1、算力芯片行业深度研究报告算力革命叠浪起，国产GPU奋楫笃行mathbfGPU并行计算能力适用于mathbfAI训推需求，大模型发展催化mathbfGPU需求。GPU不仅仅负责图形处理，也能执行通用计算任务。其核心由大量简单的计算单元构成，这些单元被组织成强大的计算阵列，能够同时对海量数据执行相同的简单操作，因此相比CPU更擅长处理并行计算任务。当前主流的AI计算加速芯片主要有四种技术架构，相较于ASIC和FPGA，GPU在通用计算性能和开发友好性上更具优势，也比仍处探索阶段的NPU更为成熟，因而成为大模型训练和推理的主力。近年来，人工智能取得突破性进展，多模态大模型不断涌现。大语言模型的进化遵

2、循ScalingLaw法则,其能力提升高度依赖海量算力供给。未来，随着AI大模型向多模态、强推理、数据合成等方向演进，算力将继续作为核心驱动力，推动模型能力不断突破，加速AI应用的广泛落地。海外巨头持续加码mathbfAI投入，英伟达占据全球主导地位。大模型在应用端的表现持续取得显著进步，正逐步深入渗透日常生活和工作场景，活跃用户数量不断攀升,token调用量保持高速增长。据谷歌业绩说明会,2025年其月度Tokens调用量从5月的480万亿大幅上升至7月的980万亿，并于10月爆发式增长至1300万亿，其提升节奏与谷歌Gemini2.5、NonaBanana等产品的更新步调保持一致。从谷歌m

3、athrmAI相关业务表现来看，大模型用户正在向付费用户转化，有望实现AI投入的商业闭环。因此，北美科技巨头纷纷加码AI相关投入。此外，自2025年以来，包括英伟达、微软、OpenAI、Oracle在内的北美AI领域巨头已陆续签订投资与战略合作协议，进一步坚定对AI的投资信心。在数据中心GPU市场，英伟达一家独大且保持高速增长。其GPU产品在AI智算性能上持续革新，GB200的训练性能达H100的4倍，推理性能为H100的30倍，并进一步推出专为扩展推理与AI推理任务设计的GB300。此外，CUDA编程工具大幅降低了开发门槛，进一步巩固了英伟达在AI智算领域的竞争壁垒。美国扩大高端GPU出口限

4、制，国产奋起力争自主可控。2023-2025年，美国多次修订出口规则扩大管制范围。由于GPU是国内人工智能发展的基础，相关政策持续加码支持国产算力行业发展。当前，寒武纪、海光信息、摩尔线程、沐曦股份等国内厂商推出多款mathrmAI智算芯片产品，并逐步追赶国际领先标准。从各公司创始团队及核心成员来源来看,寒武纪核心创始成员均来自中科院计算所,海光信息核心高管大部分来自中科曙光,摩尔线程创始成员来自英伟达，沐曦股份创始成员多数来自超威半导体，决定了其技术底蕴及技术基础。从产品路线及收入规模来看，海光信息CPU产品贡献主要营收，信创CPU产品带动整体收入实现较快起量；寒武纪深耕mathrmAI智能

5、芯片，收入放量强依赖于互联网客户验证及部署进程，因此收入在25年实现爆发式成长。摩尔线程和沐曦股份均提供通用GPU产品，但由于摩尔线程和沐曦成立时间较短，目前仍处于商业化落地前期，收入规模相对较小。盈利能力方面，由于GPU行业在爬坡早期毛利规模无法覆盖高额研发支出，因此早期通常处于亏损状态。海光信息2021年实现全年转盈，寒武纪于2024Q4实现单季度转盈，摩尔线程和沐曦目前仍未实现盈利，据招股说明书，摩尔线程预计最早于2027年实现合并报表盈利，沐曦股份预计最早2026年实现盈利。华创证券研究所行业基本数据相关研究报告投资主题报告亮点报告提出了大模型发展基于ScalingLaw法则，多模态、

6、强推理演进的背后是算力规模的刚性扩张。通过谷歌Tokens调用量的高频数据，展示了AI应用落地与算力消耗已形成可量化、可闭环的商业链路，为算力即生产资料”提供了依据。其次，报告精准刻画了目前GPU行业的市场格局。以微软、Oracle为代表的云与算力巨头持续与英伟达签订大规模采购与战略合作，这不仅是对其GPU产品路线的直接背书，更反映出在模型持续迭代、算力即资源的竞争环境下，主流技术路径正加速向其聚合，从而强化了GPU在AI基础设施中的核心地位。最后对国产替代路径进行分析。面对美国出口管制，报告系统梳理了寒武纪、海光信息、摩尔线程、沐曦股份等厂商的布局和进展，并从“技术渊源-产品路线-商业化节奏