算力芯片行业报告：大模型驱动算力变革国产算力迎增量机遇-260616（34页）.pdf

1、算力芯片行业报告大模型驱动算力变革，国产算力迎增量机遇行业研究行业专题投资评级：优于大市(维持)大模型驱动算力变革，国产算力迎增量机遇当前算力需求正从前期的“模型训练”加速向规模化落地的“应用推理”侧外溢。随着摩尔定律边际效应减弱，算力竞争的核心已从传统的“单芯片峰值性能提升”全面转向“芯片、软件生态与系统级集群的综合效率优化”。在海外高端芯片销售受限的背景下，国内信创需求与大模型迭代共振，推动本土AI芯片厂商加速适配并放量，国产算力全栈生态迎来增量机遇。AI计算异构化与系统级协同，芯片竞争从峰值性能转向综合效率：海外大模型（如0penAI、Google等）保持每半年一代的高频迭代，追求智能化

2、升级；国产大模型在经历了技术蓄力后，自2025年起以DeepSee-R1、智谱GLM等为代表的产品送代显著提速，中美已成为全球大模型供给的两大核心。随着AI应用规模化落地，针对推理基础设施的投资规模从2024年开始超越训练侧，推理侧更强调高吞吐、大并发以及成本性能的平衡。AI算力产业正从“单芯片性能提升”转向由芯片、先进封装、高带宽存储（HBM）、编译框架、液冷及大规模集群构成的系统级协同优化。AI系统本质是异构计算体系：CPU负责通用调度，GPU承担大规模并行通用加速，而TPU/NPU等ASIC芯片则在特定模型和推理降本中发挥效率优势，形成百花齐放的长期共存格局。海外芯片龙头从单芯片竞争走向

3、平台化交付：英伟达依托GPU、CUDA生态、NVLink和BlackwelI整柜系统，将单芯片竞争扩展为“芯片+网络+软件+系统”的平台竞争；谷歌以TPU为核心服务自有模型（如Gemini）和云客户；AWS则通过Inferentia和Trainium两条ASIC产品线将云端AI成本拆解，降低单位训练与推理成本。国产算力适配与信创共振：国内信创市场正从传统的通用算力国产替代（CPU、操作系统等）转向智能算力基础设施升级。2026年5月，国家首次在安全可靠测评中设立专门AI芯片品类，华为海思、平头哥、海光信息、壁仞科技、摩尔线程等9款国产芯片获评安全可靠等级丨级，正式纳入信创体系。国产算力的焦点不

4、只是单卡峰值，而是“芯片+mathsfHBMmathrm+互联+服务器+编译器/算子库+推理引擎+模型适配”的全栈效率。未来随下游国产云计算厂商、运营商等需求打开，国产算力芯片有望持续持续增长。大模型加速迭代，算力需求从训练向推理扩散AI计算异构化与系统级协同，芯片竞争从峰值性能转向综合效率国产大模型与信创需求共振，推动国产算力加速适配放量大模型发展趋势一更智能、更快捷、更便宜自2022年11月ChatGPT发布以来，生成式AI逐渐从专业领域走向大众视野。随着GPT-4多模态功能的推出和英伟达H系列芯片的起量，使得2023年被视为人工智能产业的重要转折点。海外大模型追求智能化升级。自2023年

5、以来，OpenAI、Anthropic、Google、Meta、xAl等海外大模型厂商保持高频迭代，部分厂商保持每半年一代的迭代速度，通过算力扩充和算法优化来持续推动产品智能化升级和丰富度提升。(divcenter)图：主要海外大模型迭代进度(/divcenter)大模型发展趋势一更智能、更快捷、更便宜DeepSeek推动国产大模型崛起。受高端芯片供给约束，2023-2024年的国产大模型迭代速度放缓。但随着DepSeek-R1的横空出世，2025年开始国产大模型迭代提速，产品丰富度提升。大模型发展趋势-算力需求从训练侧外溢至推理侧算力需求从训练侧外溢至推理侧。大模型发展之初，行业聚焦于大模型

6、训练以占据市场领先地位。2022-2024年Al基础设施投资更多聚焦模型训练侧，基础设施技术栈重点在于打造千卡万卡级算力集群，确保训练过程稳定性，优化从硬件到AI开发框架到模型侧技术栈提高算力效率。随着模型应用规模化落地，AI算力需求由训练侧向推理侧外溢。据IDC，针对推理基础设施投资规模2024年开始超越训练侧。推理侧更强调高吞吐、大并发以及成本性能平衡。推理芯片需求增速更快，预计推理收入2024-2028年complementmathsfAGR=14.3%，训练收入2024-2028年complementmathsfAGR=13.8%。大模型发展动力全球算力建设资本开支持续加大算力的扩充规