中国算力产业加速资本化：GPU与存储芯片企业密集上市，生态闭环初显

临近岁末年初，中国算力产业在资本市场的活动明显加快。

1月8日，上海天数智芯半导体股份有限公司（简称“天数智芯”，09903.HK）正式在港交所上市，本次公开发售获得超过400倍超额认购，反映出资本市场对其的强烈追捧。

在此之前，另外两家国内GPU领军企业也相继在科创板上市：2025年12月5日，摩尔线程（688795.SH）首日盘中涨幅高达468.78%，市值一举突破3055亿元；同年12月17日，沐曦股份（688802.SH）上市首日涨幅达692.95%，市值攀升至3300亿元以上。

与GPU企业在二级市场的火热相呼应，国产存储芯片厂商也在2025年底实现了重要突破。2025年12月30日，长鑫科技集团股份有限公司（简称“长鑫科技”）向上交所递交科创板招股书，同时披露了2025年前三季度320.84亿元的营收，这一数据直观体现了国产DRAM（动态随机存取存储器）产能的快速释放。

更早的2025年9月25日，长江存储科技控股有限责任公司（简称“长存集团”）完成股份制改革，其1600亿元的估值一度创下半导体独角兽的新纪录，也标志着这家NAND Flash（闪存）龙头企业迈入新的发展阶段。

从芯片设计到存储颗粒，从科创板到港交所，一轮接一轮的资本热潮侧面印证了国产算力产业的迅猛发展。当然，除了资本市场的热度，国产芯片在实际的智算中心建设和应用适配中，依然面临诸多复杂挑战。

各司其职

进入2026年，国产算力竞争已不再单纯比拼硬件参数，焦点正转向“万卡集群”的稳定性、软件生态的易用性以及商业落地的性价比，这些成为衡量价值的新标准。

在中国算力产业的发展历程中，“万卡集群”常被视作重要里程碑，然而当系统规模真正达到这一量级时，其故障概率也呈指数级上升。

近期，中科曙光（603019.SH）推出了scaleX万卡超集群，该集群由16个scaleX640超节点通过高速网络互联，实际部署10240块AI加速卡。中科曙光高级副总裁李斌向经济观察报记者表示，在算力系统规模较小时，单点问题或许影响有限，但若将数万甚至十万个芯片组成紧耦合系统，任何细微瑕疵都将被放大。

“假设单点可靠性达到99.99%，放大一百倍、一千倍后，系统可靠性将呈数量级下滑。”李斌解释道。

对此，中国工程院院士、清华大学计算机系教授郑纬民在近期摩尔线程MUSA开发者大会上亦指出，国产万卡乃至十万卡系统要实现可用、好用非常困难，十万张卡互联，平均每小时可能出错一次，一旦某张卡故障，整个系统即需暂停。

为解决这一难题，硬件厂商在“连接”方面投入大量精力。

李斌介绍，中科曙光发布的集群，核心突破是采用了国产首款400G原生RDMA（远程直接内存访问，一种允许服务器间直接交换内存数据、无需CPU干预的高速网络技术）网络。在传统超级计算机领域，以色列迈络思（Mellanox）公司几乎垄断互连网络标准，这也正是英伟达收购迈络思的原因——英伟达不仅销售GPU，还提供NVLink和InfiniBand网络，构成其“三驾马车”。

网络为何如此关键？李斌解释，超级计算机进行“变形计算”（如模拟物理结构变化等大规模科学仿真计算）时，需要海量计算单元协同工作，因此数据传输网络必须具备极高的信号质量、极低延迟和大带宽。

这也是英伟达构建“三驾马车”产品体系的根本逻辑。除核心算力GPU外，英伟达通过NVLink技术实现单服务器内芯片间的超高速互联，通过收购迈络思获得的InfiniBand（无限带宽）技术解决服务器节点间的高速数据传输。

当前AI集群本质上可视为超级计算机集群的延伸，大模型分布式训练对网络的要求与超算相同，因此节点间高速互连网络成为决定集群效率的关键瓶颈。

“过去，国内存在较大代差，这一技术领域落后较多。”李斌表示，不过新一代国产网络产品在规格指标和实测稳定性上，已能与英伟达当前量产产品对标。

更长期的挑战在于物理极限。李斌分析称，目前业界普遍采用铜缆连接，因其可靠性高、成本低、功耗低，但随着数据中心单链路速率提升，铜缆有效传输距离正急剧缩短。

“当速率达到448G时，铜线能驱动的距离可能仅有几厘米。”李斌判断，未来系统必然需要芯片直接出光，即硅光技术。

数据传输中，铜缆承载电信号，随着传输速率升高，电信号在铜线中的损耗急剧增加，导致传输距离缩短。为解决此问题，行业需用光信号替代电信号，即“光进铜退”，而硅光技术正是将电光转换功能直接集成于芯片，从而突破铜缆的物理极限。

解决“连得上”后，还需解决“存得下”的问题。李斌表示，算力大幅提升的同时，若数据传输和存储性能无法匹配，中间的鸿沟将日益扩大。

这正是长鑫科技和长存集团的价值所在，两家公司分别布局存储芯片的两大核心领域——DRAM（动态随机存取存储器，即内存）和NAND Flash（闪存，即硬盘存储）。

长鑫科技在2025年12月30日递交的科创板招股书中披露，2025年前三季度营收达320.84亿元，2022年至2024年主营业务收入复合增长率超70%。作为中国最大的DRAM设计制造一体化企业，其产品线已覆盖DDR4至DDR5、LPDDR5X，推出的首款国产DDR5产品速率高达8000Mbps。

在AI智算集群中，DDR5作为系统级内存承担数据预处理重任，而基于DRAM衍生的HBM（高带宽内存）则是决定GPU性能上限的核心要素。

长存集团则在更底层的NAND Flash领域稳固地位。2025年9月，长存集团完成股份制改革，其全资子公司长江存储凭借Xtacking架构（将存储阵列与逻辑电路分开制造再键合的技术），在3D NAND领域实现技术突破。

有了计算和存储，还需要机制将其组织。对高度成熟的半导体行业，分工与生态至关重要，没有一家公司能独立做好全产业链所有环节。

“以往大家的心态是——单做一点可能难以打开市场，于是纷纷尝试全面布局。但最终结果往往是大家都没做好。”李斌说。

改变正在发生。光合组织（海光产业生态合作组织）秘书长任京暘向经济观察报记者表示，以中科曙光发布的scaleX万卡超集群为例，这类大规模算力系统已不再是单一品牌的独角戏。

实现这一变化的底层逻辑在于协议打通，作为国产通用算力核心供应商，海光信息开放其HSL（高速互连总线协议）技术，实现海光CPU与各家GPU的异构互联，即在同一机柜内，可同时搭载海光CPU及摩尔线程、沐曦等其他品牌的AI加速卡。

“海光开放HSL后，其他国产AI芯片厂商均可深度融入AI计算开放架构，CPU与GPU实现拉通。”任京暘说。

这种技术解耦，折射出商业逻辑的妥协与成熟，在巨大外部压力下，没有公司能独揽全产业链，分层解耦、各司其职成为唯一生存之道。

软件生态

相比万卡集群的硬件建设，软件生态的迁移是更为复杂的系统工程。

在英伟达CUDA（英伟达专有的GPU算力调用平台）生态长期主导下，开发者切换至国产计算平台面临巨大的代码重构与学习成本，如何降低门槛成为国产芯片厂商必须解决的问题。

作为国产全功能GPU代表，摩尔线程选择从个人开发者切入。在近期首届MUSA开发者大会上，摩尔线程发布“MTT AIBOOK”AI算力本，预置VS Code、PyTorch等全栈开发工具，实现开发者“开箱即用”。

摩尔线程试图通过这款终端产品培养开发者使用习惯，并推出代码生成大模型MUSACode，声称可实现CUDA代码到MUSA代码的自动化迁移，可编译率达93%。

“我们希望你说一句话，它就能帮你开发MUSA代码。”摩尔线程董事长张建中在MUSA开发者大会上还介绍了自研项目“Text to MUSA”，旨在通过降低门槛，在开发者起步阶段培养习惯，逐步构建独立于CUDA的生态。

如果说摩尔线程试图从源头降低开发者门槛，那么在更复杂的企业级市场，云服务商则承担起“屏蔽差异”的职责。与个人用户通常只使用一种显卡不同，大型企业，尤其是国资智算中心，为保障供应链安全或平衡供应商关系，常同时采购多种品牌的国产加速卡。

这种“多品牌混用”的硬件现状，带来棘手生态难题——国产芯片厂商各自为战，软件栈互不兼容，接口标准各异，导致企业算力资源被底层硬件切割成一个个无法互通的孤岛。

例如，海光信息（688041.SH）副总裁吴宗友在接受经济观察报记者采访时坦言：“过去几年信创发展迅速，芯片行业发展很快，但也给用户带来诸多困扰。”用户最大困扰在于国产芯片品牌繁多，每款均需单独适配优化，投入成本极高。他认为，若厂商继续各自为战，架构以外的企业将面临淘汰风险，构建开放生态架构已成行业生存必选项。

优刻得科技股份有限公司（简称“优刻得”，688158.SH）是国内首家在科创板上市的中立云计算服务商。优刻得服务器中心及AI算力负责人丁振雷接受采访时，将优刻得角色定义为“承上启下”。

作为云服务商，优刻得向下适配了3到5家主流的国产芯片。“行业生态存在割裂与不兼容问题。”丁振雷直言，云平台作用在于屏蔽底层割裂，通过虚拟化和统一调度，使上层应用感知不到底层具体使用哪家芯片。

对大型国资企业和制造企业而言，这是刚需，因其往往拥有多类型国产算力硬件。如何将异构算力统一管理，转化为有效生产力？丁振雷表示，这正是云平台的机会。

此外，在终端侧，紫光计算机看到“本地化”的独特价值，紫光计算机产品中心总经理潘睿向记者指出一个被忽视的细节：云端AI虽强大，但存在网络延时和隐私风险。

“如果你向网络大模型提问，它会停顿几秒才回复，其中约2秒是网络延时。”潘睿说，对于某些场景，如工业流水线质检机器人或金融柜台业务，这2秒延迟不可接受。此外，隐私问题也让许多企业对云端大模型望而却步。

针对这些痛点，紫光推出带有前置可插拔硬盘仓的AI工作站。潘睿解释，实际AI作业中，面对海量数据，受限于网络带宽，直接插拔硬盘进行数据交换的效率往往优于网络传输。

这种基于一线应用场景的务实设计，反映出国产厂商正从单纯模仿转向基于用户真实需求的微创新。

但在应用落地逐渐顺畅的同时，上游供应链波动成为2026年国产算力产业面临的新变量。丁振雷告诉记者，2025年下半年以来，全球存储颗粒（DRAM/NAND）供应压力巨大，尽管长鑫和长存已量产，但国产化尚无法完全解决全球性供需失衡。

“2026年这是一个颇具挑战的问题。”丁振雷称，为应对缺货，云厂商已改变采购策略，从过去按季度规划资源，拉长到按半年规划，“大家纷纷前置，比如明年H100招标计划，现在都在第四季度完成了”。

走向闭环

检验国产算力成色的最终标准，依然是客户的选择。

中国科学院高能物理研究所（简称“高能所”）计算中心主任陈刚向经济观察报记者透露，高能所国家高能物理数据中心已开始采用国产算力设施（海光CPU结合海光DCU）进行AI训练和科学计算。

高能物理实验涉及海量数据处理与分析，对算力基础设施的精度与稳定性要求极高。对于国产芯片在科研场景中的实际表现，陈刚评价：“性能比国外可能稍逊一筹，但差距不大，完全够用。”

除硬件采购外，更深层变化在于合作模式。陈刚表示，目前科学家已深入参与芯片调优，通过双方工程师联合办公，科学家协助厂商验证软件，厂商配合科学家优化算法，这种联合调试加速了软硬件适配。

对于国产算力未来，陈刚持乐观态度：“我不认为他们能一直卡住我们，我认为五年，不会超过十年（就能超越）。”

在更广泛的商业市场，互联网大厂的选择往往具风向标意义。

吴宗友观察到，国内互联网大厂态度正发生微妙变化，过去大厂习惯于直接采购国际主流算力芯片，因简单省事。但现在，随购买力与话语权提升，大厂不希望被单一供应商控制，希望拥有更多话语权。

“他们自然就会接受更开放的架构。”吴宗友说。为迎合这一需求，海光推出定制化产品，允许大厂将特殊需求写入芯片。吴宗友认为，这种定制化策略可规避单纯价格战，与客户建立更深层绑定。

至于市场对“算力泡沫”的担忧，丁振雷认为，2026年是Agent（智能体）元年，Agent与传统AI应用不同，它并非降本逻辑，而是增效逻辑。

“如果大家用过Agent就知道，它对Token消耗巨大。”丁振雷分析，一个真正好用的Agent场景，对算力消耗呈指数级增长。因此，从大的供需关系看，算力依然短缺。目前行业面临的问题不是总量过剩，而是供需错配，即好用的算力不足，不好用的算力闲置。这也正是国产算力相关芯片的机会所在。

此外，DeepSeek等国产大模型的爆发，正反向定义硬件竞争标准。例如，DeepSeek采用FP8量化策略，这是一种通过降低数据计算精度（从16位或32位降至8位）换取更高计算速度和更低显存占用的技术。换言之，若芯片厂商不支持这种计算格式，其硬件性能将大打折扣。

因此，摩尔线程等厂商迅速跟进，通过优化底层计算库支持混合精度计算，在同等硬件条件下提升模型运行效率。

此外，近期市场传闻美国可能放宽英伟达H200芯片出口限制。这被业内视为“温水煮青蛙”策略，H200性能强于当前国产主流芯片，若其大量进入中国市场，是否会打断国产算力产业刚建立的生态循环？

面对这一潜在变量，多位受访者接受采访时强调，国内政企客户对供应链安全有刚性考量，同时国产算力产业链已形成闭环。目前，从长鑫科技、长存集团提供的存储底座，到中科曙光、海光信息构建的计算与网络集群，再到摩尔线程、天数智芯适配的终端应用，国产芯片产业已不再是单点存在，而是逐渐形成一个完整、庞大的产业链条。

换言之，过去几年中国算力产业已初步形成生态闭环，这种紧密咬合的生态，使国产算力产业具备了进一步直面挑战的能力。