从战略防御到主动出击国产AI基础设施的价值升级

目录芯片投资逻辑的三层结构 1芯片产业链：先进制程、内存等上游存在强约2产业链分层 2上游关键约束：制程、与先进封装三重瓶颈 3制程工艺：可验证节点与不确定节点 3供应链最薄弱环节，平头哥PPU使用4产能理解框架：Fabless的产能是系统能力而非月产量 5先进封装类）：第三大系统性瓶颈 5行业竞争格局：数据来源的口径说明 6平头哥：阿里云硬件底座+全栈多产品线战略 7公司基本面与组织来源 7发展历程 7产品矩阵深度分析 8含光800：推理芯片 8真武系列训练/推理加速器（核心战略产品） 8倚天710：服务器降本逻辑的关键硬件） 10镇岳510：SSD主控芯片 玄铁RISC-VIP：出货确定性最强的现金流产品 战略定位评估：全栈布局的优势与代价 昆仑芯：聚焦加速器主航道，工程化与资本化领先 13公司基本面与组织演进 13发展历程 13产品矩阵与参数分析（含M100/M300及天池超节点路线图） 14第一代\第二代昆仑芯片（K、RG800系列）：技术验证期 14第三代P800：集群工程能力的核心证明（关键产品） 14昆仑芯M100/M300及天池超节点路线图 14软件栈策略对比（决定中长期竞争力的关键） 15行业空间测算 15市场空间 15需求驱动的结构分析 16国产替代渗透的关键驱动与制约 16利润率改善路径 17芯片利润率结构 17利润率改善的三阶段模型 17投资评价和建议 19风险分析 20表目录表1：芯片设计与成本各节点对比数据表（单位：百万美元） 1表芯片产业链 2表平头哥与昆仑芯产品规划及制程信息梳理 3表国内先进封装跟踪指标体系 6表5:2025年中国加速卡国产厂商出货格局 6表6:平头哥基本信息 7表7:平头哥关键里程碑 7表真武系列产品路线图 8表真武810E披露规格 9表平头哥产品线战略矩阵 11表国产芯片机柜级交付方案 12表昆仑芯基本信息 13表昆仑芯关键里程碑 13表算力需求三层结构 16表15:芯片各收入层毛利率参考范围 17AI芯片投资逻辑的三层结构本报告借鉴云计算研究的空间×变现两问框架，但AI芯片的竞争机制与云计算存在根本差异，需进行核AI芯片的护城河优先级是软件栈生态兼容>>（先进制程、HBM、先进封装）并持续受出口管制影响。本报告回答的两个核心问题。问题一（空间）：训练/推理需求增长×国产化替代率×可获得的有效供给（///集群交付）=潜在市场空间。三者的乘积关系意味着任何一项受限都会成为整体瓶颈，而非线性叠加。问题二（变现）//（/（OEM→解决方案商升级）（如n/n下的AINR（on-ecuringEngineering，一次性工程费用（Mask）（Tape-out）以及核心研发团队AI芯片的NRE投入可达数千万甚至数亿美元1固定运营成本包括晶圆厂绑定资金、测试设备折旧、维持基础团队的开销等。（可变成本，如多印一片晶圆的钱其实相对稳定。NRE（非关联交易或非政策性补贴客户）开始接受，产品进入标准化量产。这个阶段不靠涨价赚钱，而是靠“把分母做大”。当出货量从1万张卡冲到万张、万张时，前期的流片和研发固定成本被稀释，毛利率和净利率实现非线性提升。②软件栈/工（类似。软件研发在前也是一种变相的。但软件成熟后，其复制的边际成本几乎为零。此时，高毛/超节点方案溢（方案。此时企业拥有系统表1：芯片设计与NRE成本各节点对比数据表（单位：百万美元）工艺节点 数据系列 NRE/设计成本估值 估算范围 置信度 数据来源IBSTotal28nm

CostIBSTotalCost

约$40M-$51M $40M–$51M 约$100M-$106M $100M–$106M

IBS/SemiEngineering基准IBS/SemiEngineering基准7nmIBSTotal7nmIBSTotalDesignCost约$217M-$297MIBS(HandelJones)报$217M–$297M 告Real-7nmWorld$62M$50M–$75MSemiAnalysis(2022年Medium(AIchip,7月)adjusted)IBSTotal5nmDesign$479M$416M–$542M CostReal-IBS/SemiEngineering(2023年)5nm3nm

World(AIchip,adjusted)IBSTotalCost

$240M $200M–$280M Medium$585M $581M–$590M

SemiAnalysis调整值(2022年7月)IBS(HandelJones)(2023年)BS，SemiEngineering2，SemiAnalysiAI芯片产业链：先进制程、内存等上游存在强约束产业链分层+设计公司不同——表2:AI芯片产业链层级 核心内容层一：EDA工具与IP核（上游最上层）

Synopsys、Cadence（EDA）；ARM、RISC-V（ISA）；平头哥（玄铁RISC-V+倚天710ARM）层二：晶圆代工 台积电（5/7nm主力）、中芯国际（N+1/N+2）；出口管制风险HBM（SK海力士/三星）、CoWoS封装（台积电/长电/通富）、互联芯片层三：先进封装与关键物料中游：AI芯片设计（核心标的层）

（博通/平头哥自研）平头哥（含光/真武/倚天/镇岳/玄铁/ICN全栈）、昆仑芯（K/RG/P/M系列）、华为昇腾、寒武纪中下游：服务器/系统集成 浪潮、华为、新华三、超聚变下游：算力消费端 互联网大厂、三大运营商、政务/金融/车企海外峰网3，昆仑芯4，证券时报5上游关键约束：制程、与先进封装三重瓶颈制程工艺：可验证节点与不确定节点制程节点是AI芯片算力密度的物理基础。关于国产先进制程，中芯国际目前量产的最先进节点为N+2（约7nm级），用于华为麒麟9000S（Mate60）与昇腾910B的计算die；下一代N+3（约6nm级）用于麒麟9030，其M0金属层节距32.5nm、晶体管密度约113.4MTr/mm²，与TSMCN6持平，并非N3等效节点6。N+2缺陷密度（D0）约0.14，约为TSMCN5/N6的2倍，良率显著低于台积电，导致单die成本偏高。由于缺乏EUV，N+3在关键层需采用SAQP（自对准四重图形化），光刻成本较有EUV的方案高约55-60%，整体制造成本约高20%7。对平头哥、昆仑芯等国产芯片的隐含约束即在5nm及以下档位切换至国产代工，需同时承担良率与多重图形化的成本溢价8。制程扩散是中期利好。SMIC在政府主导下正向华虹（HLMC/HuaHong）授权N+2、N+3工艺，使产能瓶颈从单一晶圆厂转向生态系统9，平头哥、寒武纪等设计公司将是这一工艺扩散的主要受益者，这意味着即使自主先进制程仍存代差，其可获得性在中期将显著改善。表3:平头哥与昆仑芯产品规划及制程信息梳产品 制程 信息来源阿里巴巴团队在HotChips2020大会官方技术演讲披露。平头哥含光800 12nm平头哥倚天710 5nm平头哥真武PPU

2019年云栖大会现场CTO张建锋接受行业媒体专访通报。SPECCPU2017IntegerRate710CPUspecGPGPU96GBHBM2e700。810E

未公开披露 平头哥官网披露其采用GPGPU架构、配备96GB显存、片互联宽700。平头哥官网披露其采用GPGPU架构、配备144GBHBM3显存、片间互联带宽800GB/s（配合平头哥真武M890 未公开披

同步发布的自研ICNSwitch1.0互联芯片），对标NvidiaH20。平头哥真武V900 未公开披露 3Q27上市显存，1200GB/s互联带，粗估计位接近弱于B200平头哥真武J900 未公开披露 3Q28上市3https:///category/industrynews/hhLZijoIRKKNYw8g.html4https:///news/4791.html5https:///article/detail/3690359.html6/p/steel-smic-n3-teardown,/p/fab-whack-a-mole-chinese-companies.7由于ASML的EUV曝光机被严格管制，中芯国际只能使用ArFi（浸没式氟化氩）DUV曝光机通过多重图形化（MultiplePatterning）甚至多重SemiAnalysis求5560%20%8/p/china-ai-and-semiconductors-rise.9/p/steel-smic-n3-teardown.海外平头哥镇岳510 未公开披露 定位企业级PCIe5.0/DDR5主控芯片，内置玄铁910多核CPU。昆仑芯K系列（第一代）昆仑芯第二代（含RG800）昆仑芯P800（第三代）

nm7nm7nm

第一代自研XPU架构，INT8256TOPS/FP1664TOPS，16GBHBM，512GB/s互联PCIe4.0x8，TDP150W，对标NvidiaT4XPU-R架构，INT8256TOPS/FP16128GDDR6512GB/s，TDP130WPCIe4.0x16XPU-P架构，INT81000TOPS/FP16TFLOPS，HBM带宽3.2TB/s600昆仑芯M100 未披露 百度2025世界大会官宣布年初产上，定推理昆仑芯M300 未披露 百度2025世界大会官宣布年初产上，定训练仑芯，阿里巴巴平头：供应链最薄弱环节，平头哥PPU是AI加速器供应链中价值量高、供给高度集中且对中国更难实现完全自主可控的关键环节之一，主要供给来自SKMicron等少数厂商。真武路线图披露的单卡内存容量（810E、M890、V900HBM价格高企与供给紧张的公开研究，可被解读为行业在内存容量/带宽维度持续抬升、同时也更暴露出HBM的供给约束。公开成本模型亦显示HBM已成为AI加速器的最大单项之一，H100/H200HBMBOM50%HBM容量与代际提升而进一步抬升；TrendForce还指出HBMDDR55倍10，这使其成为国产AIBOM中最昂贵且最难国产化的关键部件之一。的本质是带宽换面积，每个HBM3E1024-bit总线（DDR5倍）经TSV在单颗封装内提供TB/sDDR（TSV与堆叠开销），且每die面积约为同容量die2倍。这意味着11。代际规格锚（用于校验810E/M890的HBM档位）：HBM2E单堆栈带宽约460GB/s（A1006颗堆80GB/2.0TB/s）；HBM3E12-Hi单堆48GB、峰值8Gbps；HBM4（2026年随NvidiaRubin/AMDMI400首批搭载）总线宽度翻倍至2048-bit、JEDEC标称6.4Gbps、单堆约1.6TB/s。平头哥真武810E配96GBHBM2E、M890升至144GB，对应国际主流的HBM2E→HBM3。下一代V900（216GB、1200GB/s）若要兑现规格，需切换至HBM3E及其先进封装，是后续产能可得性的关键跟踪点12。中国本土化目前仍处于研发阶段，尚未进入量产。长鑫存储（CXMT）HBM2年上半年量产，TSV年底接近美光规模；华为体系内武汉新芯（XMC）流片晶圆、盛合晶微已被列入实体清单。因此短期内平头哥/昆仑芯仍需依赖SK海力士/、XMC量产节奏是国产化时间表的两大跟踪指标13。TrendForce58–63Flash70–75%14。云厂商已出现面向AIGPU25–34不等10https:///presscenter/news/20240506-12125.html11/p/scaling-the-memory-wall-the-rise-and-roadmap-of-hbm.12/p/scaling-the-memory-wall-the-rise-and-roadmap-of-hbm；810E/M890规格来自阿里云官方13/p/scaling-the-memory-wall-the-rise-and-roadmap-of-hbm.14https:///presscenter/news/20260331-12995.html海外15，灵骏相关存储计费项上调30%。在供需紧张与产能结构调整背景下，存储与HBM相关的供给约束可2027年162026年重大项目与重点建设项目清单，年度重大项亿元量级BM国产化进展（如长鑫HBM3/3E、后段封装产能投放）将成为国产算力供应链的重要变量。的产能是系统能力而非月产量平头哥与昆仑芯均为Fabless设计公司，其有效产能不等于自有产能，应理解为三层能力的综合：①能否稳定获得先进制程/封装/HBM配额（供应链管理能力）；②是否具备可复制的整机/集群级交付能力（OAM/机架/网络）；③母公司资本支出消化优先级与外部客户增量的平衡节奏。先进封装（CoWoS类）：第三大系统性瓶颈对于AI芯片，其成品算力卡的生产流程是：晶圆代工（制程）→2.5D/CoWoS类封装（将主芯片Die与HBM在中介层上集成）→基板封装→整机组装。即使拿到了HBM，即使获得了先进制程晶圆，如果没有2.5D先进封装产能，依然无法产出成品加速卡。先进封装是核心瓶颈18的原因在于光刻reticle极限，193nmArF光刻单次最大可曝光面积约为33mm×26mm（≈858mm²），而现代旗舰GPU（如H100的814mm²）叠加6-8颗HBM后，总面积远超单片reticle，必须借助硅中介层（interposer）将逻辑die与HBM在一个封装内高密度互连，才能组成一张可工作的加速卡。CoWoS三种形态的工程含义：CoWoS-S（硅中介层）是当前出货量最大的平台19，密度最高但中介层仅约微米厚、易脆裂，目前TSMCreticle面积；CoWoS-R用有机中介层降本但牺牲I/O密度（AMD曾因此从-S）；CoWoS-L引入有源/无源硅桥（对标Intel可支持更大封装，TSMCreticlesupercarrier20，国内长电科技、通富微电验证主要对标CoWoS-S路线，距仍有代差。CoWoS长期供不应求，这意味着对国产厂商，即便解决了制程与HBM，能否获得稳定的2.5D封装产能（无论是TSMC通道还是国内长电/通富）仍是规模放量的系统约束21。对投资人而言，CoWoS类产能的可获得性比良率更早成为瓶颈，是2026-2027年出货指引能否兑现的前置变量。本土封测企业如长电科技、通富微电等龙头企业，凭借持续的技术研发与资金投入，在先进封装领域实现关键突破：1）长电科技：XDFOI平台覆盖全封装类型，2026年CoWoS月产能规划0.5-0.8万片，良率75-80%。此外在光电合封（CPO）技术领域取得重要进展，硅光引擎产品已完成客户样品交付并通过测试；技术已通过华为昇腾年国产替代订单增长盛合晶微：专注Chiplet年获超亿元融资，用于加速三维多芯片集成项目。15https:///en/notice/notice_price_adjustment_for_ai_compute_and_storage_services_6ef?_p_lc=116https:///presscenter/news/20260529-13068.html17https:///zwgk/xxgk/ghjh/zfgzbg/202602/t20260210_2727545.shtml，https:///news/a20260428PD211/ymtc-xmc-memory-chips-expansion-investment-2026.html18/2021/12/15/advanced-packaging-part-1-pad-limited/19/p/advanced-packaging-part-2-review20表4:国内先进封装跟踪指标体系海外跟踪维度 监控指标数据来源关键阈值产能可得性 长电/通富/盛合CoWoS类月产能增长节奏封测公司季报/产能公告2027年三大厂合计CoWoS类产能颗数能否突破500万颗/年（约2万片晶圆/月）良率改善 国内2.5D封装良率能否向积电拢行业报告/客户案例低良率将严重推高BOM成本客户绑定 华为昇腾/寒武纪/平头哥/昆仑是否封测报长电/通富年报出现即为强信号中出现为客户台积电通道 台积电oWoS对华供应已受IS实质限2BIS政策更新/收窄将迫使两家公司加速切换国内封装关注管制是否进一步收严台积电财报HBM-封装长鑫HBM3能否于2027年形成批量出货+国内封测一体化 厂CoWoS良率能在同期到产业新闻实现则供应链约束大幅降低不压桥研究院22，21世纪经济报道23，各公司公据IDC报告，2025年中国AI加速卡出货约400万张，本土厂商约165万张（41%）。厂商层面出货量：华为约81.2万张，阿里T-Head约26.5万张，百度昆仑芯与寒武纪各约11.6万张。表5:2025年中国AI加速卡国产厂商出货格局排名公司出货量（估）核心产品国产第1华为昇腾约81.2万张910B/910C/950系列国产第2平头哥（阿里）约26.5万张（2025全年）；累计56万片（截至2026-05）真武810E/M890PPU国产第3-4昆仑芯（百度）约11.6万张P800/RG800国产第3-4寒武纪约11.6万张（出货）；2025销售量117,436片思元590DC24，阿里巴巴财报，寒武纪年Capex拓的典型，平头哥的核心差异化来源于母公司阿里巴巴的内部业务负载（通义大模型集群、飞天操作系统）对系列通过与自研云服务器及难以规避的“虚拟化税”。其降本动力并非来源于传统渠道溢价的压缩，而是自研ASIC剥（Agentic高并发推理等边缘工作负载时，这种自研自用（Captive）模式驱动其在前期信息黑盒期内便完成了极其庞大的隐形资产堆叠。、昆仑芯软件栈及承载最新大模型工作负载。昆仑芯已将软件栈的优化重心从早期的自动图编译剔除，推22https:///articles/7473923https:///article/20260530/f7b4bdbbae89d08b6b06174dfad99ea3.html24https:///article?id=50ACFD5DE1EB4466813C3AD76F918B27海外进至针对稀疏矩阵的硬件级动态调度与片上ScratchpadSRAM的显式流水线流控上。其原生享有飞桨（PaddlePaddle）开源生态库的底层硬编码保护。在无需进行大规模跨机柜张量并行拆分的场景下，其在单机8卡大模型满血部署（如主流推理及大语言模型深度思考流）的原生异构适配上展现出极高的性价比，构成了对平头哥“超节点机柜”的错位竞争。3、寒武纪(Cambricon)：“纯商用中立标的”的独立市场锚点。寒武纪的底层壁垒在于其完全独立于Hyperscaler之外的纯粹中立性。它是非云互联网大厂、地方主权智算中心以及第三方算力租赁市场在实施“去美化替代”采购时的第一商用锚点。寒武纪具备完全自主的MLLink高速片间互联总线与智能加速服务器整机研发能力，拥有完备的节点内Scale-Up纵向扩展方案，但在面临跨机柜、万卡级超大参数量多模态训推场景时，作为独立通用芯片，其放量斜率往往受到第三方网络交换方案与多源算子库异构编译等外部系统工程的摩擦力制约。平头哥：阿里云硬件底座+全栈多产品线战略公司基本面与组织来源表6:平头哥基本信息维度内容来源成立时间2018年9月19日阿里云栖大会公开宣布，工商注册日为2018年10月31日组织来源达摩院自研芯片团队+收购中天微（嵌入式CPUIP核公司）公司公告股权结构阿里巴巴集团100%全资公开资料业务定位云端一体全栈芯片：AI算力+服务器CPU+存储+互联+RISC-VIP官网截至2026-05真武系列累计56万片，外部客户化率>60%2026阿里云峰会披露司公告，企查查25，阿里巴巴电话会，一财网26，证券时报27，钛媒体28发展历程表7:平头哥关键里程碑时间 事件/里程碑 关键细节与参数2018/9/19成立平头哥半导体阿里整合内部芯片业务与中天微，以全资子公司形式成立2019/9/19阿里云X-Dragon架构第三代发布软硬一体架构升级，降本增效，服务数百万台服务器2019/9/25 含光800发布（推理芯片）

12nm工艺、170亿晶体管、峰值820TOPS；配套HGAI软件开发包25/jjxw/2026-06-22/doc-iniehmvs0245911.shtml26https:///news/100029860.html27https:///article/detail/3611098.html28https:///7997773.html海外2021/10/19 倚天710发布（服务器CPU）镇岳510发布（企业级2023/11/1控）镇岳510在阿里云EBS规模化上2025/3线玄铁（XuanTie）RISC-VIP累计授持续运营权出货2026阿里云峰会多项发布及数据披

5nm制造，采用ARMv9架构（基于NeoverseN2），128个核心、最高3.2GHz支持PCIeGen5；3400KIOPS、14GB/s、能效比420KIOPS/W读写混合场景长尾时延压缩92%累计出货超40亿颗真武M890发布：144GBHBM/800GB/s互联/810E×3性能ICNSwitch1.0发布：自研互联芯片，25.6Tbps2026/5/20露

AL128超节点发布：128卡路线图公开：首次公开V900（2027Q3）/J900（2028Q3）里巴巴云栖大会29，IT之家30，EETOP31，21IC32，快科技33产品矩阵深度分析含光800：推理芯片含光0nm00TAIDK对应云内推理加速场景，与训练卡定位不同——推理场景更强调吞吐量/时延控制/部署成本，而非峰是平头哥产品家族中商业化时间最长、验证最充分的产品。真武系列PPU：训练推理加速器（核心战略产品）在2026阿里云峰会上，平头哥在发布新一代训推一体AI芯片真武M890的同时，首次对外公开了真武系列芯片的完整产品路线图。未来两年将陆续推出算力更强的真武V900与真武J900两代芯片。表8:真武系列产品路线图产品代号 发布规划时间 核心规格 性能对比 状态/来源真武810E（PPU）M890

2026年1月首次公开披露规格2026-05-20发布（2026阿里云峰会）

96GBHBM2e700GB/s；PCIe5.0×16；TDP400W144GBHBM；片间互联800GB/s；支持FP32-FP4全精度；性能是810E的3倍216GBHBM1200

基准代≈810E×3≈810E

量产，已规模部署/阿里云帮助文档已发布，应用于磐久AL128超节点/阿里云峰会官方发布路线图规划，规格已官方披露真武V900 规划：2027年

能是M890的3倍（即810E的约9倍） ×9

/2026阿里云峰会29https:///news/201909251513.html30https:///0/581/322.htm31https:///semi/6960270.html32https:///a/983507.html33/tech/roll/2026-05-20/doc-inhyphnr7066620.shtml海外真武J900 规划：2028年

「自研并行计算架构跨越革新，性能持续突破」

≈810E×27+

路线图规划，规格未披露/2026阿里云峰会里巴巴，EETOP34，CFM35，钛媒体36AI芯片路线图，2027年第三季度将推出真武，该芯片采用深度迭代的自研并行计算架构，性能达到真武3倍，配备显存，片间互联带宽提升至s；年第三季度将发布真武，实现自研并行计算架构的跨越革新，性能将持续突破，具体参数暂未公布。表9:真武810E披露规格参数项真武810E规格H100SXM（对照）差距量化TDP400W700W810E功耗显著更低形态OAM（开放加速模块）SXM同为数据中心标准形态接口PCIe5.0×16PCIe5.0相当显存容量HBM2e96GBHBM380GB810E容量更大显存带宽2765GB/s3350GB/sH100约高21%片间互联带宽ICN700GB/sNVLink900GB/sH100约高29%晶圆制程未披露4nm（台积电）无法比较FP16算力未在文档中明确披露989TFLOPS无法直接比较软件兼容策略+CUDA原生兼容层路径vidia37，阿里巴巴38平头哥新一代训推一体AI，性能是真武3倍[其核心技术内涵是指“特定大模型训推负载下的系统级综合890增加了对FP4/MXFP8等极窄低精度格式的原生矩阵乘法加速。从，在相同的晶体管面积和功耗下，硬件乘法器的吞吐量在数学上能实现倍的提升；2）网力总线拓扑的升级：从的演进到的Switch）大内存容量对张量并行的解放：144GBBatch，从而让芯片长时间处于“算力饱和满载”状态，避免了时代因为小显存频繁进行内存换入换出带来的性能黑洞。，原生支持等多种数据精度，可应用于高精度训练、低精度和超低精度推理的全场景；配合自研Switch芯片，可实现64卡全带宽互联，显著提升大规模智算集群计算的效率与稳定性。在2026阿里云峰会上，阿里发布基于平头哥新一代AI芯片真武M890的128卡超节点服务器，搭载互联芯片ICNSwitch1.0，通信时延低至百纳秒级，可让128张AI芯片组成一台计算机，满足海量Agent并发推理和大模型训练需求。对标NVIDIA，平头哥用“容量空间”对冲“制程带宽代差”。在受限的本土代工良率与互联总线总带宽约束下，平头哥选择了一条务实的路径：通过撑大单卡物理显存容量，强行在单卡或单机柜内部塞下万亿参数34https:///news/202601293643.html35/a/18388336https:///7997773.html37https:///en-us/data-center/h100/38/zh/document_detail/2864586.html海外MoE的全部动态Token。这种设计大幅降低了跨节点、跨机柜进行张量并行（TP）拆分时对极致网络总线的依赖，用单片内容积的富余，非对称地抹平了物理网力的代差。H10080GB，但其采用的是颗粒，显存带宽（2.7OAM进阶基础设施包装的A100/准Hopper性能卡。对齐H200规格。由于其具备原生算力，在面对大模型高并发推理时，其实际输出的H20。B2001200GB/s（低于1.8TB/s），在牺牲一定跨单元张量扩展斜率的代价下，换取单卡显存容积。Switch1.0的发布标志着平头哥已从做芯片升级为做集群互联生态。自研互联芯片是英伟达的对标产品，是构建超大规模算力集群的关键基础设施组件，也是系统级议价权的核心来源。目前，平头哥已推出真武系列AI芯片、倚天系列ARM、磐脉系列智能网卡、镇岳系列存储主控芯片、ICNSwitch互联芯片等数据中心核心芯片，实现算力、网力和存力的全栈自研。国产卡普遍强调对CUDA、RoCM等的兼容，但是适配路线和效果仍然存在差距。平头哥的软件栈策略是“CudaRT/CuDNN同名接口库+源码级编译兼容”39。这种“翻译层”在处理标准Transformer模型时能DeepSeek采用非标准算子训练推理，核心难点在于指数位共享机制（一个内所有元素共享一个指数缩放因子），这要求芯片底层的Tensor的反量化流水线。如果编译层无法将这一机制映射，将导致每个元素都要做独立的缩放计算，算力利用率从理论峰值大幅衰减。2）DeepSeek为了提升推理吞吐量并且优化内存效率，采用MLA压缩Cache，难点在于Latent的解压缩计算与AttentionScore的融合流水线。压缩到一个低维LatentAttentionSRAM容量和计算单元的调度灵活性提出了极高要求。为了提升效率，DeepSeek训练大参数MoE模型需要高效率的All-to-All通信。Switch在MoEAll-to-All集合通信的硬件加速和软件调度协同上成熟度仍有待提升。PPU目前的困境主要在于，阿里云模型采用率较高的仍然是Qwen系列模型，为了生态广泛采用，在模型架构上没有采取激进方案，否则Nvidia/AMD/Flash-Attention等适配可能跟不上，本质上把算子优化的工作大部分外包给芯片公司以及海外开源社区。但随着先进芯片禁售/限售，国产模型为了优化成本/性能大幅调改架构，导致模型层与硬件适配层的方向存在一定分歧，因而PPU更多与阿里云MaaS一体化售卖，存在一定的灵活性损失。当然，PPU在小模型（例如30B参数以内）浅层Agent、RAG检索、简单分类等非前沿任务中仍然具备性价比优势。截至2026年5月，平头哥真武系列芯片累计出货万片，25年出货量在国内芯片厂商中跃居第二。，覆盖互联网、金融、自动驾驶等多个行业，超过家企业客吴泳铭曾提到，平头哥自研芯片在阿里云的部署比例目前仍较低，主要受国内半导体产能的限制，但近年来国内半导体产能正持续扩张。随着平头哥全栈自研芯片渗透率的提升，将对毛利率产生显著39810E、、PPU-SMI（）、Asight（分析）海外积极影响。710：服务器CPU（降本逻辑的关键硬件）核心规格：5nm制造工艺、ARM频率。在云厂自研硬件的降本链条中，自的意义超越单纯毛利：系统级优化（CPU主控形成协同调度）、降低（减少对Intel至强授权费依赖）、与X-Dragon架构的叙事统一（倚天是阿里云软硬一体架构战略的基础）。镇岳510：SSD主控芯片核心规格：IO处理能力3400KIOPS；数据带宽14GB/s；能效比420KIOPS/Watt。2025年3月阿里云EBS规模化上线，读写混合场景长尾时延压缩92%。SSD主控在云数据中心中是隐形但关键的环节，直接影响GPU等待IO的气泡时间，影响整体集群训练效率。相比训练卡，SSD主控产品标准化程度更高，客户迁移摩擦更小；企业级SSD主控市场目前主要由Marvell/群联/慧荣主导，国产替代空间大。IOPS抖动，但镇岳从到AI服务器offloadHBM/DRAMKVCache，需将温冷数据下沉到本地SSD。二者之间存在较大需求差异：1）物理延迟的量级不同，HBM/DRAM的延迟以内，NVMe的典型读延迟在1000倍；2）CacheMiss的核心灵魂不在于“SSD有多快”，而在于“预测算法有多准”。系统必须预测下一个会用到哪些KV搬运到DRAM。如果预测失败，GPU只能停下来等的I/OGPUOffload瓶颈的AlphaDeepSeekDualPath软件架构或的Magnum510还是Marvell的主控。玄铁RISC-VIP：出货确定性最强的现金流产品累计授权芯片出货超过40亿颗。玄铁系列是平头哥产品矩阵中商业化最成熟、出货最稳定的产品，IP授权模式，单价低、出货大、现金流稳定；不依赖先进制程产能，供应链约束最小；同时是RISC-V生态的重要抓手（边缘/IoT场景），形成平头哥在端侧的长尾渗透。平头哥同时布局AI训练加速（PPU）、服务器CPU（倚天）、推理NPU（含光）、存储主控（镇岳）、自研互联芯片（ICNSwitch）、RISC-VIP（玄铁）全栈，在HBM与先进制程限制的情况下，用“SSDOffload（镇岳）+电交换暴力互联（ICN）+通用机架（磐久）”蹚出了一条中国特色的“系统级算力妥协与重构”之路。2026年5月ICNSwitch1.0的发布，标志着平头哥竞争维度已扩展至集群系统算力层。表10:平头哥产品线战略矩阵产品制程（已披露）定位层次商业化成熟度外部化潜力供应链约束含光800（推理NPU）12nm云内推理加速★★★★成熟★★★中★★低（成熟制程）海外真武810E（PPU）未披露数据中心训练/推理★★★★量产稳定★★★★增长中★★★★高（HBM2e依赖）真武M890（PPU新款）未披露数据中心训练/推理旗舰★★★发布量产中★★★★★潜力最大（HBM+封装）倚天710（服务器CPU）5nm云基础设施降本★★★★阿里云全量★★低（内部消化为主）★★★★高（5nm）INtch1.未披露集群互联生态★★刚发布★★★★战略性高★★★中镇岳510（主未披露存储层降本优化★★★规模上★★★★潜力大（控）线玄铁（RISC-VIP）授权模式端侧/IoT生态★★★★★最★★★★★已大规模★极低成熟外部授权里巴巴40，平头哥官网41，云栖大会42，阿里巴巴产品发布公告43，TrendForce44阿里巴巴吴泳铭亦提到平头哥自研芯片在阿里云的部署比例目前仍较低，主要受国内半导体产能的AI芯片战略价值更高的情况下，阿里可能将更多资源倾斜平头哥系Intel/AMD难度较大，预期阿里聚焦于维持技术研发力量，而非激进扩张。在对标英伟达NVL72/NVL144表11:国产芯片机柜级交付方案阵营/代表方案核心技术路径目标市场与生态特征潜在痛点/边界“大内容积+紧凑超节点”绑定阿里云MaaS生态，针对互联云厂纵向一体化/平面对外部客户深度定制非标算子时存在依托自研ICNSwitch1.0实现128卡网、金融等轻量化Agent及RAG头哥磐久128灵活性损失。百纳秒级互联，单卡塞大显存。检索。智算重网派“重网拓扑+物理全互联”主攻万卡/十万卡级主权智算中单Pod功耗559kW，对机房液冷基础设/昇腾CloudMatrix通过打通384颗昇腾芯片的拓扑，以心，保障长效可用性与超大规模线施和能效比要求极高。384极致的网络总线为超大集群买性扩展度。“框架硬编码+算子紧耦合”依赖底高度依赖飞桨生态的繁荣度，在主流开软硬算子协同派主要渗透外部大型国央企及大客户层XTCL软件栈与飞桨的深度绑定压源社区（如PyTorch原生生态）迁移摩昆仑芯天池256/512的特定任务场景。榨能效。擦较大。仑芯45，阿里巴巴46，华为4740https:///product/npu?lang=en，https:///product/overview41/zh/document_detail/2864586.html42https:///en-US/document-199411984450453504043https:///en-US/document-1491124270925873152，/1698807121117/fa44321553928ac2a868ced237e51bb8.pdf，https:///help/en/ecs/user-guide/overview-of-instance-families44https:///presscenter/news/20260602-13074.html47huawei/#nvidia海外前述提到国产卡用大显存降低带宽依赖，这在单机柜/超节点（Scale-Up）内部确实成立。但是当面对万亿参数MoE大模型进行超大规模集群（Scale-Out，如万卡、十万卡）的训练与推理时：1）MoE架构的核心是专家并行（EP），它在运行时需要频繁进行跨节点、跨机柜的All-to-All集合通信。2）报告提到平头哥将V900的片间带宽“克制”在1200GB/s。这种在单卡维度的克制，虽然换取了良率和显存容积，但在超大规模集群全网激战All-to-All通信时，这个相对克制的带宽可能会成为网络瓶颈。参考Google经验电交换在中短期128卡级别具成本优势，但千卡级超节点演进可能使光互联成为必需品（预计2028-2030年为关键决策点）。相比之下，昇腾重网路线（CloudMatrix384全互联），是押注超大规模集群的长效扩展性。昆仑芯：聚焦AI加速器主航道，工程化与资本化领先表12:昆仑芯基本信息维度内容来源研发起源2011年开始相关研发百度2018新闻稿回溯成立时间2011年6月10日注册成立辅导备案信息/媒体转述显示公开亮相2018年BaiduCreate，发布昆仑AI芯片百度官方新闻稿独立运营2021年从百度分拆独立，完成A轮融资公开报道控股股东百度（中国）有限公司，持股57.67%证监会辅导备案报告估值区间 港股IPO目估值约500亿美元24-26年营2024年营收超过10亿元人民币，25年>20亿元收含中国互联网投资基金、比亚迪、中国移动旗下基金、IDG资本、CPE源股东构成峰等

2026年6月29日《TheInformation》媒体报道港股IPO 2026-01-01保密递交A1，已理 港交所公告科创板辅导 2026-05-07完成辅导案登记 北京证监局仑芯，百度48/49，澎湃新闻50，科创板日报51，Theinformation52，IT之家53，财新54发展历程表13:昆仑芯关键里程碑产品 定位 发布规划时间 规格摘要482018.html49https:///news-release/2018/07/04/1533213/0/en/baidu-unveils-high-performance-ai-chip-kunlun-at-baidu-create-2018.html50https:///newsDetail_forward_3312001951https:///detail/71274952https:///articles/baidus-chip-unit-asked-ipo-investors-buy-semiconductors/53https:///0/909/877.htm54/m/2026-05-08/102442207.html海外K系列推理2018年Samsung14nm；256TOPSRG800中等规模推理/训练2021年量产7nm；FP16128T；GDDR632G；130WP800大规模集群训练/推理2024-2025年FP16345T；3.2万卡集群>98%效率M100大规模推理（MoE优化）2026年初参数暂未披露M300超大规模多模态训推2027年初参数暂未披露天池256超节点256卡系统2026H1256张P800；卡间带宽提升4倍；综合性能+50%天池512超节点512卡系统2026H2512张卡；单节点完成万亿参数训练未来路线（N系列）—2029年N系列芯片上市星55，昆仑芯56，百度57，techinsights58（含M100/M300及天池超节点路线图）第一代第二代昆仑芯片（K、系列）：技术验证期第一代芯片Samsung14nm；内存带宽512GB/s；峰值算力260TOPS；功耗约100W。第二代（含RG800）采用7nm制程，RG800参数完整。RG800：FP16128TFLOPS；32GGDDR6；带宽512GB/s；PCIe4.0×16；130W。RG800采用GDDR6而非HBM，成本更低、供应链约束更小，但带宽相对受限。RG800更适合中等规模推理，P800则面向大规模集群训练场景。量产于2021年，彼时大模型尚未爆发，AI芯片的主战场是搜广推（推荐系统）与自动驾驶（如百度Apollo）。在这些场景下，GDDR6是性价比、封装良率与供应链成熟度最高的选择（对标英伟达。RG800等产品验证了百度自研XPU架构的可行性。在当前万亿参数MoE时代，它们已退居边缘推理节点或传统搜广推场景的存量替换，不再参与前沿大模型算力的核心竞争。第三代P800：集群工程能力的核心证明（关键产品）P800FP16算力345TFLOPS，与NVIDIAA100、华为昇腾910B算力水平可比。P800完成大规模验证，率先实现自研3.2万卡集群点亮和规模化应用，有效训练效率超过98%。3.2万卡集群+>98%效率是目前国产AI芯片公司中规模较大且有官方背书的集群验证案例，验证昆仑芯工程化能力处于国产卡前列。P800在实际商业落地中，客户主要将其用作推理卡和模型微调卡，而非万卡级核心预训练主力。M100/M300及天池超节点路线图昆仑芯M100将于2026年初上市，昆仑芯M300将于2027年初上市，具体参数暂未公布。昆仑芯M100针对大规模推理场景优化设计，主打性价比；昆仑芯M300面向超大规模多模态模型的训练和推理需求，主打性能。55next-year/56https:///product/2842.html57/tech/2025-11-13/doc-infxfnye5573223.shtml?froms=ggmp58https:///blog/baidu-kunlunxin-p800-ai-accelerator-processor-floorplan-analysis海外2026年是M100（推理卡）放量与天池超节点落地的关键年。面对寒武纪MLU690和华为昇腾950，昆仑芯在2026年缺乏新一代旗舰训练卡（M300需等2027年），这一年其核心任务是依靠P800的存量基本盘和M100的推理性价比，守住互联网与政企大客户份额，防止被竞品降级为“边缘备选”。512XTCL3.0硬编码绑定的物理载体，旨在解决跨节点通信瓶颈，但在非飞桨生态（如原生PyTorch客户）中推广阻力依然较大。百度还公布了昆仑芯的未来五年路线图：2027年下半年起陆续推出基于昆仑芯M系列的千卡级、卡级超节点；未来五年每年发布新产品，持续突破算力上限。天池超节点集成芯片，相比4月版本，卡间互联总带宽提升4倍，综合性能提升%以上；对比传统集群，主流模型推理任务的单卡tokens吞吐提升超3.5倍，将于2026年上半年上市。天池512超节点在天池256基础上实现卡数翻倍，卡间互联总带宽同步翻倍，单节点即可完成万亿参数模型训练，将于2026年下半年正式上市。昆仑芯“五年五芯”战略含义：百度明确了每年一款新品的承诺，2025（P800）→2026（M100）→2027（M300）→2028（千卡超节点）→2029（N系列）→2030（百万卡单集群），这是迄今为止国产AI芯片厂商中最完整、时间节点最清晰的公开路线图。软件栈策略对比（）昆仑芯软件栈最大的优势是原生享有飞桨开源生态库的底层硬编码保护。XTCL编译器与飞桨框架在算子层面进行了深度融合。在无需进行大规模跨机柜张量并行拆分的场景下（如单机8卡或中等规模集群），XTCL能针对飞桨的计算图进行优化，实现高能效比。因此，对于使用百度智能云、文心大模型以及飞桨生态的政企和金融客户，昆仑芯是“开箱即用”且性价比最高的选择，这种“云+框架+芯片”的一体化构成了极强的客户粘性。昆仑芯已将软件栈的优化重心，从早期的“自动图编译剔除”，推进至“针对稀疏矩阵的硬件级动态调度与片上ScratchpadSRAM的显式流水线流控”。当前大模型推理全面转向MoE架构，MoE的核心痛点是Expert路由带来的显存碎片化和计算不连续。昆仑芯XTCL在MoE模型上的专门优化，使其在大规模推理场景中，单卡Token吞吐和能效比优于同价位的通用GPU。昆仑芯软件栈的主要弊病在于对于非百度系、习惯使用原生PyTorch且不在飞桨生态内的互联网大厂或第三方算力租赁商，XTCL的迁移成本和学习曲线陡峭，它缺乏类似华为CANN那样广泛被第三方接受的底层算XTCL本质上是针对XPU架构的图层分析与加速引擎。当脱离百度百舸云平台和飞桨生态，用户试图在原生PyTorch下调用非标算子时，图编译器的自动切分和优化能力会发生线性衰减，往往需要繁重的算子重写。这极大地限制了其在第三方算力租赁商（主跑PyTorch/CUDA生态）中的渗透。行业空间测算市场空间市场空间测算的关键不是数字本身，而是数字背后的证据级别。本报告对每一个关键数据点标注来源与可海外信度，避免在不确定的基础上做精确建模。中国CSPCapEx拆解与国产芯片需求传导。中国头部互联网/云厂商正持续加大AI相关基础设施投入，但各公司披露口径差异较大，难以直接横向相加。阿里巴巴于2025年2月公开宣布未来三年将投入超过3800亿元用于云与AI基础设施建设；同时其FY2026（截至2026年3月31日）披露的资本开支为1261亿元59。腾讯2026年的资本开支预期基本也在1300-1600亿60，字节跳动第三方估算其2025年资本开支约1600亿元61（不含海外），其中900亿用于AI算力采购，700亿用于IDC建设。2025年中国AI400万张62165万张、份额约，国产供给已进入“百万张级”出货规模。因此可用“云厂商投入→AI加速卡出货→国产份额提升”的公开数据链条，来刻画国产芯片可获取的市场空间变化方向。在需求侧，tokenToken调用量从10020263140万亿；公开材料亦提到豆包大模型日均Token120万亿63。在供给侧，产业研究普遍认为HBM供给、先进封装产能与数据中心电力/散热等，将成为影响AI基础设施扩张节奏的重要约束变量。需求驱动的结构分析AI算力需求的结构性增长来自三个层次：训练需求（基础层）、推理需求（爆发层，规模超过训练）、端侧AI部署（长尾增量）。表14:AI算力需求三层结构需求层级 层级定位 具体场景与求特征 对应产大模型预训练（千亿→万亿参数规模增长）训练需求 基础层

头部预训练/级基础设施已出现

平头哥PPU/M890（OAM形态）、昆仑芯P800/M300

爆发层 模型推理API服务（token/s吞吐、并发）(规模超过训AI应用落地（RAG/Agent/）练)

含光800、昆仑芯RG800/M100（MoE推理优化）端侧部署 长尾增量 智能终端（手机/汽车/工）芯需求 玄铁IP（26/3累出货45亿）通院64，eefocus65，Mckinsey66，anue67由于出口管制持续限制英伟达向中国供应最先进芯片（路透社数据显示英伟达中国份额已从约95%降至约59/en-US/document-183067859224205721660https:///tech/big-tech/article/3353573/alibaba-tencent-signal-ai-spending-surge-despite-earnings-pressure-china-chips-ramp61/finalpage/2026-06-30/1225401606.PDF62https:///article?id=50ACFD5DE1EB4466813C3AD76F918B2763/wm/2026-03-24/doc-inhscnus0212691.shtml64https:///news/p-2042484076217917442.html65https:///article/1931584.html67/news/id/6486613海外55%）；国有算力采购国产化率要求形成制度性红利；国内HBM2e量产改善供应链安全。华为昇腾是平头哥/昆仑芯在国产市场最大的对手，但其实际产能受HBM严格制约。SemiAnalysis测算华为2025年出货约80.5万颗昇腾（其中910C约65.3万颗）68，但由于国内CXMT2026年仅能供应约200万颗堆栈（25-30910C封装）HBM，202625—30万颗。HBM约束后的有效交付而非晶圆产出来理解69。华为CloudMatrix910CNVL72）BF16300PFLOPs（约为NVL722倍），但单pod559kW，是NVL72（145kW）3.82.3910C性能约为1/35倍的芯片数量弥补规模。结论：昇腾在卡数×集群规模上可对冲单卡代差，但能效与软件vsCUDA，DeepSeek曾反映在昇腾上难以获得可接受性能）仍是结构性短