国产算力芯片告别“躺赢”

三季报季一到，国产算力芯片厂商的成绩单陆续摆上台面，增长数字大多相当扎眼。

10月15日晚间，沐曦股份（688802.SH）在业绩预告中给出区间：前三季度营收同比增幅落在105.60%到151.29%之间，归母净利润实现扭亏为盈。四天后的10月19日晚，海光信息（688041.SH）披露三季报，前三季度营收同比增长57.58%，其中第三季度进账58.56亿元，单季营收刷新纪录。寒武纪（688256.SH）和摩尔线程（688795.SH）的三季报还没露面，可两家2026年上半年营收的同比增速已分别达到108.13%和147.42%。

能交出这样的数字，一边是AI算力需求猛涨、厂商自己多年攒下的技术底子，另一边也少不了外部环境的推托。国产替代这几年一直在往前走，美国出口管制又把英伟达高端芯片挡在对华销售门外，国产芯片碰到的海外对手因而有限，订单来源也相对稳当。

另一头，国产大模型和国产芯片的磨合越来越顺，各家在模型适配上的差距正被抹平。2025年1月DeepSeek-R1开源，多数国产芯片十多天后就陆续接上；到了同年9月DeepSeek-V3.2-Exp开源，华为昇腾、寒武纪、海光信息等已经能当天完成适配。

2026年10月15日，阶跃星辰开源新模型Step 5 Preview，华为昇腾、摩尔线程、沐曦股份、壁仞科技（06082.HK）以及海光信息的DCU（深度计算处理器）等国产芯片，均在当日完成适配。模型开源当天就适配到位，业内管这叫“Day 0适配”，在头部国产芯片厂商里已不算稀奇。随之而来的结果是，靠模型适配拉开的差距正在收窄，国产厂商之间的较量越来越充分。

记者采访下来发现，国产算力芯片的比拼已经不局限于芯片本身，软件迁移、系统效率、供货保障这些算力落地的环节都成了战场。换句话说，靠外部环境“躺赢”的日子，正在翻篇。

软件迁移

已经跑通的“Day 0适配”，针对的主要是新发布的模型。软件层面的较量并没到此为止，存量应用往国产算力平台上搬，人力投入依旧不小。

以Step 5 Preview开源当天为例，华为昇腾和壁仞科技都是依托开源推理框架完成适配。芯片厂商的基础软件接进这类框架后，新模型一出，主要活儿就是补齐新模型涉及的运算模块（业内叫算子），再调精度和性能。存量应用就没这么省事了，不少行业用户的软件，最早是在国外的硬件和软件环境里开发出来的。

中科曙光（603019.SH）高端计算总工程师卜景德对经济观察报记者说，随着公司基础软件逐步完善，科学计算领域的主流软件环境如今基本都能支持，适配工作量因此降了不少；不过那些长期以CPU为主的应用，迁移适配还是存在一定难度和投入。

卜景德进一步解释，商业软件拿不到源代码，适配起来比较费劲；有源代码、开发团队又在国内的，合作相对容易；科研团队自己写的算法，移植时上手也偏慢，要做深度适配和优化，往往得拉几十人的队伍，有的项目接近一两百人。

用户的体会更为直观。中国石化胜利油田物探研究院首席专家张猛在接受记者采访时说，研究院原本的自研勘探软件全部跑在国外商业硬件上，搬到国产平台“不是把东西简单地从左手拿到右手”，程序架构、语言、接口都得重新改。

想把迁移门槛降下来，厂商在基础软件上就得持续砸投入。2025年8月，华为轮值董事长徐直军对外宣布，昇腾的基础软件CANN（连接昇腾芯片与上层AI框架的软件）全面开源开放，就是一例。

国内一家头部芯片厂商的相关负责人告诉记者，算力硬件和软件模型的种类不断增多，会带出专门做中间件服务的厂商，在各类硬件与软件之间牵线适配。这位负责人认为，AI Infra（AI基础设施软件）这种新形态正是这样冒出来的；芯片厂商能管的是最基础那部分，软件生态还得靠更多伙伴一起补。他还提到，工业制造等领域里，国产软硬件的占比目前仍然偏低。

中科曙光副总裁曹振南也向记者提到，为了让硬件更好用，中科曙光在软件人员上下了重注，且主要压在系统软件层面。他的看法是，用国产芯片搭算力平台，得有一套够厚的软件栈，库、开发环境、编译工具都算在内。此外，算力系统要不停迭代，硬件通常跑得比软件和应用快一点，先有硬件平台，应用软件才长得起来。

曹振南认为，性能、规模、性价比之外，好不好用、应用门槛高不高，接下来或许会成为评判国产算力的一个关键尺度。

系统效率

软件之外，算力系统自身的效率也在拉开差距。芯片数量相同，搭出来的系统效率可能天差地别；大规模集群渐渐成为大模型部署的常见形态，这种落差还可能继续放大。

中科曙光高速网络互连产品部总工程师万伟告诉记者，模型越做越大，八张计算卡（单台AI服务器的常见配置）已经装不下一个完整模型，只能走分布式架构，让多个节点一起扛，数据就得在节点之间来回频繁交互。

训练也好，推理也罢，多卡并行计算都绕不开通信同步依赖。只要有一部分计算卡出现异常延迟，别的卡就得干等，整个集群的计算效率随之被拖累。万伟判断，大规模AI计算走向集群化是必然的，计算、网络、存储三者的协同效率，是决定整个集群性能的关键。

华南一家大型券商的半导体分析师同样告诉记者，超节点（用高速互联把大量AI芯片连起来协同工作的系统）正慢慢成为大模型部署的门槛，推理所需的配置已从去年的八卡一体机升格为超节点。

举例来说，7月开源的Kimi K3参数规模有2.8万亿，月之暗面官方建议本地部署时采用64个及以上加速器组成的超节点。上述分析师判断，超节点在2026年第三季度已经走到批量放量的拐点，2027年渗透率有望加速上行。

他补充说，超节点真正的意义，是用系统架构层面的创新把算力效率拉上去。计算密度提高之后，芯片内存可以统一编址、直接访问；相比过去靠堆服务器数量做横向扩展，通信损耗能从30%—40%压到10%以内，算力利用率由60%—70%升到90%以上，万亿参数级模型的训练周期也从数月缩到数周。

在他看来，国产芯片单卡性能跟海外芯片还有差距，超节点是追赶的一条路子。他还提到，云厂商的资本开支可能不再只是买芯片，而是逐步转向买整套系统；超节点的交付形态也从单台服务器变成整机柜、甚至多机柜，牵扯到计算、网络、制冷和供电，方案复杂度上了一个台阶。这样一来，份额会更多往头部服务器整机厂商那边靠。

9月9日，京东集团（09618.HK）技术委员会主席、京东云总裁曹鹏对外披露，京东云计划搭建一个十万卡规模的智算集群，GPU选用摩尔线程产品，算力将面向全行业开放。按曹鹏的说法，摩尔线程在大规模集群交付上已有成熟经验，这正是京东云所看重的。

IDC的数据显示，2026年上半年，英伟达在中国数据中心AI芯片市场的份额已经滑到34%，华为则拿到28%。这家市场研究机构在报告里还提出，中国AI芯片的比拼重心，正从单颗芯片的性能转向大规模计算系统的效率。

不过，集群越铺越大，对芯片稳定供应的要求也跟着抬高了。

供货能力

AI芯片离不开高性能存储，而存储芯片还在持续紧缺。供货稳不稳、能不能连续，慢慢成了国产算力芯片厂商的一项竞争力。

集邦咨询近日给出预测：2026年第四季度，一般型DRAM（也就是常规内存）合约价环比将涨10%—15%。DRAM原厂还在把先进制程优先投向服务器用的高性能产品，整体市场依旧供不应求，只是价格涨势比之前缓了一些。另据该机构预计，2027年HBM（AI芯片搭配的高带宽内存）整体平均售价同比涨幅可达121%。在集邦咨询看来，AI服务器需求不断扩张，HBM和一般型DRAM还在争抢有限的先进制程与晶圆产能。

前述芯片厂商相关负责人也告诉记者，从晶圆到基板，上游各个环节都顶着涨价压力，芯片产能眼下受外部供应链波动牵制，其中内存的影响最大。据其介绍，公司在设计阶段就已把这一因素纳入考量，后续产品会尽量做到不增加成本或只增加少量成本，就能兼容更多类型的内存，以此应对内存供货与价格的起伏。

在前述半导体分析师看来，存储供给仍是眼下卡住国产AI芯片的主要瓶颈之一。随着国产存储厂商技术逐步进步、产量往上走，这个瓶颈接下来有望一点点松动，国产算力芯片的出货也会跟着增长。

国内DRAM厂商长鑫科技（688825.SH）近期透露，其新DRAM架构已有进展，新一代服务器内存预计年底推出，存储密度有望提高。就当前情况看，该公司在2026年前三季度业绩预告中称，AI算力需求增长很快，DRAM产品供不应求、价格大幅上涨，公司产能利用率一直处在高位。

不少芯片厂商的直接应对办法，就是加大备货。

据前述芯片厂商的相关负责人介绍，其所在公司制定备货计划通常要提前一年，先根据市场调研预测下一年的出货量。备货不能拍脑袋，可一旦备少了、产能又跟不上，市场供应就会吃紧。

财报数据反映出，多家国产算力芯片厂商都在加码备货。到2026年6月末，寒武纪存货比上一年末增长66.83%，增量主要是原材料和委托加工物资；同一时期，摩尔线程存货从2025年末的13.32亿元升至35.50亿元。

到2026年9月末，海光信息的预付款项（即提前付给供应商的钱）由2025年末的28.85亿元增加到58.85亿元，存货从64.06亿元增加到89.21亿元。该公司在三季报中解释，为配合市场销售规划、保证供货能力并抓住市场机会，公司按经营策略扩大了备货规模，原材料采购支出同比明显上升。

前述半导体分析师还认为，今明两年国产算力芯片的需求支撑依然较强，但近期国产算力卡供给出了问题，算力基础设施的部分需求因此受到压制。