DeepSeekV4引爆国产算力，谁将成为中国的英伟达

文：任泽平团队

DeepSeekV4爆了，大更新，更低算力成本、更顶级性能，重塑全球大模型竞争格局。DeepSeekV4核心能力比肩乃至超越全球闭源模型，首次将上下文窗口推至百万Token，让长文本应用成为标配。而API价格仅是GPT5的百分之一，降维打击、成本碾压，未来AI开发者成本门槛更低，国产AI应用将大爆发。

更重要的是，算力国产化加快、国产GPU崛起。DeepSeekV4与华为昇腾、寒武纪、天数智芯等国产芯片深度适配，加速打破英伟达的垄断。国产算力产业快速崛起、国产替代，从华为昇腾、寒武纪，到沐曦、摩尔线程等国产算力加速发展。

AI不是风口，是海啸。前期预测：2026年超级应用大爆发，中国力量崛起。AI的背后是算力，算力的背后是电力。这是我们这代人最重要的机遇，人生发财靠周期。

2026年，算力底座会成为全球AI角逐核心。这不仅是模型和芯片技术的迭代，更是时代机遇。当下是中国AI力量崛起、全球产业格局重塑的最关键时期。

4月26日晚，我将发布最新大势研判，下方预约。

1 英伟达的背后是美国AI战略和国家力量

英伟达作为全球龙头GPU公司，其核心是“三大业务+CUDA生态”，承载着美国AI和半导体战略构想。

英伟达的三大主要业务：

业务一：数据中心业务。直接服务于全球AI基础设施建设，包含计算、网络、系统级平台，其销售模式也不再只是售卖芯片，而是为各行业提供全栈解决方案。产品包括Blackwell架构GPU、Hopper架构GPU、NVLink、InfiniBand、Spectrum-X以太网等。

业务二：消费显卡业务。从纯游戏市场转型成为融合AI入口，其新一代发布显卡在迎合传统游戏市场的基础上，侧重于AI大模型的能力，可以满足本地化AI部署需求，成为开发者生态扩大基础。主要是GeForce RTX系列和Project Digits等AI PC产品。

业务三：具身智能应用。被英伟达视作未来增长引擎，主要有机器人、智能驾驶、世界模型三大类。比如，机器人基础模型的Isaac GR00T系列，用于仿真与开发平台的Omniverse（数字孪生）、Isaac Sim，还有AI模型与引擎的Cosmos世界模型、Cosmos Reason VLM、Newton物理引擎。

CUDA生态是英伟达垄断GPU行业的核心护城河。CUDA是英伟达自2007年就搭建的软件编程模型，绑定其GPU产品，随着GPU发展迭代，其功能和应用范围也不断扩大，开发者的投入与CUDA深度绑定，构建了一个庞大的、自我循环、自我强化的生态平台。

英伟达的背后是美国政府加强半导体产业链、确保AI技术主导权的战略构想。美国对英伟达的支持已经从市场层面的扶持，升级为国家力量的系统性工程。不仅将英伟达直接纳入多个国家战略计划和科研基础设施，为其提供大规模、高价值的订单，还保障供应链安全并享受豁免优惠，比如促成半导体上游关键企业迁移美国本土等。同时，也在确保美国本土企业优先获得英伟达最新算力，巩固其领先地位，加速技术迭代与生态扩张。

2 中国需要自己的英伟达

中国需要自己的“英伟达”，核心原因远不止于制造一款高性能GPU。

从国家战略角度，关乎当下科技自主权，产业链安全，以及全球AI竞赛领导权。

从产业角度，是加速推动半导体行业全链条国产化，从成熟制程迈向高性能芯片的自主可控。

从企业的角度，是需要具有持续技术创新力和产品实力的中国GPU龙头领军。

当前中国GPU力量正在崛起，GPU实现国产替代是大势所趋。2024年中国半导体自给率达到24%，同比增长4pct；其中AI领域半导体自给率已达到三分之一，相较于2023年显著提升，仍有大幅提升空间。

长期看，中国的优势在完善的产业链、庞大市场和应用空间，实现芯片行业的大规模降本和全产业链突破只是时间问题。以光伏与新能源汽车产业为例。20年前，光伏技术掌握在欧美企业手中，价格昂贵。中国企业通过技术引进再创新，发挥制造优势和规模效应降本，最终实现了绝对领先。新能源汽车最早也是美国领先，在三电技术上实现突破后，中国新能源车企凭借完整的工业体系和敏锐的市场洞察，形成了产业链整合，主导全球新能源汽车行业。

芯片行业的挑战更复杂，但中国从技术追赶到全球领先的逻辑不会改变。

一是国家战略确保AI产业发展自主权，政策强力推动。从“十四五”规划重视芯片自给率，2024年七部门《关于推动未来产业创新发展的实施意见》加快GPU领域突破；到2025年下半年的《电子信息制造业2025－2026方案》强调推动AI终端创新应用；同期证监会推出科创板“1+6”新政引导AI和芯片企业发展，产业和市场政策组合夯实国产替代基础。

二是市场高增速催化。据测算，2024年起全球云AI市场规模复合年增长率达到28%，到2027年将达2390亿美元，中国市场需求占全球1/3，市场增量约800亿美元。先是公有云和国资智算中心实现规模化替代，国产GPU获得稳定份额后，未来3-5年完善软件生态和工艺进步，形成更广泛的全市场竞争力。

三是企业竞争力提升。中国芯片产业的各环节企业都在技术突破期。华为以全栈自研的解决方案引领国产替代；摩尔线程从消费级GPU切入AI智算；中兴通讯的5nm制程ASIC开始流片；中微公司介质刻蚀机已进入台积电5nm产线；中芯国际步入先进制程良率和产能突破期。中国半导体产业的快速进步已成趋势。

3 中国AI芯片：从0到1，快速崛起

根据年市场份额和出货表现，中国AI芯片市场的“七小龙”初现端倪：华为昇腾、昆仑芯、寒武纪、天数智芯、燧原科技、沐曦股份、摩尔线程。但是市场的竞争格局远未定型，国产算力仍处于征途中。

AI芯片有通用型和专用型两种。通用型芯片是“通才”,利用并行处理能力来加速各种计算任务，不局限于特定的应用领域，旨在提供一个灵活的、可编程的平台，能够适应多种不同的计算需求。通用型AI芯片主要指通用GPU，代表企业英伟达，芯片型号有B200、H200等。专用型芯片是“专才”，是专为特定应用或领域定制的计算架构，旨在针对某一特定任务进行优化，优势在于执行该任务时性能极强、能效比极高、成本可能更低；劣势是功能固化、灵活性差。专用型AI芯片有ASIC和FPGA两种，ASIC讨论度更高，代表厂商是谷歌，其TPU就是一种ASIC芯片。

总体格局上，GPU占据绝对的AI主流地位，ASIC则是崛起中的支线力量。全球AI芯片市场由GPU巨头英伟达垄断，是绝对的行业领导者，占据超过80%的全球市场份额。ASIC架构则是快速发展的一股支线力量，代表厂商是谷歌，其在全球ASIC出货量占比超70%，今年11月谷歌第七代TPU发布，迅速造成对英伟达GPU垄断叙事的冲击：内部，谷歌Gemini3 Pro大模型使用自研TPU训练；外部，尽管其TPU 暂未向外部客户直接销售，仅通过谷歌云提供服务，但是与Meta的合作意向已经达成，后者计划2026年通过谷歌云租用算力，从2027年起在自己的数据中心部署谷歌TPU。

在全球AI竞争加剧和算力基础设施自主性需求日益迫切的双重背景下，中国本土AI芯片企业也加速发展，但总体上仍处于“从0到1”的初期阶段，尚未形成明朗的竞争格局，GPU和ASIC两种架构并行发展、各有侧重。

我国本土AI芯片企业中，GPU路线的有沐曦、海光信息、天数智芯、壁仞科技、摩尔线程；ASIC路线的有华为海思（华为系）、寒武纪、昆仑芯（百度系）、平头哥（阿里系）、燧原科技。

都是Fabless模式，即公司主体负责芯片的研发、设计与销售，生产环节由专业的外协厂商完成，主要包括晶圆代工厂和封装测试厂，也包括板卡加工服务等等。

中国本土AI芯片企业在全球市场份额合计不足1%，当下主要是国产替代逻辑。IDC数据显示，本土AI芯片厂商的国内市场占有率正在快速提升，2024年出货量82万张，渗透率约30%；相较2023年15%的国产渗透率有明显提升。

分类看，GPU服务器在中国加速服务器市场依然是主导地位，占比近70%；ASIC 和 FPGA等非GPU加速服务器高速增长，占比约30%。

按企业看，华为昇腾销量64万，在中国AI芯片市场占23%，是本土第一品牌；昆仑芯（百度系）6.9万、天数智芯3.8万、寒武纪2.6万、沐曦2.4万、燧原科技1.3万，其他品牌销量未过万。

综合来看，在ASIC路线上，华为昇腾领先。通用GPU路线并未形成鲜明的格局，沐曦股份营收小幅领先。

华为昇腾可以说是国产算力的“定海神针”，定位是 ASIC专用型计算架构。作为拥有全栈自研能力的巨头，其昇腾 910B/C系列已在大型智算中心规模化部署。华为升腾的核心竞争力是 CANN 异构计算架构，已建立起坚固的闭环生态。2024年，华为昇腾在中国 A 芯片市场份额达 23%，稳居本土第一品牌。

寒武纪，作为国内最早的AI芯片上市企业，寒武纪深耕专用架构ASIC/DSA。核心竞争力是云边端一体化开发环境，在特定算子下能效比极高。2024年智能芯片及加速卡收入约11.7亿元，主要服务于政府智算中心及特定行业。

昆仑芯脱胎于百度AI芯片部门，是典型的“大厂底座”与“应用驱动”派代表 。凭借自研的XPU架构，属于ASIC/DSA路线，深度适配百度文心大模型及飞桨等生态，在自然语言处理、搜索推荐等垂直场景拥有极高的迭代效率 。2024年其在中国AI芯片出货量占比约3%，位列本土品牌前三，是国产算力排位赛中从互联网内循环跨向通用市场大循环的标杆。

燧原科技也是国产算力阵营中深耕“专才”路线的典型，背靠第一大股东腾讯提供的强大应用生态资源，在政务MaaS（模型即服务）等实战场景中展现出优势。作为主攻ASIC/DSA专用计算架构的代表，燧原科技于2024年占据了约1%的市场份额。

沐曦股份定位是通用 GPU 架构，核心团队有高端GPU设计背景。沐曦的优势是走自研架构+高度兼容 CUDA路线，主打的是平滑迁移，让开发者能以最低成本从英伟达阵营切换过来。其主力产品曦云c500系列，综合性能对标英伟达A100，在2024年实现7.2亿元的收入，占主营业务收入97%以上。但产品结构单一也有一定短板。2024年智算推理系列(曦思 N 系列)的收入占比不到 1%，高度依赖训推一体芯片的销售。同时,公司仍处于巨额亏损阶段，盈亏平衡点最早也要到 2026 年才能看到。

摩尔线程定位全功能 GPU，兼顾图形渲染消费级显卡与AI计算。优势是依托 MUSA的架构，让产品一卡多用:既能做动画渲染、游戏画面、虚拟场景，又能搞定训练 AI大模型、跑AIGC生成内容，还能万卡集群、相当于万卡一起干活。但短板是2024年营业收入约4.38 亿元，虽有增长，但远低于寒武纪和海光信息等成熟厂商。由于战线拉得太长，在每个细分市场都要面对英伟达及国产专项厂商的竞争，是其隐忧。

天数智芯是通用架构路线的坚定践行者。2024年其凭借约1%的市场份额跻身本土品牌出货量前五，展现出较早的商业化落地能力。在技术路径上，天数智芯坚持GPGPU设计，通过兼容AMD ROCm等开源生态来降低开发者的迁移门槛，产品全面覆盖AI训练、推理及大规模通用计算场景。

4 GPU国产化关键是产业自主和软件生态

中国GPU国产化要突破的重点领域有两类：一是产业上，从EDA、IP、设备、材料到晶圆代工的半导体产业链都需要攻坚。二是软件端，面对CUDA生态近20年的“护城河”。国产替代非一朝一夕，高端芯片领域挑战依然艰巨。

4.1 EDA和IP:点工具突破、GPU核心仍薄弱

EDA（电子设计自动化）和IP（半导体知识产权）处于半导体产业最上游。EDA是芯片设计的一整套工具链，设计师用其进行数字设计、模拟、验证概念，并最终生成芯片制造图纸。IP是已验证过的成熟模块，芯片公司以自研、购买、或获得授权使用IP的方式来搭建各项功能，在EDA的辅助下集成为芯片图纸。

EDA和IP自主是芯片产业国产化的基石。目前先进制程芯片所采用的FinFET正逐步升级为下一代的GAAFET架构，有更优秀的静电特性和功耗、频率，是发展2nm芯片的关键。而先进制程芯片的数字设计、线路布局、验证等环节高度依赖最新EDA工具和IP。IP能加快设计和迭代的速度，先进制程芯片设计也依赖IP的更新。

全球EDA市场主要由三家美国公司：新思科技（Synopsys）、铿腾电子（Cadence）、西门子EDA（Siemens EDA，原明导国际）主导。2024年三家的市场份额分别为31%、30%、13%。中国EDA的主要参与者包括华大九天、概伦电子、广立微、芯和半导体、芯华章与鸿芯微纳。

IP市场，安谋（ARM，软银旗下）和新思两家占有全球2/3的份额，铿腾和Alphawave（高通收购）合计9%。其中，安谋主要市场在移动计算，后三者主要市场在高性能计算。国内半导体IP的主要参与者有芯原股份、芯耀辉、锐成芯微、芯来科技、寒武纪、平头哥（阿里旗下）。

EDA的突破在于“点工具”，比如原理图和PCB设计工具上已经完全自主，在模拟芯片EDA领域，也已经有国内厂商实现了全流程自主，但数字芯片、系统级芯片的全流程领域还存在空缺。由于设计一颗先进制程芯片需要上百种工具协同，而国际EDA工具与台积电的工艺设计套件深度绑定，因此EDA自主化和晶圆代工的国产替代需同步实现。

IP的挑战在于架构创新和生态独立。常见IP有处理器核心、接口IP、基础IP、GPU专用IP。其中，接口IP过去主要由新思和铿腾提供，现在是国产替代较快的环节，并有国内IP授权给多家国内外芯片公司的成功案例。

同时，GPU IP自研起步，通常国内GPU厂商采用“IP授权”模式开发芯片，但随着下游芯片设计企业对本土IP采购意愿增强，GPU核心IP自研是大势所趋，但生态壁垒也很明显。由于GPU设计的特殊性，不同模块的IP来源通常分散。以英伟达为例，其流处理器架构、并行计算架构、张量核心等关键IP都由自主设计，但部分特定功能也需要采用第三方IP来开发。目前，实现纯粹国产GPU核心IP还不具条件，而高性能的GPU架构设计也才起步，自主GPU IP生态搭建是长期工程，国内需要加紧人才培育和市场经验积累。

4.2 晶圆制造和设备:良率、产能、光刻设备攻坚

芯片制造商也被称为晶圆代工厂（Foundry），职责是将设计图纸上的芯片实际制造出来。也是整个半导体产业中价值含量最高、流程最复杂、资本开支最大的环节。

根据2025年Q2数据，全球近七成的晶圆代工市场由台积电（TSMC）独占，三星市占率达到7.3%，中芯国际升至全球第三，市占率5.1%，华虹集团也跻身全球第六，份额2.5%。目前，中芯国际、华虹半导体已具备28nm及以上芯片的大规模、高良率的制造能力，能满足大部分中低端GPU和国产GPU初代产品的制造需求，总体看28nm及以上的产能自给率已超过40%。

14nm及以下的先进制程代工还需突破，中芯国际是国产GPU产能的主要来源，目前中芯国际已实现14nm量产，但良率和产能有限。由于无法获取EUV光刻机，且材料方面的超高纯度化学品、光刻胶等仍依赖进口，因此7nm、5nm等更先进制程的研发和量产仍需攻坚。好在国产DUV（深紫外）光刻设备研发已经落地。由深圳市政府投资的俞亮昇，已成功研发DUV光刻设备，目前正在测试阶段，预计其进入产线后将在一定程度上降低对海外光刻设备的依赖，先进制程仍需要EUV光刻设备。

光刻设备的战略价值和技术壁垒极高，是芯片图案转移的核心，和薄膜沉积、刻蚀设备同属于半导体三大前道环节。全球主要供应商是阿斯麦（ASML），市场份额占比高达82.1%，其次是佳能（Canon）和尼康（Nikon）市占率分别为10.2%、7.7%。国内主要光刻设备研发参与者有上海微电子、新凯来、以及长光所。

虽然利用现有DUV光刻机，采用“多重曝光”技术仍可以生产7nm及以下的芯片，但会导致生产成本上升、生产时间延长以及良率降低。因此，长期看实现EUV光刻设备自主还是关键，重点在于如何解决顶级设备对全球供应链依赖的问题。光刻机被称为“工业明珠”，打造靠的是全球顶尖技术的合力。比如，阿斯麦的气体来自美国、光源有日本供应、镜头来自德国，因此，光刻设备的国产化替代考验的不仅是单点技术突破，更是细分产业链的完备和自主可控。

4.3 GPU软件生态：核心挑战在于打破CUDA壁垒

CUDA是英伟达垄断GPU行业的核心护城河，也是GPU自主攻坚最大的壁垒。截止2024年底，CUDA已拥有超过500万开发者，服务于全球85%以上的数据中心，90%的AI框架基于CUDA开发，95%的AI训练任务依赖CUDA工具链。

CUDA全称“统一计算设备架构”，其作用是让图形编程之外的领域也能最大程度利用GPU。CUDA的组成结构主要有三个部分：开发库、运行期环境、驱动。开发库的作用是让开发者可以快速建立起自己的应用，并且开发者也可以在CUDA的技术基础上搭建出定制化的开发库。运行期环境主要提供应用开发接口和运行期组件，基本上涵盖通用GPU开发所需要的所有功能和资源接口。驱动部分即是英伟达显卡的驱动，虽然不同版本系列GPU有不同，但本质上是为英伟达自家的硬件设备建立的抽象层，提供访问接口。

CUDA和英伟达硬件绑定扩张，已经成为事实上的GPU软件行业标准。随着GPU发展迭代，其功能和应用范围也不断扩大。开发者的投入与CUDA深度绑定，协同优化，在多代技术跃迁下构建了一个庞大的、自我循环、自我强化的生态平台。

当前，国内GPU生态和英伟达CUDA差距在于两方面。

一是用户适配成本高。由于国内的GPU生态起步晚，且碎片化，基础软件不统一。各家厂商自建生态，形成了互不相通的技术壁垒，导致用户适配成本高，软件迭代时间和成本增加，制约了产业效率和竞争力。

二是缺乏高阶工具。CUDA生态GPU的特点是稳定、高效、易用，而国产GPU常面临硬件“纸面”算力与实际应用输出存在差距的问题，本质上是缺乏成熟的高阶软件栈，效能被软件短板所抵消。

好在国内厂商都意识到软件生态的重要性。目前主要存在两种方案路线。一是兼容CUDA路线，通过软件层转换，降低开发者的迁移门槛。但这种方式存在性能损耗和长期开发风险。二是构建独立生态路线，比如华为的CANN、摩尔线程的MUSA等，目的是打造自主的开发者体系但需要巨大的投入和耐心，核心在于能否吸引开发者长期在其平台上创造价值。

虽然许多国内企业已形成“高性能用进口、安全可控用国产”的双供应链策略，为国产GPU提供了政务、金融、特定行业的应用空间。但通用、高性能领域仍需要自主厂商发力。

CUDA的护城河深厚，但并非不可挑战。中国拥有全球最丰富的AI应用场景，利用庞大的市场优势，通过开放协同的策略，最终有希望走出一条从兼容迁移到逐步自主的GPU生态标准。

在全球供应链动荡的背景下，拥有自主可控的算力已成为国家战略。中国本土AI芯片企业这一战略最核心的承载者，其价值首先在于战略安全，而非短期市场份额。近期中国本土AI芯片实现0到1的突破，并且正加速成长。未来，他们的首要目标并非在全球与英伟达正面交锋，而是先服务于中国本土的国产化替代市场。当然，挑战依然严峻，7纳米及更先进制程的获取、CUDA生态的铜墙铁壁、以及如何在保障性能的同时将集群功耗和成本优化到最佳水平，都需要长期攻坚。