投资额也达到 10% 左右。大基金三期则延续了这一趋势，进一步加大对设备材料等上游环节的支持。
国产化进程分析
在国家政策支持和市场需求推动下，中国半导体产业链各环节国产化进程加速：
(1) 设计环节：中国 IC 设计企业数量从 2015 年的 736 家增长至 2023 年的 2218 家，华为海思、寒武纪等企业在 AI 芯片领域取得突破。
(2) 制造环节：中芯国际 28nm 产能利用率超 90%，2024 年营收预计超 80 亿美元，增长 22%。14nm 工艺有望实现全覆盖，国产成熟制程芯片自给率有望突破 70%。
(3) 设备材料：国产设备自给率 2024 年提升至 35%，预计 2025 年达 50%。在清洗、刻蚀设备领域，国产化率已超 50%，供应链韧性显著增强。
(4) 先进封装：长电科技、通富微电等企业在先进封装领域取得突破，为国产芯片提供重要支持。
关键瓶颈与挑战
尽管国产化进程加速，中国半导体产业仍面临以下瓶颈与挑战：
(1) 光刻机：全球高端光刻机市场主要被荷兰的阿斯麦 (ASML) 公司垄断，国产化率极低。上海微电子虽然已经攻克 28nm 光刻机，正在攻克 14nm 光刻机，但与国际先进水平仍有差距。
(2) EDA 软件：EDA 软件是芯片设计的关键工具，全球市场主要由美国的楷登电子 (Cadence) 和新思科技 (Synopsys) 等公司主导，国产 EDA 市占率不足 5%。
(3) 生态系统：英伟达凭借 CUDA 生态垄断 AI 训练市场 (80% 份额)，构建了强大的竞争壁垒。
人才与技术积累：半导体产业是典型的技术密集型和人才密集型产业，中国在高端人才和核心技术积累方面仍有不足。
国产 GPU 双雄的竞争格局
“
一
摩尔线程全功能 GPU 的国产化探索
摩尔线程作为国产 GPU 领域的领军企业之一，其发展历程、技术路线和产品布局具有重要的研究价值。
企业发展历程与背景
摩尔线程智能科技 (北京) 股份有限公司成立于 2020 年 10 月，是一家专注于全功能 GPU 设计、研发及产业化的高科技企业。公司创始人兼 CEO 张建中曾任英伟达全球副总裁、中国区总经理达 15 年，主导开拓了英伟达在中国市场的生态系统。这一背景为摩尔线程的技术路线和生态建设提供了重要基础。
摩尔线程的发展历程可分为以下几个关键阶段：
(1) 创立初期 (2020-2021 年)：公司成立并完成天使轮、Pre-A 轮和 A 轮融资，奠定了技术基础和团队建设。
(2) 产品研发期 (2022-2023 年)：相继发布三代全功能 GPU 芯片，分别命名为苏堤、春晓和曲院，于 2022 年 3 月、2022 年 11 月和 2023 年 9 月上市。
(3) 商业化拓展期 (2024-2025 年)：产品布局覆盖消费级显卡 (如 MTT S80)、专业计算卡 (MTT S4000) 及智算集群等领域，成为国内唯一在 B 端和 C 端市场同步发力的 GPU 企业。2025 年 6 月 30 日，摩尔线程科创板 IPO 申请获受理，计划募资 80 亿元。
技术路线与核心优势
摩尔线程的核心竞争力在于其全功能 GPU 架构和技术创新能力：
(1) 全功能 GPU 架构：摩尔线程采用自主研发的 MUSA (Moore Threads Unified System Architecture) 架构，集成 AI 计算、图形渲染、视频编解码及物理仿真四大引擎，支持多元计算负载。这是国内首个实现单芯片同时支持 AI 计算、图形渲染、物理仿真的全功能 GPU 架构，意味着一块芯片既能训练 AI 大模型，又能打游戏渲染 3D 画面。
(2) 千卡集群能力：推出夸娥 (KUAE) 智算集群解决方案，单集群算力可达万 P 级，模型算力利用率 (MFU) 达 60%。与智谱 AI 合作的测试显示，夸娥千卡集群训练精度与英伟达 A100 集群误差小于 1%，性能扩展系数超 90%。
(3) 生态兼容性：通过 Musify 工具实现 CUDA 代码自动迁移，兼容 PyTorch/TensorFlow 主流框架，降低开发者迁移门槛。这一能力对于吸引现有 CUDA 生态系统中的开发者至关重要。
(4) 专利积累：截至 2024 年 10 月，摩尔线程获 425 项授权专利，覆盖 GPU 架构设计、AI 应用等关键技术，位居国内 GPU 企业首位。
产品布局与商业化进展
摩尔线程的产品线丰富，覆盖多个应用场景：
(1) 消费级显卡：推出了 MTT S80、S70 等游戏显卡，是国内少数进入消费级市场的国产 GPU 产品，直接与 NVIDIA 和 AMD 的消费级产品竞争。MTT S80 能支持 Windows 操作系统以及 DirectX 11/12 图形计算库，其性能规格与英伟达 RTX 3060 相当。
(2) 专业计算卡：发布了 MTT S2000、S3000、S4000 等多款面向服务器和 AI 计算的加速卡。MTT S4000 在推理场景性能优于英伟达 RTX 3090，多 batch 处理优于 RTX 4090。
(3) 智算集群解决方案：推出了 "夸娥 (KUAE)" 智算中心全栈解决方案，可实现从千卡到万卡级别的集群部署，满足大模型训练和推理的庞大算力需求。
(4) 智能 SoC 产品：成功量产了面向智能边缘和智能终端的 "长江" 异构计算 SoC 芯片，集成 GPU、CPU、NPU、VPU 等多元算力于一体。已推出面向 AI PC 和边缘计算、具身智能行业的产品，未来还将推出面向汽车智能座舱的解决方案。
财务表现与 IPO 前景
摩尔线程的财务数据展现出高研发投入下的快速增长轨迹：
(1) 营收增长：2022-2024 年营收分别为 4608.83 万元、1.24 亿元和 4.38 亿元，复合增长率达 208.44%。
(2) 亏损情况：2022-2024 年净亏损分别为 18.4 亿元、16.73 亿元和 14.92 亿元，亏损幅度持续收窄。
(3) 研发投入：2024 年研发费用达 13.59 亿元，研发费用率降至 309.88%，但仍处于高位。最近 3 年累计研发投入占最近三年累计营业收入高达 626.03%，合计研发投入金额 38 亿元。
(4) IPO 募资计划：摩尔线程计划通过此次 IPO 募资 80 亿元，其中 25 亿元左右用于新一代自主可控 AI 训推一体芯片的研发，近 25 亿元用于新一代自主可控图形芯片的研发，19.8 亿元用于新一代自主可控 AI SoC 芯片研发，剩余 10 亿元用于补充流动资金。
摩尔线程的 IPO 推进速度远超行业平均水平。公司于 2024 年 11 月 12 日在北京证监局办理辅导备案，由中信证券担任保荐机构；2025 年 6 月 18 日完成 "辅导验收"，12 天后即获交易所受理。这一快速推进表明了监管机构对国产 GPU 企业的支持态度。
二
沐曦高性能 GPU 的产业化之路
沐曦作为另一家正在冲刺 IPO 的国产 GPU 企业，其发展路径、技术特点和市场策略与摩尔线程既有相似之处，也有明显差异。
企业发展历程与背景
沐曦集成电路 (上海) 股份有限公司成立于 2020 年 9 月，是一家专注于高性能 GPU 芯片设计的高科技企业。公司核心团队背景深厚，是业内公认的 "豪华阵容"：
(1) 创始人团队：创始人 CEO 陈维良曾任 AMD 全球 GPU SoC 设计总负责人，主导了十余款世界主流高性能 GPU 产品的流片与量产；联合创始人 CTO 彭莉曾是 AMD 全球首位华人女性 Fellow (院士级研究员)；联合创始人兼软件 CTO 杨建曾是 AMD 大中华地区第一位 Fellow，还曾在华为海思担任过 GPU 首席架构师。
(2) 资本支持：自成立以来，沐曦累计经历 8 轮融资，金额达到数十亿元。其投资机构包括国调基金、中网投、上海科创基金、浦东创投集团、经纬中国、和利资本、红杉中国、光速中国、国创中鼎等。公司估值已超过 210 亿元，进入 "独角兽" 行列。
(3) 发展历程：2022 年 1 月，沐曦推出首款 AI 推理 GPU 芯片沐曦 N100；2023 年 6 月，首款用于 AI 训练的芯片 MXC500 成功完成功能测试，该芯片采用 7nm 制程，FP32 (32 位浮点) 算力达到 15 TFLOPS；2024 年，公司在国内成功交付九大算力集群，全年布局的算力集群总规模超过一万张卡；2025 年 6 月 30 日，沐曦科创板 IPO 申请获受理，计划募资 39.04 亿元。
技术路线与核心优势
沐曦的技术路线和核心优势主要体现在以下几个方面：
(1) 自主 GPU IP 与架构：沐曦强调其产品均采用完全自主研发的 GPU IP，拥有自主知识产权的指令集和架构，并配以兼容主流 GPU 生态的完整软件栈 (MXMACA®)，旨在实现硬件的自主可控与软件的开放易用。
(2) 高性能计算能力：沐曦的旗舰产品曦云 C 系列训推一体 GPU 芯片基于自研的 GPU IP、指令集和架构，在通用性、单卡性能等方面表现出色。MXC500 芯片采用 7nm 制程，FP32 算力达到 15 TFLOPS，标志着沐曦已具备研发高端训练芯片的能力。
(3) 千卡集群商用能力：沐曦是实现千卡集群商用的高性能 GPU 厂商，其曦云 C 系列芯片累计销量已超 2.5 万颗，产品应用于国家智算平台及多个重点行业。曦云 C 系列千卡集群成功支撑北京智源研究院完成了千亿参数大模型的预训练。
(4) 生态布局：沐曦构建了 "1+6+X" 生态布局，参与国家级科研项目。其开发的 MXMACA 软件栈，已经支持了 PyTorch、PaddlePaddle 等主流框架。
产品布局与商业化进展
沐曦的产品布局全面，覆盖三大核心应用场景：
(1) 曦云 C 系列：面向通用计算的 GPU，是沐曦的旗舰产品线，用于支持大模型训练等高负载任务。曦云 C 系列训推一体 GPU 芯片已应用于国家人工智能公共算力平台、运营商智算平台及商业化数据中心。
(2) 曦思 N 系列：专注于 AI 推理场景，提供高 AI 算力和高密度视频处理能力。这是沐曦较早推出的产品线，2022 年 1 月推出的首款 AI 推理 GPU 芯片沐曦 N100 即属于该系列。
(3) 曦彩 G 系列：规划用于图形渲染，覆盖云游戏、数字孪生等场景，承载着其未来向全功能 GPU 拓展的意图。目前该系列仍在研发中。
沐曦的商业化进展迅速：
(1) 应用领域：沐曦重点布局了教科研、金融、交通、能源、医疗健康、大文娱等行业应用场景。在医疗领域，沐曦携手中山医院发布的消化内镜全场景智能体 "镜观大模型"，整合超百万例内镜影像构建多模态基础模型，依靠国产自主 AI 芯片实现医院端侧安全部署。
(2) 市场覆盖：沐曦的基础算力底座已相继交付数个智算集群，算力网络覆盖国家人工智能公共算力平台、运营商智算平台和商业化智算中心，区域横跨北京、上海、杭州、长沙、中国香港等地区。
财务表现与 IPO 前景
沐曦的财务数据反映了其快速增长的态势：
(1) 营收增长：沐曦 2022-2024 年度营业收入分别为 42.64 万元、5302.12 万元和 74307.16 万元，三年营收复合增长率达到惊人的约 4178.5%。2025 年一季度营收达 3.2 亿元，增长势头强劲。
(2) 亏损情况：2022-2024 年，沐曦归属于母公司所有者的净利润分别为 - 7.77 亿元、-8.71 亿元、-14.1 亿元，尚未实现盈利。报告期内累计亏损超 30 亿元。
(3) 研发投入：沐曦最近 3 年累计研发投入占营业收入比例高达 282.11%，累计研发投入金额为 22 亿元。公司研发人员占比达 74.94%，可应用及产业化发明专利达 245 项。
(4) IPO 募资计划：沐曦计划通过 IPO 募资 39.04 亿元，用于投资 "新型高性能通用 GPU 研发及产业化项目"、"新一代人工智能推理 GPU 研发及产业化项目" 和 "面向前沿领域及新兴应用场景的高性能 GPU 技术研发项目"。
沐曦的 IPO 进程也相当迅速：2025 年 1 月 15 日启动上市辅导，5 月 29 日完成辅导 (耗时 4.5 个月)，6 月 30 日递交招股书并获受理。
二
摩尔线程与沐曦的竞争对比分析
摩尔线程与沐曦作为国产 GPU 领域的两大领军企业，在技术路线、产品布局和市场策略等方面存在明显差异，形成了差异化竞争格局。
技术路线对比
摩尔线程和沐曦在技术路线上存在显著差异：
(1) 架构设计理念：
摩尔线程采用全功能 GPU 架构，试图在单一芯片上同时实现 AI 计算、图形渲染、视频编解码及物理仿真等多种功能。
沐曦则聚焦于高性能通用计算，初期选择从市场增长最快的数据中心通用计算领域切入，以高性能、高能效、高通用性的产品来满足市场需求。
(2) 技术实现路径：
摩尔线程通过 Musify 工具实现 CUDA 代码自动迁移，兼容 PyTorch/TensorFlow 主流框架，降低开发者迁移门槛。
沐曦强调其核心技术的完全自主可控，产品均采用完全自主研发的 GPU IP，拥有自主知识产权的指令集和架构，从根本上摆脱对外部 IP 授权的依赖。
(3) 芯片制程与性能：
摩尔线程的产品覆盖了消费级和企业级市场，其 MTT S80 性能规格与英伟达 RTX 3060 相当。
沐曦的 MXC500 芯片采用 7nm 制程，FP32 算力达到 15 TFLOPS，性能表现强劲。
产品布局对比
摩尔线程和沐曦在产品布局上也存在明显差异：
(1) 产品线广度：
摩尔线程的产品线更为丰富，覆盖消费级显卡、专业计算卡和智算集群解决方案等多个领域，是国内唯一在 B 端和 C 端市场同步发力的 GPU 企业。
沐曦则聚焦于服务器及企业级 GPU 加速卡市场，能够集中资源推出产品。其产品线包括曦云 C 系列 (通用计算)、曦思 N 系列 (智算推理) 和曦彩 G 系列 (图形渲染，正在研发中)。
(2) 应用场景重点：
摩尔线程在消费级市场和企业级市场同时发力，尤其在消费级显卡市场具有先发优势。
沐曦则重点布局教科研、金融、交通、能源、医疗健康、大文娱等行业应用场景，在垂直行业应用上有独特优势。
市场策略对比
摩尔线程和沐曦在市场策略上也存在差异：
(1) 生态建设策略：
摩尔线程通过兼容 CUDA 生态来吸引开发者，降低迁移成本。
沐曦则构建了 "1+6+X" 生态布局，参与国家级科研项目，试图通过高端应用带动生态建设。
(2) 商业模式：
摩尔线程采用 "硬件 + 软件 + 服务" 的全栈商业模式，覆盖从芯片到解决方案的完整价值链。
沐曦则聚焦于芯片设计和销售，通过与合作伙伴共同开发解决方案来拓展市场。
(3) 客户结构：
摩尔线程前五大客户营业收入当期占比均超过 80%，客户集中度较高。
沐曦在 2024 年和 2025 年 1-3 月，主要收入来源为核心产品训推一体芯片曦云 C500 系列，收入占同期主营业比例分别为 97.28% 和 97.87%，单一产品收入占比较高。
融资与发展前景对比
摩尔线程和沐曦在融资规模和发展前景上也存在差异：
(1) 融资规模：
摩尔线程计划通过 IPO 募资 80 亿元，是 2025 年上半年科创板规模最大的 IPO 申请之一。
沐曦计划通过 IPO 募资 39.04 亿元，融资规模相对较小。
(2) 发展前景：
摩尔线程凭借全功能 GPU 架构和消费级市场的先发优势，有望在通用 GPU 市场取得更大突破。
沐曦则凭借高性能计算能力和垂直行业应用的深度布局，在 AI 训练和推理市场具有竞争力。
总体而言，摩尔线程和沐曦在技术路线、产品布局和市场策略上的差异，反映了国产 GPU 企业在面对国际巨头竞争时的差异化发展路径。两者的共同目标是突破国际垄断，实现国产 GPU 的自主可控发展。
国内AI芯片产业格局分析
“
一
技术路线分化
中国AI芯片产业呈现技术路线分化的格局，主要分为三类：
第一类，全功能GPU。以摩尔线程、天数智芯为代表，覆盖AI计算加速、图形渲染等多场景。天数智芯的天垓100芯片基于7nm工艺，采用全自研架构，集成240亿个晶体管，支持x86、ARM、MIPS等架构CPU指令集，以及国内外各种深度学习开发框架。
第二类，AI加速专用芯片。以昆仑芯、燧原科技为代表，聚焦训练/推理场景。百度昆仑芯3代P800芯片支持MLA和多专家并行架构，单机8卡可运行671B模型，显存规格优于同类GPU 20%-50%，支持8bit推理。燧原科技的邃思2.0芯片采用日月光2.5D封装，国内率先支持TF32精度，单精度张量TF32算力可达160TFLOPS，同时率先采用HBM2E产品，最高容量达64GB。
第三类，异构计算芯片。以壁仞科技、华为昇腾为代表，采用异构架构提升能效比。壁仞科技的BR100芯片采用7nm制程，FP16算力超1000TFLOPS，INT8算力超2000TOPS，支持PCIe5.0接口。华为昇腾910B芯片FP16算力320TFLOPS，INT8算力640TOPS，功耗310W，能力已基本可对标英伟达A100。
二
市场应用与商业化进展
市场规模与增长
中国 AI 芯片市场规模从 2020 年的不足 5% 增长至 2025 年的 30%，增长势头强劲：
(1) 整体规模：2023 年中国 AI 芯片市场规模达 553 亿元，预计 2025 年将增至 1530-1780 亿元，增速高达 30%-35%。
(2) 细分领域：中国 AI 芯片市场的增长动力源自三大引擎：云端大模型训练需求 (占比 45%)、边缘计算设备渗透 (年增 40%)、以及智能驾驶等垂直场景的爆发。
(3) 企业表现：寒武纪 2024 年全年营收 11.74 亿元人民币，2025 年第一季度营收大幅上涨至 11.11 亿元人民币，展现出强劲的增长势头。
商业化进展
国内AI芯片企业在市场应用方面已取得显著进展，但商业化程度仍存在差异：
摩尔线程：产品已实现多款高性能GPU产品的量产销售，消费级市场表现突出，数据中心市场占有率达22%。其MTT S80/S70显卡在国内消费级市场份额达70%，但价格仅为英伟达同级别产品的三分之一。
沐曦：GPU产品累计销量超过25000颗，在多个国家人工智能公共算力平台实现规模化应用。其曦云C500系列芯片在2023年6月完成功能测试，2024年6月支撑北京智源研究院完成千亿参数MoE大模型预训练。
壁仞科技：2022年8月发布首款通用GPU芯片BR100，创全球算力新纪录。2024年实现中国首个四种及以上异构芯片混训技术落地，2025年3月基于壁砺106全系列一体机发布，全面支持阿里通义QWQ-32B大模型推理。
燧原科技：与之江实验室合作搭建液冷智算集群”之江天目”，支持GPT-2、蛋白质结构预测等大模型训练，千卡线性度超过90%。邃思2.0芯片获得国家授权发明专利69项、实用新型6项、美国发明专利1项。
昆仑芯：第三代昆仑芯已实现万卡集群部署，服务百度DeepSeek系列模型。其P800芯片支持DeepSeek-V3/R1全版本推理任务，仅需32台即可支持模型全参数训练。
天数智芯：2024年预计量产AI与图形融合的通用GPU芯片”天垓300”，但财务状况不佳，2023年和2024年上半年分别实现销售收入3.07亿元和1.92亿元，合计4.99亿元，但净利润累计亏损8.15亿元，正计划借壳*ST信通上市。
三
竞争态势与行业整合
国内AI芯片产业竞争态势日益激烈，行业整合趋势明显：
头部企业优势明显：摩尔线程、沐曦、壁仞科技、燧原科技、昆仑芯形成”五强”格局，其中摩尔线程和沐曦凭借IPO进程获得资金优势，壁仞科技通过D轮融资和科创板/IPO计划增强资本实力，昆仑芯依托百度生态实现规模化应用。
政策与资本推动整合：大基金三期通过支持上游设备和材料，间接推动GPU产业链整合；科创板IPO则为头部企业提供融资渠道，挤压中小厂商生存空间。业内预测，当前多家国产GPU企业中，可能只有2-3家能够存活。
生态竞争加剧：头部企业通过构建开发者生态争夺市场份额。摩尔线程的MUSA软件栈可自动移植CUDA代码；沐曦的MXMACA软件栈支持PyTorch、PaddlePaddle等主流框架；昆仑芯与百度飞桨深度绑定；壁仞科技则通过HGCT异构协同训练方案提升生态兼容性。
四
技术突破路径
中国 AI 芯片产业在技术层面正经历快速变革，未来发展趋势主要体现在以下几个方面：
第一，制程工艺升级。上海微电子28nm浸没式光刻机预计2026年实现稳定量产，这将为国产GPU提供更先进的制程支持。但14nm及以下制程仍面临挑战，需依赖国产替代（如国望光学的曝光系统）和Chiplet技术突破。
第二，存储技术国产化。HBM作为GPU性能的关键组件，国产HBM3预计2025年下半年量产，带宽可达819GB/s（与国际厂商相当），但传输速率（6.4Gbps）与国际领先水平（如Rambus的8.4Gbps）仍有差距。兆易创新等厂商正加速研发，有望在2026-2027年实现HBM3E量产。
第三，Chiplet与先进封装。中芯国际与壁仞科技联合开发的 12nm Chiplet 异构集成方案已实现量产，良品率突破 92%，较传统单芯片设计成本降低 30%。这一技术对于突破先进制程限制具有重要意义。燧原科技通过2.5D封装提升性能，国产GPU企业将加速采用Chiplet技术突破制程限制，实现性能提升。
第四，异构计算架构。单一计算架构难以满足多样化的 AI 应用需求，异构计算将成为未来发展趋势。沐曦已开始布局异构计算架构的研发，摩尔线程也在探索多种计算单元的协同工作模式。
第五，软件生态与开发工具。中国企业正在加强对主流 AI 框架的适配和优化。百度飞桨平台适配 28 款国产芯片，开发者社区突破 600 万人。摩尔线程通过 Musify 工具实现 CUDA 代码自动迁移，兼容 PyTorch/TensorFlow 主流框架。自主开发工具链是构建自主生态的关键。沐曦打造了自主开放、高度兼容国际主流 GPU 生态的软件生态体系。华为 MindSpore、寒武纪 MLU 等框架不断完善，但与英伟达 CUDA 生态仍有差距。
中国 AI 芯片产业的未来趋势与挑战
“
一
市场发展趋势与竞争格局演变
中国 AI 芯片市场未来发展趋势和竞争格局演变将受到多种因素影响，主要趋势包括：
市场规模与结构变化
(1)市场规模增长：中国 AI 芯片市场规模预计 2025 年将增至 1530-1780 亿元，增速高达 30%-35%。从应用场景来看，云端大模型训练需求占比 45%，边缘计算设备渗透年增 40%，智能驾驶等垂直场景爆发增长。
(2)市场结构变化：从技术路线来看，GPU 仍占据主导地位 (全球市占率 60%)，但 ASIC 专用芯片在推理场景的渗透率已从 2020 年的 18% 提升至 2025 年的 40%。从应用场景来看，边缘计算芯片市场份额预计达 45%，应用于智能安防、自动驾驶等领域。
(3)区域市场格局：中国 AI 芯片产业形成了长三角、粤港澳大湾区和京津冀三大产业集群。长三角地区以寒武纪、地平线为核心，形成设计 - 制造 - 封测全产业链，2025 年产能占比 58%；粤港澳大湾区聚焦自动驾驶芯片；京津冀地区依托中科院体系，在类脑芯片领域专利申请量年增 45%。
竞争格局演变
(1)国内竞争加剧：随着摩尔线程、沐曦等企业的上市和发展，中国 AI 芯片市场竞争将进一步加剧。国产 GPU 产业将经历深度洗牌，一方面，国内市场容量有限，难以支撑多家企业的可持续发展；另一方面，突破制程限制、构建开发生态、拓展应用场景，仍是企业必须跨越的三重门槛。
(2)国际竞争态势：受美国出口管制影响，英伟达在中国市场份额从 95% 降至 50%。2025 年中国 AI 服务器市场的 AI 芯片供应中，国内 AI 芯片的比例有望增至 40%，英伟达等企业的供应占比预计会降至 41.5%。
(3)双轨竞争格局深化：中国 AI 芯片市场形成华为昇腾与寒武纪双雄争霸的格局，合计占据云端训练芯片 62% 份额。在通用 GPU 领域，摩尔线程和沐曦将展开更激烈的竞争，同时与海光信息、天数智芯、壁仞科技等企业共同推动通用 GPU 的国产化进程。
应用场景拓展
(1)垂直行业应用深化：AI 芯片在医疗、金融、交通、能源等垂直行业的应用将进一步深化。沐曦在医疗领域的应用案例显示，AI 芯片可以为医疗行业带来效率提升和成本降低。
(2)边缘计算普及：边缘计算芯片市场份额预计达 45%，应用于智能安防、自动驾驶等领域。边缘计算对芯片的能效比和实时性要求更高，为国产 AI 芯片提供了差异化竞争的机会。
智能驾驶应用爆发：L4 级自动驾驶芯片算力需求突破 1000TOPS，智能驾驶域控制器芯片 2025 年市场规模达 480 亿元，占全行业 15%。地平线在车载芯片领域估值突破 500 亿元，已获得 6 家头部车企定点。
二
产业发展面临的挑战与应对策略
中国 AI 芯片产业在快速发展的同时，仍面临多方面挑战，需要采取有效策略加以应对。
技术与产业挑战
(1) 技术代差：国内训练芯片仍存在 2-3 代制程差距，7nm 以下工艺依赖台积电，自主 EDA 工具覆盖率不足 30%。在 GPU 领域，尽管国产 GPU 在某些指标上已达国际主流水平的 82%，但与英伟达等国际巨头仍存在一定差距。
(2) 生态壁垒：英伟达 CUDA 生态拥有 300 万开发者，而华为 MindSpore、寒武纪 MLU 等框架仍在培育期，软件适配成本高出国际水平 40%。构建完善的软件生态系统是国产 AI 芯片企业面临的重大挑战。
(3) 产业链协同不足：设计、制造、封测环节协同效率低于国际水平，需通过 IDM 模式整合资源（如士兰微、华润微）。GPU 产业链长、环节多，需要上下游企业紧密协作。
(4) 人才短缺：半导体产业是典型的技术密集型和人才密集型产业，中国在高端人才和核心技术积累方面仍有不足。芯片即服务 (CaaS)：智能体自主优化芯片配置，算力成本降低 90%。
国际环境挑战
(1) 技术封锁加剧：美国对中国实施技术封锁，限制高端芯片出口，加速了国产替代进程。2024 年 12 月初，美国商务部下属工业和安全局 (BIS) 发布新版禁令，涉及的企业数量、出口管制条例内容的深度，给业内造成了不小的震荡。
(2) 供应链安全：美日荷联合限制关键设备出口，迫使企业建立 "双循环" 体系。台积电等代工厂对中国企业的限制，影响了先进制程芯片的生产。
(3) 国际标准话语权缺失：在芯片设计、制造等领域的国际标准制定中，中国企业的话语权仍然有限。
资本与商业化挑战
(1) 盈利周期长：AI 芯片企业普遍面临研发投入大、盈利周期长的问题。摩尔线程和沐曦都处于亏损状态，需要持续的资本投入。
(2) 市场竞争激烈：随着国产 AI 芯片企业数量增加，市场竞争将进一步加剧。国产 GPU 产业将经历深度洗牌，开拓海外市场或将成为新的战略选择，但地缘政治因素又将带来新的挑战。
(3) 应用场景拓展难：AI 芯片需要与具体应用场景深度结合才能实现商业价值。AI 应用在垂直行业的落地仍面临诸多挑战，如需求不明确、数据质量不高、集成难度大等。
应对策略与发展路径
面对上述挑战，中国 AI 芯片产业可采取以下应对策略：
(1) 差异化竞争：各企业应根据自身优势，选择差异化的技术路线和应用场景。如摩尔线程在消费级市场和企业级市场同时发力，沐曦则重点布局垂直行业应用。
(2) 生态共建：加强产业链上下游合作，共同构建国产 AI 芯片生态系统。百度飞桨平台适配 28 款国产芯片，开发者社区突破 600 万人，展示了生态共建的重要性。
(3) 技术创新：加大在架构创新、工艺优化、封装技术等方面的投入，通过创新弥补制程差距。存算一体、Chiplet 等技术为国产 AI 芯片提供了弯道超车的机会。
(4) 应用驱动：以应用需求驱动技术发展，加强与垂直行业的合作，推动 AI 芯片在实际场景中的应用。沐曦在医疗领域的应用案例为其他企业提供了借鉴。
(5) 政策支持：继续发挥国家大基金等政策工具的引导作用，支持关键技术突破和产业生态建设。国家大基金三期 1640 亿元专项中 40% 投向 AI 芯片，为产业发展提供了重要支持。
总之，中国 AI 芯片产业正处于关键的发展阶段，面临挑战与机遇并存的局面。在政策支持、市场需求和技术创新的共同推动下，中国 AI 芯片产业有望在未来几年实现跨越式发展，为中国人工智能产业的发展提供坚实的算力支撑。
往期精彩文章：
喜欢的话点个分享、点赞、在看！