WAIC 2026显示中国AI半导体竞争正转向SuperPod和系统级扩展
AI 摘要卡
WAIC 2026显示中国AI半导体竞争正转向SuperPod和系统级扩展
摩根士丹利认为，国产AI计算的竞争重点已从加速器单卡规格上移到互连、内存共享、调度和整机利用率，利好具备订单能见度的国产AI芯片、先进制程、设备和封测环节。
- Huawei Atlas 950将SuperPod规模扩展至1,024个Ascend 950DT NPUs，提供约1 EFLOPS FP8、2 EFLOPS FP4算力，并通过UnifiedBus 2.0、铜光混合互连和光路保护提升扩展性与可靠性。
- WAIC 2026上几乎每家国产AI GPU或ASIC厂商都展示了64卡或128卡级别的SuperPod方案，差异化将更多取决于互连性能、软件优化、容错能力和实际应用吞吐。
- P/D disaggregation成为推理效率优化主题，将prefill与decode分配到不同加速器池，有案例显示吞吐提升54%、P90首token时间下降64%，但效果取决于模型、负载、调度和互连。
- Iluvatar Tiangai 300面向prefill和decode全阶段推理，支持FP4、FP8、BF16，内存容量144GB，预计采用HBM3E并具备约4TB/s带宽。
- 报告偏好Cambricon、Iluvatar、Hygon、SMIC、NAURA、AMEC、ACM Research和ASMPT；对MetaX、Hua Hong等维持Equal-weight相关观点。
研报解读
概览
本报告总结了Morgan Stanley在2026 Shanghai WAIC及7月16日至17日China Tech Tour中的观察。核心判断是：中国AI计算市场的竞争正在从单个AI加速器规格，转向SuperPod规模化、互连架构、内存共享、工作负载调度、系统可靠性和全系统利用率。中国厂商虽在先进制程层面受限，但在光网络、服务器机柜设计、先进封装和系统级工程方面展现出补偿性优势。
核心观点
报告认为，WAIC 2026相比WAIC 2025的变化在于芯片首发减少，而SuperPod方案显著增多。Huawei Atlas 950把规模扩展到1,024个NPUs；多家国产AI GPU和ASIC厂商展示64卡或128卡系统；P/D disaggregation成为推理部署的新主题；Iluvatar Tiangai 300、Oriental Computing 3D堆叠AI芯片等显示国产厂商正通过架构和封装创新绕开制程约束。投资含义上，报告偏好订单能见度强的国产AI计算公司，以及受益于国产存储、逻辑制造和先进封装扩张的设备与封测公司。
分析框架
报告主要采用会议调研、展台观察、公司管理层交流、供应链检查和同业架构比较的方法，围绕AI服务器系统、AI GPU/ASIC、推理工作负载拆分、设备订单、晶圆代工价格、封测扩产和中国AI GPU TAM进行归纳。
方法论与常识提炼
从展会展品与厂商交流识别产业竞争焦点变化
报告比较WAIC 2025与WAIC 2026的重点变化，认为市场关注点已从新加速器发布转向SuperPod、互连、调度和系统利用率。
通过规模、互连、内存、容错和软件栈评估AI计算系统
报告将Atlas 950、64卡和128卡国产方案、正交互连、铜光混合互连等作为判断系统级竞争力的关键指标。
将prefill与decode分配到不同加速器池以提升资源利用率
prefill偏计算密集，decode偏内存带宽和延迟敏感，拆分后可独立调度并支持异构部署。
将AI计算需求映射到芯片、先进制程、设备、晶圆代工、封测和光互连等环节
报告把国产AI GPU需求扩张与SMIC、Hua Hong、NAURA、AMEC、ACM Research、ASMPT、JCET等公司或环节联系起来。
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国产AI计算偏好标的
- 优势
- 受益于国内AI加速器需求、订单能见度和国产替代趋势。
- 劣势
- 报告片段未披露具体产品参数或财务测算。
- 对比
- 与Iluvatar、Hygon一同被列为国内AI计算首选。
- 风险
- 需求落地、供应链、制程约束和系统软件生态均可能影响兑现。
- Iluvatar国产AI GPU和推理加速器核心受益方
- 优势
- Tiangai 300覆盖prefill、decode和post-training，具备144GB内存和约4TB/s HBM3E带宽；公司预计今年出货约100,000 cards。
- 劣势
- Tiangai 300仍落后Blackwell，客户反馈和大规模部署仍需验证。
- 对比
- 公司声称部分国内LLM测试中Tiangai 300性能高于H100，但仍以Blackwell为下一代对标对象。
- 风险
- HBM和晶圆成本上升、美国政策、国内制造进展和客户工程支持压力。
- Huawei Ascend / Atlas 950国产SuperPod架构方向的代表
- 优势
- Atlas 950扩展到1,024 NPUs，并采用UnifiedBus 2.0、铜光混合互连和光路保护。
- 劣势
- 报告未给出商业出货节奏和实际训练benchmark。
- 对比
- 相较2025年CloudMatrix 384，规模从384个Ascend 910C处理器扩展至1,024个下一代Ascend 950DT NPUs。
- 风险
- 大规模集群通信效率、故障容忍、软件栈成熟度和供应链可得性。
- SMIC先进节点扩产受益方
- 优势
- 报告偏好SMIC，认为先进节点产能扩张可支持国产AI计算供应链。
- 劣势
- 先进制程受外部限制影响，扩产和良率存在不确定性。
- 对比
- 相较Hua Hong，SMIC更直接对应先进节点扩产。
- 风险
- 出口管制、设备可得性、良率和客户需求节奏。
- Hua Hong特色工艺和AI PMIC需求受益方
- 优势
- 8英寸厂利用率约110%，价格已上涨约10–15%，9A和9B扩产支持成长。
- 劣势
- 功率半导体需求较弱，折旧将上升。
- 对比
- 报告维持EW，但认为AI PMIC需求支持特色晶圆价格。
- 风险
- 价格恢复持续性、产能爬坡、HLMC Fab 5整合和需求结构变化。
- NAURA / AMEC / ACM Research / ASMPT半导体设备和制造国产化受益组合
- 优势
- 国内存储和先进逻辑制造投资增强，设备国产化率提升，AMEC在FinFET、GAA、3D架构平台推进。
- 劣势
- 部分2027潜在需求尚未正式下单，海外零部件交期拉长。
- 对比
- 报告将这些公司列为设备环节偏好标的。
- 风险
- 客户订单转化、国产化节奏、交付能力和价格谈判。
- JCET GroupAI芯片先进封装扩产受益方
- 优势
- 上海临港CNY7.8bn先进封装测试新厂和JME 2.5D封装能力支持AI计算趋势。
- 劣势
- OSAT定价跟随市场，基板紧张可能影响新增产能。
- 对比
- 更偏后道封测和先进封装环节，不同于前道设备或晶圆代工。
- 风险
- 资本开支回报、产能利用率、基板供应和AI GPU放量节奏。
- Nvidia / AMD全球同业和技术比较参照
- 优势
- Nvidia NVLink、AMD UALink作为全球互连体系对标对象。
- 劣势
- 在中国市场受出口限制和合规因素影响。
- 对比
- 国产厂商通过自研scale-up技术、光互连和服务器设计对标全球方案。
- 风险
- 出口管制、产品可供性和中国客户国产替代加速。
关键数据
- Atlas 950 SuperPod规模1,024 NPUs由16个计算柜组成，每柜64个NPUs，并配套4个UnifiedBus互连柜。
- Atlas 950系统算力约1 EFLOPS FP8 / 2 EFLOPS FP4每个64-NPU计算柜约64 PFLOPS FP8和128 PFLOPS FP4。
- Atlas 950内存容量约96TB HBM，内存池总可达256TB每柜约6TB HBM，结合外部DRAM进行memory pooling。
- 常见国产SuperPod规模64–128 acceleratorsWAIC 2026上多家国产AI GPU和ASIC厂商展示了这一规模段的系统方案。
- P/D disaggregation案例效果吞吐提升54%，P90 time-to-first-token下降64%一个WAIC讨论方案将约90%国产加速器用于prefill、10% H20用于decode；实际收益取决于模型、负载、调度与互连。
- Iluvatar Tiangai 300内存144GB，约4TB/s HBM3E带宽定位覆盖prefill、decode和post-training，并支持FP4、FP8、BF16。
- Oriental Computing DF10006.4TB/s带宽，520TFLOPS BF16采用国产14nm级制程与近存3D堆叠，128卡集群已完成全功能稳定性验证。
- 中国AI GPU TAM预测US$91bn by 2030来自报告关键图表标题。
- 中国AI芯片自给率预测70% in 2030e来自报告关键图表标题。
- Hua Hong价格与利用率8英寸厂约110%利用率，价格较去年底上涨约10–15%管理层表示价格可能延续到2027年，服务器相关需求当前领先。
- Iluvatar出货预期今年约100,000 cards，明年不低于今年公司优先推进可扩展推理部署。
- JCET先进封装投资CNY7.8bn / US$1.1bn用于上海临港先进封装和测试新厂，支持AI计算和高性能芯片。
影响与含义
投资层面，报告将国内AI计算需求上行、国产替代、先进制程扩产、存储与逻辑制造投资、AI封装扩张共同视为大中华半导体的主要驱动力。芯片层面偏好Cambricon、Iluvatar和Hygon；先进制程和晶圆代工环节看好SMIC并对Hua Hong保持审慎中性；设备环节受益于存储与逻辑制造国产化，偏好NAURA、AMEC、ACM Research和ASMPT；先进封装则受益于AI GPU放量和2.5D/先进封装产能建设。
风险
- 美国出口管制、Executive Order 14032和Executive Order 14105相关合规限制可能影响相关证券交易和供应链。
- 国产AI加速器单卡性能仍受制程限制，系统级扩展需要互连、容错和软件调度共同成熟。
- P/D disaggregation的实际收益高度依赖模型结构、请求分布、调度算法和互连性能，不能简单外推。
- HBM、晶圆和关键零部件成本上升可能压缩AI加速器和服务器系统利润率。
- 半导体设备和封装扩产存在订单转化、产能爬坡、客户价格谈判和新增折旧压力。
- 智能体AI需求尚未大规模放量，CPU-to-accelerator配置和推理架构可能随工作负载变化而调整。
后续跟踪
- Huawei Atlas 950和Ascend 950DT平台的真实训练部署、benchmark和供应链进度。
- 国产64卡、128卡和更大规模SuperPod的互连效率、故障率、软件栈兼容性和客户采用情况。
- Iluvatar Tiangai 300核心客户反馈、量产节奏、HBM成本传导和Tiangai 400 tape-out进展。
- 中国CSP资本开支、ByteDance/Doubao等token需求增速，以及中国AI GPU TAM兑现节奏。
- SMIC先进节点扩产、Hua Hong 9A/9B产能爬坡和HLMC Fab 5收购整合。
- NAURA、AMEC、ACM Research等设备公司来自存储和先进逻辑客户的订单正式落地情况。
- JCET上海临港先进封装厂、JME 2.5D封装收入和AI GPU封装供需紧张程度。