國產GPU，“圍剿”英偉達

如果說兩年前的“H800禁售令”引發的是中國客戶恐慌性的囤貨狂潮，當英偉達再次交出一份全球營收創新高但中國區占比滑落至10%警戒線的財報時，市場的情緒已經從恐慌轉為了冷漠。

面對華爾街分析師關于“特供版芯片在中國市場訂單不及預期”的尖銳追問，這位身穿標志性皮衣的CEO罕見地陷入了沉默。他試圖用“復雜的監管環境”來搪塞，但所有人都聽出了潛臺詞中的無力感。

當為了合規而自我閹割的特供版芯片，在性能上被國產“新貴”們逼平，在價格上又因高昂的供應鏈成本而居高不下時。那個曾經只要在PPT上畫出一張卡，就能讓中國互聯網巨頭提著現金排隊的時代，已經徹底終結了。

精準的刀法與失衡的性價比

英偉達再次推出針對中國市場的特供芯片H20時，其算盤打得極其精明：通過降低芯片的峰值性能以符合美國出口管制要求，同時保留高速互聯帶寬和CUDA生態的兼容性。在英偉達看來，這是中國客戶在“算力饑渴”下的唯一解藥。

市場用腳投出的票，卻給了這種傲慢一記響亮的耳光。為了滿足美國對“算力密度”和“互聯帶寬”的雙重限制，H20幾乎被“閹割”得面目全非。這就導致H20在實際的大規模訓練集群中，其有效算力甚至不如兩年前囤積的H800。

從技術邏輯上看，AI大模型的訓練確實依賴高帶寬，但推理和微調場景對算力密度的要求同樣嚴苛。H20為了合規，將算力“閹割”到了H100的20%甚至更低，但其晶圓面積、封裝成本并沒有顯著下降。

這就導致了一個極其荒謬的TCO模型：中國客戶需要購買比過去多出三倍甚至五倍數量的顯卡，租用更大的機房空間，消耗更多的電力，搭建更復雜的網絡拓撲，僅僅是為了達到兩年前一張A100卡就能解決的算力水平。

對于精打細算的中國互聯網大廠和智算中心運營商來說，這筆賬怎么算都是虧的。所以H20的渠道價格就開始出現松動，從最初預期的1.2萬—1.5萬美元高位，一路下探至10萬元人民幣左右，甚至在某些大單采購中出現了比昇騰910B還要低的價格倒掛。

英偉達仿佛陷入了一個死循環：為了合規，必須降低性能；為了維持高毛利和應對復雜的供應鏈合規成本，價格無法大幅下調；而性能下降、價格堅挺的結果，就是徹底將中低端市場和推理市場拱手讓人。

這種局面的出現，并非英偉達技術不行了，而是競爭參照系變了。摩爾線程是這群新貴中最具代表性的一員。如果不說它是國產，你甚至會以為它是英偉達的某個“中國分部”。摩爾線程極度強調“全功能GPU”的概念。

不僅能做AI計算，還要能做3D圖形渲染、視頻編解碼。這種策略極其聰明地切入了英偉達的腹地，它不僅想替代A100/H100，還想替代RTX系列。在2024年到2025年的窗口期，摩爾線程的“夸娥”萬卡集群解決方案開始在業界嶄露頭角。

它解決了一個核心痛點：對于那些不想被生態完全綁定，又買不到滿血英偉達的中型企業和科研機構來說，需要一個架構上更接近傳統GPU、遷移成本更低的替代方案。摩爾線程的MUSA架構在設計之初就考慮了對CUDA代碼的兼容性，大大降低了開發者的遷移門檻。

其市值已悍然站上3000億元人民幣大關，成為“國產GPU第一股”在科創板站穩了腳步。摩爾線程從受理到過會僅用時88天，也創下了科創板的“閃電紀錄”，對于一家成立僅5年的公司而言，這種“跑步上市”的盛況，在A股歷史上極為罕見。

與此同時，壁仞科技在港交所的招股進入最后沖刺階段，擬募資額接近50億港元。翻開招股書，這些“獨角獸”的財務報表依舊是“鮮血淋漓”，基石投資者名單中也不乏頂級國資與險資的身影。

國產算力不再僅僅是“備胎”

二級市場給予的高估值，透支的是未來十年的預期。投資者賭的不僅是某一家公司的技術，更是賭在中國這個全球最大的半導體消費市場中，必然會誕生一到兩家能與英偉達分庭抗禮的巨頭。

從昇騰910C在核心訓練集群的規模化部署，到DeepSeek等頭部大模型廠商公開為國產算力站臺，中國芯片廠商不再是“備胎”，而是真正坐上了牌桌。對于面臨巨大盈利壓力的云廠商來說，繼續迷信英偉達，就是對股東不負責任。

字節跳動、阿里巴巴、騰訊等互聯網巨頭，在2025年的算力采購策略上表現出了驚人的一致性。不約而同地將英偉達的存量高端卡集中用于極少數超大模型的預訓練，而在占據算力消耗80%以上的推理和微調環節，激進地引入國產算力。

字節跳動在2025年的推薦算法集群中，非英偉達芯片的占比更是首次突破了40%。推薦算法可以說是字節跳動的利潤奶牛，敢于在核心業務上動刀，說明國產芯片的穩定性已經通過了最嚴苛的實戰考驗。

如果說商業邏輯的轉變是水面上的波瀾，那么制造環節的驚心動魄則是水面下的暗流。美國商務部在今年進一步收緊了對華出口HBM的限制。不僅是頂級的HBM3e，連基礎版本的HBM3也被列入了嚴控范圍。

這對于試圖追趕英偉達的國產GPU廠商來說，無異于釜底抽薪。沒有HBM，高端GPU就是一塊廢硅。國產GPU廠商開始學會“看菜吃飯”，既然買不到最好的HBM，那就通過架構創新來彌補。

摩爾線程和壁仞科技在2025年推出的新一代產品中，普遍采用了更大的片上SRAM緩存和優化的顯存壓縮算法，以降低對顯存帶寬的依賴。這種“窮人家的孩子早當家”的設計思路，雖然在極限性能上不如英偉達的暴力堆料，但在實際工程應用中卻展現出了極高的效率。

通富微電、長電科技等國內封測巨頭，在國產2.5D封裝技術上也取得了實質性突破。盡管良率初期慘不忍睹，但依靠國內龐大的市場需求進行“暴力迭代”，到了2025年第三季度，這一數字已經被拉升至40%—60%的區間。

雖然與臺積電90%以上的成熟良率相比仍顯稚嫩，但這已經跨越了“商業化量產”的盈虧平衡點。這意味著，國產大芯片不再是實驗室里的展品，而是可以源源不斷流向數據中心的工業品。

從“能用”到“好用”

長期以來，英偉達最堅固的壁壘并非GPU本身，而是CUDA。那個讓無數開發者“不得不愛”的軟件生態，曾被認為是國產芯片不可逾越的天塹。這個龐大、復雜且極其好用的軟件生態，像毒品一樣讓全球的開發者欲罷不能。

在中國，過去十年的AI繁榮也是建立在CUDA之上的。因此，英偉達曾自信地認為：只要CUDA還在，中國客戶就逃不出我的手掌心。但當“買不到”成為常態，依賴CUDA就變成了一種巨大的經營風險。

對于中國企業而言，如果底層的算力基座構建在隨時可能被切斷的CUDA之上，那么上層的萬丈高樓皆為虛幻。這種安全意識的覺醒，促使整個行業開始聯手構建屬于中國自己的軟件標準。

而這道天塹被填平的速度，超出了所有人的預期。以摩爾線程和壁仞為代表，通過兼容CUDA代碼，降低遷移成本。摩爾線程的MUSA在2025年開發者大會上展示了驚人的兼容性，數萬行代碼的遷移時間被壓縮到了小時級。

在2025年，絕大多數算法工程師不再需要手寫底層的CUDA算子。通過編譯器技術的突破，開發者只需關注上層的Python代碼，底層的適配工作由編譯器自動分發到不同的后端，無論是Nvidia GPU，還是Ascend，亦或是海光DCU。

技術層面的“去CUDA化”正在加速。百度飛槳、阿里通義千問、騰訊混元大模型，都在底層代碼層面做了大量的適配工作。通過編譯器優化、算子庫重寫以及自動轉換工具，在主流的大模型訓練和推理任務中，這種差距已經被縮小到了“可接受”的范圍。

這種“去底層化”的趨勢，極大地降低了國產芯片的遷移門檻。更重要的是，圍繞CANN形成了一個龐大的開發者社區。在GitHub和Gitee上，針對昇騰芯片的模型適配代碼庫數量在2025年呈現出指數級增長。

除了在大模型訓練端的廝殺，國產GPU開始滲透進渲染、數字孿生、云游戲等邊緣市場。摩爾線程的“夸娥”千卡集群在數字人渲染上的應用，證明了GPU不僅僅只有AI這一條路可走。

海光信息在2025年財報中也披露，其DCU產品在通算領域的生態兼容性已達到95%以上。

當軟件不再是瓶頸，硬件的性價比優勢就會被無限放大。在占據市場90%份額的成熟模型訓練和推理場景中，CUDA的“神諭”地位已經動搖。

當然我們必須清醒地看到，“碎片化”依然是國產GPU的頑疾。海光有DCU，摩爾線程有MUSA，壁仞有BIRENSUPA……每一家都有一套自己的編程模型。對于下游軟件開發商來說，適配這七八套系統簡直是噩夢。

2025年下半年，行業內開始出現整合的呼聲。雖然物理層面的合并尚早，但軟件層面的互通標準，例如OpenCL的某些國產化變體開始被提上日程。誰能統一這個破碎的江湖，誰就是下一個時代的盟主。

2024年英偉達在中國市場的份額一度高達80%以上，而到了2025年底，這一數字被壓縮至60%左右。這丟失的20%，是被“四小龍”硬生生啃下來的，但是對于這些芯片新貴而言，IPO敲鐘的那一刻，才是真正殘酷淘汰賽的開始。