2026年全球新型算力芯片及未来关键技术发展行业研究报告

•AI时代下的全球及中国AI算力芯片技术形成两大阵营:GPGPU和新型算力芯片及三大路线:GPGPU、ASIC/DSA、DATAFLO•新型AI算力芯片具备五大核心特质,破解传统算力的通用性弱、计算效率低等痛点，依托政策自主可控、AI算力需求爆发、摩尔定律瓶颈下的技术破局等多重因素驱动，成为全球差异化算力缺口的关键力量C阿里云④zC阿里云天工智谱·ABS智谱·ABS人工智能发展路径演进人工智能发展路径演进别式AI大别式AI大模型阶段应用与智能体阶段•AI从“工具”走向“生成主体”驱动引擎一：模型迭代大模型时代开始驱动引擎一：模型迭代大模型时代开始技术架构革新多模态能力融合增长，实现从特定任务到跨场种信息，推动AI向更全面的感驱动引擎二：需求落地生成式AI应用快速兴起能力升级与场景扩展产业渗透加速•早期形态以聊天机器人(,重塑产业格局AI技术，模拟与人类对话的智能程序，能够理解用户意图并生成自动化响应，广泛应用于企业客服、知识问答和业务流程自Agent能够通过感知环境中的变化，根据自身学习到的知识和算法进行判断和决策，进而核心特征在于具备自主完成任务的能力。中国算力芯片市场规模0 预计2029年中国AI算力芯片市场规模突破），力的CAGR分别保持36.5%、69.7%的高位水平。计算效率模型规模扩大与计算效率模型规模扩大与AI计算任务普及需提升计算效率降低成本规模扩展能力AI计算集群向万卡级规模的扩张需强化网络互联以释放集群性能通用性不同场景通用性不同场景AI任务差异与模型迭代周期缩短需兼顾多样化需求与快速迭代能力GPGPU阵营新型算力芯片阵营GPGPU阵营新型算力芯片阵营为满足AI时代下爆发式增长的算力需求，目前已形成以GPGPU为代表的通用算力，和以数据流DATAFLOW、A阵营、三大核心路线齐头并进，共同构筑起人工智能产业发展算力底座代表厂商定义核心技术能力核心特征代表厂商组件，它可以快速完成图形数据的计算、处理和输出✓适配多算法场景Х特定任务下能效比有限路线1：GPGPU不同应用需求动态调整自身体系结构的计算系统，其利用灵活重组的硬件资源为特定应用提供与之匹配的硬件形态✓能效比高、计算延迟低路线2：数据流是一种为特定的应用场景、计算任务或功能需求专门设计制造的集成电路，是一种为特定的应用场景、计算任务或功能需求专门设计制造的集成电路，能够在针对性的任务中实现高于通用芯片的运行效率与能效表现Х场景适配灵活性较弱路线3：ASIC/DSA伴随技术演进及巨头入局AI算力芯片主流技术类型迭代为面向AI计算的新范式2024-2025202520262027E2024-2025如今算力爆发、推理需求激增，行业重新定义分类，将数据流架构独立出来以适配面向AI计算新范式全球AI芯片技术新体系形成三大路线DATAFLOW未来优秀算力芯片具备5大特质AI算力芯片作为产业升级核心基础设施，只有兼备五大核心特质，才能攻克通用性弱、计算效率低与规模扩展能力弱三大核心痛点高算力核心性能基石可扩展性支撑大规模集群灵活性高算力核心性能基石可扩展性支撑大规模集群灵活性适配算法迭代通用性融入主流生态成本与绿色发展以以GPGPU为核心的算力生态1技术层面：摩尔定律受限，效能提升乏力摩尔定律受间GPU架构2政策层面：GPGPU面临外部严格进出口限制•英伟达H200等芯片被美国商务部执行严格“逐案审查”3发展现状：市场趋于成熟稳定，竞争格局已然明确,摩尔线程等国产头部企业突围，行业进入✓英伟达以市值4.4万亿美元居全球✓英伟达以市值4.4万亿美元居全球之首。自1999年上市以来在GPGPU领域建立绝对统治上市首日股价涨幅达468%，募集资金近80亿以新型以新型AI算力芯片为核心的算力生态1技术层面：专业架构融合先进集成封装，能效比与扩展性更优Chiplet与先进封装2政策层面：国家政策大力扶持新型AI算力芯片产业，推动技术自主可控•《国家数据基础设施建设指引》提“多元异构算力协同”•《新时期促进集成电路产业和软件产业高质量发展的若干政策》聚焦高端芯片到2030年，使中国人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心3发展现状：新型AI算力芯片技术路径逐步清晰，商业验证正在发生gro•商业模式可行性：新型AI算力芯片进部分应用场景实现实际落地，开始形成可验证商业模清微智能、Gr式（清微智能可重构数据流、华为昇腾ASICgro新型算力芯片1800013500900045000 ▲新型算力芯片渗透率中国算力芯片市场规模202020252030E推理算力占比AI算力爆发驱动推理芯片需求激增60%0.5%30%共同点从0到规模化的渗透率跃升增长趋势一致受益于强力时代背景驱动需求爆发逻辑一致软件定义硬件，构建和传统阵营差异化竞争高壁垒新能源汽车百万辆▲整体汽车出货量0202020252030E预计2030年可达较高0一—一切照旧—巴黎承诺二度目标双碳政策背景下新能源汽车下游需求持续44.6%24.3%4.2%携手产业联盟深度参与开源生态建设Level携手产业联盟深度参与开源生态建设Level3实现全栈兼容能力Level2实现全栈兼容能力无缝对接主流框架，零改造接入模型生态国产芯片从“能用”到“好用”创新迭代提速，降低开发门槛，快速复制行业工具能力(ReconfigurableAISystemArcLevel1CUDA代码零成本迁移国产GPGPU企业核心业务布局与估值概览国产GPGPU企业核心业务布局与估值概览相关企业资本市场表现新型算力芯片企业有望复刻英伟达并购Groq路径，达成GPU企业高估值英伟达为补齐自身在AI推理赛道的短板、锁定L~200亿美元•摩尔线程上市首日表现不俗•天数智芯股价涨幅显著•壁仞科技上市首日表现亮眼AI计算芯片企业爆发式增长的核心动因需求端：AI算力缺口供给端：国产替代与技术断供地方政府推出“算力券”配置存储器数据存储器计算列阵可重构数据流芯片架构示意图可重构控制器配置存储器数据存储器计算列阵可重构数据流芯片架构示意图可重构控制器可重构数据流的定义与优势定定优优可重构数据流是依托可配置计算单元阵列与数据流驱动执行的计算范式。准匹配多类算法数据流特征。可重构数据流的核心技术特征问外部内存带来的能耗与延迟模型推理准确性损的推理精度表现。可重构数据流技术特性分析可重构数据流技术特性分析），保障算力在开放生态中充分释放。4灵活性5通用性芯片级直连芯片级直连灵活适配高速迭代的算法逻辑多元化下游场景适配高计算单元利用率集群构建难度低兼容主流AI多元化下游场景适配高计算单元利用率集群构建难度低兼容主流AI开发生态存算融合降低单次访存代价可重构的技术特性天然适配算网融合、三维集成和晶圆级等未来芯片技术算网融合天然适配芯片级直连算网融合天然适配芯片级直连群构建难度从指数级降为线性级晶圆级高算力集群核心支撑圆构建的互联结构，以高一致性、高密度的通道资源，匹配可重构数据流大规模动态并行调度对高互联带宽的核心需求三维集成三维集成算力拓展的关键载体密度互连，既能为可重构数据流的动态并行调度提供充足的计算单元资源池，又能突破平面架构的互连瓶颈传统数据传输模式RDMA数据传输模式传统数据传输模式RDMA数据传输模式TCP/IPRDMA与传统数据传输模式对比示意图App算网融合的定义与优势定定优优、网卡、交换机及共享存储单元参与处理。这种技术既能够通过直连节点内存交互、减少链路层级实现极低传输延迟，又能依托标准化硬件互联与协同调度逻辑，摆脱外接存储依赖，高效搭建并稳定运行万卡级集群，提升系统可扩展性。算网融合技术与可重构数据流优势分析✓实现方式：计算任务的数据流图直接映射至可编物理连接路径✓核心优势：大幅提升高性能计算集群的吞吐效率数据延迟低✓将计算任务直接编译为芯片间的专属数据通道级芯片集群能像单芯片般高效协同。适配多场景应用三维集成芯片架构示意图定优三维集成的定义与优势芯片级的三维封装技术，通过三维集成芯片架构示意图定优三维集成的定义与优势芯片级的三维封装技术，通过垂直堆叠多颗裸片，实现芯片景提供了核心技术支撑。三维集成技术与可重构数据流优势分析与数据传输路径。高能效高密度计算大幅降低访存延迟与能耗。效利用。三维集成技术是达成高算力的关键路径破解内存墙，释放算力上限✓可重构数据流架构通过计算流动态映射，天然适据搬运延迟与能耗，从而支撑万亿参数模型训练提升密度与能效，适配高集成需求✓垂直堆叠在提升单位面积存储密度的同时，结合可径、降低功耗，解决2.5D封装中的面积与布线瓶颈平衡成本与可扩展性，支撑规模部署知的定制化配置，从而适配多场景需求，并通过高带宽低功耗特性、先进封装技术支撑大规模部署。晶圆级芯片制造流程示意图晶圆级芯片制造流程示意图晶圆级的定义与优势定定优优晶圆级技术与可重构数据流优势分析通路与计算资源。系统级协同利用率与吞吐效率。■数百亿量级数干亿量级万亿量级当前阶段✓生态体系打磨✓具备初步商业化能力✓GPU核心技术国外垄断✓算力需求以训练为主✓商业化成本较高早期商用阶段,渗透率低2030-2035E短期-中期阶段✓合作共研，软件生态体系基本建立✓特定场景积累产品能力✓逐步探索，实现同水平算力✓算力需求从训练转移至推理场景✓供给端形成初步规模商业化落地,关键客户部署渗透率逐步攀升2035E-2040E✓依托规模效应与协同深化，全栈成熟生态落地✓满足多元AI场景，精准支撑复杂需求✓多领域取得原创性突破，实现换道超车✓需求侧重构，推理需求占大比例✓供给侧实现形成系统生态集群技术成熟、大规模铺量渗透率接近峰值*新型AI算力芯片市场规模空间=AI计算芯片市场规模×新型AI算力芯片渗透率注：以上内容仅供参考，最终研究成果以沙利文公司最终报告为准。ASIC架构示意图ASIC架构示意图ASIC的定义与优势定定优势优势构与单一算法运算需求的完全匹配。的单一算法场景提供持续且可靠的专用算力ASIC的核心技术特征算法硬件固化✓在设计阶段剔除所有与目标算法无关的冗余组中的无效功耗被最大限度削减持高算力集群的拓展新型算力ADATAFLOW新型算力ADATAFLOW代表企业成立时间产品布局主要产品TX5、TX8系列融资及上市状态核心技术被英伟达收购2025年全球数据流架构AI算力芯片赛道呈现一超四强的差异化竞争格局。谷歌凭借TPU系列产品稳居行业龙头地位，全年相关业务收入达150-180亿美元，体量领先。2025年全球数据流架构AI算力芯片赛道呈现一超四强的差异化竞争格局。谷歌凭借TPU系列产品稳居行业龙头地位，全年相关业务收入达150-180亿美元，体量领先。除谷歌以约0.8亿美金的收入紧随其后，跻身全球前三。整体来看，当前赛道特征鲜明：头部谷歌依靠自有云生态形成断层式优势;其余玩家大多为面向AI推理场景的新兴芯片企业体量尚处在早期商业化阶段相互之间份额接近海外初创厂商起步更早，而清微智能作为国内代表企业，在这条差异化架构赛道中拥有本土竞争席位，有望依托国内算力需求持续提升市场影响力。排名企业名称收入（亿美元）<0.1全球AI算力芯片市场代表厂商：清微智能清微智能主营产品产品系列清微智能主营产品产品系列芯片架构应用场景TX8系列架构的REX1032训推一体服务器，支持数据中心大模型训练TX5系列企业名称：北京清微智能科技股份有限公司成立时间：2018年公司总部：中国北京清微智能发展历程2018-2022年2022-2024年2024年至今●--------------------------国●--------------------------国企业成立战略方向✓启动云端大算力芯片布局，强化芯片间互✓推进软件栈与工具链发展迅速✓支持万卡级集群部署，大模型训练推理应用，推动高阶国产替代Groq主营产品Groq主营产品产品系列核心架构制程工艺功耗范围应用场景构构及企业数据中心企业名称：Groq,Inc.成立时间：2016年公司总部：美国加州山景城Groq发展历程2016-2019年2020-2023年2024年至今●--------------------------国●--------------------------国企业成立战略方向发展迅速;✓获得早期资金支持，开启美元资产收购协议，创并全球AI算力芯片市场代表厂商：SambaNovaSambaNova主营产品SambaNova专注于AI算力领域，提供从芯片、系统到软件的全栈解决方案，主要产品可按产品类型、核心产品系列核心架构制程工艺性能特点SambaNova主营产品SambaNova专注于AI算力领域，提供从芯片、系统到软件的全栈解决方案，主要产品可按产品类型、核心产品系列核心架构制程工艺性能特点应用场景Cardinal系列可重构节点7nm低功耗云端AI训练场景企业名称：SambaNovaSystems成立时间：2017年公司总部：美国加州帕洛阿尔托SambaNova发展历程战略方向战略方向资✓与劳伦斯利弗莫尔/洛发展迅速和定制化用途的产品不断实现落地，持续迭代芯片2017-2019年2020-2021年2022年至今●--------------------------国●--------------------------国企业成立企业成立斯阿拉莫斯实验室达成全球AI算力芯片市场代表厂商：华为科技华为主营产品华为提供覆盖“云、管、端、芯”的全栈ICT解决方案，其AI计算产品可按产品系列、核心产品系列核心架构功耗范围华为主营产品华为提供覆盖“云、管、端、芯”的全栈ICT解决方案，其AI计算产品可按产品系列、核心产品系列核心架构功耗范围制程工艺应用场景第四代达芬奇<300W5nm企业名称：华为技术有限公司成立时间：1987年公司总部：中国深圳华为发展历程1987-2011年2012-2018年2019年至今●--------------------------国