国产算力芯片告别“躺赢”

经济观察报记者 郑晨烨

进入三季报发布期，国产算力芯片公司陆续交出成绩单，增长普遍亮眼。

比如，10月15日晚，沐曦股份（688802.SH）发布业绩预告，预计前三季度营收同比增长105.60%至151.29%，归母净利润扭亏为盈；10月19日晚，海光信息（688041.SH）发布三季报，前三季度营收同比增长57.58%，第三季度营收58.56亿元，创单季新高。寒武纪（688256.SH）、摩尔线程（688795.SH）目前尚未发布三季报，但其2026年上半年营收也分别同比增长108.13%和147.42%。

亮眼的业绩背后，既有AI算力需求的快速增长和厂商自身的技术积累，亦有外部环境的助力——过去几年，国产替代持续推进，美国的出口管制又限制了英伟达高端芯片的对华销售，国产芯片面对的海外竞争相对有限，订单也比较有保障。

与此同时，国产大模型与国产算力芯片之间的配合也越来越紧密，各家芯片厂商在模型适配上的差距也在缩小。2025年1月DeepSeek-R1开源后，国产芯片大多在十多天后陆续完成适配；同年9月DeepSeek-V3.2-Exp开源，华为昇腾、寒武纪、海光信息等已能在当天完成适配。

2026年10月15日，大模型公司阶跃星辰开源新一代模型Step 5 Preview，华为昇腾、摩尔线程、沐曦股份、壁仞科技（06082.HK）和海光信息的DCU（深度计算处理器）等国产芯片，都在当天完成了适配。业内把这种在模型开源当天就完成的适配称为“Day 0适配”，这种情况在头部国产芯片厂商中已逐渐普及。这也意味着，模型适配带来的差异化优势正在逐渐收窄，国产厂商之间的竞争日趋充分。

从记者采访的情况来看，国产算力芯片的竞争，正在从芯片本身延伸至软件迁移、系统效率和供货保障等算力落地的各个环节。或者说，国产算力芯片依靠外部环境“躺赢”的阶段，正在过去。

软件迁移

“Day 0适配”跑通的，主要是新发布的模型。软件层面的竞争并未就此结束，存量应用要迁到国产算力平台上，仍需要投入大量人力。

Step 5 Preview开源当天，华为昇腾、壁仞科技都是基于开源推理框架完成的适配。芯片厂商的基础软件接入这类框架之后，新模型发布时，主要的工作就是补齐新模型用到的运算模块（业内称为算子），再做精度和性能上的调优。但存量应用的情况则要复杂得多，因为不少行业用户的软件最初是在国外的硬件和软件环境上开发的。

中科曙光（603019.SH）高端计算总工程师卜景德告诉经济观察报记者，这几年随着该公司基础软件的完善，面向科学计算的主流软件环境基本都已支持，适配的工作量大幅降低，但传统以CPU为主的应用，迁移适配仍有一定的挑战和工作量。

根据卜景德的介绍，商业软件没有源代码，适配比较难，有源代码、开发团队又在国内的，合作起来相对简单一些；科研团队自己编写的算法，移植时上手也要慢一些，深度的适配和优化往往需要几十人的团队，有的接近一两百人。

用户侧的感受更直接。中国石化胜利油田物探研究院首席专家张猛接受记者采访时表示，研究院原来的自研勘探软件全部基于国外的商业硬件运行，迁到国产平台“不是把东西简单地从左手拿到右手”，程序架构、语言和接口都要改造。

降低迁移的门槛，离不开厂商在基础软件上的持续投入。比如，2025年8月，华为轮值董事长徐直军宣布，昇腾的基础软件CANN（连接昇腾芯片与上层AI框架的软件）全面开源开放。

国内一家头部芯片厂商的相关负责人告诉记者，算力硬件和软件模型的种类越来越多，这会催生专门做中间件服务的厂商，在不同的硬件和软件之间做适配。在他看来，AI Infra（AI基础设施软件）这类新形态，就是这样出现的，芯片厂商能做的是保障最基础的部分，软件生态还要依靠更多伙伴共同完善。据其介绍，目前在工业制造等领域，国产软硬件的比例仍相对不高。

中科曙光副总裁曹振南也向记者表示，为了把硬件做得更好用，中科曙光在软件人员上投入很大，而且主要集中在系统软件层面。他认为，基于国产芯片搭建算力平台，需要一套足够厚的软件栈，包括各种库、开发环境乃至编译工具。另外，算力系统需要不停迭代，硬件往往略快于软件和应用，有了硬件平台，应用软件才能发展起来。

在曹振南看来，在性能、规模和性价比之外，好不好用、应用门槛高不高，接下来可能会成为衡量国产算力的一项关键指标。

系统效率

除了软件，算力系统本身的效率也在分化。同样数量的芯片，组成的系统效率可能相差悬殊，在大规模集群逐渐成为大模型部署常见形态的情况下，这种差别可能会进一步拉大。

中科曙光高速网络互连产品部总工程师万伟告诉记者，随着模型越来越大，八张计算卡（单台AI服务器的常见配置）已经难以容纳一个完整的模型，需要采用分布式架构，由多个节点共同承载，相关数据需要在节点之间频繁交互。

无论是训练还是推理，多卡并行计算都存在通信同步依赖，一旦部分计算卡出现异常延迟，就可能导致其他计算卡等待，从而拖累整个集群的计算效率。在万伟看来，大规模AI计算向集群化发展是必然趋势，计算、网络和存储的协同效率是影响整个集群性能的关键因素。

华南一家大型券商的半导体分析师亦向记者表示，超节点（通过高速互联把大量AI芯片连接起来进行协同工作的系统）已逐步成为大模型部署的门槛，推理所需的配置已从去年的八卡一体机升级为超节点。

比如，7月开源的Kimi K3参数规模达到2.8万亿，月之暗面官方建议，本地部署时使用64个及以上加速器组成的超节点。该分析师认为，超节点在2026年第三季度已迎来批量放量的拐点，2027年的渗透率有望加速提升。

他同时表示，超节点的价值在于靠系统架构的创新提升算力效率。由于超节点把计算集成得更密，芯片的内存还可以统一编址、直接访问，与传统的横向扩展方式（靠增加服务器数量扩大规模）相比，可以把通信损耗从30%—40%降到10%以内，算力利用率从60%—70%提升到90%以上，万亿参数级模型的训练周期也能从数月缩短到数周。

在其看来，在国产芯片和海外芯片在单卡性能上仍存在差距的情况下，这是国产算力追赶的一条路径。他同时称，云厂商的资本开支也有望从单纯采购芯片，逐步转向采购整套系统，超节点的交付也在从单台服务器升级到整机柜乃至多机柜级别，涉及计算、网络和制冷供电，方案的复杂程度明显提高。在这种情况下，市场份额会更多地向头部的服务器整机厂商集中。

事实上，这一变化在云厂商的采购中已有体现。比如，9月9日，京东集团（09618.HK）技术委员会主席、京东云总裁曹鹏宣布，京东云拟建设十万卡智算集群，采用摩尔线程的GPU，算力向全行业开放。曹鹏表示，京东云看中的是摩尔线程在大规模集群上的成熟交付经验。

另外，市场研究机构IDC的数据显示，2026年上半年，英伟达在中国数据中心AI芯片市场的份额已降至34%，华为的份额达到28%。IDC在报告中亦认为，中国AI芯片市场的竞争正从单颗芯片的性能，转向大规模计算系统的效率。

当然，集群规模的扩张，也对芯片的稳定供应提出了更高的要求。

供货能力

AI芯片离不开高性能存储，存储芯片又持续紧缺。由此，供货的稳定性和连续性，也逐渐成为国产算力芯片厂商的一项竞争力。

知名市场研究机构集邦咨询近日预计，2026年第四季度一般型DRAM（即常规内存）合约价将环比上涨10%—15%，DRAM原厂持续把先进制程投向服务器用的高性能产品，市场整体仍维持供不应求，只是涨势有所放缓；另外，2027年HBM（AI芯片搭配的高带宽内存）的整体平均售价同比增幅可达121%。该机构认为，AI服务器需求持续扩张，HBM与一般型DRAM仍在争夺有限的先进制程和晶圆产能。

前述芯片厂商相关负责人也向记者表示，从晶圆到基板，芯片上游都在面临价格上升的压力，眼下芯片的产能受外部供应链波动影响，其中影响最大的是内存。据其介绍，芯片产品在设计阶段就已把这一因素考虑在内，今后的产品也会尽量在不增加或少增加成本的情况下，兼容更多类型的内存，以应对内存的供货和价格波动。

前述半导体分析师也认为，存储供给仍是当前制约国产AI芯片的主要瓶颈之一，随着国产存储厂商的技术进步和产量提升，这一瓶颈接下来有望逐步缓解，进而带动国产算力芯片的出货增长。

国内DRAM厂商长鑫科技（688825.SH）近期宣布，其新的DRAM架构已取得进展，新一代服务器内存预计年底推出，存储密度有望提升。单就眼下而言，该公司在2026年前三季度业绩预告中表示，AI算力需求快速增长，DRAM产品供不应求，价格大幅上涨，公司的产能利用率保持高位运行。

加大备货，是不少芯片厂商的直接应对。

前述芯片厂商的相关负责人介绍，其所在公司的备货计划往往要提前一年制定，根据市场调研预测下一年的出货量，备货不能盲目，但如果备货不足、产能跟不上，市场供应就会紧张。

从财报数据看，多家国产算力芯片厂商都在加大备货。截至2026年6月末，寒武纪的存货较上年末增长66.83%，增加的主要是原材料和委托加工物资；同期，摩尔线程的存货从2025年末的13.32亿元增至35.50亿元。

截至2026年9月末，海光信息的预付款项（提前支付给供应商的款项）从2025年末的28.85亿元增至58.85亿元，存货从64.06亿元增至89.21亿元。该公司在三季报中表示，为匹配市场销售规划，保障供货能力、抢抓市场机会，公司根据经营策略加大了备货规模，原材料采购支出同比显著增多。

前述半导体分析师亦认为，今明两年国产算力芯片仍有较强的需求支撑，但近期国产算力卡的供给问题，压制了算力基础设施的部分需求。

（作者 郑晨烨）

免责声明：本文观点仅代表作者本人，供参考、交流，不构成任何建议。

郑晨烨

资深记者。关注新能源、半导体、智能汽车等新产业领域，有线索欢迎联系：zhengchenye@eeo.com.cn，微信：zcy096x。