国产芯片当前放量的主战场在推理侧(深度思考),AI融资高企下TCO加速驱动ASIC份额提升

2026-11-15 22:06:482℃
先来看组数据:国产训练芯片和推理芯片的放量速度,推理速度明显大于训练,而且全球产业趋势上也是从训练走向推理,训练需要的少,但需要的能力高,推理需要的越来越多,天然匹配当前国产芯片的处境,国产芯片的能力上正在不断提高,但当前很胜任推理侧任务,训练侧任务也可以通过超节点提高。

中国训练和推理 AI 加速卡市场规模

训练环节算法迭代快、推理环节算法相对固定,AIASIC具备能效与成本优势复制下载超节点系统架构

一、中国市场:推理放量的现实约束与优势来源

​​现实约束​​

​​供给锁定​​:2026年国内可获取的高端推理芯片总量被上游产能与长协​​基本锁定​​,市场化增量有限。​​国产产能/良率爬坡​​:国产AI芯片2026H2起​​大量出货​​,但先进产能/良率为主约束,​​卖方市场​​特征将在6-18个月延续。​​系统上架​​:国内​​缺卡​​、海外​​缺电​​;智算中心当前​​上架率偏低​​与适配周期相关,预计​​2027年运营率>70%​​。

​​优势来源​​

​​国产芯片“推理先行”​​:国产芯片​​先在推理侧形成规模化替代能力​​,再逐步向训练延伸;头部云厂商​​大规模导入国产算力​​,​​CUDA依赖降低​​,形成“芯片-模型-应用”闭环。​​超节点加速落地​​:国内多家(华为、阿里、曙光等)​​发布/量产超节点​​,​​单位Token成本显著下降​​;国产芯片在​​推理场景​​的系统性竞争力提升。​​价格与租赁信号​​:H200/H100月租​​显著上涨​​且排期延后,国产芯片涨幅较低,​​按Token计费​​普及,​​供需错配​​倒逼国产推理加速承载。

​​结论​​:在中国,“​​推理优先+系统优先​​”将是主旋律。短中期靠​​国产推理芯片+超节点/PD分离/缓存池化​​等系统提升,释放推理产出;中长期随着​​国产训练侧突破​​与​​产能/良率改善​​,再推进训推协同与全栈优化。

我国推理算力的市场占比





国产芯片放量的主战场已明确转向推理侧,最直接、最充分受益的板块依次为(市场似乎只看到了AI芯片的寒武纪和超节点的华丰等,而未意识到ASIC中国版博通芯原):

①​​AI推理芯片(通用GPU/DCU与定制ASIC)​​——核心受益环节、弹性最大;②​​AI服务器/超节点(整机与系统交付)​​——价值量与订单确定性强;③​​高速互联与光模块/CPO​​——推理并发与规模化部署的关键瓶颈受益者;④​​液冷与供配电​​——高密度推理集群的标配基础设施;⑤​​存储/HBM/DDR5/企业级SSD与内存互连​​——推理7×24负载带动“量价齐升”的中上游主线;⑥​​先进封装(含HBM封装)​​与​​本土代工(成熟+先进)​​——供给侧扩产与国产替代的结构性红利。核心标的(按板块精选)包括:海光信息、寒武纪、沐曦股份、摩尔线程、天数智芯、芯原股份(ASIC)、浪潮信息、中科曙光、紫光股份、华勤技术、盛科通信、中际旭创、新易盛、鼎通科技、飞荣达、申菱环境、澜起科技、江波龙、佰维存储、德明利、兆易创新、通富微电、长电科技、中芯国际、华虹公司等。

板块配置优先级核心标的配置理由(要点加粗)
推理芯片(通用GPU/DCU/ASIC)高海光信息、寒武纪、沐曦、摩尔线程、天数智芯;芯原股份(ASIC)​​推理占比~70%​​、国产替代窗口期、业绩高增与订单兑现;​​ASIC定制​​顺周期放量
服务器/超节点高浪潮信息、中科曙光、紫光股份、华勤技术​​超节点元年​​、高密度推理整机与液冷机柜批量交付、​​单机柜价值量/毛利改善​​
互联/光模块/CPO中高盛科通信、中际旭创、新易盛​​带宽/时延瓶颈​​受益,CPO量产与光纤价格高位,网络侧Alpha
液冷/供配电中高鼎通科技、飞荣达、申菱环境​​推理集群高密度​​→液冷标配,整机/机柜放量驱动
存储/HBM/DDR5/SSD与互连高澜起科技;江波龙、佰维、德明利、香农芯创;兆易创新等​​DRAM×8/NAND×3​​含量倍增,​​26-27年结构性短缺​​与涨价周期
先进封装/OSAT中高通富微电、长电科技、华天科技、深科技​​HBM/2.5D/3D​​产能释放与价格修复,AI ASIC封装上行
晶圆代工中中芯国际、华虹公司国产AI芯片代工平台、​​产能利用率提升/毛利超预期​​
中国训练与推理卡占比

AI 工作负载从“训练主导”转向“推理主导”

二、黄的事件会加速这一过程。英伟达与ASIC方案各环节价值量比例对比 (2025E-2028E)

​​驱动一:需求/经济性(推理拐点→TCO)​​

行业进入“推理驱动”阶段,单位Token成本/能效成为决胜指标,​​ASIC在已确立的高频推理路径具明显TCO优势​​;卖方、咨询及产业方一致上修2026-2028年ASIC市场与份额预期。量化锚点:2026年AI服务器出货中ASIC占比约27.8%并继续上行至2030年近40%;至2028年服务器侧ASIC约60%,云巨头约50%;​​HBM需求中ASIC占比2028年达57%​​。

​​驱动二:供应与治理(“去单点依赖”与合规趋严)​​

事件提供了“​​治理与合规风险​​”的内部论据,强化CSP推进自研ASIC/多平台的预算合理性与优先级,属于“放大器”,而非根因迁移。海外多观点提示:​​以太网互联替代NVLink、自研ASIC导入​​节奏加快的概率上行,客户议价权增强。出口合规收紧预期(含绕道/云端算力监管)抬升,促进本土化与多源化配置,间接利好ASIC与“非单一平台”方案。

​​驱动三:资本与筹资链条的再定价​​

英伟达“产业银行家”角色可能阶段性弱化(股权投资/担保更趋保守),​​自研ASIC与替代平台获得更多外部验证与试点窗口​​,但兑现以年计。


三、为啥TCO会驱动ASIC份额提升

TCO把“便宜的算力”变成首要目标,ASIC用“专用化+全栈协同”在CapEx与OpEx两端同时降本,由此系统性抬升份额​​核心判断​​:全球AI从训练走向推理后,新增算力以“单位Token成本/每美元产出”为锚,采购逻辑从“峰值通用算力”切换到“全生命周期成本最优”。在这个度量体系里,​​定制ASIC通过专用架构与软硬件共优化,在硬件采购、能耗/散热、网络/机房与集群利用率等TCO构成项上同步下降(常见区间30%-65%)​​,从而驱动云厂商把“稳定、大规模、可预测”的工作负载迁移到ASIC,份额随之抬升。​​定量锚点​​:三年期对比:TPU方案相较H100集群三年TCO下降​​56%​​(总额1.77亿美元→0.785亿美元),其中硬件-48%、电力-66%、散热-67%等分项全面下降,体现TCO“多维减项”。按小时/算力口径:TPU v7在BF16/FP8密集下的“每PFLOP每小时TCO”分别约​​0.56/0.28美元​​,显著低于同代NV平台口径(GB300 BF16约1.09美元)。价格信号:基于TPU的Gemini 3.1 Pro每百万Token混合价约​​1.74美元​​,较同级别模型​​便宜近60%​​,反映底层算力TCO改善向上层价格传导。供给侧再平衡:2026年ASIC出货增速预计​​+44.6%​​、CoWoS分配由“7:3→6:4(GPU:ASIC)”,北美四大CSP部署规模合计约​​193万颗​​;2026年AI服务器中ASIC占比约​​27.8%​​,到2027年有望超过GPU(台数口径)。

超大规模集群三年期TCO全生命周期成本对比

2. 机制拆解:TCO由哪些账构成,ASIC分别如何降低?

​​硬件采购(CapEx)​​:

通用GPU“外购+高毛利”结构把设备购置推高;​​ASIC在规模化后单颗成本更低,可显著压降硬件摊销​​。产业口径:在推理大规模部署中,​​ASIC三年TCO相对GPU常见降低40%-65%​​;Google对比显示​​单位功耗效能可显著高于GPU​​。

​​能耗/散热(OpEx最大项)​​:

专用化矩阵/片上数据流减少访存搬移,单位瓦性能提升;​​三年电力消耗-66%​​案例显示能耗对TCO贡献最大。摩根大通测算:推理场景中​​ASIC单位瓦性能约为同期商用GPU的2倍​​;因此在电力瓶颈下战略价值更高。

​​网络/机房与基础设施​​:

​​以太网复用​​(ROCE/DCN)+更少专网依赖,降低网络侧CapEx与布线复杂度;​​机房/散热/网络分项成本均呈60%+降幅的工程案例​​。

​​利用率与调度(软件→系统协同)​​:

围绕推理“Prefill/Decode”差异化需求进行​​硬件-调度-Runtime四层协同​​,通过专用批处理、并行/内存调度将Token/$最大化,形成传统分层交付难以复制的降本飞轮。Token成为“中间KPI”:​​Token处理量上百倍增长​​,推理成为持续性消耗主因,TCO成为采购第一约束。

​​折旧/会计口径​​:

把硬件摊提年限由5年缩至3年后,TCO对硬件价格的敏感度上升,促使CSP更偏好​​能尽快回收成本的定制ASIC​​(更高Token产出/美元)。

小结:​​ASIC不是只“便宜芯片”​​,而是把“芯片—硬件—网络—调度—Runtime”联动优化,从CapEx与OpEx两端同时压缩TCO,且规模越大、负载越稳定,TCO优势越显著

3. 证据链(定量):从“每美元Token”到“每PFLOP每小时”的一致指向

​​TCO区间与价格传导​​

SemiAnalysis/多机构一致:​​ASIC相对GPU三年TCO优势40%-65%​​;AWS称Trainium实例相对GPU​​30%-40%性价比优势​​。Google Gemini 3.1 Pro每百万Token约​​1.74美元​​,较同级别模型便宜近​​60%​​,反映TCO优势向上层计费传导。

​​按算力与时间口径​​

三年TCO(示例):总额​​-56%​​,电力​​-66%​​、散热​​-67%​​、网络​​-67%​​、运维​​-63%​​。​​小时/算力TCO​​:TPU v7在BF16/FP8下“每PFLOP/小时TCO”约​​0.56/0.28美元​​,显著低于GB300平台口径。

​​份额与供给再配置​​

2026:ASIC出货增速​​+44.6%​​(GPU+16.1%),TSMC CoWoS分配​​6:4(GPU:ASIC)​​;北美CSP自研部署总量约​​193万颗​​。结构演进:2026年服务器中ASIC占比​​27.8%​​,2027年预计超过GPU(台数);到2030年趋向​​~40%-73%​​区间预测(不同口径)。存储侧联动:ASIC将占HBM需求比例自2025年的​​31%​​升至2028年的​​57%​​,反映专用化集群对高带宽内存的重构拉动。

2026年北美四大云厂商自研ASIC预计部署规模

4. 产业主线:为什么“推理时代”更看重TCO,因而更偏好ASIC?

​​负载特征转变​​:训练是阶段性、峰值导向,推理是​​24×7持续​​、调用频繁、对时延与单位Token成本最敏感;因此“每美元Token”的经济性成为核心KPI,​​稳定工作负载越大,越能摊薄NRE、放大ASIC的TCO曲线优势​​。​​通用GPU的“高毛利—可得性—专网依赖”三重掣肘​​:GPU商用毛利可达​​75%​​,专网(如IB/NVLink)与供给周期拉高总成本和部署不确定性;ASIC通过​​以太网复用、系统化集成​​削弱这些约束。​​全栈整合带来持续迭代的“成本-性能飞轮”​​:CSP向下延伸到芯片层,​​把芯片—硬件—调度—Runtime四层联合优化​​,持续拉低单位Token成本;这类协同难以用纯外购通用器件复制。​​结果导向​​:当TCO成为一号指标时,​​份额从“通用优先”转为“负载分层”:训练/快速演进→GPU,规模化、确定性推理→ASIC​​。产业进入“GPU+ASIC双轨并进”,而非零和替代。小结:为什么“TCO会驱动ASIC份额提升”​​推理成为新增主引擎→度量切换到“每美元Token”与三年/五年TCO​​。​​ASIC在CapEx(去高毛利外购)、OpEx(能耗/散热/网络)、利用率(PD/Decode协同)等多维度“叠加降本”,典型区间30%-65%​​。​​供给侧随之重配​​:CoWoS/SoIC与HBM向ASIC倾斜,CSP自研部署快速上量,服务器侧台数份额自2026年起持续走高并在2027年有望反超GPU(台数)。​​边界明确​​:软件成熟度、场景通用性与产能良率决定“斜率”,但​​不改变“分层并进”与ASIC在推理侧结构性上行​​的方向性判断。

AI 服务器出货芯片结构:GPU 占比缓降,ASIC 占比升至 2030 年近 40%

不同类型的算力芯片销售占比预测


作者声明: 本文转载自第三方,旨在提供资讯参考,并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日,作者与文中提及的标的不存在持仓关系。

合规声明:本站发布的所有文章及观点均系个人研究共享,投资心得交流,不代表本站立场,且不构成任何形式的投资建议。投资者据此操作,风险自担,请务必保持独立审慎的决策态度。