GPU：AI 算力之王的架构、生态与国产突围

定义：GPU（Graphics Processing Unit，图形处理器）是以数千至上万个计算核心做大规模并行计算的处理器芯片，最初为图形渲染而生，如今是 AI 大模型训练与推理的主力算力底座，核心壁垒是芯片架构、先进制程封装与 CUDA 软件生态的三重复合。

说明：本文基于本地研究报告库 GPU 产业主稿，结合英伟达 FY2026 财报、AMD 公告、摩尔线程/沐曦/壁仞上市文件、A 股上市公司 2025 年年报等公开资料整理，仅供研究学习，不构成投资建议。

TL;DR · 一句话结论

GPU 不是”显卡”，而是 AI 时代的通用算力发动机：Yole Group 统计 2024 年全球 GPU 销售额约 1130 亿美元，占处理器总销售额 39%，历史上首次超越 CPU 成为第一大处理器品类（Yole Group，2025）。 格局是”一超多强”：英伟达 FY2026（截至 2026 年 1 月）数据中心收入 1937 亿美元、同比增长 68%，靠”架构一年一代 + CUDA 生态 + 系统级交付”三重壁垒通吃训练市场（英伟达财报，2026）；AMD 拿下 OpenAI 6 吉瓦大单成为第二极（AMD 公告，2025）。 中国市场被管制博弈重塑：H20 禁售—恢复—抽成 15%—事实停摆，英伟达 FY2026 业绩指引已不含中国数据中心收入，国产 GPU 获得历史性替代窗口（英伟达财报电话会，2026）。 国产侧完成资本化关键一跃：摩尔线程 2025 年 12 月登陆科创板、2025 年营收 15.06 亿元（+243.37%）且 2026Q1 单季扭亏，沐曦、壁仞接连上市，全国产供应链产品开始量产（公司公告，2026）。 核心风险：CUDA 生态代差短期难消、先进制程与 HBM 产能是国产物理天花板、A 股相关标的估值已计入多年高增长，以及管制口径反复的双向冲击。

一、这是什么：AI 时代的通用算力发动机

定义：GPU（Graphics Processing Unit，图形处理器）是以大规模并行计算为核心设计的处理器芯片。它用数千到上万个精简计算核心，同时执行同一类计算任务，最初用于游戏画面的图形渲染，后来被发现极其适合科学计算和深度学习的矩阵运算，逐步演化为 AI 训练与推理的主力芯片。今天说”算力”，大多数时候说的就是数据中心里的 GPU。

通俗理解：CPU 像几位教授，核心少但每个都很强，擅长处理复杂逻辑、分支判断和串行任务；GPU 像一万名小学生，单个核心简单，但可以同时做一万道加减乘除。AI 大模型的训练和推理，本质就是把海量参数反复做矩阵乘法——这正是”一万名小学生”最擅长的活。英伟达最新的 Blackwell 旗舰芯片 B200 集成约 2080 亿个晶体管，其行业演讲资料显示单卡 FP8 精度算力达到 20 PFLOPS 量级，相当于每秒两万万亿次运算（英伟达 GTC 发布资料，2024）。

三类算力芯片的分工可以用一张表说清：

一个重要的边界说明：本文聚焦 GPU 芯片本身——架构演进、CUDA 生态、英伟达与 AMD 的格局、国产 GPU 公司的横向比较。谷歌 TPU 代表的自研路线、定制芯片赛道和国产算力生态的整体图景，站内另有专文（见文末相关研究），不在此重复展开。

二、起源与发展历程：从游戏显卡到算力之王

GPU 的历史是一部”副业逆袭”史：为游戏而生，因 AI 封王。

两个转折点值得细看。第一个是 2006 年 CUDA 的发布：英伟达把 GPU 的并行算力开放给通用编程，让科研人员不必懂图形学也能调用 GPU。这个当年看似”烧钱做慈善”的决定，二十年后成了最深的护城河——今天主流深度学习框架的底层都构建在 CUDA 之上。第二个是 2012 年 AlexNet：Hinton 团队用消费级游戏显卡训练神经网络拿下图像识别冠军，证明”游戏芯片”就是深度学习最好的载体，从此 AI 与 GPU 深度绑定。

规模的变化更直观。Yole Group 数据显示，2024 年全球 GPU 销售额约 1130 亿美元、一年增长超过一倍，占各类处理器总销售额的 39%，历史上首次超过 CPU（Yole Group，2025）。而英伟达单家公司 FY2026 收入就达 2159 亿美元、同比增长 65%，公司披露其数据中心业务自 ChatGPT 出现以来的三个财年里扩大了近 13 倍（英伟达财报及电话会，2026）。

三、行业本质：硬件迭代、生态锁定与系统交付的三重生意

GPU 表面是卖芯片，实质是三层生意叠加，每一层都在加深壁垒。

1. 硬件层：一年一代的”死亡行军”

英伟达把数据中心 GPU 的迭代节奏压缩到一年一代：Hopper（2022）→ Blackwell（2024）→ Blackwell Ultra（2025）→ Rubin（2026）。AMD 也被迫跟进一年一代（MI300→MI325→MI350→MI400）。这个节奏意味着每代产品的研发、流片、爬坡都以数十亿美元计，中小玩家在资金上直接出局。快节奏还有一个隐性作用：让客户的采购永远追不上迭代，旧卡尚未回本、新卡性价比又高出一截，需求被持续制造出来。

2. 生态层：CUDA 是复利最厚的资产

CUDA 生态积累近二十年，覆盖编译器、算子库、通信库、开发工具链和海量存量代码。客户换芯片的成本不是买卡的钱，而是重写和重新验证整个软件栈的时间。国产厂商普遍选择”兼容”策略降低迁移门槛：海光 DCU 兼容”类 CUDA”环境，沐曦 MXMACA 软件栈披露已适配超 6000 个 CUDA 应用（沐曦招股书及审核问询回复，2025）。但兼容永远慢原生一步——CUDA 每次升级，兼容层都要重新追赶。

3. 系统层：从卖芯片到卖”AI 工厂”

英伟达早已不按”单卡”卖货，而是 NVLink 互联 + 整机柜（GB200/GB300 NVL72）+ 网络（InfiniBand/Spectrum-X）打包交付。财报显示其 FY2026 网络业务收入同比增长 142%，正是机柜级方案放量的直接证据（英伟达财报，2026）。系统级交付把竞争门槛从”芯片性能”抬高到”数据中心工程能力”，这也是 AMD 收购 ZT Systems、国产厂商纷纷推超节点方案的原因。

盈利结构上，这门生意的分层非常残酷：英伟达 FY2026 非 GAAP 毛利率约 75%（英伟达财报，2026）；追赶者摩尔线程 2025 年毛利率 65.57%，但研发投入占营收比例高达 86.68%，仍在亏损（摩尔线程年报，2026）；再往下的图形 GPU 厂商景嘉微，图形显控业务毛利率 56.90%（景嘉微年报，2026）。垄断者吃利润，追赶者烧研发，是这个行业最真实的分配格局。

四、产业链全景

GPU 产业链可以概括为：EDA/IP 工具 → 芯片设计 → 晶圆代工 → 先进封装 + HBM 存储 → 板卡与服务器 → 云与应用。

三个关键卡点需要划重点。第一是先进制程：英伟达全部高端 AI 芯片由台积电代工，从 4nm 一路走向 Rubin 时代的 3nm/2nm；AMD 下一代 MI450 的计算芯粒更是直接采用台积电 2nm（行业资料，2025）。第二是先进封装：AI GPU 普遍采用 CoWoS 类 2.5D 封装把计算芯片与 HBM 拼在一起，台媒与供应链口径显示台积电 CoWoS 产能虽持续翻倍扩产至 2026 年的月产十万片级别，但仍供不应求（工商时报等台媒供应链报道，2025）。第三是 HBM：显存带宽已取代算力成为大模型推理瓶颈，HBM 由三大存储厂垄断供应，涨价与分配直接影响 GPU 出货节奏。

国内的对应变化是”全国产供应链”跑通：沐曦曦云 C600 从设计、制造到封装测试构建了全国产闭环，2025 年 7 月回片点亮、2025 年底风险量产、2026 年上半年量产销售（沐曦公告，2026）；中芯国际披露折合 8 英寸月产能于 2025 年突破 100 万片大关，为国产 GPU 提供制造底座（公司披露/每日经济新闻，2025）。

五、供需格局：需求看云厂资本开支，供给看先进产能

需求端：AI 资本开支是总水龙头

GPU 需求高度集中于头部云厂商与 AI 公司。英伟达财报电话会披露，前五大超大规模云厂商合计贡献其数据中心收入的 50% 以上，且需求旺盛到”Hopper 乃至六年前的 Ampere 老卡在云上都已售罄”（英伟达财报电话会，2026）。公司对 FY2027 一季度给出 780 亿美元（±2%）的收入指引，并预计 2026 日历年逐季环比增长，超出此前披露的 5000 亿美元 Blackwell+Rubin 订单能见度（英伟达财报电话会，2026）。

需求的第二极是主权 AI 与企业本地部署，第三极才是传统的游戏与专业可视化——英伟达 FY2026 游戏业务收入 160 亿美元、同比增长 41%，规模可观但已不足数据中心的十分之一（英伟达财报，2026）。

供给端：瓶颈从”造芯片”转移到”封装和内存”

先进制程产能长期紧张，但当前更尖锐的约束在 CoWoS 封装与 HBM 供给：一颗旗舰 AI GPU 要消耗多颗 HBM 堆栈和大面积中介层，封装产能扩张速度追不上芯片设计的堆料速度。供应链的每一次扩产（台积电 CoWoS 翻倍、存储三巨头 HBM 转产）都被下一代产品的更高需求吞掉。

中国市场：政策缺口造出的”平行市场”

管制让中国形成了独立的供需循环：需求侧，智算中心、运营商集采、金融与互联网大厂的算力采购持续放量且明确倾向国产；供给侧，国产 GPU 出货能力成为核心约束。业内估计英伟达在中国算力市场的份额已从管制前的约 95% 降至约 50%，且仍在下行（联合早报引述业内人士，2025）。沐曦披露截至 2025 年末 GPU 产品累计销量突破 5.5 万颗、已交付十余个智算集群（券商研报援引公司资料，2026）——绝对量与英伟达百万颗级出货不可同日而语，但增速和方向已经确立。

六、竞争格局：一超多强，生态是最深的分水岭

全球 GPU 市场是教科书级的”一超多强”。

英伟达的统治力直接写在财务上：FY2026 数据中心收入 1937 亿美元，同比增长 68%，第四财季数据中心单季收入 623 亿美元、环比再增 22%（英伟达财报，2026）。

AMD 的看点是从”陪跑”到”第二供应商”的实质跃迁：2025 年 10 月与 OpenAI 签署 6 吉瓦 GPU 部署协议，首批 1 吉瓦 MI450 于 2026 年下半年上线，AMD 同时向 OpenAI 发行至多 1.6 亿股认股权证绑定利益，公司称该合作预计带来数百亿美元收入（AMD 公告，2025）。下一代 MI450 搭载 432GB HBM4，内存容量反超英伟达同代 Vera Rubin，训练侧内存密集负载有差异化竞争力（AMD 发布资料，2025）。

国产阵营内部则按技术路线分成三类：全功能自研架构（摩尔线程 MUSA、壁仞 BR 系列、沐曦 XCORE——图形与计算兼顾或聚焦训推）、类 CUDA 兼容路线（海光 DCU，源自 AMD GCN 架构授权，迁移成本最低）、图形/信创路线（景嘉微 JM 系列，深耕军用与国产化桌面）。华为昇腾走 ASIC 化的 NPU 路线且不单独售卡，与本文的 GPU 口径不同，详见站内国产算力专文。

竞争格局的关键判断：芯片性能差距可以用制程和堆料在两三年内缩小，但 CUDA 生态的迁移成本、机柜级系统工程能力、以及先进产能的优先获取权，构成了追赶者短期难以逾越的三道墙。

七、生命周期与周期属性：成长主线上的三层波动

GPU 行业整体处于成长期，但成长不是直线，叠加了三层周期。

1. 半导体库存周期

GPU 逃不开半导体行业 3-4 年的库存周期。历史上最典型的教训是挖矿：2018 年和 2022 年两轮加密货币退潮，都让游戏显卡渠道库存崩塌、英伟达游戏业务收入大幅下滑。当前数据中心 GPU 的”库存”以云厂商资本开支形式存在，波动被推迟但不会消失。

2. AI 资本开支周期

这是当下最大的争论点。看多者引用英伟达管理层口径：AI 基础设施支出到 2030 年可能达到 3 万亿-4 万亿美元量级，当前建设仅是开端（英伟达财报电话会，2025-2026）。谨慎者担心推理算力的单位成本快速下降（Rubin 平台宣称推理 token 成本较 Blackwell 最多降至十分之一）会在某个时点让”算力囤积”变成”算力过剩”。判断信号不在叙事而在数字：北美四大云厂的季度资本开支指引，是这条产业链最诚实的温度计。

3. 产品代际周期

一年一代的节奏制造了明显的季度级波动：新品发布前客户观望、爬坡期供不应求、代际末期折价清库。对 A 股映射公司而言，还叠加国内特有的”招标周期”——智算中心集采和运营商招标的节奏，直接决定国产 GPU 公司的季度收入确认，这也是寒武纪、摩尔线程等公司收入集中于个别季度确认的原因（公司年报，2026）。

八、政策与监管环境：出口管制改写全球 GPU 版图

GPU 是中美科技博弈最前沿的品类，政策是理解这个行业绕不开的变量。管制口径的演变值得用时间线完整记录：

这条时间线的产业含义有三层。第一，管制是双刃剑：既掐住了中国获取尖端算力的通道，也把每年数百亿美元级的中国市场让给了国产芯片——英伟达管理层在 FY2026 电话会上罕见承认”中国竞争对手借助近期 IPO 获得资本支持，长期有能力改变全球 AI 产业结构”（英伟达财报电话会，2026）。第二，国内政策形成对冲：智算中心建设、运营商集采对国产芯片的倾斜、信创体系的扩容，为国产 GPU 提供了保底需求池。第三，规则本身不稳定：从禁售到许可到抽成再到安全审查，口径在一年内多次反转，任何基于单一政策状态的投资判断都要预留反转空间。

九、技术变革：架构、封装、互联三线并进

GPU 的技术演进可以沿三条主线跟踪。

1. 架构与精度：从 FP32 到 FP4 的”降精度革命”

英伟达架构演进史就是一部为 AI 持续特化的历史：

主线逻辑是”用更低的数值精度换更高的有效算力”：AI 计算对精度不敏感，从 FP32 一路降到 FP4，同样的晶体管预算能换来数量级的吞吐提升。跟踪新架构时，比峰值算力更重要的是看它支持的最低精度和配套软件栈的成熟度。

2. 封装与存储：Chiplet + HBM 成为标配

单芯片逼近光罩尺寸极限后，性能提升转向”拼装”：Blackwell 用两颗芯粒拼成一颗逻辑 GPU，AMD MI450 用 12 颗计算芯粒 + 3 颗 I/O 芯粒组合，配 432GB HBM4（AMD 发布资料，2025）。这条路线把封装厂推到台前——CoWoS 类 2.5D 封装和未来的 3D 混合键合，是决定 GPU 出货量的硬约束，也是中国大陆封测双雄（长电科技、通富微电）切入全球 AI 链条的入口。

3. 互联与超节点：单卡之争变成集群之争

大模型训练早已超出单卡能力，胜负手转向卡间互联：英伟达 NVLink 已迭代至第六代，GB300 NVL72 把 72 颗 GPU 组成一个机柜级”超级芯片”。国产阵营同步跟进超节点方案：沐曦自研 MetaXLink 支持 2-128 卡互联拓扑与统一内存编址（沐曦招股书，2025），摩尔线程、华为等亦有各自的超节点布局。互联能力的意义在于：即使单卡性能有代差，通过更大规模的集群组网也能在总算力上部分弥补——这是国产算力当前最现实的追赶路径。

十、产业进程：国内 vs 海外

海外：进入”平台竞争”阶段

英伟达 2026 年 1 月在 CES 发布 Rubin 平台，包含 Vera CPU、Rubin GPU、NVLink 6 交换芯片等六颗新芯片，AWS、谷歌云、微软 Azure、甲骨文将首批部署，公司预计 2026 日历年 Blackwell 与 Rubin 并行销售、逐季增长（英伟达财报电话会，2026）。AMD 的 MI450 于 2026 年下半年开始 1 吉瓦级部署，Oracle 承诺 5 万颗集群（AMD 及 Oracle 公告，2025）。海外竞争的焦点已从”谁的卡快”升级为”谁的整机柜、网络、软件平台交付快”。

国内：资本化与全国产化双线突破

2025 年末到 2026 年初，国产 GPU 完成了一轮密集的资本化：

资本化的意义不只是融资：上市把国产 GPU 从”一级市场故事”变成有审计报表、有季度数据可验证的公开公司，也让”用股权融资养长周期研发”的模式跑通——摩尔线程 2025 年研发投入 13.05 亿元、占营收 86.68%，没有资本市场支持无法持续（摩尔线程年报，2026）。

技术侧的标志性进展是全国产供应链闭环：沐曦曦云 C600 实现设计、制造、封测全国产，2026 年上半年量产销售，公开资料显示其性能定位介于英伟达 A100 与 H100 之间（沐曦公告及媒体报道，2026）。这意味着国产 GPU 的供给不再受海外代工授权的单点制约——代价是制程受限带来的能效差距，需用系统级方案弥补。

十一、中外龙头对比：英伟达 vs 国产 GPU 阵营

把英伟达和国产阵营放在同一张表里，差距和机会都一目了然：

数字对比冷峻，但要看趋势而非静态差距（英伟达财报与各公司年报，2026）：英伟达收入是摩尔线程的约五百倍，但摩尔线程收入增速（+243%）数倍于英伟达（+65%）；英伟达的中国收入趋近于零，而国产阵营的收入几乎全部来自英伟达退出的空间。两条曲线一个在天花板附近寻找新增长极，一个在替代窗口里加速爬坡——这正是”中国市场平行化”的镜像。

生态对比需要单独强调：沐曦 MXMACA 已适配超 6000 个 CUDA 应用、2200 余个高性能算子（券商研报援引公司资料，2026），兼容层的实用性已过”能用”门槛，但距离 CUDA 的”好用”（调试工具、性能剖析、社区支持）仍有数年量级的工程差距。生态追赶没有捷径，唯一的加速器是国内开发者被迫迁移形成的真实使用反馈。

十二、财务特征与公司横向对比

国产 GPU/算力芯片公司的 2025 年报数据首次可以放在一张表里横向比较（各公司 2025 年年度报告，2026）：

财务特征上，这批公司呈现出清晰的三档分化。第一档是已盈利平台型（海光）：收入体量、盈利、现金流三项俱全，2026 年一季度营收再增 68.06%、经营节奏稳定（海光信息一季报，2026），估值逻辑接近成长股而非概念股。第二档是拐点型（摩尔线程、寒武纪）：收入高增长带动亏损收窄或首次盈利，市场定价的是”斜率”，因此对季度数据极其敏感——摩尔线程 2026 年一季度营收 7.38 亿元、同比增长 155% 并实现归母净利 0.29 亿元的首次单季转正，就是典型的估值锚事件（摩尔线程一季报，2026）。第三档是转型期（景嘉微）：收入增长但利润承压，2026 年一季度营收还出现同比下滑 17.87%（景嘉微一季报，2026），需要等待新产品放量证明。

看这类公司的财报，有三个非常规指标比利润更重要：合同负债与存货（备货抢产能的信号）、研发费用资本化比例（利润质量）、前五大客户集中度（收入的脆弱性）。

十三、关键跟踪指标

高频跟踪（季度级）

• 英伟达季度财报与下季指引：全球 AI 算力景气度的锚，重点看数据中心收入环比与中国口径变化。
• 北美四大云厂（微软/谷歌/Meta/亚马逊）资本开支指引：整条链的总水龙头。
• 国产 GPU 公司季度营收与毛利率：摩尔线程、海光、寒武纪的环比趋势，验证替代逻辑兑现节奏。
• 台积电 CoWoS 扩产与 HBM 价格：供给瓶颈的松紧程度。

领先指标

• 国内智算中心与运营商集采招标结果：国产芯片中标份额是政策托底力度的直接读数。
• 管制口径变化：B30A/H200 类产品的许可进展，直接改写国产替代的需求曲线。
• 国产新品流片与量产节奏：下一代产品能否把对标代际从 A100-H100 推进到 Blackwell 级。
• 超节点/集群订单：单卡差距之外，系统级方案的商业化验证。

一票否决信号

• 北美云厂资本开支指引集体转负：AI 硬件周期见顶的最强信号。
• 国产龙头季度营收连续环比下滑且存货高企：替代需求不及预期或产能约束恶化。
• 管制全面放开且英伟达合规产品大规模返场：国产平行市场的保护垫消失，逻辑需要重估。

十四、A 股炒作逻辑

GPU 在 A 股的叙事有四条主线，强度和确定性各不相同。

1. 国产替代主叙事：管制把市场让出来，政策把需求托起来，“英伟达退、国产进”是最容易被市场理解和定价的故事。摩尔线程上市首日盘中一度涨超 500%（央广网，2025），说明市场对稀缺纯正标的的定价热情。
2. 业绩兑现叙事：与多数题材不同，这条线已有真实财报支撑——海光、寒武纪盈利，摩尔线程单季扭亏，故事正在从”讲逻辑”过渡到”看数据”，季报是最大催化和最大风险点。
3. 产业链扩散叙事：GPU 行情通常从设计公司扩散到代工（中芯国际）、封测（长电、通富）、服务器（浪潮、曙光）、连接与散热等配套，越往外围弹性越依赖情绪。
4. 事件催化叙事：新品发布、超节点落地、大额集采中标、H 股/科创板新上市（沐曦 A+H、壁仞港股）等事件驱动的脉冲行情。

排雷提示：真正有 GPU 收入的 A 股公司屈指可数，大量”GPU 概念股”仅是参股、供货外围部件甚至只有意向合作。鉴别标准与 ASIC 主线相同——看财报和公告里有没有可验证的 GPU 相关收入、订单或客户披露，名字和题材标签不算数。

十五、最新边际变化与催化剂

截至 2026 年 8 月，值得记录的边际变化有五条：

1. 英伟达 FY2026 收官创纪录，Rubin 开启新周期：全年收入 2159 亿美元、数据中心 1937 亿美元，FY2027Q1 指引 780 亿美元且预计 2026 日历年逐季增长；Rubin 平台已发布，Vera Rubin 实例将由四大云厂首批部署（英伟达财报，2026）。全球算力景气度仍在高位。
2. 中国市场对英伟达事实清零，替代窗口全开：H20 风波后英伟达指引持续剔除中国数据中心收入，仅少量 H200 获批且未产生收入（英伟达财报电话会，2026）。这是国产 GPU 最重要的外部条件，也是最大的反转风险源。
3. 国产 GPU 三连上市 + 首次单季盈利：摩尔线程、沐曦、壁仞在约一个月内相继登陆资本市场；摩尔线程 2026Q1 归母净利转正，国产纯 GPU 公司第一次摸到盈利线（公司公告，2026）。
4. AMD 坐实第二供应商地位：OpenAI 6 吉瓦协议 + Oracle 5 万颗 MI450 集群 + 对 Anthropic 的投资绑定，MI450（2nm、HBM4）2026 下半年部署（AMD 公告，2025）。双寡头格局对供应链议价、定价体系都是长期变量。
5. 全国产供应链产品量产：沐曦 C600 于 2026 上半年量产销售并进入运营商集采短名单（公司公告，2026），“设计-制造-封测”全链自主从口号变成可交付产品。

十六、多空分歧与投资含义

看多的核心理由

• 需求能见度罕见：英伟达 5000 亿美元级订单口径、云厂资本开支持续上修，AI 算力仍处于供不应求阶段（英伟达财报电话会，2026）。
• 国产替代是”政策 + 市场”双保险：管制让出需求、集采托底订单，且已有年报级业绩验证，不是纯叙事。
• 资本化完成后研发弹药充足：三家新上市公司合计募资超百亿元级，长周期架构迭代第一次有了稳定资金来源。
• 系统级方案（超节点）为单卡代差提供了现实的工程补偿路径。

看空的核心理由

• CUDA 生态代差以年计，兼容路线永远慢一步，客户真实迁移意愿依赖”被迫”而非”自愿”。
• 先进制程与 HBM 是物理天花板：设计追上了，产能和能效追不上，全国产链的成熟制程方案有性能上限。
• 估值透支：新上市公司市值对应市销率极高，任何一个季度增速不及预期都可能剧烈回调。
• 管制的双向风险：若合规版英伟达产品（B30A/H200 类）大规模获批返场，国产平行市场的保护垫会被快速侵蚀。

投资含义

多空的本质分歧在于”替代窗口能开多久、国产公司能在窗口内长多快”。对研究者而言，与其站队，不如盯三个可证伪的信号：国产龙头的季度营收环比、智算中心招标中的国产份额、管制口径的每一次变化。窗口内的成长是真实的，窗口的开合不由公司决定——这是本行业风险收益比的核心结构。

十七、核心结论与展望

一句话总结：GPU 是 AI 时代确定性最高的硬件主线，全球看英伟达的平台化垄断与 AMD 的第二极崛起，中国看管制造出的平行市场里，国产 GPU 从”能用”走向”够用”的替代兑现。

未来一年，行业重点变量是：Rubin 平台爬坡与云厂资本开支的持续性；国产 GPU 公司季度业绩能否延续高增长与减亏路径；沐曦 C600 等全国产链产品的放量规模；以及管制口径下一次变化的方向。

未来三年，可能形成三条主线：

1. 平台竞争主线：英伟达与 AMD 的机柜级平台之争，决定全球算力成本曲线。
2. 国产代际追赶主线：国产 GPU 能否把对标代际从 A100-H100 推进到 Blackwell 级，关键看先进制程、HBM 国产化与超节点工程能力的协同。
3. 生态收敛主线：国内开发者生态在被迫迁移中逐步沉淀，兼容层与自建生态谁先跑通商业闭环，决定国产阵营的内部座次。

值得持续跟踪的 5 个变量：英伟达数据中心收入与指引、北美云厂资本开支、国产 GPU 龙头季度营收与毛利率、智算中心招标国产份额、管制与许可口径变化。

信息来源：公开资料整理，仅供学习研究，不构成投资建议。

产业链全景速查

多空分歧

看多核心论点： AI 算力需求能见度罕见（英伟达 FY2026 数据中心收入 1937 亿美元、同比增 68%，指引持续上修），管制让出的中国市场为国产 GPU 提供政策与订单双保险，摩尔线程等公司已用年报和单季扭亏证明替代逻辑在兑现（英伟达财报/公司年报，2026）。

看空核心论点： CUDA 生态代差短期无解，先进制程与 HBM 产能是国产物理天花板；新上市公司估值计入多年高增长，季度数据稍有闪失即剧烈回调；若英伟达合规产品大规模返场，平行市场保护垫将被侵蚀。

我的立场： 中性偏多，但强调结构选择。确定性排序：先进封装与算力配套（跟全球订单走，不赌阵营）> 已盈利平台型（海光式”生态兼容 + 双产品线”）> 高弹性纯 GPU 新股（摩尔线程/沐曦，盯季度营收环比与毛利率）> 外围概念股（原则回避）。核心验证点是国产龙头季度业绩与智算中心招标份额，而非新闻叙事。

相关研究

• 谷歌 TPU：云厂商自研 AI 芯片的标杆样本
• HBM 高带宽存储：AI 算力时代的内存瓶颈
• 国产算力：AI 时代的自主可控算力底座
• 晶圆代工：国产半导体制造能力的核心载体