IDC：华为AI芯片份额28%出货57.2万颗，非GPU出货首超GPU

国内AI芯片行业又走到一个新的增长节点。

IDC最新报告给出了今年上半年的市场图景：中国数据中心AI加速器市场格局出现明显位移。英伟达份额掉到34%，华为以28%排在第二，出货量57.2万颗，比去年同期接近翻倍。平头哥、寒武纪、昆仑芯等本土厂商的份额也在往上走，国产AI芯片正加快进入规模化交付阶段。

份额之外，更值得看的是国内AI算力需求结构的变化。IDC数据显示，上半年中国AI加速器总出货量约200.8万颗，其中非GPU加速器出货101.6万颗，同比增长近80%，出货规模首次超过GPU。

这背后是人工智能产业向规模化应用加速推进。大模型、智能体等应用不断铺开，企业对AI算力基础设施的需求随之增长，金融、通信、互联网、制造等行业尤其明显，国产芯片的技术创新和商业化落地因此有了新条件。

国产AI芯片迎来需求释放

IDC报告显示，2026年上半年华为AI加速器出货57.2万颗，市场份额28%；平头哥占7%，寒武纪、昆仑芯和海光分别为5%、4%和3%。IDC跟踪的11家中国半导体厂商中，9家出货量实现同比增长。

瑞达恒研究院经理王清霖对《中国经营报》记者表示，这说明国内AI芯片市场正在形成头部厂商引领、多种技术路线并行的竞争格局。以华为为代表的企业依托芯片架构、软件生态及系统集成能力，在大型智算中心、互联网和行业计算市场持续拓展；平头哥、寒武纪、昆仑芯等则逐步形成差异化产品定位，在云计算、大模型训练和推理等领域扩大应用。

从产业需求侧看，应用场景持续扩展是推动这轮国产AI芯片市场增长的重要动力。

CHIP中国实验室主任罗国昭指出，大模型对算力的需求此前几年主要压在模型预训练、参数优化这些环节上，市场看重的也是芯片的高性能计算能力。如今大模型一步步走向商业化落地，推理计算的分量随之不断加重。智能体、多模态交互、企业内部知识服务等应用铺开得越来越快，高并发、低时延、低成本的算力需求也跟着水涨船高。

出货结构同样能看出这一转变。IDC数据显示，上半年中国GPU加速器出货99.1万颗，同比下滑26%；非GPU加速器出货101.6万颗，同比增长近80%。非GPU加速器市场上，华为、平头哥、昆仑芯和寒武纪4家企业加起来占了约95%的份额。

报告同时指出，非GPU加速器出货量超过GPU，并不代表GPU技术的重要性下降，而是说明AI算力体系正在走向多元化。

国内算力基础设施建设，则为国产芯片提供了持续扩大的市场基础。

工信部最新数据显示，截至2026年9月底，我国智能算力规模达到2592EFLOPS，同比增长146%。智能算力供给能力快速提升，说明人工智能基础设施仍处在扩张阶段，算力芯片、服务器、网络互联及配套软件的产业需求也在持续释放。

国产厂商加快规模化商用

市场需求增长的同时，国产AI芯片厂商近几年在产品迭代、软件适配和规模化部署上持续取得进展。

华为昇腾走的是超节点架构加基础软件生态的路子，推动国产算力从单芯片能力向大规模集群能力升级。

今年7月举行的2026世界人工智能大会上，华为把昇腾950超节点真机摆到了台前，这是该产品首次公开亮相。现场按1024卡集群部署，针对大模型训练和高并发推理，借助高带宽、低时延互联以及统一内存编址等手段，让大规模计算系统的协同效率更高。

华为方面给出的数据是，到今年7月，昇腾384超节点累计商用部署已超过750套，互联网、运营商、金融、教育、医疗、制造等行业都有落地。华为还拉上3000多家合作伙伴，开发出7000多套行业解决方案，服务2000多家政企核心客户。软件生态上，华为一边推动CANN异构计算架构和Mind系列基础软件的开源开放，一边加快与PyTorch、vLLM等主流开发框架、推理工具的适配，目的是让开发者在不同算力平台之间迁移模型和应用时少花点技术成本。

其他国内AI芯片厂商也在各走各的路子做商业化。阿里巴巴方面介绍，平头哥的产品矩阵已经覆盖GPU、CPU、存储和网络芯片。真武系列中最新的AI处理器真武M890，通过阿里云服务向自动驾驶、互联网、金融服务等20多个行业的650家以上外部客户提供商业化应用，训练、微调、推理等不同类型的AI负载都能支持。

寒武纪的经营增长同样靠规模化应用拉动。寒武纪称，随着人工智能芯片、基础系统软件平台和集群软件工具链的研发持续推进，其产品已经在金融、互联网等核心行业实现规模化商用部署。

昆仑芯P800已经过大规模集群实践的检验，并借助百度智能云百舸AI计算平台完成3.2万卡集群点亮和规模化应用。芯片、计算平台与推理框架协同调优，百度想借此让国产算力在大模型训练和推理场景中部署得更顺畅。

罗国昭认为，国产AI芯片的比拼早已不只是芯片参数，研发、软件工具、产业集群和应用正逐渐拧成一套产业体系。国产AI芯片进入企业业务环节的越来越多，企业使用中产生的数据反馈又反过来提升其稳定性和易用性，企业适配、迁移的成本因此进一步下降。说到底，国产AI芯片产业正从早年的产品验证，慢慢走向规模化交付、业务变现的良性轨道。

产业竞争转向

AI模型规模扩大、应用负载不断增加，全球AI芯片产业也在发生新的技术演进。

罗国昭提到，按过去拼算力的思路，制程工艺、计算单元数量、峰值运算性能通常是衡量产品竞争力的关键指标。可放到大规模AI计算场景里，芯片之间的数据传输、内存调度、模型并行效率，还有软件适配能力，一样会左右系统的实际表现。

落到大模型推理这一环，企业盯得更紧的是每秒能处理多少Token、响应时延够不够业务用、单位Token的综合计算成本划不划算。峰值性能高，不代表真实业务里算力就用得充分。

国内厂商的技术路线也在跟着调。记者了解到，今年9月召开的华为全联接大会2026上，昇腾960超节点正式发布。华为副董事长、轮值董事长汪涛称，华为会坚持围绕“超节点+集群”，靠系统架构创新建立竞争力，同时推进开源开放的算力生态建设。

需求这头，AI芯片市场还有不小的增长余地。IDC预测，2026年中国AI加速器整体出货量同比增长19%；到2029年，全球加速计算服务器市场规模会突破1万亿美元。人工智能基础设施仍处在持续扩张的周期里。

但国产AI芯片要真攒出长期竞争优势，还有几道坎得迈过去。

中国工程院院士邓中翰此前公开谈到，国产高端算力芯片要在数据中心、算力集群这些关键场景里规模化用起来，技术适配性、生态体系、算力利用效率三方面的难题仍摆在面前。有些国产芯片跟大模型、算力集群的多元计算需求对不上，软硬件协同、标准统一、应用验证这些环节也还得补。

软件生态同样是卡住国产算力商业化的一环。商汤科技大装置事业群CTO宣善明此前说过，眼下国产算力落地最突出的堵点在显存容量、卡间互联带宽和融合算子性能上。加上不同模型、芯片、应用场景之间适配需求一大堆，单靠一家企业做不完，产业链得一起使劲。

说到底，国内AI芯片厂商怎么接住这种体系化竞争，会直接影响国产AI芯片产业往后的竞争格局。