前兩天，大摩發(fā)了一份挺有意思的報告，標題也很直接：《中國AI GPU——縮小與美國的差距》。

報告里有一個核心判斷，其實挺顛覆很多人的直覺：中國AI芯片和美國的差距，并沒有市場想象得那么大。

更關(guān)鍵的是，大摩還提出了一個時間判斷——2026年，可能會成為中國AI GPU產(chǎn)業(yè)的一個重要拐點。

為什么這么說？

原因不只是技術(shù)在進步，更重要的是，國內(nèi)新一輪AI GPU公司正在走向資本市場。比如百度旗下的昆侖芯、阿里體系里的平頭哥，都將在未來一兩年進入IPO階段。

在這份報告里，大摩系統(tǒng)拆解了中國AI GPU產(chǎn)業(yè)，并試圖回答三個核心問題：

第一，中國是否能夠大規(guī)模供應(yīng)具有競爭力的AI GPU？

第二，中國AI GPU市場到底有多大？

第三，投資人應(yīng)該如何評估中國AI GPU公司的商業(yè)價值？

接下來，我們就沿著這三個問題，一起看看大摩是怎么說的。

差距沒有想象那么大

很多投資人在討論中國AI GPU時，往往只盯著晶圓工藝節(jié)點，然后很快得出一個結(jié)論：中國AI芯片在制程上落后一代甚至幾代，因此競爭力有限。

但大摩提出了一個相對不同的判斷：中國AI芯片與美國的差距，其實沒有市場想象得那么大。

原因很簡單。中國的電力成本相對更低，因此能效在整體算力經(jīng)濟模型中的權(quán)重，并不像歐美那樣高。

如果從“每美元每瓦性能”（performance per watt per dollar）的框架來看，這種差距會明顯縮小。

要判斷中國AI GPU是否能夠真正實現(xiàn)規(guī)?；?yīng)，關(guān)鍵還是要回到半導(dǎo)體產(chǎn)業(yè)鏈的供給側(cè)——尤其是晶圓廠產(chǎn)能。

在這一層面，產(chǎn)能擴張不僅取決于晶圓廠的名義產(chǎn)能，還取決于一系列關(guān)鍵上游投入的成熟度和可獲得性。而現(xiàn)實情況是，中國AI GPU產(chǎn)業(yè)鏈仍然受到多重供應(yīng)瓶頸的制約。

這些瓶頸最明顯地體現(xiàn)在晶圓前端設(shè)備（WFE）上。

在部分設(shè)備領(lǐng)域，中國已經(jīng)取得一定進展。例如外延設(shè)備和刻蝕設(shè)備等關(guān)鍵工具，已經(jīng)可以由本土廠商提供，包括北方華創(chuàng)、中微公司以及SiCarrier等。

但在光刻設(shè)備和檢測設(shè)備方面，制約仍然非常明顯。

目前，中國晶圓廠仍大量依賴ASML的DUV光刻系統(tǒng)。同時，行業(yè)調(diào)研顯示，在SMIC的先進制程產(chǎn)線（尤其是南方廠區(qū)），KLA的檢測與計量設(shè)備供應(yīng)受限，這迫使晶圓廠減少檢測步驟，將資源集中在最關(guān)鍵的層級。

這種做法可以提高設(shè)備利用率、維持產(chǎn)能，但往往以犧牲良率為代價，也加劇了先進制程制造的結(jié)構(gòu)性挑戰(zhàn)。

除了設(shè)備，EDA（電子設(shè)計自動化）軟件同樣是關(guān)鍵瓶頸。

目前，中國最大的EDA公司華大九天在全球市場的份額僅約1–2%。更重要的是，其尚未提供完整的數(shù)字芯片設(shè)計工具鏈，很難支持先進節(jié)點GPU的復(fù)雜設(shè)計。

相比之下，Cadence、Synopsys和Siemens三家公司在全球EDA市場的份額合計超過80%。

與此同時，美國政府已經(jīng)對先進EDA工具實施嚴格出口管制，尤其是用于GAA（全環(huán)繞柵極）晶體管架構(gòu)的設(shè)計工具。這些限制的目標很明確：

阻止中國推進3nm和2nm節(jié)點，而這些節(jié)點正是未來高性能計算和AI芯片的關(guān)鍵基礎(chǔ)。

在設(shè)備與軟件雙重限制下，中國GPU設(shè)計公司在短期內(nèi)很難向3nm或2nm制程遷移。

在這種背景下，中國AI芯片產(chǎn)業(yè)正在出現(xiàn)一個明顯變化：

瓶頸正在從設(shè)備獲取，轉(zhuǎn)移到晶圓代工產(chǎn)能本身。

目前，中國先進邏輯制造能力高度集中在SMIC，這使得SMIC成為國內(nèi)AI GPU產(chǎn)能擴張的關(guān)鍵節(jié)點。

根據(jù)行業(yè)調(diào)研，多家國內(nèi)AI芯片廠商已經(jīng)開始將部分生產(chǎn)從海外遷回中國大陸，利用SMIC的N+1（約12nm）和N+2（約7nm）工藝節(jié)點來提升本土產(chǎn)能。

目前，SMIC已經(jīng)通過DUV多重圖案化技術(shù)將工藝推進至N+2，并嘗試向N+3（約5nm）節(jié)點演進。

大摩預(yù)計，SMIC的N+2產(chǎn)能將在2025年達到約2.2萬片/月，2026年約4萬片/月，2027年約5.1萬片/月。

不過，這些產(chǎn)能并不會全部用于AI GPU，因為智能手機、汽車SoC等行業(yè)同樣需要先進節(jié)點。

在晶圓工藝難以快速追趕的情況下，中國AI芯片廠商正在逐漸改變競爭路徑——從單芯片性能轉(zhuǎn)向系統(tǒng)級架構(gòu)設(shè)計。

目前主流的應(yīng)對策略大致有三類。

第一，是多芯片集成。

如果單個芯片性能不足，就通過先進封裝技術(shù)，將多個計算芯片整合在一起，形成更大的計算單元。這種方式不依賴更先進的制程節(jié)點，也能夠在一定程度上提升整體算力。

第二，是擴大系統(tǒng)規(guī)模。

國內(nèi)廠商正在借鑒NVIDIA NVL72的架構(gòu)理念，通過更大的機架和集群來提升整體性能。例如華為的CloudMatrix 384、阿里巴巴的PPU架構(gòu)，以及字節(jié)跳動的256加速器機架設(shè)計，本質(zhì)上都是通過規(guī)?；軜?gòu)來彌補單芯片性能差距。

第三，是擴大制造規(guī)模。

近年來，中國晶圓代工廠持續(xù)加大資本投入。SMIC的資本開支在2023年約75億美元，2024年約73億美元，2025年約81億美元。同時，中國也在加速采購ASML的DUV光刻機，以支撐未來先進節(jié)點產(chǎn)能擴張。

換句話說，在單芯片性能難以迅速追趕的情況下，中國廠商正在通過封裝、架構(gòu)和規(guī)模三條路徑來彌補差距。

雖然單芯片性能仍然落后，但在大規(guī)模集群和推理場景中，這種系統(tǒng)級優(yōu)化，已經(jīng)能夠在一定程度上抵消硬件層面的劣勢。

國產(chǎn)AI GPU的需求有多大？

在討論中國AI GPU產(chǎn)業(yè)時，一個經(jīng)常被忽視的問題是：需求到底有多大？

在大摩看來，需求側(cè)核心取決于兩個驅(qū)動力：技術(shù)自主化與商業(yè)回報。

先看技術(shù)自主化。隨著外部限制不斷加強，AI芯片已經(jīng)被中國視為關(guān)乎國家安全與經(jīng)濟安全的關(guān)鍵資源。這種壓力直接推動了中國建設(shè)本土AI芯片體系的決心。

在這一過程中，產(chǎn)業(yè)鏈內(nèi)部形成了一種典型的共生關(guān)系。

一方面，本土AI芯片公司需要先進制程節(jié)點支持。GPU要具備競爭力，通常需要領(lǐng)先兩到三代的制程工藝。另一方面，本土晶圓廠也需要穩(wěn)定的大客戶與訂單規(guī)模，才能證明先進制程投資的合理性。

在這種結(jié)構(gòu)下，晶圓廠產(chǎn)能成為整個產(chǎn)業(yè)鏈最關(guān)鍵的瓶頸。

不過，大摩認為，自主可控更多是早期投資的驅(qū)動力。長期來看，AI芯片產(chǎn)業(yè)能否持續(xù)發(fā)展，最終仍要看商業(yè)回報。

隨著算力投資規(guī)模不斷擴大，資本開支與設(shè)備利用率遲早會成為約束條件。因此，中國AI產(chǎn)業(yè)的路徑正在發(fā)生變化：

從“政策驅(qū)動”，逐漸轉(zhuǎn)向成本效率與商業(yè)回報驅(qū)動。

目前，中國主要科技公司——騰訊、阿里巴巴、字節(jié)跳動、百度、美團和快手——都在明顯提高AI資本開支。

大摩預(yù)計，到2026年，中國科技公司的AI相關(guān)資本開支將達到5970億元人民幣，同比增長約38%。

這些投入主要集中在廣告推薦、消費應(yīng)用（2C）和企業(yè)服務(wù)（2B）等場景，而這些場景已經(jīng)逐漸證明具備清晰的商業(yè)化路徑。

從長期經(jīng)濟模型來看，在扣除折舊、電力和服務(wù)器租賃成本之后，中國AI算力基礎(chǔ)設(shè)施預(yù)計將在2028年前后實現(xiàn)盈虧平衡，到2030年整體利潤率有望達到約50%。

從需求結(jié)構(gòu)看，中國AI GPU的采購高度集中在少數(shù)大型買家。

大摩將其分為三類。

第一類是云服務(wù)商（CSP），包括字節(jié)跳動、阿里巴巴和騰訊。這些公司采購GPU既用于訓(xùn)練自有模型，也用于向外部客戶提供AI云服務(wù)。

第二類是主權(quán)買家，包括電信運營商、地方政府和國有企業(yè)。這類需求主要來自數(shù)據(jù)主權(quán)、數(shù)字基礎(chǔ)設(shè)施和公共服務(wù)數(shù)字化。

第三類是創(chuàng)新企業(yè)，例如DeepSeek、MiniMax等AI創(chuàng)業(yè)公司，以及小鵬、小米等汽車廠商。不過目前來看，這類企業(yè)的采購規(guī)模仍明顯小于前兩類。

綜合這些需求，大摩預(yù)計中國AI GPU市場規(guī)模將持續(xù)快速增長。

到2030年，中國AI GPU市場規(guī)模（TAM）預(yù)計將達到670億美元，2024年至2030年的復(fù)合增長率約為23%。

這一測算主要基于中國云計算行業(yè)的資本開支結(jié)構(gòu)。

大摩預(yù)計，到2030年，中國云計算行業(yè)整體資本開支將達到1300億美元，其中約51%將用于AI GPU相關(guān)設(shè)備。

這一預(yù)測基于幾個關(guān)鍵假設(shè)：

第一，中國云廠商海外數(shù)據(jù)中心投資比例將逐漸下降。2025年，中國云廠商約40%的算力投資用于海外數(shù)據(jù)中心，但這一比例預(yù)計將在2026年以后下降至約30%。

第二，服務(wù)器仍將占云計算資本開支的約90%。

第三，AI加速服務(wù)器占比將從2025年的75%提升至2030年的85%。

第四，在AI服務(wù)器中，加速器芯片的價值占比約為80%。

不過，隨著中國AI GPU市場規(guī)模不斷擴大，一個更關(guān)鍵的問題也隨之出現(xiàn)：這些需求最終會流向誰？

大摩的判斷是，在持續(xù)的地緣政治壓力下，中國AI算力需求正在快速本土化。

這意味著，本土芯片將不再只是出口管制下的替代方案，而會逐漸成為中國AI算力體系的結(jié)構(gòu)性組成部分。

盡管中國在制程技術(shù)上仍落后美國數(shù)代，但系統(tǒng)級性能差距正在逐漸縮小。

未來四年，這一差距有望從目前的1.5—2倍，縮小至約1倍左右。

推動這一變化的，并不是制程節(jié)點本身，而是三個因素：

先進封裝技術(shù)（例如2.5D和3D封裝）、大規(guī)模系統(tǒng)架構(gòu)（例如光互連網(wǎng)絡(luò)）、軟硬件協(xié)同優(yōu)化。

與此同時，中國也在逐步降低對TSMC代工的依賴，更多轉(zhuǎn)向SMIC的N+2和N+3工藝。

當(dāng)然，一些關(guān)鍵環(huán)節(jié)仍然依賴海外供應(yīng)，例如韓國的HBM存儲、歐洲的DUV光刻設(shè)備，以及美國KLA的檢測設(shè)備。

不過，大摩的行業(yè)調(diào)研顯示，在部分環(huán)節(jié)，中國已經(jīng)開始逐漸取得突破。

綜合供需兩側(cè)變化，大摩認為中國AI芯片產(chǎn)業(yè)正在形成一條清晰的自給路徑。

到2030年，中國AI芯片自給率預(yù)計將從2024年的33%提升至約76%。與此同時，本土AI芯片市場規(guī)模也將從2024年的60億美元增長至2030年的510億美元，復(fù)合增長率約為42%。

這一增長主要來自三個因素：先進節(jié)點產(chǎn)能擴張、制造良率持續(xù)提升和以及政策主導(dǎo)的資源配置。

例如，大摩預(yù)計中國先進節(jié)點晶圓廠的生產(chǎn)良率將從2025年的約20%，提升至2030年的約50%。

同時，由于先進節(jié)點產(chǎn)能仍然稀缺，政府在一定程度上會參與產(chǎn)能分配。

在大摩的判斷中，華為預(yù)計將獲得最大的先進節(jié)點產(chǎn)能份額，其次是寒武紀和海光，而第二梯隊AI芯片公司的產(chǎn)能份額可能各自低于10%。

誰能勝出？

市場的主流看法是，中國AI GPU的落地，主要還是靠政策推動下的國產(chǎn)替代。

在這種敘事框架里，很多廠商的估值邏輯其實很簡單：

第一，未來能從NVIDIA手里拿走多少市場份額；

第二，中國市場會不會長期維持一個分散競爭的格局。

但大摩的判斷并不完全一樣。

他們認為，中國AI GPU廠商的長期價值，最終還是要回到兩個問題：

第一，產(chǎn)品有沒有真正的商業(yè)競爭力；

第二，這種競爭力能不能轉(zhuǎn)化為穩(wěn)定收入和品牌溢價。

政府支持、CSP定制采購當(dāng)然重要，但如果拉長周期看，真正決定市場地位的，還是產(chǎn)品本身。

基于這個邏輯，大摩提出了一套“定性+定量”的評估框架。

定性層面看四件事：能不能拿到先進制程產(chǎn)能、和核心CSP客戶關(guān)系是否穩(wěn)固、政策支持力度，以及技術(shù)路線是否符合未來需求。

定量層面，則重點看四個指標：TPS（每秒token輸出能力）、每瓦性能、每美元每瓦性能，以及最關(guān)鍵的每token成本。

從行業(yè)趨勢看，中國AI GPU市場大概率會逐步走向整合。

原因其實很簡單。一方面，隨著技術(shù)成熟，產(chǎn)品差異化會逐漸縮小；另一方面，規(guī)模效應(yīng)會越來越重要。

到了后期，競爭不再只是拼參數(shù)，而是拼出貨量、客戶黏性、供應(yīng)鏈能力以及成本控制。

換句話說，GPU最終會變成一個典型的規(guī)模行業(yè)。這也意味著一個結(jié)果：

利潤率壓力會越來越大。

因此，大摩認為接下來最值得關(guān)注的三個指標是：

第一，新一代芯片規(guī)格是否持續(xù)提升；

第二，向頭部CSP的出貨量能否快速增長；

第三，ASP和毛利率的變化趨勢。

如果這些指標走弱，當(dāng)前市場給出的高估值很可能會面臨修正。

當(dāng)然，這套判斷也有可能失效。

例如，如果國產(chǎn)GPU廠商始終拿不到足夠的晶圓廠產(chǎn)能，那么產(chǎn)品再好也很難兌現(xiàn)收入。

或者CSP對國產(chǎn)芯片的采用意愿低于預(yù)期，采購仍然傾向海外供應(yīng)商。

更深層的風(fēng)險，則是AI計算范式本身發(fā)生變化。比如模型架構(gòu)或工作負載發(fā)生重大變化，導(dǎo)致當(dāng)前基于TPS的性能比較不再有效。

從這個角度看，一個真正可能成為長期贏家的中國AI GPU廠商，至少需要同時具備四個條件：

第一，推理經(jīng)濟性有競爭力；

第二，能夠穩(wěn)定拿到先進節(jié)點產(chǎn)能；

第三，與核心CSP客戶形成深度綁定；

第四，在政策方向上處于有利位置。

缺任何一項，都很難長期維持市場份額，更難支撐高利潤率。

在具體分析方法上，大摩采用的是一個“雙層框架”。

第一層看定量指標，也就是推理經(jīng)濟學(xué)。

對于CSP來說，決定是否大規(guī)模部署的，往往不是峰值性能，而是規(guī)?；蟮目倱碛谐杀?。

真正關(guān)鍵的指標，不是芯片跑分有多高，而是推理場景下的每token成本、TPS、每瓦性能，以及每美元算力。

第二層看定性定位。

也就是廠商是否能把實驗室里的性能，真正轉(zhuǎn)化為商業(yè)市場的份額。這取決于三件事：是否能拿到先進節(jié)點產(chǎn)能、是否進入主流CSP采購體系，以及是否契合政策方向。

從需求結(jié)構(gòu)看，中國AI GPU的主戰(zhàn)場，短期內(nèi)更可能是推理，而不是訓(xùn)練。

原因很現(xiàn)實。本土廠商在生態(tài)和制程上仍然受限制，要全面參與最前沿基礎(chǔ)模型訓(xùn)練仍然有難度。

相比之下，推理需求正在快速增長。

像DeepSeek、豆包、Qwen這樣的模型，日均token消耗已經(jīng)達到很高水平，持續(xù)拉動推理算力需求。

與此同時，大量NVIDIA A100以及部分H100、H800集群仍然主要用于訓(xùn)練任務(wù)。

這意味著，中國新增的推理需求，很可能越來越多由國產(chǎn)加速器承接。

在推理場景的性能比較中，大摩更看重TPS，也就是每秒token輸出能力。

因為在真實部署中，TPS往往比理論峰值算力更接近商業(yè)價值。

它同時反映了計算吞吐量、內(nèi)存帶寬、互連能力以及軟件棧優(yōu)化水平。

從推理經(jīng)濟學(xué)來看，國產(chǎn)芯片的優(yōu)勢主要在成本結(jié)構(gòu)。

整體來看，本土AI加速器的采購價格通常比中國市場可獲得的高端NVIDIA產(chǎn)品低30%到60%。

如果再把功耗、電費以及運維成本算進去，國產(chǎn)方案的總擁有成本通常更低。

這意味著，雖然NVIDIA H200在絕對性能上仍然領(lǐng)先，但在“每token成本”這個更貼近商業(yè)現(xiàn)實的指標上，頭部國產(chǎn)廠商已經(jīng)可以做到接近H20和A100。

在部分配置下，甚至可能更優(yōu)。

這一點非常關(guān)鍵。

因為對于CSP來說，真正決定是否部署的，不是芯片峰值性能，而是能不能用更低成本完成更多推理任務(wù)。

換句話說，國產(chǎn)GPU未必要在硅性能上全面領(lǐng)先，只要在規(guī)?；渴鹬芯邆涓玫慕?jīng)濟性，就足以建立商業(yè)價值。

從TPS表現(xiàn)來看，最新一代國產(chǎn)加速器已經(jīng)開始逼近甚至在某些場景下超過NVIDIA H20。

例如華為Ascend 950系列以及寒武紀MLU690，在部分推理場景中的表現(xiàn)已經(jīng)具備一定競爭力。

當(dāng)然，這種比較也有邊界。

TPS不僅受硬件參數(shù)影響，還與軟件優(yōu)化、框架適配以及集群配置有關(guān)。

換句話說，參數(shù)接近并不等于實際部署效果完全相同。

更重要的是，這種比較必須放在中國可采購產(chǎn)品的范圍內(nèi)理解。

如果把NVIDIA最新的GB300平臺納入比較，性能差距會再次被拉開。

也就是說，中國廠商確實在追趕，但當(dāng)前追趕的主要是中國可獲得市場，而不是全球技術(shù)前沿。

除了性能，能效也是重要指標。

雖然中國整體能源約束不如美國嚴格，但能效仍然會影響部署密度和機房成本。

從每瓦性能來看，頭部國產(chǎn)芯片已經(jīng)接近A100和H20，但與H100、H200仍存在差距。

不過，如果把采購價格納入考慮，國產(chǎn)芯片的性價比優(yōu)勢會更加明顯。

因此，在推理密集型場景中，國產(chǎn)GPU的吸引力正在不斷增強。

市場最終獎勵的，很可能不是峰值性能最高的廠商，而是那些能夠持續(xù)壓低每token成本、并把這種優(yōu)勢規(guī)模化復(fù)制的公司。

從更宏觀的角度看，美國AI GPU公司的估值邏輯已經(jīng)比較成熟。

像NVIDIA和AMD，估值雖然不低，但核心支撐來自規(guī)模、盈利能力以及全球生態(tài)位。

相比之下，中國AI GPU廠商的估值明顯更激進。

很多公司收入規(guī)模仍然較小，盈利能力也還處于早期階段，但市場已經(jīng)給出了很高的PS倍數(shù)。

本質(zhì)上，市場交易的不是當(dāng)前利潤，而是國產(chǎn)替代和未來市場集中度的預(yù)期。

因此，中國AI GPU板塊更像是在定價一張長期競爭格局，而不是確定性的盈利能力。

文/阿奇

PS：如果你也在尋找投資AI資產(chǎn)的機會，歡迎掃碼加入我們的交流群。