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

华创证券2025-12-2435 页

报告概述

报告以GPU算力芯片为核心研究对象，覆盖全球及中国GPU市场规模、技术架构对比、AI大模型算力需求逻辑、海外巨头竞争格局以及国产替代进展。采用产业链分析、公司对比、数据驱动的方法，梳理了从Scaling Law到商业闭环的逻辑链条，为投资者理解算力芯片产业现状与未来方向提供参考。

大语言模型遵循Scaling Law法则，性能提升高度依赖海量算力。多模态、强推理等演进方向进一步推动算力需求刚性增长，GPU因其并行计算优势和成熟生态成为AI训练与推理的主力芯片，算力即生产资料的逻辑正在兑现。

英伟达数据中心GPU市占率超90%，产品持续迭代（如GB300专为推理优化），CUDA生态大幅降低开发门槛，形成深厚护城河。北美科技巨头资本开支高增并与英伟达签订大额采购协议，进一步强化其卖铲人角色。

2023-2025年美国多次修订管制规则，限制高端GPU对华出口。国家政策持续加码支持算力产业，国内厂商如寒武纪、海光信息、摩尔线程、沐曦股份等加速追赶，产品已逐步进入互联网、金融等关键行业，但整体仍处于商业化早期。

海光信息借力信创CPU实现规模盈利，寒武纪依赖大客户验证在2025年收入爆发并扭亏，摩尔线程和沐曦股份因成立时间较短，预计最早分别于2027年、2026年实现盈利。各厂商技术来源不同，分别来自中科院、中科曙光、英伟达、AMD等，决定了发展路径差异。

大模型性能遵循Scaling Law，即模型能力与计算量、参数量、数据量正相关，训练和推理均需海量矩阵运算。GPU拥有大量并行计算核心，能高效处理这类任务，将训练时间从数月缩短至数天。未来多模态、强推理方向将进一步推高算力需求，GPU成为不可替代的基础设施。

英伟达凭借持续领先的硬件产品（如GB200、GB300）和CUDA软件生态构建了双重壁垒。硬件上，其GPU在训练、推理性能上代际领先；软件上，CUDA提供从编程框架到优化库的全栈支持，开发者生态成熟，大幅降低迁移成本。叠加与云厂商的战略合作，市占率超过90%。

主要厂商包括寒武纪（聚焦AI芯片，MLU590性能领先）、海光信息（CPU+DCU双线，深算三号进展顺利）、摩尔线程（全功能GPU，MUSA架构，推出平湖架构）、沐曦股份（全栈GPU，曦云C500量产）。各厂商收入规模差异大：海光信息最大，寒武纪2025年爆发，摩尔线程与沐曦仍处商业化前期。

美国多次扩大管制范围，限制英伟达高端GPU对华出口（如GB200、GB300），但允许H200出售。这直接导致国内AI算力供给缺口，倒逼国产替代加速。国家出台政策支持算力芯片攻坚，为国产厂商创造市场窗口。但代工供应风险仍在，部分厂商依赖海外晶圆代工。

10,515.37

2024年，据弗若斯特沙利文测算，2024年全球GPU市场规模为10,515.37亿元人民币。

996.72

2024年，中国AI智算GPU市场2024年规模为996.72亿元，年均复合增长率62.5%。

1300万亿

2025年10月，谷歌月度Tokens调用量从5月的480万亿增长至10月的1300万亿，与产品更新步调一致。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整市场数据与趋势图表：包含全球及中国GPU市场规模、AI智算GPU细分市场数据、增速预测等图表，直观展示行业增长趋势。
技术架构对比分析：详细对比GPU、FPGA、ASIC、NPU四种AI加速芯片的优劣势、应用场景和成熟度，帮助理解GPU为何成为主流。
海外巨头深度分析：梳理英伟达产品路线图（A100至GB300）、CUDA生态构成、与微软/Oracle/OpenAI等战略合作细节，以及北美云厂商资本开支指引。
国产GPU厂商横向对比：从技术渊源、产品路线、收入规模、盈利能力、商业化节奏五个维度对比寒武纪、海光信息、摩尔线程、沐曦股份，并附有创始团队来源表。
出口管制政策演变：详细列举2023-2025年美国出口管制规则修订历程及具体限制内容，分析对国产算力的影响。
投资逻辑与标的价值分析：阐述算力芯片投资主线，并分别对寒武纪、海光信息、摩尔线程、沐曦股份、中芯国际、华虹公司等标的进行业务、财务和前景分析。
风险提示：包含下游需求不及预期、国产替代进展不及预期、代工供应风险三大风险因素。
行业研究方法与投资评级说明：解释了报告使用的分析框架、数据来源以及华创证券的评级体系。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。