算力芯片行业深度研究报告：算力革命叠浪起，国产 GPU 奋楫笃行.pptxVIP

oGPU并行计算能力适用于AI训推需求，大模型发展催化GPU需求。GPU不仅仅负责图形处理，也能执行通用计算任务。其核心由大量简单的计算单元构成，这些单元被组织成强大的计算阵列，能够同时对海量数据执行相同的简单操作，因此相比CPU更擅长处理并行计算任务。当前主流的AI计算加速芯片主要有四种技术架构，相较于ASIC和FPGA，GPU在通用计算性能和开发友好性上更具优势，也比仍处探索阶段的NPU更为成熟，因而成为大模型训练和推理的主力。近年来，人工智能取得突破性进展，多模态大模型不断涌现。大语言模型的进化遵循ScalingLaw法则，其能力提升高度依赖海量算力供给。未来，随着AI大模型向多模态、强推理、数据合成等方向演进，算力将继续作为核心驱动力，推动模型能力不断突破，加速AI应用的广泛落地。

o海外巨头持续加码AI投入，英伟达占据全球主导地位。大模型在应用端的表现持续取得显著进步，正逐步深入渗透日常生活和工作场景，活跃用户数量不断攀升，token调用量保持高速增长。据谷歌业绩说明会，2025年其月度Tokens调用量从5月的480万亿大幅上升至7月的980万亿，并于10月爆发式增长至1300万亿，其提升节奏与谷歌Gemini2.5、NonaBanana等产品的更新步调保持一致。从谷歌AI相关业务表现来看，大模型用户正在向付费用户转化，有望实现AI投入的商业闭环。因此，北美科技巨头纷纷加码AI相关投入。此外，自2025年以来，包括英伟达、微软、OpenAI、Oracle在内的北美AI领域巨头已陆续签订投资与战略合作协议，进一步坚定对AI的投资信心。在数据中心GPU市场，英伟达一家独大且保持高速增长。其GPU产品在AI智算性能上持续革新，GB200的训练性能达H100的4倍，推理性能为H100的30倍，并进一步推出专为扩展推理与AI推理任务设计的GB300。此外，CUDA编程工具大幅降低了开发门槛，进一步巩固了英伟达在AI智算领域的竞争壁垒。

o美国扩大高端GPU出口限制，国产奋起力争自主可控。2023-2025年，美国多次修订出口规则扩大管制范围。由于GPU是国内人工智能发展的基础，相关政策持续加码支持国产算力行业发展。当前，寒武纪、海光信息、摩尔线程、沐曦股份等国内厂商推出多款AI智算芯片产品，并逐步追赶国际领先标准。从各公司创始团队及核心成员来源来看，寒武纪核心创始成员均来自中科院计算所，海光信息核心高管大部分来自中科曙光，摩尔线程创始成员来自英伟达，沐曦股份创始成员多数来自超威半导体，决定了其技术底蕴及技术基础。从产品路线及收入规模来看，海光信息CPU产品贡献主要营收，信创CPU产品带动整体收入实现较快起量；寒武纪深耕AI智能芯片，收入放量强依赖于互联网客户验证及部署进程，因此收入在25年实现爆发式成长。摩尔线程和沐曦股份均提供通用GPU产品，但由于摩尔线程和沐曦成立时间较短，目前仍处于商业化落地前期，收入规模相对较小。盈利能力方面，由于GPU行业在爬坡早期毛利规模无法覆盖高额研发支出，因此早期通常处于亏损状态。海光信息2021年实现全年转盈，寒武纪于2024Q4实现单季度转盈，摩尔线程和沐曦目前仍未实现盈利，据招股说明书，摩尔线程预计最早于2027年实现合并报表盈利，沐曦股份预计最早2026年实现盈利。

o行业投资评级与投资策略：目前AI投入产出已实现闭环，有望进一步致使海外大厂加码AI相关投资。近年美国多次修订出口规则扩大管制范围，GPU是国内人工智能发展的基础，国产算力芯片自主可控迫在眉睫。当前，国内多家GPU厂商陆续推出AI智算芯片产品，并逐步追赶国际领先标准。建议关注：

（1）算力芯片设计：寒武纪、海光信息、摩尔线程、沐曦股份等（2）算力芯

片代工：中芯国际、华虹公司/华虹半导体等。

o风险提示:下游需求不及预期、国产替代进展不及预期、代工供应风险

相关研究报告

《电子行业深度研究报告：3C、消费、高端制造等多轮驱动，3D打印发展空间广阔》

2025-12-15

《电子行业2026年度投资策略：人工智能引领科技革命，算力需求爆发催化产业升级》

2025-12-02

《半导体存储行业深度研究报告：企业级需求高增，驱动新一轮存储超级周期》

2025-11-05

相对指数表现

%1M

绝对表现10.1%

相对表现6.3%

行业基本数据

股票家数(只)

总市值(亿元)