中国AI加速器国产替代进入商业化筛选阶段

概览

本报告聚焦中国AI加速器与AI GPU产业，讨论在推理需求增长、出口管制持续和国产替代加速的背景下，哪些本土厂商更可能获得有意义的市场份额。报告认为，中国AI计算竞争不再只是单颗芯片规格竞争，系统级设计、先进封装、机柜级架构、网络互联、软件适配和客户协同正在缩小与美国方案的有效差距。

核心观点

报告的核心观点是，中国AI加速器市场正进入更商业化的阶段，客户采购越来越看重可部署的经济性，而非单纯追求峰值算力。Morgan Stanley认为推理场景将成为需求主轴，国产芯片在中国可获得的NVIDIA产品面前具备30-60% TCO优势，并在部分推理配置中实现接近或优于A100/H20级别产品的每token成本。投资上，报告不建议把行业视为单一政策主题，而应区分具备出货规模、生态可信度、定价纪律和客户关系的赢家。

分析框架

报告采用“经济性×执行力”的二维框架筛选国产AI芯片厂商。经济性维度包括TCO、每token成本、TPS、性能/美元和性能/功耗；执行力维度包括先进制程或产能可获得性、软件生态成熟度、CSP客户关系深度、产品路线图可信度和供应链可见度。报告同时结合渠道调研、客户预订单、NVIDIA供给紧张、GPU租赁价格、token价格和WAIC新品预期判断近端需求。

方法论与常识提炼

• 投资筛选框架经济性×执行力

  用量化推理经济性与定性商业执行能力共同判断AI加速器厂商胜率。

  经济性覆盖TCO、每token成本、TPS和性能/功耗等指标；执行力覆盖代工产能、软件生态、CSP关系和路线图可信度。报告认为只有两端都强的厂商才更可能获得可持续份额。

• 性能测算框架TPS推理性能模型

  以DeepSeek R1推理工作负载衡量端到端tokens per second。

  模型输入包括有效算力、内存带宽、互联带宽、芯片利用率、模型大小、层数、MoE激活专家数、输入/输出token长度和batch size，并用NVIDIA H200在2025年2月披露的5,899 TPS结果校准。

• 成本框架TCO与每token成本

  将芯片采购、电力和基础设施成本与实际推理吞吐结合，评估客户真实部署经济性。

  报告认为国产加速器在中国市场拥有更低芯片价格、电力和基础设施成本，因此全生命周期TCO相对中国可获得的NVIDIA方案低30-60%，但换算成每token成本后差距收窄。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• Cambricon Technology Corporation (688256.SS)

  首选标的；首次覆盖Overweight

  优势

  推理性能领先，MLU590/MLU690在部分场景具备强TPS表现；与ByteDance等客户深度协同；硬件软件共同优化；适合大规模云端推理部署。

  劣势

  路径更偏ASIC/DSA，通用生态和迁移灵活性可能弱于GPGPU；仍需面对价格竞争与持续产品迭代压力。

  对比

  报告认为其当前云端推理牵引力在国产阵营中最强，仅次于Huawei Ascend。

  风险

  AI需求放缓、价格下行、客户集中度、软件优化不及预期、政策与出口限制变化。

• Iluvatar CoreX Semiconductor Co., Ltd. (9903.HK)

  首选标的；首次覆盖Overweight

  优势

  多元化代工策略带来更高供应可见度；TianGai-150获得头部CSP预订单；GPGPU架构具有较高CUDA兼容性；有助于客户从NVIDIA平台迁移。

  劣势

  2H26出货兑现仍待验证；商业规模化和软件生态稳定性仍需持续证明。

  对比

  报告认为Iluvatar的优势主要在供应链韧性与商业选择权，尤其适合需要NVIDIA替代路径的企业客户。

  风险

  预订单转化不及预期、量产延迟、价格竞争、软件迁移体验不稳定、供应链或合规变化。

• MetaX Integrated Circuits (688802.SS)

  首次覆盖Equal-weight

  优势

  国产GPGPU定位可信；CUDA-like软件栈和兼容层降低迁移摩擦；采用较成熟制程以提升良率和供应稳定性。

  劣势

  生态成熟度和稳定性仍落后全球领先者；峰值性能可能受成熟制程约束；估值吸引力弱于Cambricon和Iluvatar。

  对比

  报告认可MetaX在可扩展GPGPU路径上的差异化，但认为其风险回报不如Overweight标的突出。

  风险

  大规模商业部署验证不足、生态兼容进展慢、性能差距扩大、估值消化压力和价格竞争。

• NVIDIA China-accessible products

  主要竞争参照

  优势

  软件生态、CUDA、编译器、库、开发者基础和高端性能仍具显著优势。

  劣势

  中国可获得产品受出口限制影响；供给紧张、价格高企和本地部署成本提升国产替代吸引力。

  对比

  报告只在中国可合理获得的产品范围内比较，明确不把GB300等前沿平台纳入本次国产替代结论。

  风险

  若中国可获得的NVIDIA供给改善或价格下降，国产替代节奏可能放缓。

关键数据

• 中国AI芯片TAMUS$67bn by 2030报告框架估算中国AI芯片总可寻址市场到2030年可达该规模。
• 国产自给率86% by 2030报告预计国产AI加速器自给率到2030年提升至86%。
• 国产AI芯片TCO优势30-60% lower TCO相对于中国当前可获得的NVIDIA解决方案，国产加速器在采购、电力和基础设施成本上更有优势。
• NVIDIA H200校准结果5,899 TPS报告使用NVIDIA 2025年2月披露的DeepSeek R1推理结果校准TPS模型。
• 国产领先芯片相对H20表现50-150% outperformance in selected scenarios在报告假设的部分DeepSeek R1推理场景中，Huawei Ascend 950PR/DT和Cambricon MLU690等领先国产加速器可超过NVIDIA H20。
• Cambricon评级与目标价Overweight; Rmb1,588首次覆盖，报告看好其推理性能、CSP客户绑定和云端部署经济性。
• Iluvatar评级与目标价Overweight; HK$600首次覆盖，报告看好其供应链韧性、订单能见度和软件兼容迁移路径。
• MetaX评级与目标价Equal-weight; Rmb758首次覆盖，报告认可其GPGPU定位和CUDA-like兼容性，但认为估值吸引力相对有限。

影响与含义

报告的投资含义是，中国AI加速器行业正在从政策叙事转向商业化兑现，受益者将是能够在推理经济性、客户迁移成本、供应可得性和软件稳定性上同时证明自己的厂商。云服务商和头部LLM开发者的采购标准更偏向每token成本、软件成熟度和战略合作深度；主权AI、电信、国企和政府相关需求则更重视供应安全、国产可控和政策匹配。

风险

• AI推理和训练需求增长低于预期。
• 价格竞争早于预期出现，导致行业利润率和估值承压。
• 政策、出口管制或供应链合规变化影响产品生产和客户采购。
• 国产软件生态、框架兼容和集群级优化进展慢于预期。
• CSP客户订单或预订单不能顺利转化为收入。
• NVIDIA或其他全球领先厂商在可获得产品、价格或软件生态上重新扩大优势。

后续跟踪

• 2026年7月上海WAIC上国产AI加速器新品，尤其是Iluvatar下一代产品。
• Iluvatar TianGai-150在2H26的出货启动、客户验收和收入确认。
• Cambricon在大型云端推理部署中的持续份额、客户扩展和TPS/每token成本表现。
• MetaX CUDA-like软件栈、PyTorch兼容、编译器适配和大规模商用部署验证。
• NVIDIA GPU在中国的供给、RTX 5090现货价格、GPU租赁价格和token价格走势。
• CSP资本开支、ByteDance/Doubao等应用token量增长，以及中国主流LLM商业化节奏。
• 行业价格折扣、订单竞争和潜在整合迹象。