中国AI加速器进入推理驱动的国产替代周期
AI 摘要卡
中国AI加速器进入推理驱动的国产替代周期
摩根士丹利认为，中国AI算力生态正通过系统级创新、供应链本地化和更具吸引力的推理经济性缩小与美国的差距，寒武纪和Iluvatar是首选标的，MetaX具备差异化GPGPU定位但估值吸引力较弱。
- 中国AI芯片市场的讨论重点正从“国产芯片能否参与”转向“哪些厂商能在推理需求放量时赢得实质份额”。
- 报告预计中国AI芯片TAM到2030年可达US$67bn，国内自给率提升至86%。
- 国内AI加速器在中国可采购产品范围内具备30-60%更低TCO，领先产品在推理场景下已接近或达到成本/Token平价。
- 寒武纪被视为云端推理部署的近端领先者，Iluvatar受益于供应链韧性和订单可见度，MetaX的优势在CUDA-like软件兼容和更可扩展的制造路径。
- 主要风险包括AI需求增长放缓、价格压力早于预期、政策和出口限制变化。
研报解读
概览
本报告聚焦大中华半导体中的中国AI加速器产业，核心判断是中国AI GPU市场正在进入更商业化、更由推理经济性驱动的阶段。出口管制、国产替代、云端推理需求扩张和供应链本地化共同扩大了国内AI加速器的可服务市场。摩根士丹利认为，中国在芯片制程层面仍落后美国约两代，但可通过多芯片设计、先进封装、机柜级系统架构、光网络以及软硬件协同优化缩小有效差距。
核心观点
报告的核心观点是，AI加速器竞争不应被简单视为单一政策主题，而应区分具备出货规模、生态可信度、客户绑定和定价纪律的厂商。寒武纪在ASIC/DSA路线、推理性能和云客户锚定方面最强；Iluvatar凭借多元化代工策略、供应可见度和CUDA兼容迁移能力具备较好商业可选性；MetaX是可信的国内GPGPU参与者，但生态成熟度仍需验证且估值吸引力相对较弱。
分析框架
报告采用“经济性×执行力”框架评估国内AI芯片厂商。经济性维度包括TCO、成本/Token、TPS、每瓦/每美元性能；执行力维度包括先进制程产能获取、软件生态成熟度、CSP客户关系深度和产品路线图可信度。报告还结合渠道调研、CSP订单与预订单、NVIDIA在中国供应收紧、GPU租赁和Token价格变化、WAIC新品预期等近端产业信号。
方法论与常识提炼
以量化推理经济性和定性商业执行力共同筛选AI加速器赢家。
单纯芯片规格不足以决定份额，厂商需要同时在TCO、成本/Token、TPS、软件迁移、供应保障和CSP关系上具备竞争力。
以DeepSeek R1推理场景衡量端到端Token吞吐。
模型使用有效算力、内存带宽、互联带宽、芯片利用率、模型规模、MoE活跃专家数、输入/输出Token长度和batch size等变量，并以NVIDIA H200在2025年2月披露的5,899 TPS结果校准。
比较芯片采购、电力、基础设施和生命周期使用成本。
报告认为国内AI加速器在中国场景下可比NVIDIA可采购产品低30-60% TCO，并在部分推理配置中达到或超过成本/Token平价。
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 (688256.SS)首选国内AI推理芯片标的，首次覆盖Overweight。
- 优势
- 云端推理性能强，MLU590/MLU690等产品在部分DeepSeek R1场景具备竞争力；与ByteDance等客户深度合作，形成软硬件协同和真实部署验证。
- 劣势
- ASIC/DSA路线对客户场景和软件适配依赖较高，若价格竞争加剧或客户部署节奏放缓，盈利弹性可能受压。
- 对比
- 报告认为其在当前云端推理牵引力上较强，仅次于Huawei Ascend。
- 风险
- AI需求放缓、价格压力提前、政策或出口环境变化、客户集中度和大规模部署兑现风险。
- Iluvatar CoreX Semiconductor (9903.HK)首选国内AI GPU标的，首次覆盖Overweight。
- 优势
- 多元化代工策略提升供应链韧性，TSMC合规生产路径增强产能可见度；TianGai-150获得领先CSP预订单，CUDA兼容性降低迁移摩擦。
- 劣势
- 出货预计从2H26开始，商业化兑现和软件稳定性仍需实际部署验证。
- 对比
- 相较仅依赖国内晶圆厂或海外非合规制造的同业，供应可见度更强。
- 风险
- 量产和交付延迟、客户迁移慢于预期、价格竞争、先进供应链限制。
- MetaX (688802.SS)差异化国内GPGPU参与者，首次覆盖Equal-weight。
- 优势
- CUDA-like软件栈和兼容层提供较清晰迁移路径，在编译器适配、PyTorch兼容和运行时优化方面持续推进；成熟节点制造策略可能带来更好的良率和供应稳定性。
- 劣势
- 生态成熟度和稳定性仍落后全球领先者，大规模商业部署仍需验证，估值吸引力弱于同业。
- 对比
- 在GPGPU路线中具备可信度，但报告对其评级低于寒武纪和Iluvatar。
- 风险
- 软件生态进展不及预期、大客户订单不足、成熟节点限制峰值性能、估值压缩。
- 中国国内AI加速器产业受益于AI推理需求增长、出口管制和国产替代。
- 优势
- 中国在服务器系统、软件优化、AI数据中心、电力成本和政策支持方面具备相对优势；系统级创新可部分抵消制程劣势。
- 劣势
- 晶圆前端、HBM/LPDDR5等关键环节仍相对落后，行业可能较早进入价格竞争。
- 对比
- 相对美国前沿平台仍有绝对技术差距，但在中国可采购供给范围内具备经济性竞争力。
- 风险
- 需求放缓、产品同质化、行业整合、出口管制和供应链瓶颈。
- NVIDIA中国可采购产品国内厂商的主要性能和成本比较基准。
- 优势
- 软件生态、CUDA开发者基础、编译器和通信库等仍是核心护城河，前沿平台绝对领先。
- 劣势
- 中国市场可采购产品受出口限制影响，供应收紧且TCO较高。
- 对比
- 报告认为领先国内加速器在中国可采购NVIDIA产品范围内可达到成本/Token平价或部分超越，但不代表超越NVIDIA全球最先进系统。
- 风险
- 若NVIDIA可供中国的产品供应改善或价格下降，国内替代速度可能受到影响。
关键数据
- 2030年中国AI芯片TAMUS$67bn报告框架下的中国AI芯片可服务市场预测。
- 2030年国内自给率86%报告预计中国国产AI加速器自给率可提升至该水平。
- 国内AI芯片TCO优势低30-60%相对中国当前可采购的NVIDIA解决方案。
- NVIDIA H200校准基准5,899 TPS2025年2月DeepSeek R1推理结果，用于校准TPS模型。
- 寒武纪评级与目标价Overweight; Rmb1,588首次覆盖。
- Iluvatar评级与目标价Overweight; HK$600首次覆盖。
- MetaX评级与目标价Equal-weight; Rmb758首次覆盖。
- WAIC时间2026年7月，上海报告预计将看到下一代中国AI加速器产品，尤其来自Iluvatar。
影响与含义
若报告判断成立，中国AI加速器的投资主线将从政策驱动估值扩张转向订单兑现、软件迁移、客户绑定和推理经济性的基本面验证。云服务商和大模型开发者的采购决策将更多取决于可部署的成本/Token和软件适配成本，而不是单纯峰值算力。国内供应链韧性较强、能获得CSP真实部署并控制价格压力的厂商更可能获得持续份额。
风险
- AI需求增长慢于预期。
- 价格竞争早于预期并压缩收入和利润率。
- 政策、出口管制或供应链限制带来不确定性。
- 国内厂商软件生态和大规模部署稳定性不及预期。
- CSP订单、预订单或客户迁移节奏低于预期。
- 行业同质化导致整合加快，弱势厂商被边缘化。
后续跟踪
- 2026年7月上海WAIC上下一代国产AI加速器发布进展，尤其是Iluvatar产品。
- NVIDIA GPU在中国的供应、现货价格和可采购产品变化。
- 主流大模型Token价格、GPU租赁价格和推理需求强度。
- 中国CSP资本开支和对国产AI芯片的订单分配。
- 寒武纪、Iluvatar和MetaX在软件适配、客户部署、出货规模和价格纪律方面的兑现情况。
- 国内AI芯片厂商是否从推理拓展到部分训练工作负载。