深度报告-2025-12-24-华创证券-算力芯片行业深度研究报告_算力革命叠浪起_国产_GPU_奋楫笃行_35页_2mb

算力芯片行业深度研究报告总结

核心内容概述

本报告聚焦算力芯片行业，尤其是GPU在人工智能（AI）领域的重要作用，分析了全球算力市场格局、技术发展、行业趋势以及国内厂商的追赶情况。报告指出，GPU凭借其并行计算能力和CUDA生态，成为AI大模型训练和推理的主力芯片，而美国对高端GPU出口限制的加码，进一步推动了国产GPU自主可控进程。

主要观点

1. GPU在AI计算中的核心地位

• GPU擅长并行计算，适合处理AI中的大规模矩阵和张量运算。
• 相较于ASIC和FPGA，GPU在通用计算性能和开发友好性上更具优势，且比NPU更为成熟。
• 大模型的发展遵循Scaling Law法则，算力需求持续增长，GPU是大模型演进的重要支撑。

2. 英伟达占据全球主导地位

• 英伟达在PC和数据中心GPU市场占据主导地位，市场份额高达90%以上。
• 其产品如A100、H100、GB200和GB300在训练和推理性能上持续突破。
• CUDA编程工具降低了开发门槛，构建了强大的技术壁垒，巩固了英伟达的市场地位。

3. 国内GPU厂商加速追赶

• 寒武纪、海光信息、摩尔线程和沐曦股份等公司正逐步推出AI智算芯片产品，尝试打破国际巨头的垄断。
• 寒武纪依托中科院技术积累，MLU590和MLU370等产品在AI训练和推理中表现突出。
• 海光信息通过信创CPU实现规模盈利，DCU产品在多领域应用广泛。
• 摩尔线程和沐曦股份虽成立时间较短，但已形成完整产品矩阵，预计2026年和2027年实现盈利。

4. 市场增长预测

• 全球GPU市场规模预计从2024年的10,515.37亿元增长至2029年的36,119.74亿元，年均复合增长率达 $53.7%$。
• 中国GPU市场规模从2020年的384.77亿元增至2024年的1,638.17亿元，其中AI智算GPU增速尤为显著，年均复合增长率达 $62.5%$。
• 预计2029年中国AI智算GPU市场规模将达10,333.40亿元，占全球市场份额的 $37.8%$。

关键信息

GPU产业链

• 上游：包括EDA软件、IP模块和制造材料。
• 中游：设计和制造是附加值最高的环节，英伟达在设计端占据主导，台积电和三星在制造端具备技术优势。
• 下游：涵盖个人消费、云计算与数据中心、智能汽车与工业控制、科研等领域。

GPU性能指标

• 核心数量、时钟速度、显存容量、显存带宽、计算能力与精度覆盖范围是GPU性能的关键指标。
• 高性能GPU通常具备更高的计算能力、更广的精度支持和更强的显存性能。

AI应用与算力需求

• 大模型在多个应用场景中表现优异，如内容生成、信息管理、智能决策等。
• Token调用量持续增长，显示AI终端推理需求不断上升。
• 谷歌、微软、亚马逊等公司加大AI基础设施投资，进一步推动算力需求。

国产替代路径

• 寒武纪、海光信息、摩尔线程、沐曦股份等公司依托不同技术背景，形成差异化发展路径。
• 寒武纪依赖大客户验证实现收入爆发，海光信息借力信创CPU实现盈利。
• 摩尔线程和沐曦股份仍处于商业化前期，但产品已具备较强竞争力。

投资建议

重点关注

• 算力芯片设计：寒武纪、海光信息、摩尔线程、沐曦股份等。
• 算力芯片代工：中芯国际、华虹公司/华虹半导体等。

风险提示

• 下游需求不及预期。
• 国产替代进展不及预期。
• 代工供应风险。

行业趋势

• 随着AI大模型向多模态、强推理、数据合成等方向演进，算力需求将持续增长。
• 海外巨头持续加大AI投入，推动全球算力基础设施建设。
• 国内厂商在政策支持和技术积累下，正加速实现自主可控。

图表与数据

• 图表1：GPU有更多核心去进行数据处理。
• 图表2：GPU加速效果远超CPU。
• 图表3：GPU占服务器成本百分比。
• 图表4：主要AI计算加速芯片种类对比表。
• 图表5：GPU产业链。
• 图表6：2020-2029年全球GPU市场规模。
• 图表7：2020-2029年中国GPU市场规模。
• 图表8：2020-2029年中国AI智算GPU市场规模。
• 图表9：多项基准测试中AI的技术表现与人类表现对比。
• 图表10：Scaling law法则依然有效。
• 图表11：训练和推理算力需求持续提升。
• 图表12：Gemini3与其他AI产品能力对比。
• 图表13：OpenRouter平台模型token调用量。
• 图表14：谷歌Token调用量增长示意图。
• 图表15：谷歌第三季度主要部门业绩指标。
• 图表16：北美科技巨头资本开支快速上行。
• 图表17：海外大厂关于capex指引及描述。
• 图表18：2025年北美AI头部企业投资与战略合作关系。
• 图表19：GPU核心参数。
• 图表20：英伟达总营收。
• 图表21：英伟达数据中心营收。
• 图表22：英伟达硬件产品参数对比。
• 图表23：CUDA架构示意图。
• 图表24：CUDA的组成部分。
• 图表25：华为昇腾系列产品。
• 图表26：寒武纪MLU370。
• 图表27：寒武纪智能处理器架构。
• 图表28：海光信息产品示意图。
• 图表29：海光软件栈示意图。
• 图表30：摩尔线程主要产品分类。
• 图表31：摩尔线程MTTS4000。
• 图表32：MUSA架构示意图。
• 图表33：沐曦股份产品分类。
• 图表34：沐曦股份曦云C500。
• 图表35：MXMACA模型软件栈框架结构。
• 图表36：各公司创始团队/核心团队来源梳理。
• 图表37：国产GPU上市公司收入情况分析。
• 图表38：GPU上市公司毛利率情况。
• 图表39：寒武纪及海光信息净利率情况。

报告亮点

• Scaling Law：大模型能力提升依赖算力供给，算力成为AI发展的核心驱动力。
• 市场格局：英伟达凭借CUDA生态和产品性能占据主导地位。
• 国产替代：国内厂商通过差异化路径，逐步实现GPU自主可控。

结论

随着AI大模型的快速发展，算力需求持续增长，GPU作为核心计算设备，其市场地位不可撼动。英伟达凭借技术优势和CUDA生态占据主导，而美国对高端GPU的出口限制为国内厂商创造了市场机会。寒武纪、海光信息、摩尔线程和沐曦股份等企业正加速追赶，预计未来几年将逐步实现盈利。建议关注算力芯片设计与代工环节，把握AI算力爆发带来的投资机遇。