前言

背景： 在日益收緊的出口管制以及對國內替代日益增加的制度性支持下，中國的 AI 晶片正從一個政策採購目標轉向成為一個市場驅動的選擇。本文綜合了關於需求、供給和變現動態的研究結果，這些因素將決定國產 AI 加速器在未來 2–3 年內能否規模化並實現盈利。目的在於闡明關鍵制約以及三階段的利潤改善路徑——規模攤薄、結構優化與生態系溢價——並評估主要廠商與系統性風險，幫助投資者、工程師和政策制定者追蹤商業成功的現實指標。

要點摘要

關鍵結論： 國產 AI 晶片面臨一個近期窗口（2–3 年）將規模驗證轉化為利潤。需求由爆發性的推理負載和不斷上升的雲服務商資本支出支撐；供給受限於先進製程、HBM 和先進封裝。盈利遵循三階段路徑：規模攤薄 → 結構優化 → 生態系溢價。追蹤 HBM 可得性、CoWoS 類封裝產能和叢集交付能力至關重要。

正文

本報告檢視在加劇的出口管制與促進國內替代的政策激勵下，國產 AI 加速器的價值命題如何演變。核心論點是國產 AI 晶片正從主要因政策約束而被採購，轉向成為客戶基於商業理由主動選擇的產品。未來 24–36 個月是關鍵窗口：製造商必須展示在迭代產品世代的同時擴大交付能力，以獲取可持續的利潤率。

分析圍繞兩個核心問題展開。首先，可尋址市場空間有多大？我們將潛在市場規模模型化為（訓練和推理需求增長）×（國產替代率）×（實際可用供給）。這三個要素相乘：任何一個環節出現瓶頸都會限制整個市場。其次，生產者如何實現變現？利潤提升遵循三階段路徑：第一階段側重於以規模稀釋固定成本；第二階段通過軟體商業化和高端叢集解決方案推動結構性改進；第三階段依靠軟體、IP 授權和整合系統銷售帶來的生態系高利潤。

需求端動態強烈偏向國內供應商。公開估計顯示，2025 年中國的 AI 加速卡出貨約為 400 萬塊，其中約 41%（≈165 萬塊）為國產設計。超大規模雲服務商的支出龐大且不斷上升：公開披露和市場估計顯示領先的雲服務商有數千億元人民幣的多年資本支出承諾。同時，以 token 為基礎的推理工作負載在不到兩年內呈數量級激增，使得推理容量成為 2026–2027 年加速卡需求的主要邊際驅動力。

供給端制約是結構性的且多層次的。三個上游瓶頸主導：先進製程技術、HBM 記憶體供應以及先進的 2.5D/CoWoS 類封裝。製程方面：中國最先進的量產節點屬於 N+2 類（大致相當於 7nm 級別），良率低於全球領先節點；下一代節點（N+3）在一定程度上縮小差距，但在缺乏 EUV 的情況下需要更昂貴的多重光刻，提升製造成本和複雜度。HBM：高頻寬記憶體在加速器 BOM 中佔比不成比例地大，且高度集中在少數全球供應商。國內 HBM 生產正從研發向有限量產邁進，但 HBM3/3E 的產能在 2026–2027 年仍較為緊張。先進封裝：要在規模上整合邏輯芯片與 HBM 堆棧，需要成熟的 CoWoS 類 2.5D 基礎設施；即便晶圓與 HBM 可獲得，封裝供應也可能成為首個制約因素。

實務上，盈利遵循三階段模型。在第一階段（當前階段），廠商追求通過產量來稀釋 NRE 和固定成本。重點在於取得外部客戶份額與大規模叢集銷售，隨著研發與流片成本的分攤，實現非線性的利潤擴張。第二階段通過軟體棧商業化、工具鏈成熟以及叢集解決方案的高端封裝實現利潤擴張，從而提高平均售價。第三階段為生態系成熟，軟體、IP 授權與緊密整合的系統解決方案產生持續的高利潤並加強客戶鎖定效應。

兩個國產典型廠商說明了這些動態。公司 A（屬於某超大雲服務商旗下團隊）受惠於大量內部工作負載的吸收，這降低了邊際商業化風險，使其能夠快速迭代並在內部進行叢集驗證。他們的產品路線圖顯示透過多代實現漸進的性能和記憶體擴展；關鍵風險包括面對非標模型拓樸的軟體相容性、對外銷售時的潛在僵化，以及在極大規模下跨卡互連的瓶頸。

公司 B（某大型搜尋/AI 服務供應商的分拆公司）展示了強大的叢集工程能力並與開源訓練/推理生態緊密整合，為其原生棧提供開箱即用的體驗。其公開的路線圖具備明確的世代里程碑與叢集目標，在市場中相對完整。風險包括在新一代訓練卡出貨前遭遇的競爭壓力、擴展至其本土軟體生態之外的挑戰，以及支持原生 PyTorch 客戶與第三方框架的需求。

其他國內廠商則採取不同定位：一些走中立、以商業為先的路線服務多元客戶（這對非超大雲客戶的第三方採購很重要），而另一些仍被母公司雲集團綁定，早期獲得規模但在向外擴張時面臨中立性疑慮。

關鍵的系統性風險依然存在：高級節點的 EDA 工具供應可能中斷（7nm 之後的後端簽核是薄弱環節）、相對於數十年老牌廠商軟體生態尚不成熟、對於被俘屬廠商而言母公司中立性限制，以及 NVIDIA/AMD 存取可能恢復而重新引入強大競爭者的可能性。此外，模型架構的快速變化要求晶片廠商持續適配，增加了研發與產品規劃壓力。

對投資者和行業觀察者來說，三項運營指標最為重要：HBM 的可得性與國內產能提升時點；CoWoS/2.5D 封裝產能與良率演進；以及對外部客戶（而非僅內部吸收）的可驗證叢集級交付能力。這些指標直接對應到產品交付時序、前期成本的攤薄能力，以及從僅硬體向軟體＋系統產品轉變以獲取更高利潤的能力。

總結來說，國產 AI 加速器正處於拐點。如果供給約束能獲得緩解且軟體生態得到加強，沿著三階段模型，從規模驗證走向可持續盈利存在可信路徑。近期結果取決於製造、記憶體、封裝與軟體棧之間緊密協調的進展——每一項都是必要而非可選的支柱，以實現市場驅動的採用。

關鍵見解表

作者： 根據機構分析與公開披露改編的研究摘要。本文移除宣傳內容，重點放在對國產 AI 加速器商業化動態的中立、基於證據的評估。