深度 | 2026年AI系列專題3：GPU芯片應用場景深入分析

核心觀點：

• 2025年末至2026年初，摩爾線程、沐曦股份、壁仞科技等接連完成上市，市場反應熱烈。這一些系列事件標志著中國GPU行業已進入產業化與資本化深度聯動的新階段。
  
• 中國GPU市場規模從2020年的384.77億元快速增長到2024年的1,638.17億元，預計在2029年將達到13,635.78億元，在全球市場中的市場占比預計將從2024年的15.6%提升至2029年的37.8%。
  
• 2024年1-11月中國披露的GPU投資事件為23起，融資金額達583.52億元。新華日報財經數據顯示，2025年全年國內已有近十家GPU相關賽道企業奔赴資本市場，總募資規模超300億元。
  
• 全球GPU市場集中度較高，市場份額基本由“一超一強”壟斷。目前全國GPU市場中，NVIDIA和AMD占據了絕大部分市場份額，其中NVIDIA近年來持續維持超八成市場份額，AMD則占據剩余近兩成份額。
  
• GPU應用向物理AI、生物醫藥等前沿拓展，技術呈現Chiplet架構、軟件生態等趨勢，行業面臨供應鏈、人才短缺、競爭激烈等多重風險。
  

2025年末至2026年初，摩爾線程、沐曦股份、壁仞科技等接連完成上市，市場反應熱烈。2025年12月5日，摩爾線程登陸科創板，上市5日漲幅超7倍，市值突破4,400億元；2025年12月17日，沐曦股份以692.95%的首日漲幅刷新A股打新紀錄，單簽盈利達36.26萬元，收盤價對應總市值約3,320億元；壁仞科技于2026年1月2日在港交所掛牌，開盤報35.7港元/股，較每股19.60港元的定價大漲82.14%，盤中股價最高觸及42.88港元/股，漲幅超118%；天數智芯于2026年1月8日在港交所掛牌上市，截至收盤，天數智芯股價報156.8港元/股，漲幅8.44%，總市值約400億港元；燧原科技也于2026年1月1日完成A股IPO輔導工作。

中國GPU行業已進入產業化與資本化深度聯動的新階段。在人工智能、高性能計算及數字化轉型的推動下，GPU作為核心算力基礎設施，戰略價值日益凸顯，自主可控的GPU產業鏈成為國家戰略支撐。在此背景下，中國GPU企業加速資本化進程，成為資本市場高度關注的焦點。

然而，行業仍面臨技術積累、國際競爭、供應鏈安全等挑戰。本報告旨在通過分析近期資本市場動態，深入解讀中國GPU產業的發展現狀、核心驅動力及未來趨勢，為投資機構與行業參與者提供參考。

（2）行業定義及發展歷程

1）定義及分類

GPU（Graphics Processing Unit，圖形處理器），又稱顯示核心、視覺處理器、顯示芯片，是一種專門處理圖像和圖形相關運算的微處理器。GPU最初是為了加速計算機圖形渲染而設計的，隨著技術的進步，其并行計算能力被廣泛應用于通用計算領域，尤其成為人工智能、科學計算、數字孿生等場景的核心硬件，是兼具 “圖形處理 + 通用計算”雙重能力的多功能芯片。

根據功能定位，GPU主要分為圖形GPU、GPGPU和全功能GPU。圖形GPU聚焦圖形圖像相關處理，其核心架構強化了圖形管線與像素處理單元，重點服務于游戲終端、影視渲染等視覺相關場景；GPGPU則省去了與圖形顯示和渲染相關的功能，專注于通用并行計算任務，通過簡化圖形模塊、強化計算核心的架構設計，廣泛應用于AI訓練推理、超算、科學計算等高性能計算場景；全功能GPU兼具圖形渲染與通用計算能力，其架構兼顧圖形管線與并行計算需求，可適配多元化應用場景，常見于高端臺式機、專業工作站等設備。

圖表1 全功能GPU、圖形GPU、GPGPU三者的區別

來源：融中咨詢

2）發展歷程

GPU的早期版本主要用于圖形渲染。隨著技術的進步，GPU的并行計算能力被挖掘，GPU也逐漸被應用于科學計算和數據分析領域。2006年，NVIDIA推出CUDA，這是全球第一個通用并行計算架構，標志著GPU由單一的圖形處理向通用計算的轉變。2022年，隨著ChatGPT的爆火，在加速計算和生成式AI的帶動下，算力需求陡增，GPU需求量也隨之大幅增長，高端AI專用芯片供不應求。

圖表2 GPU發展歷程

來源：融中咨詢

（3）行業現狀分析

1）政策梳理及發展方向

近年來，國內GPU行業政策圍繞“自主可控、算力升級、生態協同”的核心主線，從國家戰略規劃、專項政策扶持、產業鏈協同、應用場景拓展、資本與金融支持等多個維度持續發力，推動GPU通用技術標準與行業規范落地，提升國產產品的兼容性與安全性，有力促進了GPU行業的發展。2025年來國家頒布、實施的主要政策法規如下：

圖表3 2025年中國GPU行業相關法規/政策概覽

信息來源：政府各部門，融中研究整理

3）融資動態

2024年1-11月中國披露的GPU投資事件為23起，融資金額達583.52億元。新華日報數據顯示，2025年全年國內已有近十家GPU相關賽道企業奔赴資本市場，總募資規模超300億元。

圖表4 2025年中國GPU行業部分投融資企業情況

信息來源：融中咨詢

圖表5 中國GPU企業IPO及上市進程表

信息來源：融中研究、各公司招股說明書

(4）市場規模及競爭格局

1）行業市場規模

在全球范圍內，歐美等發達國家及地區在AI領域的研發起步較早，早期資本投入較大。過去五年，全球AI算力需求激增使GPU市場爆發式增長，全球GPU市場規模從2020年的1,509.98億元快速增長到2024年的10,515.37億元。全球GPU市場規模預計在2029年將達到36,119.74億元，2025-2029年的復合增長率為24.5%，呈現強勁的增長態勢。

圖表6 2020-2029年全球GPU市場規模（收入）

來源：融中咨詢

過去五年，中國GPU產業呈現快速增長態勢，市場規模從2020年的384.77億元快速增長到2024年的1,638.17億元，預計在2029年將達到13,635.78億元，在全球市場中的市場占比預計將從2024年的15.6%提升至2029年的37.8%。其中，AI智算GPU仍是增長核心，到2029年，中國AI智算GPU市場規模將達到10,333.40億元，期間年均復合增長率為56.7%；桌面級產品亦穩步發展，預計從2024年的641.45億元增至2029年的3,302.38億元。

圖表7 2020-2029年中國GPU市場規模（收入）

來源：融中咨詢

2）競爭格局

全球GPU市場集中度較高，市場份額基本由“一超一強”壟斷。目前全球GPU市場中，NVIDIA和AMD占據了絕大部分市場份額，其中NVIDIA持續維持超八成市場份額，特別是在高端市場和AI相關應用領域，NVIDIA憑借其強大的算力、豐富的產品線和完善的生態及應用體系，展現出了極大的稀缺性和市場影響力，其CUDA架構和深度學習算法的優化使其成為許多高性能計算應用的首選。AMD則占據剩余近兩成份額，AMD憑借其近年來推出的RDNA和CDNA架構，在性價比和多任務處理能力方面不斷挑戰NVIDIA。

圖表8 GPU國際龍頭企業基本情況

來源：各公司官網、融中咨詢

中國市場海外龍頭廠商占據絕大部分市場份額。尤其是高性能計算和AI領域，NVIDIA、AMD等國際巨頭憑借技術優勢和生態壁壘，依然是市場的主導力量。近幾年，在資本的加持、人工智能的市場催化以及國家相關政策的支持，國內一批本土GPU廠商涌現并快速成長，這些廠商主要分為幾類：一類是具有軍工背景或較早從事特定領域圖形顯控芯片研發的企業，如景嘉微；另一類是近年來成立的初創公司，它們瞄準AI、數據中心等新興市場，匯聚了海內外頂尖技術人才，如摩爾線程、壁仞科技、天數智芯、沐曦股份、燧原科技等；還有一類是大型科技公司內部孵化或戰略布局的芯片業務，如華為海思/昇騰。

圖表9國內GPU主要廠商基本情況

來源：各公司官網、融中咨詢

（5）產業鏈圖譜

GPU產業鏈的上游包括設計芯片所需的EDA軟件、IP模塊等，以及制造所需的設備和材料。EDA軟件和IP供應商為芯片設計提供工具支持，EDA軟件供應商有Synopsys、華大九天等；IP供應商有ARM、芯原股份等。設備和材料是芯片制造的基礎，關鍵材料包括硅晶圓、光刻膠等；關鍵設備包括光刻機、刻蝕機、薄膜沉積設備等。

中游是附加值最高的環節，包括設計和制造兩大方面。芯片設計為最核心的環節，決定GPU性能與功能，代表企業有NVIDIA、AMD、摩爾線程、沐曦、寒武紀等。GPU制造指從晶圓制造到芯片封裝、測試的過程，晶圓制造為將設計圖“刻”在硅晶圓上，技術壁壘極高，代表企業有臺積電、三星、中芯國際等；封裝、測試為將制造好的芯片封裝保護，并測試性能，確保良率，代表企業有長電科技、通富微電、日月光等。

下游為GPU應用領域。分銷商負責銷售GPU，而系統制造商則負責將GPU集成到終端產品中，并最終交付給品牌商。最終應用下游包括AI計算加速、機器人、自動駕駛、元宇宙、數字孿生、科學計算、工業自動化、消費電子等眾多行業。

圖表10 GPU產業圖譜

來源：各公司官網、融中咨詢

（1）AI智算場景

1）場景概述

AI智算是人工智能與高性能計算深度融合的產物，其核心是通過AI專用硬件（如GPU、FPGA、ASIC等）和分布式架構，為機器學習、深度學習等AI任務提供高效、可擴展的計算能力。它突破了傳統通用計算的邊界，以“算力+算法+數據”三位一體模式，支撐復雜AI模型的訓練與推理，成為數字經濟時代的關鍵基礎設施。AI智算按芯片架構以GPU、NPU、ASIC、FPGA等為核心載體，適配不同能效與場景需求。

2）場景需求梳理

AI智算體系中，硬件是承載智能算力的核心載體，其中AI加速芯片承擔著海量數據的高效處理任務，是支撐各類人工智能應用與大模型運行的算力基石。當前市場呈現“GPU主導，多元架構補充”的格局。隨著大模型訓練與推理需求爆發，2024年中國AI智算GPU市場規模已達996.72億元，預計2029年將增至10,333.40億元，期間年均復合增長率高達56.7%，成為GPU行業增長的核心引擎。

3）解決方案梳理

GPU作為AI智算的核心技術之一，在AI大模型算力提升中發揮著至關重要的作用，其強大的并行計算能力、單指令多數據流特性和高帶寬內存配置，使得GPU成為加速AI大模型訓練和推理的理想選擇。GPU在AI大模型算力提升中的作用如下：

加速模型訓練：在AI大模型的訓練過程中，GPU能夠顯著縮短訓練時間。GPU通過并行計算技術，將訓練任務分配到多個處理單元上執行，從而加快模型的收斂速度。此外，GPU還支持分布式訓練，可以將訓練任務分配到多臺機器上，進一步加快訓練速度。

優化模型性能：GPU的并行計算能力還可以優化模型的性能。在訓練過程中，GPU可以更快地迭代調整模型參數，使損失函數逐步收斂到最小值，有助于提升模型的精度和泛化能力。

加速模型推理：在模型推理階段，GPU也能顯著提高計算效率。對于實時應用（如自動駕駛、實時翻譯等），GPU可以減少推理時間，提高系統的響應速度和用戶體驗。

4）企業展示

• 摩爾線程

摩爾線程主要從事GPU及相關產品的研發、設計和銷售。自2020年成立以來，摩爾線程以自主研發的全功能GPU為核心，致力于為 AI、數字孿生、科學計算等高性能計算領域提供計算加速平臺。

摩爾線程的主要產品包括AI智算產品、專業圖形加速產品、桌面級圖形加速產品、智能SoC類產品。其中AI智算產品線涵蓋AI訓練智算卡、AI推理卡、AI超節點服務器及夸娥（KUAE）智算集群等，為AI計算中心、云服務平臺等打造，滿足從大模型預訓練及后訓練、推理部署到GPU云服務等場景應用需求。摩爾線程AI智算代表性產品包括：MTT S4000，系2023年底推出的訓推一體全功能智算卡；MTT S5000，通過FP8精度支持等創新提升性能；KUAE1，系支持千卡互聯的第一代超大規模智算融合中心產品；KUAE2，系2024年底推出的第二代超大規模智算融合中心產品，支持萬卡互聯。摩爾線程已交付多個智算中心，場景覆蓋大模型訓練、推理、科學計算等多個領域。2022-2024年度及2025年1-6月，公司AI智算產品合計實現收入10.01億元。

• 壁仞科技

壁仞科技成立于2019年，總部位于上海，是中國高性能通用計算芯片領域的領軍企業，專注于研發通用GPU（GPGPU）及AI加速芯片，為AI訓練、推理及高性能計算提供全場景算力解決方案，其服務領域覆蓋AI數據中心、電信、能源、金融科技、互聯網等關鍵行業，支撐人工智能訓練、推理服務及科研創新等核心場景。

壁仞科技的核心產品為壁礪系列通用GPU芯片，包括BR100系列：首代通用GPU芯片，采用7nm制程和Chiplet技術，單芯片算力表現突出，支持大規模并行計算；BIRENSUPA計算平臺：軟硬協同的AI計算平臺，提供高效的大模型訓練與推理能力；BIRENCUBE云管理平臺：面向云場景的算力資源調度與管理系統，支持多租戶、彈性擴展等特性；智能計算集群解決方案：提供從芯片到系統的全鏈路算力基礎設施，已規模化部署于全國多個智算中心。

（2）圖形渲染場景

1）場景概述

在如今的數字化時代，無論是游戲、影視制作、建筑設計，還是虛擬現實（VR）和增強現實（AR）應用，渲染技術都扮演著至關重要的角色。渲染是將計算機中的數據轉化為圖像、動畫和虛擬世界的過程，而渲染性能則直接決定了這些圖像和動畫的質量與流暢度。隨著科技的飛速發展，渲染性能已經成為推動數字創意產業發展的核心動力之一，尤其是在高質量視頻制作、實時交互體驗以及復雜視覺效果的場景中。

2）場景需求梳理

隨著高清、超高清甚至8K視頻內容的普及，以及虛擬現實（VR）、增強現實（AR）等新興技術的廣泛應用，渲染所需處理的數據量呈指數級增長。這些數據不僅包括復雜的3D模型、高分辨率的貼圖和紋理，還包括動態光照、陰影和物理效果等，這些都極大地增加了渲染的復雜度和計算量。高質量的渲染需要強大的計算能力，GPU渲染因其出色的處理能力和高度的并行性能，已成為構建高效率渲染流程的關鍵。

3）解決方案梳理

GPU技術的突破，為渲染提供了強大的算力支持，早期的渲染技術主要依賴于CPU，但隨著圖形處理需求的增長和技術的進步，GPU逐漸成為渲染的核心。GPU擁有成百上千個流處理器，能夠并行處理大量的渲染任務，顯著縮短了渲染時間，還大幅提升了圖像質量。性能方面，GPU的數千個計算核心可并行處理像素、頂點等數據，相比CPU渲染速度提升10-100倍；能效比方面，在相同功耗下，GPU的浮點運算能力是CPU的20-50倍，適合大規模并行計算場景；實時交互方面，GPU支持動態光照、物理模擬等實時渲染需求，提升了用戶體驗。

4）企業展示

• 景嘉微

景嘉微成立于2006年，2016年3月在深交所創業板上市，主要從事GPU及相關產品的研發、生產和銷售，相關產品包括圖形顯控、小型專用化雷達領域的核心模塊及系統級產品等。景嘉微早年主要依靠圖形顯控產品和小型專用化雷達領域產品在軍工領域的應用推動發展。2019年，景嘉微的JM7200圖形顯示芯片獲得首份訂單，GPU產品為公司業績開拓出強勁的第二增長曲線。

景嘉微2024年研發成功的最新一代GPU芯片-JM11系列，該系列芯片支持硬件與透傳虛擬化技術，在虛擬化場景中功能豐富、性能出色，同時顯著增強物理機場景下的渲染計算能力，可滿足云桌面、云游戲、地理信息系統、CAD輔助設計等多類高性能應用場景需求，適配 Windows、Linux及國產主流操作系統，廣泛適用于服務器、臺式機、筆記本等設備。

（1）應用場景的變化趨勢

GPU的應用場景正持續拓展，多功能化成為其未來發展的重要方向。隨著GPU制程工藝、架構創新與生態建設的持續深化，其應用場景正從圖形渲染、深度學習、科學計算等傳統領域，向物理AI、生物醫藥、自動駕駛、元宇宙、數字孿生等前沿領域快速拓展，推動各行業實現效率突破與模式創新。

（2）行業技術發展趨勢

架構創新。GPU廠商積極探索Chiplet（芯粒）設計范式，通過將大型單片GPU分解為多個功能模塊（如計算單元、內存控制器、I/O接口），再使用先進封裝技術（如CoWoS、3D堆疊）集成，可在提升良率的同時實現更靈活的產品組合。AMD的MI300系列與NVIDIA的GB200均已采用這一路線，預計未來Chiplet設計將成為高性能GPU的主流選擇。

軟件與生態的壁壘構建。軟件棧成為核心競爭力，NVIDIA的CUDA生態仍占主導，新興GPU企業多采用開源軟件棧或強調對主流生態的兼容，以降低開發者的遷移門檻，加速生態構建。

能效比提升。隨著算力規模擴大，數據中心的能耗問題凸顯，在提升性能的同時降低能耗也成為研發的重點。

異構計算與系統級協同。GPU不再是獨立加速卡，而是與CPU、DPU、存儲等更緊密地協同，形成系統級解決方案，以優化數據流和整體計算效率。

（3）行業趨勢風險研判

供應鏈穩定性風險。美國近年來出臺了一系列政策限制全球頭部晶圓廠為中國企業代工生產芯片。我國GPU行業整體起步較晚，在生產供應環節與國外還存在一定差距，國產供應商短期內仍需成長。因美國政府相關政策影響，對我國高性能GPU的研發生產，以及AI、超級計算機等先進應用造成阻力，也進一步突出了我國加快發展自主可控GPU芯片的緊迫性和必要性。

產品迭代和技術創新無法滿足市場需求的風險。近年來，隨著人工智能大模型算法的快速迭代以及模型參數量的指數級增長，對底層算力持續提出新的需求，GPU芯片設計向更高算力密度、更大內存及通信帶寬、更多元的混合精度等方向不斷發展演進。然而相較于快速迭代的人工智能相關技術，GPU芯片研發周期相對較長、研發投入大，該等周期上的錯配客觀要求核心研發團隊具有前瞻性設計能力，充分把握前沿技術趨勢、應用方向，才能及時順應市場需求。此外，國際巨頭研發節奏極快，若國內企業不能持續保持高研發投入和快速產品迭代，技術差距可能拉大。

高端專業人才短缺風險。GPU行業橫跨集成電路和人工智能兩大典型的技術密集行業，涉及并行計算、人工智能算法、圖形處理、計算機體系架構、軟件開發、半導體工藝等多學科知識，在架構設計、IP設計、電路設計、先進工藝、軟件生態等方面對人才的專業素養、實踐經驗、創新能力和工程技術能力要求較高。但由于我國GPU行業發展時間較短、人才培養周期較長，高水平人才的供給速度難以滿足我國人工智能產業的需要，導致行業高端專業人才緊缺。短期內，專業人才相對缺乏仍將是制約行業發展的重要因素之一。