国产AI芯片崛起：从“去英伟达化”到自主生态构建

国内AI芯片市场正经历一场深刻的变革，"去英伟达化"成为行业热议话题。

这场变革的核心在于，中国科技巨头如阿里巴巴和百度，正积极推动AI芯片的自主研发，试图挑战英伟达在国内市场的垄断地位。

9月以来，国产AI芯片捷报频传：阿里巴巴、百度等互联网巨头宣布其AI模型训练将部分采用自研芯片。同时，阿里平头哥和华为昇腾的新一代产品性能曝光，部分性能已赶超英伟达。

图：阿里巴巴和百度港股表现数据来源：wind，36氪整理

那么，国内AI芯片从外购到自研背后究竟出于何种原因？

国产芯片加速“去英伟达化”

这场“去英伟达化”的背后，源于地缘政治的紧张及由此引发的对AI供应链稳定性和安全性的担忧。

今年4月，美国政府一度禁止英伟达向中国销售H20芯片，尽管7月恢复出口但附加了15%的收入上缴条件。面对限制，中国反制升级，H20被曝“漏洞后门”并遭约谈，近期更面临反倾销调查。

图：2025年AI芯片相关动态数据来源：中原证券，36氪整理

两国博弈升级加剧了海外AI芯片的供应链风险。对需长期稳定投入的AI玩家而言，这无疑是致命的。因此，越来越多的中国科技巨头意识到芯片自主可控的重要性，掀起“去英伟达化”浪潮。

这场浪潮对英伟达带来明显负面冲击。今年第一财季，因出口限制英伟达计提约45亿存货减值。随着风暴加剧，来自中国大陆的收入持续锐减。财报显示，2026财年第二季度，其来自中国大陆的收入锐减至27.7亿，环比下滑近50%，占比下滑至6%。

图：英伟达中国大陆收入及占比数据来源：wind，36氪整理

与英伟达困境形成对比的是，国产定制AI芯片快速崛起。DeepSeekV3.1发布，使用FP8架构增强适配性。阿里平头哥的PPU芯片曝光，性能超越英伟达A800。基于国产7nm工艺与2.5D封装，单卡成本较H20下降40%。

图：国产AI芯片信息数据来源：山西证券，36氪整理

华为昇腾芯片未来三年演进路线公布，支持低精度计算、混合架构等。基于自研互联协议和昇腾系列芯片可形成统一算力底座，性能超越英伟达下一代产品。

图：华为昇腾芯片进展数据来源：长城证券，36氪整理

产品性能突破加速国内算力基建国产化解决方案部署。百度昆仑芯在中国移动集采中表现优异，中标规模达10亿级。

IDC数据显示，英伟达在中国的市占率从85%降至70%，本土AI芯片品牌出货量超过82万张，市场份额提升至30%。Bernstein预测，2025年英伟达在中国市场份额将进一步降低至54%，本土厂商份额显著增长。

图：英伟达中国市占率持续下滑数据来源：IDC，36氪整理

历史的镜像：手机芯片的“通用”到“定制”之路

当前中国AI芯片的定制化浪潮与手机芯片发展历程相似。

早期手机芯片由高通、联发科等通用芯片厂商主导。这些方案具备高度兼容性和标准化特性，降低手机厂商研发门槛。但随着行业迭代，通用芯片的弊端显现。

首先，长期被少数企业垄断导致供应稳定性问题并增加额外费用。其次，通用芯片设计无法完全匹配产品迭代和定制化需求。最后，核心硬件趋同使得创新局限于外部环节，难以形成差异化壁垒和品牌溢价。

头部厂商如苹果走上自研之路，推动智能手机芯片从“通用”向“专用”过渡。苹果A系列芯片采用自研架构和先进制程工艺，与IOS系统紧密配合，实现软硬件全面优化。

华为也开启自研麒麟芯片之路，整合核心技术并与鸿蒙系统深度融合，构建强大生态护城河。

国产AI芯片的“华为时刻”

“去英伟达化”浪潮是对手机芯片发展历程的深度复刻。AI芯片国产化和定制化是供应链安全考虑及行业必然选择。

随着大模型迭代速度放缓，市场需求从“堆算力”转向商业化应用落地。AI重心从训练转向推理。根据英伟达CEO发言，AI推理token生成量激增十倍。

与训练相比，推理任务对算力需求降低但对成本、功耗和延迟要求更高。英伟达的通用GPU成本高、能效低且存在高延时问题。因此，市场需求变化推动国内芯片行业定制化之路。

定制芯片去除冗余功能在执行特定任务时实现功耗、成本和延迟上的优化。对于大规模、高并发、低延迟的AI推理任务效率远高于通用GPU。

图：通用芯片与定制芯片的对比数据来源：民生证券，36氪整理

本土芯片设计及供应链成熟为国产芯片性能追赶提供底气。中国AI玩家不再满足于购买通用GPU而是尝试外购+自研模式。

一方面在训练领域依靠国际先进芯片实现模型迭代；另一方面加速自研定制化芯片并积极适配主流大模型寻求差异化优势通过软硬件深度协同优化效率和成本。

这预示着中国AI产业正从算力消费者转变为自主生态构建者。这不仅是应对外部压力的防御性策略更是迈向更高价值链的必然选择。