12 篇博文 含有标签「Domestic Substitution」

「国产替代」讲了三年，这次有了一组完整的第三方数据。IDC 2026 上半年口径下，中国数据中心 AI 芯片市场自主品牌合计已占 50%——一半的市场，第一次有了数据实锤。

一、IDC 份额数据（2026 上半年，中国数据中心 AI 芯片）​

玩家	出货量	份额	同比
英伟达	67.8 万颗	34%	-44%
华为昇腾	57.2 万颗	28%	领跑国产
其他国产（平头哥/寒武纪/昆仑芯/海光/摩尔线程等）	合计 40 万+颗	合计 22%	高增长
自主品牌合计	—	50%	首次过半

补充口径：IDC 预计 2026 年中国 AI 加速器整体出货量同比增长 19%——市场在涨，英伟达在跌，国产在吃增量。

二、集微咨询：产业进入「业绩兑现」阶段​

集微咨询《2026 中国 CPU/GPU 行业上市公司研究报告》（以寒武纪、海光、摩尔线程、沐曦、壁仞、燧原等 11 家 A 股/港股公司为样本）：

• 2026 上半年 11 家合计营收约 254.11 亿元，6 家盈利、5 家亏损——从「概念验证」迈入「业绩兑现」
• 全球背景：上半年全球半导体市场 7020 亿美元（+102%），全年有望冲击 1.655 万亿美元；高盛测算 2026–2031 全球 AI 基础设施累计资本开支 7.6 万亿美元
• 全球 GPU 市场：2024 年 773.9 亿美元 → 2025 年约 1046 亿 → 2026 年预计超 1400 亿美元，两年接近翻倍
• 中国 AI 芯片市场：2025 年 3039 亿元（2021 年以来 CAGR 77.9%），2030 年有望接近 1.6 万亿元
• 本土份额第一：华为海思以 23% 居中国 AI 加速芯片市场本土首位
• 全球 AI 服务器：2026 年出货 980 万台（+44%）；亚太以 48.22% 居全球第一大 GPU 消费与制造区域

三、竞争焦点：从单芯片到系统级​

IDC 指出，市场竞争正从单颗芯片性能转向系统整体能力——芯片在大型集群中的协同表现。原因很直接：

• 大规模场景下，芯片间数据传输、内存调度、并行效率、软件适配同样决定实际性能
• 推理场景企业真正关心的是：每秒处理多少 Token、时延能否达标、单位 Token 综合成本
• 峰值性能高不等于业务算力利用效率高

这与我们在超节点元年综述中的判断互相印证：华为围绕「超节点 + 集群」做系统架构创新（汪涛，HC 2026），国产各家的超节点产品在工博会集体亮相。

四、规模化应用的微观证据​

• 平头哥：真武系列已通过阿里云服务自动驾驶、互联网、金融等 20 多个行业的超过 650 家外部客户，覆盖训练、微调、推理全类型负载
• 昆仑芯：P800 完成大规模集群验证，依托百度智能云百舸平台实现 3.2 万卡集群点亮与规模化应用
• 寒武纪：产品在金融、互联网等核心行业规模化商用部署
• 智谱：GLM-5.3-Flash 全部线上流量由超过 10 万张国产芯片集群承载

结论​

50% 这个数字的意义不在大小，而在结构：国产芯片不再是政策驱动的备胎，而是市场份额、财务表现、客户规模三条曲线同时向上的主流选项。下一步的分水岭是 IDC 点名的系统级能力——超节点互联、集群调度、单位 Token 成本，这些维度上的差距会比单卡规格更难追赶，也更有价值。

数据来源与口径说明​

• IDC 份额/出货/增速数据：IDC 报告（2026 上半年），腾讯新闻/搜狐转述（2026-10-24/25）
• 集微咨询报告数据：集微咨询《2026 中国 CPU/GPU 行业上市公司研究报告》（2026-10-25 发布），中商产业研究院/弗若斯特沙利文/高盛数据转引
• 平头哥/昆仑芯案例：腾讯新闻（2026-10-24），阿里/百度口径
• 「50%」为自主芯片份额加总口径，统计边界为中国数据中心 AI 芯片市场

业绩全线飘红的另一面，是「靠外部环境躺赢」的阶段正在过去。当每家头部厂商都能在开源模型发布当天完成适配，差异化优势从「能不能跑」转向「迁移多快、效率多高、供货多稳」。

一、三季报成绩单：增长普遍亮眼​

2026 年三季报季，国产算力芯片公司陆续交卷：

公司	业绩口径	数字
沐曦股份	前三季度营收同比	预增 105.60%–151.29%，归母净利润扭亏为盈（10-15 预告）
海光信息	前三季度营收同比	+57.58%；Q3 单季 58.56 亿元创单季新高（10-19 三季报）
寒武纪	2026 上半年营收同比	+108.13%（三季报未出）
摩尔线程	2026 上半年营收同比	+147.42%（三季报未出）

增长背后是三重红利叠加：AI 算力需求快速增长、厂商自身技术积累、以及出口管制 limiting 英伟达高端芯片对华销售带来的「竞争真空」——国产芯片过去几年订单有保障，海外竞争相对有限。

二、Day 0 适配：从稀缺能力到行业标配​

模型适配曾是国产芯片最硬的差异化壁垒，如今这条护城河正在快速填平：

• 2025 年 1 月，DeepSeek-R1 开源后，国产芯片大多需要十多天才陆续完成适配
• 2025 年 9 月，DeepSeek-V3.2-Exp 开源，华为昇腾、寒武纪、海光信息等已能当天完成适配
• 2026 年 10 月 15 日，阶跃星辰开源 Step 5 Preview，华为昇腾、摩尔线程、沐曦股份、壁仞科技、海光信息 DCU 全部当天完成适配

「Day 0 适配」在头部国产芯片厂商中已逐渐普及。技术路径也在收敛：各家芯片厂商的基础软件接入开源推理框架后，新模型发布时的主要工作只剩补齐新算子、再做精度与性能调优——适配从「攻坚工程」变成「流水线作业」。

三、竞争的下一站：三个新战场​

当「能不能跑」不再是问题，竞争延伸到算力落地的各个环节：

1. 存量应用迁移。新模型好适配，存量软件难迁移。行业用户的软件大多在国外软硬件环境上开发，商业软件无源码、迁移困难；自研算法团队的移植往往需要几十人、甚至接近两百人的深度适配团队。中科曙光高端计算首席工程师布静德对媒体表示，随着基础软件完善，科学计算主流软件环境已基本支持，但传统 CPU 应用迁移仍有工作量。

2. 系统效率。同样一张卡，调度、通信库、算子融合的差距可以拉开数倍的实际吞吐——这正是超节点方案（机柜级互联）成为各家新战场的原因，参考我们的超节点元年综述与国产超节点工博会盘点。

3. 供货保障。先进制程产能是全行业共同的紧约束：寒武纪依赖中芯国际 N+2 制程，而该产线最大产能客户是华为。据彭博社 10 月初报道，寒武纪 2026 年出货目标约 50 万颗（含思元 590 与思元 690），代工配额直接决定这盘生意的天花板。「能产多少供多少」正在成为比性能参数更硬的竞争力。

四、对采购方的含义​

• 适配差距抹平意味着可以放开手脚比硬指标：在 Day 0 适配成为标配后，选型应回到单卡/单柜实际吞吐、单位 Token 成本与生态迁移成本
• 把迁移人力写进 TCO：存量业务迁移的成本（人员、周期、精度回退风险）在不同厂商间差异巨大，这部分隐性成本常被报价单忽略
• 供货承诺要写进合同：在产能紧约束下，交期违约条款与备货缓冲比纸面参数更值得谈判

数据来源与口径说明​

• 三季报数字：沐曦 10-15 业绩预告、海光 10-19 三季报、寒武纪/摩尔线程 2026 半年报——经济观察报/腾讯新闻（2026-10-22）汇总
• Day 0 适配时间线与曙光表态：经济观察报报道（2026-10-22）
• 寒武纪出货目标与中芯产能约束：彭博社报道（2026-10 初），为知情人士口径，非公司披露

人民日报 10 月 21 日在头版文章中把「长鑫存储第五代 DRAM 技术平台实现量产」列为「练好内功」的标志性成果之一——与华为昇腾 960 超节点、宁德时代电池专利并列。在全球存储涨价的背景下，这条消息的分量比标题重。

一、长鑫的位次​

指标	数据（2026-10 行业口径）
全球 DRAM 排名	第 4 位，份额 9.5%
技术平台	G5（第五代）DRAM 量产
前沿方向	4F² DRAM 技术推进
与头部差距	评估约 1-3 年

二、为什么 DRAM 量产与 AI 算力有关​

直接关系藏在存储超级周期的结构里：

1. HBM 挤出效应：HBM 在 DRAM 产能中占比每升 1 个百分点，消费级 DRAM 供给收缩约 3 个百分点——全球 DRAM 合约价 4Q26 环比涨 10-15%，交期 40 周以上
2. 国产 AI 服务器的内存成本：国产芯片卡的显存是 HBM（受制），但服务器主存、KV Cache 扩展内存、向量库存储大量使用标准 DRAM——长鑫放量直接压低国产算力方案的 BOM
3. HBM 的前置能力：HBM 本质是 3D 堆叠的 DRAM。五代 DRAM 平台的量产意味着存储微缩工艺的持续积累——这是未来国产 HBM 的必要非充分条件

三、全球背景下的时间窗口​

当前存储市场处于「15 年来最严重短缺」（高盛口径）：三星、SK 海力士把产能大幅倾斜给 HBM 长约，传统 DRAM 与 NAND 供给被动收缩，价格上行周期预计延续到 2027-2028 年新产能落地。长鑫 G5 的量产正好落在需求最旺的窗口——份额提升与价格上行双重红利。

对照全球格局：SK 海力士 HBM 收入份额 ~50%、三星 33%、美光 18%，HBM4 已进入三倍报价时代；国产存储在 HBM 上尚有代差，但在标准 DRAM 上以 9.5% 份额站稳第四，构成「标准存储自主 + HBM 跟进」的现实路径。

四、对 AI 算力采购的提示​

1. 国产服务器主存方案开始具备「长鑫平替」选项，采购 RFP 里可以列入
2. 存储涨价周期内，提前锁定内存采购与芯片采购同等重要
3. 关注长鑫 HBM 进展的官方披露——一旦进入国产 AI 芯片的 HBM 供应链验证，国产算力全链自主的最后一环将补齐

延伸阅读：HBM4 三倍报价 · 存储超级周期 · 完整对比表

国产 AI 芯片市场对 MLU690 的期待，从 2025 年一路延续到 2026 年。但据公开报道，MLU690 在 2026 年并没有形成大规模出货计划——寒武纪全年晶圆资源优先保障已成熟量产的 MLU580 与 MLU590。摩根士丹利 2026 年 10 月的研报也确认了这一点：MLU690 系列（特别是 MLU692）收入确认延迟，构成三季度业绩不及预期的主因。本文梳理 MLU690 的真实交付进展。

MLU690 交付现状：产能优先给成熟型号​

据公开报道，寒武纪 2026 年的产能分配策略已经明确：全年晶圆资源优先供给成熟量产的 MLU580、MLU590 两款芯片，MLU690 中芯版本暂不规划批量出货，也没有主动向客户推广。核心制约仍是产能瓶颈，即便拿到客户订单也无法按时交付，因此公司索性收缩 MLU690 的市场投放节奏。

摩根士丹利的研报从财务角度印证了同一件事：预计寒武纪 2026 年第三季度收入为 36.5 亿元人民币，低于此前预期的 47.7 亿元。不及预期的主要原因在于 MLU690 系列（特别是 MLU692）的收入确认延迟以及 MLU580 的交付量有限。寒武纪在第三季度已将 MLU692 交付给主要的 CSP（云服务提供商）进行测试，但预计该产品的大部分收入将在第四季度才能确认。

这就是 MLU690 当前的真实状态——不是"卖不动"，而是"没有足够的晶圆去卖"。

型号	2026 年产能地位	交付状态
MLU580	主力，产能倾斜	交付量有限，三季度提价后毛利率仍偏低
MLU590	主力，产能倾斜	上半年内可交付
MLU690 / MLU692	产能优先级靠后	已交付主要 CSP 测试，收入多在四季度确认
MLU790（下一代）	尚未推进	受 690 验证进度影响，节奏更谨慎

据公开报道，MLU690 的合同虽在上半年签订，但交付预计在第三季度。这与摩根士丹利所述"大部分收入在第四季度确认"基本一致。

央国企市场：可见的订单空间​

在消费级与互联网市场之外，央国企与训练场项目是 MLU690 的主要落地方向。据公开报道，2026 年央国企市场的可见商机空间预计在 10 万至 20 万卡，其中上半年预计可落地订单约为 5 万卡。这 5 万卡中，有 3 万卡将用于与京能合作的国家训练场项目，另外 2 万卡来自其他央国企计算项目扩容（如浙江台州、昆山的项目）以及上海、安徽合肥等地的训练场和电信运营商项目。

值得注意的是，央国企订单的竞争格局并不宽松。据公开报道，在央国企市场寒武纪并非绝对的第二供应商，市场地位大约能排进前五；在信创领域华为是绝对的第一供应商，占据超过 60% 的市场份额。对寒武纪构成最大竞争压力的是平头哥和昆仑芯——这两家公司背靠阿里云和百度云，具备算力消纳能力，能通过云服务输出算力，而寒武纪无法做出此类承诺。

超节点布局：停滞状态​

超节点是 2026 年国产算力的主战场，但寒武纪在这条线上基本缺席。据公开报道，寒武纪自己没有做超节点，也没有明确的自建超节点计划。当前主要是给一些做超节点的厂商提供产品做验证和适配，2026 年还没有客户明确要求寒武纪去部署超节点，而且产能也不支持这么做。

现有产能仅能勉强满足字节的八卡基础服务器订单，字节自身也没有超节点部署计划，相关计划更偏 2027 年。腾讯和阿里虽有超节点方向的规划，但寒武纪没有办法保证供货，所以没有真正推进到客户部署层面。目前更多是与 OEM 厂商做平台适配，比如阿里的盘古、浪潮、新华三等平台已经做过适配，但没有量产安排。

还有一个被忽视的连锁反应：MLU690 的延迟量产会进一步拖累下一代 MLU790 的流片进度。MLU690 本身承担 790 前置大规模商用验证任务，缺少足量客户真实场景数据迭代，下一代芯片的研发与流片节奏会持续延后。

研判​

寒武纪当前的处境可以用一句话概括：需求不缺，晶圆不够。据公开报道，摩根士丹利预计寒武纪 2027 年向 CSP 客户的出货量将接近 35 万颗，主要得益于 MLU692 的产能爬坡和下一代 MLU580 产品的推出；代工方面主要依赖中芯国际的 N+2/N+1 产能。HBM3e 仍是关键供应瓶颈，但供应链调研显示寒武纪拥有一定库存，并有望随国内产能爬坡获得长鑫存储的一部分 HBM3e 产量。

财务侧的压力同样真实：HBM 成本上升对单位经济效益造成压力，MLU580 即使三季度提价，毛利率仍将保持在相对较低水平。摩根士丹利维持增持评级，目标价从 1408 元上调至 1700 元，但明确将三季度称为"业绩低谷"。

对客户而言，MLU690 在 2026 年不是可规模化规划的选项；2027 年随着产能爬坡与 790 产品线就位，它才会真正进入放量期。这一年多的窗口期，寒武纪要证明的是晶圆产能能否转化为可持续的交付能力。

国产化替代最常见的失败模式不是"卡买不到"，而是"代码跑不动、精度对不齐、性能差五倍"。迁移本质是一个软件工程问题，用清单化的方式管理，成功率会高得多。

一、三条生态路线先分清​

昇腾（CANN 加 torch_npu）：生态最完整的国产路线。PyTorch 官方支持度较好，主流模型（LLaMA、Qwen、DeepSeek 系列）的适配案例最多，社区踩坑记录丰富。硬件侧 Atlas 800T A2（8 卡 910B）训练机约 75 万至 200 万元区间，910C 8 卡服务器渠道价约 110 万至 120 万元，推理侧 Atlas 300I Duo 单卡约 2 万至 4 万元。

寒武纪（Neuware）：训练卡 MLU 系列、推理卡加边缘盒子的组合，推理场景渗透率提升明显，国产推理卡渠道价已进入 3 万至 5 万元区间。

海光（DTK，ROCm 系）：DTK 从 ROCm 分支演化，对 CUDA 代码的兼容性是三条路线中相对友好的，GPGPU 架构使通用算子迁移成本较低，适合已有大量自定义 CUDA 算子的团队。

二、六阶段迁移清单​

阶段	工作内容	典型工作量	常见坑
1. 资产盘点	扫描代码中的自定义 CUDA 算子、专有库依赖（NCCL、TensorRT、FlashAttention）	1 至 2 周	低估第三方闭源库依赖
2. 环境搭建	驱动、固件、CANN 或对应 SDK、框架版本对齐	1 至 2 周	版本矩阵组合错误，驱动与 SDK 不匹配
3. 框架适配	安装 torch_npu 或对应插件，跑通开源模型 baseline	2 至 4 周	依赖库里隐藏的 CUDA 专属调用
4. 自定义算子迁移	用等价 API 重写或请求原厂支持	2 至 8 周，取决于算子数量	算子性能回退数倍，需原厂深度调优
5. 精度对齐	FP16 或 BF16 下逐层对比 loss 与输出	1 至 3 周	舍入差异累积导致 loss 曲线发散
6. 性能调优与压测	通信库替换、算子融合、混合精度策略	2 至 6 周	集群线性加速比不达标，多因网络配置

整体而言，一个"标准开源模型加常规训练脚本"的项目迁移到昇腾，顺利情况下约 6 至 10 周；有大量自定义算子和闭源依赖的项目，周期可能拉长到半年，且强依赖原厂驻场支持——签约时务必把驻场支持写进合同。

三、最容易翻车的五个环节​

1. NCCL 依赖。 分布式训练脚本里的 NCCL 调用要替换为昇腾 HCCL 或对应通信库，超参与拓扑配置需要重新调试，多机通信效率是国产集群性能差距的最大来源。

2. 量化推理工具链。 从 TensorRT 到昇腾 MindIE 或各家的量化工具，量化校准数据集和精度评估都要重做，生产环境的精度回归测试不可省略。

3. 生态外围工具。 DeepSpeed、vLLM、Transformer Engine 等常用库在国产平台上的版本支持滞后，很多团队卡在"模型能跑，加速库不兼容"这一步。

4. 运维体系。 现有监控（DCGM 类工具）、故障诊断、驱动升级流程全部要重建，这部分工作量经常被漏算。

5. 人才储备。 国产平台的调优经验集中在原厂和头部客户，招聘有昇腾或寒武纪实战经验的工程师成本高，提前安排团队参加原厂认证培训更实际。

四、结尾建议​

给准备迁移的团队三条建议：第一，先迁推理、后迁训练——推理负载对生态的依赖更浅，Atlas 300I Duo 这类推理卡性价比高，能用最小代价验证国产路线的可行性；第二，选硬件前先选生态，优先挑你的核心模型已有官方适配案例的平台，能省一半工作量；第三，保留双栈能力，迁移期让 CUDA 与国产平台并行运行至少一个季度，用同一份测试集做持续对比，确认精度与性能达标后再下线旧集群。国产化替代是一场马拉松，清单化管理、分阶段验收，才能避免"买回来跑不起来"的困境。

国产替代不是"把英伟达换成国产卡"一句话能概括的决策。合规压力、负载类型、迁移成本、供货确定性、预算五个维度都要过一遍，本文用站内芯片卡数据把每一步落到具体型号上。

一、替代决策五问​

动手选型前，先回答五个问题：

1. 合规要求：是政策强制的信创场景（政府、国企、金融），还是成本驱动的自愿替代？前者看《安全可靠测评》等资质，后者看性价比。
2. 负载类型：训练还是推理？Prefill 还是 Decode？不同负载的答案完全不同——昇腾 950PR 是推理 Prefill 卡，拿它做 FP16 密集训练就是选型错误（站内卡明确提示：FP16 训练应选 910C，其 800 TFLOPS 对 950 系列的 486–547 TFLOPS 保持领先）。
3. 生态迁移成本：现有 CUDA 代码库有多少算子依赖？团队有没有非 NVIDIA 平台经验？迁移成本有时比卡价更高。
4. 供货确定性：产能爬坡与 HBM 供应决定交付周期，头部型号已经在涨价排队。
5. 预算口径：国产卡价格已从"替代品折价"转向"供给稀缺溢价"，预算要按动态报价做。

二、国产主要选项对比​

以下数据全部取自本站芯片卡：

型号	架构	FP16/BF16 算力	低精度	显存 / 带宽	互联	软件栈	参考价
昇腾 910C	Da Vinci 双芯	BF16 800 TFLOPS	不支持 FP8/FP4	128GB HBM2e / 3.2 TB/s	HCCS 784 GB/s + UB 392 GB/s	CANN	渠道价超 ¥11 万
昇腾 950DT	Da Vinci v5	BF16 547 TFLOPS	FP8 1,034 TFLOPS、FP4 2,007 TFLOPS	144GB 自研 HiZQ 2.0 / 4 TB/s	灵衢 2 TB/s	CANN Next	渠道指示价超 ¥25 万
寒武纪 思元690	MLUarch 双 die	FP16 700+ TFLOPS	INT4 2,800+ TOPS	196GB HBM3 / 3.35 TB/s	MLU-Link 890 Gbps	NeuWare	约 ¥17.5 万
摩尔线程 MTT S5000	MUSA 平湖（第四代）	BF16/FP16 400 TFLOPS	FP8 稠密 1,000 TFLOPS	80GB / 1.6 TB/s	MTLink 784 GB/s	MUSA / MUSIFY	官方指导价 ¥5.5 万
天数智芯 天垓150	ivcore11	FP16 192 TFLOPS	INT8 384 TOPS	64GB HBM2e / 1.2 TB/s	PCIe 4.0	IXUCA	未公开
燧原 云燧T21	邃思2.0	FP16 未公开	TF32 160 TFLOPS	HBM2E（容量未公开）	自研多卡互联	燧原智算软件栈	约 ¥7 万

怎么读这张表：训练优先看昇腾 910C/950DT 与思元690（FP16 算力与显存容量领先，且都有千卡/超节点级方案——思元690 已落地 256 卡超节点，950DT 的 Atlas 950 SuperPoD 1024 卡版本已在 WAIC 2026 真机展示）；FP8 推理看 MTT S5000（FP8 稠密 1,000 TFLOPS 是国产卡中的亮点，且已通过《安全可靠测评》2026 年第 2 号）；视频与低功耗推理看昆仑芯 R200（150W、INT8 256 TOPS、108 路视频解码）；信创训练集群可评估云燧T21（OAM 标准模组，8000+ 卡集群已验证）。

三、软件栈迁移成本评估​

迁移成本是国产替代里最容易低估的一项，各家生态进展差距明显：

• CANN（华为）：进展最快。CANN Next 提供 CUDA 兼容层，约 80% 的标准 PyTorch 推理代码仅需配置修改；2026 年 10 月 DeepSeek 与华为联合发布面向昇腾 950 的开源编程工具与库。生态拐点已现——站内昇腾 960 卡口径显示，CANN 外部开发者占比升至 61%，首次超越内部团队，月活跃开发者突破 5,200 人；PyTorch 官网也已将昇腾收录为中国算力平台。
• NeuWare（寒武纪）：云边端统一一套代码是国内独一份，PyTorch/TensorFlow 适配版齐全，MagicMind 是全球首批商用 MLIR 图编译推理框架；短板在千卡以上分布式训练的工程成熟度，单机 8 卡与百卡小集群表现优异。
• MUSIFY（摩尔线程）：算子覆盖率约 70%–80%（CUDA 为 99%+），复杂 LLM 需手工优化，但 Day-0 适配能力快速进步——2026 年 6–7 月连续完成 MiniMax M3、智谱 GLM-5.2、Qwen3.5 和美团万亿参数 LongCat-2.0 的适配。
• IXUCA（天数智芯）：高度兼容 CUDA 生态，官方口径迁移时间下降 50% 以上，已适配 200+ 模型，覆盖 LLM、CV、NLP、语音等领域。

四、供货现实与价格走势​

供需关系是当前国产算力市场的第一现实：

• 需求侧：华为副董事长徐直军在 HC2026 访谈中的表态是"能产多少供多少"——需求远未见顶，第一约束已从市场转移到产能。
• 产能侧：站内 950DT 卡引用的行业口径显示，中芯国际产能可支撑年产超 100 万颗昇腾芯片，但国产 HBM 产能仅够约 25 万–30 万颗成品加速器，缺口约六成——瓶颈在 HBM 而非逻辑制程。
• 价格侧：HBM 成本攀升推高全线上调——950DT 渠道指示价超 ¥25 万（较两个月前 +20%–50%，Bloomberg 称三个月涨约 60%，已对标 B200）、950PR 突破 ¥8 万（+30%）、910C 超 ¥11 万（+22%）、寒武纪 690 等同期上调 20%–30%。预算必须按动态报价做，且注意以上均为渠道指示价，实际成交随采购规模与捆绑条件浮动。

五、混合部署策略与风险清单​

务实的企业路径是混合部署：NVIDIA 存量卡继续承担成熟训练负载与 CUDA 专有工作负载，国产卡承接增量需求——通常从推理切入（生态迁移成本最低），训练负载在 CANN/MUSA 成熟度验证后逐步迁移。昇腾 910C 集群已验证万亿参数大模型全参数后训练能力（站内卡记载的 DeepSeek V4 Pro 案例），训练迁移的技术可行性正在快速提高。

同时把风险清单贴在采购文档里：

1. 生态风险：算子覆盖不全导致的性能回退与排期延误，先做 POC 再批量采购。
2. 价格风险：涨价周期中锁价窗口短暂，长单尽量锁量锁价。
3. 供货风险：HBM 约束短期无解，关键项目准备备选型号。
4. 人才风险：非 CUDA 平台的工程师储备需要提前 6–12 个月建设。
5. 残值风险：国产卡二手市场流动性弱于 NVIDIA，折旧年限要单独评估。

小结​

国产替代选型的正确姿势是：用五问框架定位自己的真实约束，按负载类型从对比表里筛型号（训练看昇腾与思元690、FP8 推理看 MTT S5000、低功耗视频看昆仑芯），把软件迁移成本算进总预算，在涨价与供货的现实下混合部署、增量替换。更多型号的全字段对比见站内完整对比表，各卡详细规格请进入对应芯片卡页面。

2026 年，美国对华 AI 芯片出口管制完成了从"推定拒绝"到"逐案审查"的历史性转向，同时附加关税、产能与安全三重枷锁。管制形态从"按芯片型号划线"演变为"按买家总部划线"，全球算力供应链随之重新绘制版图。

一年之内：政策的密集摇摆​

时间	事件	影响
2025 年 4 月	H20 出口需申请许可	英伟达计提 45 亿美元相关损失
2025 年 5 月	AI 扩散规则被暂停	全球分级许可框架搁置
2026 年 1 月	H200 转为逐案审查	TPP 低于 21000 且 DRAM 带宽低于 6500GB/s 的芯片可申请许可
2026 年 1 月	同步加征 25% 关税	相关芯片出口附带"收入分成"
2026 年 5 月	D:5 总部指南生效	管制对象从产品延伸到买家总部所在地
2026 年 8 月	英伟达财报指引	不假设任何来自中国的数据中心计算收入

新规则并非简单放松：对华出口总量受"不超过同期对美供应总 TPP 一半"的产能配额约束，每批产品须经美国第三方实验室检测验证，云端用途还需提交远程终端用户清单。英伟达甚至修改付款条款，要求中国客户全款预付，把政策风险完全转嫁给买方。

中国市场的受控交织​

尽管约束重重，需求依然旺盛。据公开报道，中国企业累计订购的 H200 级别芯片超过 200 万颗，字节跳动单年度采购金额据报高达 140 亿美元。作为对价，中国工信部引入"配对"要求：企业每进口一定数量海外芯片，须按比例配套采购以昇腾为主的国产处理器，形成"国产芯片承担推理与通用负载、海外芯片保留高价值训练"的混合算力部署模式。中美监管的双重合规压力，成为跨国采购团队的新常态。

与此同时，管制反向催化了国产替代的加速。据公开报道，华为 AI 芯片年收入正逼近 120 亿美元；BIS 甚至发布指南，提示昇腾 910B、910C 等芯片在全球范围内的交易也可能触发美方许可要求——管制的长臂正从硬件延伸到远程算力访问。2025 年 11 月出台、2026 年 11 月到期的"关联规则"暂停令，则让实体清单的覆盖范围悬而未决，进一步放大了政策的不确定性。

供应链的连锁反应​

合规物流让每颗输华芯片先赴美国检测再出口亚洲，交期延长、成本上升。更深层的挤压在制造端：H200 与 Blackwell 共享台积电 CoWoS 先进封装产能，对华订单直接排挤更高毛利产品的排产。英伟达已锁定台积电 2026 年约六成先进封装产能，其余厂商只能在剩余份额中竞争。2026 年 5 月，黄仁勋向媒体表示英伟达"基本已让出中国 AI 芯片市场"——对芯片巨头而言，中国市场的财务贡献正在从增长项退化为风险项。

结语：版图的三条断层线​

2026 年的供应链版图上，三条断层线已然清晰：美国以"逐案审查加关税"维持受控开放；中国以"配对采购加国产放量"构建双轨算力体系；其余国家则在两种体系之间摇摆观望。管制已经无法阻止算力需求的增长，只能改变算力的地理分布与成本结构。对行业观察者而言，比门槛数字更值得跟踪的，是每一次政策摇摆背后，供应链各方重新谈判的定价权。

本文基于 Bloomberg Intelligence 与 Bernstein 2026 年 9 月发布的市场分析及公开报道整理；市场份额与营收为分析师预测口径，非官方披露。

9 月 28 日，两份华尔街报告同时描摹出一个戏剧性的画面：中国 AI 算力市场的份额天平，在 12 个月内完成了几乎彻底的翻转。

一、份额翻转：40% → 8%，昇腾 → 50%​

Bernstein 最新预测：

• 英伟达在中国 AI 芯片市场的份额，将从约 40% 跌至今年年底的约 8%
• 华为昇腾升至接近 50%
• 直接导火索：9 月中国对英伟达 H20 新订单的禁令，关上了英伟达重返中国市场的最后通道
• 字节跳动、阿里、腾讯均已下出大额昇腾订单

时间线上看，这不是一次突变，而是出口管制三年收紧的累积结果：英伟达在中国 AI 芯片市场的份额一度高达 95%，随着高端芯片断供，中国超大规模云厂商整体转向华为与国产替代；即便 2026 年 1 月华盛顿放开 H200 对华销售，转向的齿轮已经咬合，回不去了。

二、昇腾 950PR：分析师眼里的「中国版 H200」​

支撑这份份额数据的，是产品力本身：

• 昇腾 950PR 今年 3 月量产，FP4 算力最高 2 PFLOPS，搭载 128GB 国产 HBM
• 分析师将其评为大致对标英伟达 H200
• 华为 AI 芯片营收预计今年达 120 亿美元，较 2025 年的 75 亿美元增长 60%

950 系列的完整规格可参考我们此前的深度文章：昇腾 950PR/950DT 双配置解析 与 昇腾 960 官宣发布——960 已提前三个季度就绪，确认一年一代节奏。

三、模型侧：中国开源模型拿下 OpenRouter token 大盘​

芯片份额翻转的同时，模型使用侧的数据同样惊人（OpenRouter 平台统计）：

指标	数据
DeepSeek token 份额（6 月）	16.3%，超过 Google、Anthropic、OpenAI 各自单独份额，居第一
中国开放权重模型合计 token 份额（5 月）	约 61%（DeepSeek、Qwen、MiniMax、腾讯混元等）
中国模型周 token 消耗	约 18 万亿，美国模型约 5.5 万亿，3 倍以上差距且一年内完成反超
中美前沿模型性能差距（6 月）	收窄至 6%，创历史新低（5 月为 9%）

算力与模型形成正循环：买不到的卡倒逼国产算力放量，放量的国产算力养出便宜的 token，便宜的 token 让中国开源模型吃下全球推理流量的大头。

四、但股票市场没有买单​

Bloomberg Intelligence 同期指出一个矛盾：中国科技八巨头（China Tech 8）相对美股「七巨头」（Magnificent Seven）的估值折价达到年内最宽的 超过 50%，BI 认为只有「真正的 AI 突破」才能弥合。个股年内表现：阿里约 -7%、腾讯约 -23%，而美国 AI 基础设施龙头普涨 15% 以上。

这种背离有两种解读：要么市场低估了中国 AI 基本面，要么盈利执行（阿里上季 EPS 低于预期 17.3%、百度低 36%）拖累了 AI 叙事的兑现。对产业观察者而言，值得注意的是：算力侧的数据（份额、营收、出货）已经先行，应用侧的变现仍在路上。

五、对算力采购者的三点提示​

1. 在华部署，昇腾生态已是默认选项。 从 CUDA 迁移到 CANN 的成本是一次性的，而供给不确定性是持续性的；9 月禁令后，新采购英伟达卡在中国市场已无合规路径。
2. 国产算力「对标 H200」是分水岭。 过去国产替代的隐含假设是「性能打折、价格打折」；当单卡性能追平 H200 世代，采购决策就回归纯粹的 TCO 与供应安全计算——建议用 TCO 计算器 把电费、折旧、利用率放进同一张表里算。
3. token 成本曲线决定应用格局。 中国模型 61% 的 OpenRouter token 份额说明：算力自主 → token 降价 → 应用繁荣的链条已经跑通第一段，接下来看推理成本能否继续下探。

小结​

40% 到 8%，不是一句口号，而是一个由禁令、产品力与模型生态共同驱动的市场重排。对中国市场而言，昇腾 950/960 的量产节奏与 CANN 生态成熟度，将决定这份份额能否守住；对全球市场而言，中国算力「内循环 + 开源模型出海」的组合，正在改写推理流量的地理分布。

（市场份额与营收预测来自 Bernstein / Bloomberg Intelligence 分析师报告，实际数字以各公司财报为准。）

昇腾 960 官宣、真武 V900 发布之外，9 月下旬还有三条容易被头条淹没、但结构性意义不输旗舰芯片的生态信号：运营商开源昇腾训练的模型、整机厂交付百卡级国产推理系统、初创公司拿到云端算力芯片的新一轮融资。本文逐条拆解。

---

1. 中国电信开源 Xing4.0：昇腾端到端训练的运营商级背书​

9 月 23 日（报道时间），中国电信开源 Xing4.0-29B-A4B——一个 agentic 混合专家（MoE）模型，公司口径宣布在华为昇腾加速器上端到端训练。

为什么重要：

• "能训"的第三方证据：过去"昇腾能不能训大模型"主要靠华为自证（原生训练模型 40+）；运营商以自己的数据、工程团队和集群跑通训练并开源，是第一个非华为体系的规模化训练案例；
• agentic 定位：29B-A4B（29B 总参 / 4B 激活）的 MoE 形态直接面向 agent 工作负载——与 DeepSeek、Qwen 的开源节奏对齐，而非试验性小模型；
• 开源外溢：模型权重 + 训练配方公开，意味着昇腾上的训练工程经验可以复用到其他机构——这正是生态扩散的标准动作。

配合华为侧披露的"CANN 进入常态化开源运营、外部开发者占比 61%"，昇腾生态正从"厂商主导"转向"社区运营"。

2. 浪潮 MetaBrain SD200 Ultra：128 颗国产芯片的推理吞吐实测口径​

浪潮同期发布 MetaBrain SD200 Ultra 推理系统：

指标	数值（公司口径）
国产 AI 芯片	128 颗（厂商未披露具体型号）
服务模型	Kimi K3
Token 吞吐	2.8T tokens（该口径下的系统吞吐成绩）
时延	5.85 ms

三个读数：

• 百卡级系统集成：128 卡异构协同跑超大规模 MoE 推理，考验的是互联拓扑、调度与容错——整机厂把国产芯片"攒成大系统"的能力已经就位；
• 面向头部开源模型：以 Kimi K3（已上线 AWS Bedrock）为目标负载，说明国产推理系统的验收标准是"跑通当下最受欢迎的模型"，而非自说自话的 demo；
• 注意口径：2.8T token 吞吐与 5.85ms 时延均为厂商宣称，测试模型版本、并发与批尺寸未披露，采购评估时需按实际负载复测。

3. 奕行智能 B+ 轮 20 亿元：云端算力芯片赛道仍在加注​

奕行智能（EVAS）完成 B+ 轮 20 亿元融资，投后估值近 150 亿元，和利资本追投；此前上半年已完成 15 亿元 B 轮并引入中国移动战略投资。公司主攻新一代云端算力芯片。

在旗舰芯片格局（昇腾 / 寒武纪 / 摩尔线程 / 海光 / 真武）看似已定的 2026 年，云端算力芯片新势力仍能拿到 20 亿级融资，说明：

• 一级市场对"国产算力第二梯队"的需求判断：头部厂商产能排期到 2027 年，溢出需求给了新势力窗口；
• 运营商战投的角色：中国移动既是采购方也是投资方，国产算力的需求侧在用资本锁定供给侧；
• 云端推理 DSA 路线的差异化空间仍在（参考清微、后摩等路线的生态卡位）。

4. 一周信号拼图：闭环正在成形​

把三条信号与本月旗舰发布拼在一起，国产算力的产业闭环每一段都有人补位：

环节	本月证据
旗舰芯片	昇腾 960 提前官宣（9-17）、真武 V900 发布（9-22）
训练验证	中国电信 Xing4.0 昇腾端到端训练并开源、DeepSeek 押注昇腾训练
推理系统	浪潮 SD200 Ultra 128 卡跑 Kimi K3
软件生态	CANN 常态化开源、外部开发者 61%
资本供给	奕行智能 B+ 轮 20 亿（投后近 150 亿）
需求侧	DeepSeek 站队、Kimi K3 上线海外云平台

"芯片—系统—模型—资本"四段都有独立玩家在投入，这是与 2024-2025 年"单点突破"最大的不同。

5. 小结​

• 中国电信 Xing4.0-29B：首个非华为体系的昇腾端到端训练开源模型；
• 浪潮 SD200 Ultra：128 颗国产芯片推理系统，2.8T token 吞吐 / 5.85ms（公司口径，待复测）；
• 奕行智能 20 亿 B+ 轮：云端算力芯片第二梯队仍在获得真金白银；
• 看什么：Xing4.0 的训练集群规模与 MFU、SD200 Ultra 的第三方复测、奕行智能流片节奏。

---

相关阅读​

• 昇腾 960 规格页 / 昇腾 910C 规格页（本站）
• DeepSeek 确认押注华为芯片训练大模型
• 国产三强 2026 H2：国产化率突破 40% 向 60% 迈进

参考资料​

• The GPU Daily（2026-09-24）：China Telecom open-sources Xing4.0-29B；Inspur MetaBrain SD200 Ultra
• 今日头条：奕行智能完成 B+ 轮 20 亿元融资，投后估值近 150 亿元（2026-09-21）
• CSDN·AI 日报（2026-09-21）：华为 CANN 常态化开源运营、OceanStor M900 发布

本文基于公开报道整理。Xing4.0 训练细节与 SD200 Ultra 性能数据均为公司口径，测试条件以后续披露为准。

2026 年，中国 AI 芯片市场格局已从"英伟达单极主导"转向"海外厂商领先、国产多路线追赶"。据产业研究数据，2025 年中国 AI 加速卡整体市场约 400 万张，其中国产出货 165 万张，份额首次突破 40%；随着产品迭代与晶圆厂配套跟进，2027 年国产化率有望提升至 60%–70%。本文聚焦华为昇腾、寒武纪、摩尔线程"国产三强"的 2026 下半年最新进展。

📌 更新（2026-09-18）：华为已于 9 月 17 日全联接大会正式官宣昇腾 960（详见第 1 节），本文 960 部分已按官方披露更新。

---

1. 华为昇腾：950 产能排满，960 官宣提前发布​

昇腾以"架构 + 生态全栈协同"为核心优势，2025 年出货约 80 万颗，占国产厂商总份额 50%。产品迭代节奏清晰：

时间	产品	说明
2025 Q1	昇腾 910C	主力过渡型号，超节点已部署超 1000 套
2026 Q1	昇腾 950PR	推理旗舰
2026 Q4（计划）	昇腾 950DT	训练旗舰，推动国产 HBM 迭代
2027 Q2	昇腾 960DT	官宣提前三个季度就绪（2027 Q1）
2027 Q3	昇腾 960PR	提前一个季度就绪
2028 / 2029	昇腾 970 / 980	一年一代路线图官宣

950 系列产能已进入"排满"状态：950PR 于 2026 年 4 月量产，6 月月产能跳升至 50–60 万片（环比近 10 倍），全年目标 120 万片、确定性 100%；字节跳动以 56 亿美元锁定 35 万片，腾讯 / 阿里 / 百度合计锁定 40 万片。

昇腾 960 官宣规格（2026-09-17 华为全联接大会，汪涛）：

指标	昇腾 960DT（训练版）
FP8 算力	2 PFLOPS（较 950 翻倍）
FP4 算力	4 PFLOPS
显存	288GB（自研 HBM）
显存带宽	9.6 TB/s
就绪 / 上市	2027 Q1 / 2027 Q2（配套 Atlas 860 风冷超节点）

960PR（推理版）2027 Q3 上市，配套 Atlas 960 液冷超节点。同场发布的昇腾 960 超节点是全球首个采用 NPO（近封装光学）的超节点：单节点 4096 卡、8 EFLOPS FP8 / 16 EFLOPS FP4、1PB HBM、互联 RTT 低至 2μs；5500 个自研 Hi-ONE 光引擎（业界首个量产 NPO，单引擎 7.2T）替代 4.8 万颗 800G 光模块，功耗降低超 550kW，系统可用度 99.8%。

• 上一代昇腾 384 超节点已累计商用超 750 套，落地互联网、运营商、金融、教育、医疗等 20 多个行业；910C 超节点部署超 1000 套，950 超节点已规模商用。
• 华为同步确认一年一代节奏：2028 昇腾 970、2029 昇腾 980，依托"韬定律"持续算力翻倍。
• ⚠️ MFU 提升 2.75 倍、推理时延降低 70% 等收益数据出自华为马尔科夫实验室仿真，非第三方实测。

---

2. 寒武纪 MLU690：下半年量产，切入字节招标窗口​

寒武纪是昇腾未上市背景下的核心国产算力龙头，技术代差持续缩小：

• 思元 590（7nm）：性能等效 A100 的 80%，已支持 DeepSeek，持续适配千问 3、GLM 等主流大模型；
• 思元 690 系列：将于 2026 下半年正式量产，有望在下半年字节招投标窗口期实现订单放量；
• 业绩确定性：股权激励目标显示未来 3 年营收增速均超 100%，2026 年营收目标 135 亿元、2027 年 270 亿元、2028 年 600 亿元。

寒武纪充分受益于"国产 CSP 资本开支 + 国产大模型与国芯全面适配"的行业红利，是国产化率提升最直接的弹性标的。

---

3. 摩尔线程 MTT S5000：全功能 GPU + 生态突围​

摩尔线程走"全功能 GPU"差异化路线，旗舰 MTT S5000 基于第四代"平湖"MUSA 架构：

指标	MTT S5000
稠密 AI 算力	1000 TFLOPS
显存	80GB
显存带宽	1.6 TB/s
卡间互联	784 GB/s
精度	FP8 到 FP64 全精度（训推一体）
安全可靠	首批通过国家《安全可靠测评》（I 级）

其工程化能力已获验证：基于 S5000 的夸娥（KUAE）智算集群训练线性扩展效率达 95%，万卡扩展计算效率损耗控制在 5% 以内；已支持断点续训，有效训练时长占比超 90%；并从零完整训练出语料超 25 万亿 Token 的 MoE-236B 基础大模型。

生态是摩尔线程最深的护城河：MUSA 已实现 100% 核心数学库兼容、3000+ PyTorch 算子兼容、覆盖 55 类核心 AI 算子，获 vLLM 与 SGLang 官方支持，主流模型 Day-0 适配，开发者突破 80 万人。其 PD 异构分离方案以 2:1 比例实现 S5000 对国际高端 GPU 的等效替代，显著降低推理成本。

第五代"花港"架构（2025-12 发布）支持 FP4 到 FP64 全精度，算力密度较上一代提升 50%、能效提升 10 倍，可支持十万卡以上集群；基于该架构的"华山"（训推一体）与"庐山"（图形渲染）新芯片研发累计投入已超 9 亿元。

---

4. 软件生态决胜：Day-0 适配常态化​

硬件之外，软件生态的兑现是 2026 年国产算力的分水岭：

• 华为 CANN 异构计算架构与 MindSeries 套件已全面开源，社区孵化 67 个项目、超 1244 万行代码；据 HC2026 披露，CANN 外部开发者占比升至 61%（首次超越内部团队），月活开发者突破 5200 人；
• 国产大模型与国产芯片"发布即适配"闭环基本成型：腾讯混元 T3（295B）、DeepSeek-V4、GLM-5.2 均完成 Day-0 适配；
• 2026 年被视为"国产超节点元年"，华泰证券测算 2028 年中国超节点架构市场规模有望达 3414 亿元，2026–2028 年复合增长率 194%。

---

5. 产业判断：从"能不能做出来"到"能不能用得好"​

国产三强正沿三条路径收敛：

1. 华为：以超节点系统级能力 + 全栈软件锁定政企与互联网大客户；
2. 寒武纪：以训练侧代差缩小 + 大客户招标放量冲击营收拐点；
3. 摩尔线程：以全功能 GPU 通用性 + 成熟 CUDA 兼容生态覆盖云边端全场景。

三家的共同短板仍在于高端制程与 HBM 供给——这恰是海外管制的核心环节。但随着国产 HBM 迭代与晶圆厂配套跟进，2027 年国产化率向 60%–70% 迈进具备现实路径。

相关链接​

• 华为昇腾 960 规格页
• 华为昇腾 950DT 规格页
• 寒武纪 MLU690 规格页
• 摩尔线程 MTT S5000 规格页

参考资料​

• 华为官网：发布全球首个采用 NPO 的超节点（昇腾 960 超节点）（2026-09-17）
• 电子工程专辑：国产 AI 芯片新突破！华为昇腾960芯片将提前发布
• 国产AI芯片行业观点更新 - 萝卜投研
• 摩尔线程，一日两大利好 - 东方财富网
• 摩尔线程 × 硅基流动：PD 分离异构算力混部技术白皮书 - 与非网
• 接近盈亏平衡后 摩尔线程再赴港股"大考" - 顶端新闻

---

本文基于 2026 年 8 月公开产业研究、券商观点与企业公告整理。部分出货量与市占率为第三方估算，非官方确认数据。