中国AI GPU以市场扩张、成本优势和系统级创新加快缩小与美国的差距
AI 摘要卡
中国AI GPU以市场扩张、成本优势和系统级创新加快缩小与美国的差距
摩根士丹利预计中国AI芯片TAM将在2030年增至US$91bn，并认为国产加速器的份额、市值和上市数量仍将增长。虽然芯片技术差距尚未完全消失，但较低TCO、相当的每token成本和SuperPod基础设施正在增强国产方案的竞争力。
- 中国AI芯片TAM预计到2030年增至US$91bn。
- 国产AI加速器市场份额和相关企业市值正在扩大，报告预计还将有更多IPO。
- 国产芯片在中国大模型推理场景下具有更低TCO，每token成本可与NVIDIA处理器相当。
- 显著较低的定价使国产芯片具备更强的单位成本性能。
- 中国的系统与基础设施能力正在缩小市场所感知的中美技术差距。
- 华为Atlas 950 SuperPod把系统规模扩展至1,000个以上NPU。
研报解读
概览
报告研究中国AI GPU产业如何在市场规模、推理成本、系统架构和基础设施层面缩小与美国的差距。其核心判断是，中国AI需求仍在快速扩张，国产方案即使在芯片层面仍处追赶阶段，也能通过更低价格、系统级扩展和本土基础设施形成更强的综合竞争力。
核心观点
报告首先从市场规模和产业资本化切入：中国AI GPU相关企业的市值正在增长，未来预计还会出现更多IPO，国产AI加速器在2026年的市场份额也成为重要观察维度。摩根士丹利预计，中国AI芯片总体可触达市场将在2030年增至US$91bn。其需求框架涵盖中国云服务商、电信运营商、政府与国有企业以及海外资本开支，说明增长判断并非依赖单一客户群，而是建立在多类算力采购需求之上。 报告随后用一组高频指标追踪近期需求强度。中国市场NVIDIA 5090价格持续上涨，字节跳动旗下火山引擎和豆包处理的月度token数量激增，均被用来反映AI算力需求仍然旺盛。报告同时考察中国主流大模型的平均token价格，以及中国相对于全球的云资本开支趋势，以判断需求增长能否转化为持续的芯片采购和基础设施投资。 在中美比较方面，报告不是只看单颗芯片，而是从芯片、系统和基础设施三个层次进行九项因素比较，并将当前变化概括为AI计算体系逐渐脱钩。其判断是，中国在芯片技术层面仍存在被市场感知的差距，但本土基础设施和系统整合能力正在缩小这一差距。因此，评估国产AI计算竞争力不能只比较芯片峰值性能，还需要观察集群规模、互连方式以及整个计算系统的运行效率。 推理经济性是报告支持国产替代判断的重要依据。根据公司资料和摩根士丹利研究估算，国产芯片用于中国大模型推理时具有更低的总体拥有成本，即综合计算硬件及运行投入后的成本更低；其每token成本则可与NVIDIA处理器相当。由于国产芯片定价显著较低，其单位成本所能获得的性能更强，这意味着即使单芯片能力仍有差异，国产方案仍可通过价格和系统配置实现具有竞争力的实际推理成本。 系统级扩展进一步支撑这一逻辑。报告讨论了Huawei CloudMatrix 384 A3，并重点分析华为在2026年世界人工智能大会展示的Atlas 950 SuperPod。Atlas 950把SuperPod扩展至1,000个以上NPU，其背面展示了UBlink采用的光互连。报告还比较了WAIC 2026出现的多种SuperPod方案以及无中板正交设计，认为中国正在形成活跃的超节点生态。研究重点由单芯片差异延伸至大规模集群、光互连和系统架构，说明基础设施创新可成为弥补芯片差距的路径。 综合市场扩张、需求指标、成本比较和系统能力，报告给予大中华区科技半导体行业Attractive观点，适用期为未来12—18个月。其主要含义是，中国AI计算产业正在形成与美国体系相对独立的本土价值链，国产加速器的商业竞争力将同时取决于需求增长、价格优势、推理成本和系统扩展能力，而非单一芯片参数。
分析框架
报告依次进行市场规模测算、客户需求拆分和近期需求指标跟踪，再从芯片、系统及基础设施三个层次比较中美AI计算体系。随后，它以TCO、每token成本和单位成本性能衡量国产芯片的经济性，并通过华为Atlas 950及WAIC 2026的SuperPod方案检验系统级扩展路径，最后形成行业观点。
方法论与常识提炼
AI芯片TAM与客户需求拆分
报告估算2030年中国AI芯片总体可触达市场，并按中国云服务商、电信运营商、政府与国有企业以及海外资本开支分析需求来源，以判断市场增长的广度。
芯片、系统与基础设施九因素比较
报告把中美AI竞争拆成芯片、系统和基础设施三个层次，避免只用单颗芯片性能衡量整体计算能力，并据此分析本土AI计算价值链的独立化。
国产芯片与NVIDIA处理器的推理经济性比较
报告比较双方的TCO、每token成本和单位成本性能，用于判断国产芯片能否凭借较低定价和系统配置形成可行的替代方案。
AI GPU近期市场跟踪指标
报告跟踪NVIDIA 5090在中国的价格、字节跳动平台月度token量、主流大模型平均token价格以及中外云资本开支，以观察近期算力需求和行业景气变化。
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）。
- 中国本土AI GPU与AI加速器产业报告预计行业TAM、国产市场份额、市值和上市企业数量继续增长。
- 优势
- 推理TCO较低、每token成本可与NVIDIA处理器相当，并因显著较低定价拥有更强的单位成本性能。
- 劣势
- 芯片技术层面与美国仍存在被市场感知的差距。
- 对比
- 相较美国方案，中国更多依靠定价、系统扩展和基础设施能力缩小综合差距。
- Huawei Atlas 950 SuperPod作为国产AI系统级扩展的代表案例，用于说明基础设施和集群设计如何弥补单芯片差距。
- 优势
- 可扩展至1,000个以上NPU，并展示了UBlink采用的光互连。
- 对比
- 报告将其置于WAIC 2026多种SuperPod方案及无中板正交设计的行业比较中。
- NVIDIA处理器在中国市场作为国产AI芯片在性能、TCO、每token成本和单位成本性能方面的比较基准。
- 劣势
- 报告认为其在中国推理场景下相较国产芯片TCO更高，并因国产方案定价显著较低而在单位成本性能比较中不占优。
- 对比
- 国产芯片的每token成本与其相当，而NVIDIA 5090在中国的价格持续上涨。
关键数据
- 中国AI芯片TAMUS$91bn摩根士丹利对2030年的预测。
- Atlas 950 SuperPod规模超过1,000个NPU华为在2026年WAIC展示的系统级扩展方案。
- 国产芯片推理TCO低于NVIDIA处理器针对中国AI大模型推理场景的比较。
- 国产芯片每token成本与NVIDIA处理器相当报告基于公司资料和摩根士丹利研究估算得出。
- NVIDIA 5090在中国的价格趋势持续上涨报告将其作为近期AI算力需求跟踪指标。
- 字节跳动相关月度token量激增火山引擎和豆包的处理量变化被用于反映中国AI需求强度。
- 行业观点Attractive适用于大中华区科技半导体行业，观点期限为未来12—18个月。
影响与含义
报告认为，中国AI GPU产业的竞争力正由单芯片性能竞争转向价格、推理成本、集群规模、互连和基础设施的综合竞争。需求扩张与国产方案经济性改善有利于扩大本土加速器份额，并支持相关企业市值增长和更多IPO；同时，SuperPod等系统级创新可能加快中国AI计算体系与美国供应体系的分化。
后续跟踪
- 跟踪中国国产AI加速器的市场份额及收入趋势。
- 观察NVIDIA 5090在中国市场的价格变化。
- 跟踪字节跳动火山引擎和豆包处理的月度token数量。
- 观察中国主流大模型的平均token价格。
- 比较中国与全球云服务商的资本开支趋势。
- 关注Atlas 950及其他SuperPod方案的集群规模、光互连和系统架构进展。