一天吃透一條產業鏈：AI 芯片（引爆市場）

原標題：一天吃透一條產業鏈：AI 芯片（引爆市場）

01 產業鏈全景圖

02  AI 芯片簡介

AI 芯片又叫 AI 加速器或計算卡，專門處理人工智能應用里大量計算任務。當下，AI 芯片主要有 GPU、ASIC、FPGA 等。ASIC 芯片還能細分出 TPU、NPU 等。

GPU 擅長大量並行數據處理與運算，通用性強，像數學運算、圖形渲染這類任務都拿手，英偉達、AMD 等是代表廠商。ASIC 芯片針對特定領域設計，專用性強，不過開發成本高、周期長，谷歌 TPU，寒武紀、華為昇騰的 NPU 等廠商產品是典型。FPGA 是能現場多次編程的門電路陣列硬件，靈活性高，但設計難度和複雜性也大，Xlinx 是代表廠商。AI 芯片在雲計算、數據中心、智能駕駛、智慧家電等領域都有廣泛應用。

03  上游產業鏈

芯片產業鏈的核心環節在中游，包括芯片設計、芯片製造以及封裝測試。而上游的基礎 EDA 軟件、材料和設備，是中游製造的關鍵支撐。在國內，芯片產業在上游這部分比較依賴國外，其中最薄弱的環節就是最上游的 EDA 軟件。

03-1   EDA軟件/IP

EDA 軟件是什麼？EDA（電子設計自動化）是輔助芯片設計、製造、測試全流程的軟件工具集羣。沒有它時，工程師靠人工繪圖，效率低；有了它，能從概念、算法開始設計，是芯片設計的 「基石」。

EDA主要分四類，覆蓋不同設計需求：

全球市場：2024 年全球 EDA 市場規模約 157 億美元，同比增長 8.1%。過去五年年均複合增長率約 6.5%，主要受 AI、5G、汽車電子等領域驅動。預計到 2030 年，市場規模將突破 200 億美元。

中國市場：2024 年規模約 135.9 億元人民幣（佔全球約 10%），同比增長 13.3%，預計 2025 年達 149.5 億元。增速顯著高於全球，核心動力來自本土半導體產業擴張（如中芯國際、華為海思）和國產替代政策支持。

競爭格局：EDA 市場由國際三巨頭主導，Synopsys（32%）、Cadence（29%）、西門子 EDA（13%）合計佔全球 74% 份額，分別在全流程工具與 IP 授權、模擬 / 混合信號設計、系統級設計（聚焦汽車 / 工業）領域有優勢；中國本土企業中，華大九天、概倫電子、芯華章分別在模擬電路、器件建模、驗證工具上有所突破，但整體國產化率不足 15%，5nm 以下先進製程工具幾乎空白，14nm 以上工藝實現部分替代。

03-2   半導體材料

在半導體材料里，硅片佔比*，差不多 30% ，接着是電子特種氣體、光掩膜和光刻膠。滬硅產業和中環股份是咱國內生產半導體硅片的頭部企業。

03-3   半導體設備

説到半導體設備，光刻機壁壘最高，被荷蘭 ASML 壟斷。光刻決定芯片關鍵尺寸，在芯片製造總成本里佔 35% 。到現在，全球能造* 5nm 光刻機的，只有荷蘭 ASML 公司。

要製造芯片就得有芯片設備，北方華創、盛美半導體、中微公司、晶盛電機等都是這方面的龍頭企業。

04  中游產業鏈

04-1、AI 服務器

生成式 AI 應用的核心支撐是 AI 服務器，就像汽車運行離不開發動機。人工智能產業鏈分基礎層、技術層、應用層三層，其中基礎層是產業根基，類似蓋房的地基，為 AI 提供關鍵的數據和算力。

服務器常見類型有通用、雲計算、邊緣和 AI 服務器等，其中 AI 服務器專為 AI 訓練和推理應用打造。大模型和生成式 AI 應用爆發，對高性能計算資源需求猛增，AI 服務器正是支撐這類複雜 AI 應用的關鍵。有如下零部件：CPU芯片、GPU芯片、FPGA芯片 ，還有 PCB、高速連接器等。

大模型很可能讓 AI 服務器出貨量飛速增長。大模型產生了海量算力需求，這有望進一步帶動 AI 服務器市場擴張。

IDC 數據顯示，2024-2028 年全球 AI 服務器市場規模預計從 1251 億美元增至 2227 億美元，複合增速 15.5%（2025 年預計 1587 億美元），其中生成式 AI 服務器佔比將從 2025 年 29.6% 升至 2028 年 37.7%；同期中國市場規模預計從 190 億美元增至 552 億美元，複合增速 30.6%（2025 年預計 259 億美元，同比增 36.2%）。

04-2、AI 算力芯片

AI 算力芯片就像蓋房子的地基，是支撐整個算力體系的根本。當下，CPU+GPU 的組合，就像電腦里 「主腦 + 加速器」 的搭檔，是 AI 服務器主流的異構計算系統方案。

看 IDC 2018 年的服務器成本構成數據更能直觀體現其重要性：在推理型和機器學習型服務器中，CPU+GPU 的成本佔比達到 50%-82.6%；尤其是機器學習型服務器，GPU 的成本佔比更是高達 72.8%，相當於這類服務器的 「核心造價」 基本都集中在它身上。

AI 算力芯片的核心優勢在於強大的並行計算能力，這讓它能像高速分揀中心處理包裹一樣，迅速搞定大規模數據和複雜神經網絡模型，高效完成人工智能訓練與推理任務。同時，它不僅在 AI 服務器成本中佔比最高，還為服務器提供底層算力支持，雙重作用下，就像為 AI 運轉築牢了堅實的基石。

正因如此，AI 算力芯片堪稱 「AI 時代的引擎」—— 在 AI 算力需求爆發的浪潮里，它既能借勢獲得發展紅利，又能反過來推動 AI 技術更快落地、更廣泛地滲透到各個領域。

04-3、AI 算力芯片——GPU

GPU 就是圖形處理單元，是電腦圖形處理和並行計算的關鍵。一開始，它主要用在圖形渲染上，像 3D 畫面、圖片處理、視頻解碼，是顯卡核心。后來技術發展，GPU 在通用計算領域也派上用場，像人工智能、深度學習、科學計算、大數據處理這些，這時它就叫 GPGPU，也就是通用 GPU。

GPU 和 CPU 內部構造很不一樣，擅長的事也不同。GPU 有好多簡單核心，內存帶寬高，並行計算能力強，適合大規模數據和高吞吐量任務。CPU 核心少但性能高，控制單元複雜，單線程性能好，適合複雜任務和低延迟場景。兩者內部架構對比如下：

AI 算力的增長速度，就像往陡峭山坡上滾的雪球，體積越滾越大、速度還越來越快。而算力要落地，核心支撐就是 GPU 芯片，需求自然會跟着水漲船高 —— 畢竟雪球要滾得遠，得有足夠結實的 「軌道」 託着。

看一組具體數據更直觀，2023 年全球 GPU規模達到 436 億美元；按照當前趨勢推演，到 2029 年這個數字會飆升至 2742 億美元。換算下來，2024 到 2029 這六年里，它的年均複合增長率能穩定在 33.2%，這種增長幅度，相當於一輛汽車從起步階段直接切入高速巡航模式。

當前 AI 算力芯片領域，GPU 是*主流，就像智能手機的核心處理器般不可或缺；全球市場里，英偉達的話語權堪比操作系統領域的 Windows，基本說了算。

看數據更直觀：2024 H1中國 AI 加速芯片市場超 90 萬張；2022 年英偉達在全球 AI 芯片市場份額超 80%，AI加速芯片份額高達95%，統治力顯著。

競爭格局：

全球 GPU 市場中，英偉達的主導地位堪比零售業頭部巨頭，基本掌握話語權。

全球數據中心在2023年 GPU 出貨 385 萬顆，同比增 44.2%；其中英偉達出貨約 376 萬顆，佔比 98%，收入份額也達 98%、共 362 億美元，是 2022 年的三倍多。

而 PC GPU 賽道格局不同，2024 年Q4全世界PC GPU 出貨 7800 萬顆，；英特爾以 65% 份額領跑，AMD、英偉達分別佔 18%、16%。

04-4、AI 算力芯片——AI ASIC

AI ASIC 是給 AI 應用特製的芯片。優點多，性能強、耗電少、能定製，量大成本低。

對比普通處理器，它針對 AI 特定任務和算法優化，像深度學習的複雜運算，處理起來又快又穩，能滿足 AI 實時需求。而且它很省電，適合大規模數據中心。雖説前期研發花錢多，但量大了單個成本比普通處理器低。

AI ASIC 、GPU在實際使用場景對比如下

算力方面，先進 GPU 比 ASIC 強不少。但 ASIC 專為特定任務優化，像矩陣乘法、卷積運算這些特定 AI 任務，它的計算效率更高，性能可能超過 GPU 。

通用性上，GPU 能運行各種算法和模型，很靈活；ASIC 功能固定，難修改擴展，靈活性差。

功耗上，ASIC 針對特定任務優化，比 GPU 省電。成本方面，GPU 研發製造花錢多，大規模部署時，硬件成本是個大限制；ASIC 大規模生產后，單個成本相對較低。

2023 年數據中心 AI 算力芯片市場規模約 420 億美元，定製 ASIC 芯片達 66 億美元（份額達16%），如同生態中的 「特色模塊」。

預計 2028 年，定製 ASIC 芯片市場規模將達 429 億美元（佔比 25%），2023-2028 年CAGR為近50%，堪比從普通車道駛入快車道；屆時整體市場規模約 1720 億美元，複合增速 32%，ASIC 增速顯著跑贏整體。

05  下游產業鏈

GPU 的應用範圍就像一張不斷鋪開的網絡，覆蓋領域相當廣泛，其中數據中心 GPU 市場的增長勢頭，更是堪比按下了加速鍵。

回溯根源，GPU 最初的定位是為圖形渲染服務，相當於專門為 「圖像處理」 打造的工具。但隨着它的並行計算能力持續升級，就像多功能工具從單一用途進化成多面手，應用場景也隨之不斷拓展 —— 如今已經延伸到數據中心、自動駕駛、機器人、區塊鏈與加密貨幣、科學計算、金融科技、醫療健康等多個領域，成為不同行業里的關鍵支撐。

這幾年，全球的數據中心 GPU 市場在人工智能、高性能計算和雲計算這些領域，增長速度那叫一個快。

核心賽道：人工智能

這幾年，咱國內人工智能產業越來越龐大，在各行各業的滲透也越來越深。像智能機器人、智能創作、智慧教育、智慧醫療這些領域，人工智能迅速落地應用，加快了產業優化升級的腳步。

隨着 AI 應用的領域不斷拓展，還滲透到終端消費電子產品里。市場規模快速擴大，終端電子產品又需要算力來支持 AI 應用，這樣一來，對高性能芯片的需求肯定會越來越高。