国信证券近日发布算力芯片行业报告：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。以下为研究报告摘要：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OpenAI、Google等)保持每半年一代的高频迭代，追求智能化升级；国产大模型在经历了技术蓄力后，自2025年起以DeepSeek-R1、智谱GLM等为代表的产品迭代显著提速，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平台化交付：英伟达依托GPU、CUDA生态、NVLink和Blackwell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
=*=*=*=*=*=
当前为第1/2页
下一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页