研报解读 | 告诉你如何拿捏AI算力产业未来发展大势

集成电路

研报解读

第10期

我们日常频繁使用AI，背后都离不开强大算力支撑。本期研报聚焦两份权威算力报告：一份梳理国内外AI算力芯片产业现状，分析各类技术路线，国产芯片正加速突围；另一份直面高端芯片短缺、算力生态分散等问题，提出以开放架构打造自主可控算力体系的解决方案。两份报告从芯片、架构两大维度，为产业发展与布局提供参考。

一、《2026全球及中国AI算力芯片产业

发展研究报告》

（一）发布机构

三个皮匠报告&景略咨询

（二）研报速览

1）研报封面

2）研报目录部分节选

3）核心内容

本报告立足“十五五”新发展阶段，系统梳理全球与中国AI算力芯片产业发展脉络、市场格局、技术趋势及产业链现状，剖析核心挑战与突破路径，前瞻未来方向，为政策制定、产业布局与投资决策提供参考。

生成式AI爆发推动算力需求激增，AI算力芯片成为各国战略重点。行业形成GPU、ASIC、FPGA多元技术格局，GPU凭借通用能力与CUDA生态垄断训练市场，ASIC以高能效比在推理场景快速崛起，FPGA聚焦边缘定制化需求。全球市场高速扩张，预计2027年规模达2020亿美元，ASIC增速显著领先；中国市场2025年预计达1645亿元，自主化进程全面提速。

产业链已形成上中下游完整生态：上游晶圆代工、先进封装高度集中，国内企业依托成熟制程与Chiplet技术加速追赶；中游英伟达、博通领跑全球，国内寒武纪、芯原股份等实现技术突破，性能逐步对标国际；下游以云厂商为核心，应用向消费、工业、智能驾驶、智慧城市等全域渗透。

未来，“GPU+ASIC”将成主流方案，ASIC增速超越GPU；端侧AI与工业、医疗、车载等垂直场景定制化加速；产业垂直整合与RISC-V自主指令集推进，国产软硬件生态持续完善。在政策、需求、技术三重驱动下，中国成为产业增长核心引擎，国产算力芯片逐步构建竞争力，筑牢数字经济算力根基。

4）亮点图片

1.主流AI芯片基本原理及关键指标介绍

算力，即计算能力，是指计算系统在处理数据、执行算法和完成特定计算任务时所能提供的效能总量，它是衡量一个系统计算效能的核心抽象指标。算力本质上表征了系统在单位时间内处理信息的数据量与复杂程度，通常以每秒执行的特定计算操作次数（如浮点运算FLOPS）作为其关键量化标准。

2.主流AI算力芯片综合对比

人工智能在当今社会的广泛应用和快速发展，如在医疗、交通、金融等领域的创新成果，引发AI发展对算力的强大需求。不同的芯片类型决定了芯片的用途和设计理念，上图介绍了不同AI算力芯片的基本原理及关键指标。

3.2020-2028E中国算力需求预测与缺口统计

据IDC预测，中国智能算力需求将从2024年的725.3EFLOPS增长至2028年的2781.9EFLOPS，年复合增长率高达40%，算力需求的指数级增长直接拉动了AI算力芯片的市场扩容，成为行业发展的核心需求支撑。

4.Marvell与英伟达产品对比

Marvell的ASIC在性能上对标英伟达GPU有极大改进。Marvell的ASIC在技术上采用5nm制程工艺，集成了高带宽内存HBM3。这种设计的核心在于优化AI模型中的矩阵运算，特别是深度学习中的张量计算。与英伟达的通用GPU相比，Marvell的ASIC去掉了图形渲染等不必要的功能，将每瓦电力的算力效率提升到极致。

二、《2025中国算力发展之

AI计算开放架构研究报告》

（一）出品单位

智能计算（中国智能计算产业联盟）

（二）研报速览

1）研报封面

2）研报目录部分节选

3）核心内容

本报告聚焦AI计算开放架构，指出在大模型与多模态应用推动算力需求激增、我国面临高端芯片受限、单卡性能存在代差、异构算力生态割裂、智算中心利用率偏低的背景下，AI计算开放架构通过统一标准、兼容多品牌芯片、高速互联、存算协同与生态开放，能够以集群算力弥补单卡差距、降低使用成本、推动产业协同、构建自主可控算力生态；当前国内已涌现曙光、海光、华为等开放方案与万卡级落地案例，但仍面临标准不统一、软件栈不完善、生态碎片化等挑战；未来需加快标准研制、突破关键技术、优化运营服务，推动算力规模扩张、芯片国产替代与端边云协同发展，最终实现算力普惠与产业高质量发展。

4）亮点图片

1.中国AI算力瓶颈对比图

在芯片、模型、基础软件等核心技术自主创新突破的基础上，发展更大规模、更高效的智算集群，突破国内AI算力瓶颈，已经成为产业共识。曙光、海光、华为、浪潮、新华三、沐曦、壁仞、曦智等众多科技企业都在加快研制智算超节点、超集群等产品，以网强算、以存提算、以电补算、软硬协同等创新策略方法不断出现。

2.AI计算开放架构图

AI计算开放架构，旨在面向大规模智能计算场景，联合芯片、计算系统、大模型等产业链上下游企业，从单点突破走向集成创新，实现产业链开放跨层优化，破解“技术墙”和“生态墙”，主要为了解决算力瓶颈、算力成本高的问题。

3.国内外AI计算架构发展一览

国内外AI计算架构发展呈现出差异化路径：国外以场景化定制为核心，聚焦算力最大化利用，通过针对大模型、移动端等不同场景的专用硬件创新、分布式集群架构建设与端侧适配，实现AI算力的高效突破与普及；国内则以“自主可控”为核心战略，聚焦全链条突破与产业协同，通过突破高端芯片技术壁垒、搭建开放平台化生态、推动大模型驱动的场景化技术适配，实现从单点技术突破到产业集群化创新的升级，支撑AI技术发展与行业赋能。