算力芯片行业报告：大模型驱动算力变革，国产算力迎增量机遇

请务必阅读正文之后的免责声明及其项下所有内容2026年06月15日算力芯片行业报告行业研究 · 行业专题 电子 · 半导体投资评级：优于大市（维持）证券分析师：叶子证券分析师：胡慧证券分析师：张大为证券分析师：詹浏洋证券分析师：连欣然0755-81982153021-60871321021-61761072010-88005307010-88005482yezi3@guosen.com.cnhuhui2@guosen.com.cnzhangdawei1@guosen.com.cnzhanliuyang@guosen.com.cnlianxinran@guosen.com.cnS0980522100003S0980521080002S0980524100002S0980524060001S0980525080004证券研究报告 | 大模型驱动算力变革，国产算力迎增量机遇2026年06月16日请务必阅读正文之后的免责声明及其项下所有内容大模型驱动算力变革，国产算力迎增量机遇l当前算力需求正从前期的“模型训练”加速向规模化落地的“应用推理”侧外溢。随着摩尔定律边际效应减弱，算力竞争的核心已从传统的“单芯片峰值性能提升”全面转向“芯片、软件生态与系统级集群的综合效率优化” 。在海外高端芯片销售受限的背景下，国内信创需求与大模型迭代共振，推动本土AI芯片厂商加速适配并放量，国产算力全栈生态迎来增量机遇 。 lAI计算异构化与系统级协同，芯片竞争从峰值性能转向综合效率：海外大模型（如OpenAI、Google等）保持每半年一代的高频迭代，追求智能化升级 ；国产大模型在经历了技术蓄力后，自2025年起以DeepSeek-R1、智谱GLM等为代表的产品迭代显著提速，中美已成为全球大模型供给的两大核心。随着AI应用规模化落地，针对推理基础设施的投资规模从2024年开始超越训练侧，推理侧更强调高吞吐、大并发以及成本性能的平衡。AI算力产业正从“单芯片性能提升”转向由芯片、先进封装、高带宽存储（HBM）、编译框架、液冷及大规模集群构成的系统级协同优化。AI系统本质是异构计算体系：CPU负责通用调度，GPU承担大规模并行通用加速，而TPU/NPU等ASIC芯片则在特定模型和推理降本中发挥效率优势，形成百花齐放的长期共存格局。l海外芯片龙头从单芯片竞争走向平台化交付：英伟达依托GPU、CUDA生态、NVLink和Blackwell整柜系统，将单芯片竞争扩展为“芯片+网络+软件+系统”的平台竞争；谷歌以TPU为核心服务自有模型（如Gemini）和云客户；AWS则通过Inferentia和Trainium两条ASIC产品线将云端AI成本拆解，降低单位训练与推理成本。 l国产算力适配与信创共振：国内信创市场正从传统的通用算力国产替代（CPU、操作系统等）转向智能算力基础设施升级。2026年5月，国家首次在安全可靠测评中设立专门AI芯片品类，华为海思、平头哥、海光信息、壁仞科技、摩尔线程等9款国产芯片获评安全可靠等级Ⅰ级，正式纳入信创体系。国产算力的焦点不只是单卡峰值，而是“芯片 + HBM + 互联 + 服务器 + 编译器/算子库 + 推理引擎 + 模型适配”的全栈效率。未来随下游国产云计算厂商、运营商等需求打开，国产算力芯片有望持续持续增长。请务必阅读正文之后的免责声明及其项下所有内容目录大 模 型 加 速 迭 代 ， 算 力 需 求 从 训 练 向 推 理 扩 散01AI计算异构化与系统级协同，芯片竞争从峰值性能转向综合效率02海外芯片龙头从单芯片竞争走向平台化交付03国产大模型与信创需求共振，推动国产算力加速适配放量04请务必阅读正文之后的免责声明及其项下所有内容大模型发展趋势——更智能、更快捷、更便宜l自2022年11月ChatGPT发布以来，生成式AI逐渐从专业领域走向大众视野。随着GPT-4多模态功能的推出和英伟达H系列芯片的起量，使得2023年被视为人工智能产业的重要转折点。l海外大模型追求智能化升级。自2023年以来，OpenAI、Anthropic、Google、Meta、xAI等海外大模型厂商保持高频迭代，部分厂商保持每半年一代的迭代速度，通过算力扩充和算法优化来持续推动产品智能化升级和丰富度提升。图：主要海外大模型迭代进度资料来源：各公司官网，国信证券经济研究所整理请务必阅读正文之后的免责声明及其项下所有内容大模型发展趋势——更智能、更快捷、更便宜lDeepSeek推动国产大模型崛起。受高端芯片供给约束，2023-2024年的国产大模型迭代速度放缓。但随着DeepSeek-R1的横空出世，2025年开始国产大模型迭代提速，产品丰富度提升。图：主要国产大模型迭代节奏资料来源：各公司官网，国信证券经济研究所整理请务必阅读正文之后的免责声明及其项下所有内容大模型发展趋势——算力需求从训练侧外溢至推理侧l算力需求从训练侧外溢至推理侧。大模型发展之初，行业聚焦于大模型训练以占据市场领先地位。2022-2024年AI基础设施投资更多聚焦模型训练侧，基础设施技术栈重点在于打造千卡万卡级算力集群，确保训练过程稳定性，优化从硬件到AI开发框架到模型侧技术栈提高算力效率。随着模型应用规模化落地，AI算力需求由训练侧向推理侧外溢。据IDC，针对推理基础设施投资规模2024年开始超越训练侧。推理侧更强调高吞吐、大并发以及成本性能平衡。推理芯片需求增速更快，预计推理收入2024-2028年CAGR=14.3%，训练收入2024-2028年CAGR=13.8%。010000200003000040000500006000070000800009000020242025202620272028训练收入（百万美元）推理收入（百万美元）图：全球AI训练与推理算力市场规模预测资料来源：IDC，国信证券经济研究所整理请务必阅读正文之后的免责声明及其项下所有内容大模型发展动力——全球算力建设资本开支持续加大l算力的扩充规模决定了大模型智能化的上限，海外大模型厂商持续加大AI资本开支来保障其产品的领先性。根据Marvell指引，2025-2028年全球AI算力资本开支仍将保持20%的年均增速成长。云服务商加快自身的AI基础设施投资。2025年谷歌、亚马逊资本开支总额领先，进入‌2026年预计谷歌（Alphabet）预计资本开支有望达‌1800-1900亿美元‌；‌Meta‌预计资本开支为1250-1450亿美元；‌亚马逊‌预计资本开支为2000亿美元。‌图：北美主要大模型厂商的资本开支情况资料来源：Marvell，国信证券经济研究所整理请务必阅读正文之后的免责声明及其项下所有内容AI大模型驱动的产业链升级需求AI大模型的演进驱动算力需求演进神经网络矩阵计算海外模型快速迭代国内模型效率突破Scaling Law延伸训练参数 数据 计算量推理Token生成 并发 延迟训练侧：集群规模与通信效率•更高的矩阵吞吐•更大的显存容量•更强互联软件栈决定硬件可用效率护城河• 推理引擎• 底层生态• 模型适配推理侧：吞吐、延迟、成本•长上下文的显存需求•多模态/Agent提升并发和调度复杂度•推理模型提升test-time‌compute消耗双侧算力