國產算力產業走向「閉環」

　　炒股就看金麒麟分析師研報，權威，專業，及時，全面，助您挖掘潛力主題機會！

（來源：經濟觀察報）

經濟觀察報記者 鄭晨燁

歲末年初，中國算力產業在資本領域的運作驟然提速。

1月8日，上海天數智芯半導體股份有限公司（下稱「天數智芯」，09903.HK）在港股掛牌上市，其此次公開發售獲超400倍認購，充分顯示了資本市場的熱情。

此前不久，另外兩家國產GPU頭部企業也已接連登陸科創板：2025年12月5日，摩爾線程（688795.SH）上市首日股價一度上漲468.78%，總市值突破3055億元；2025年12月17日，沐曦股份（688802.SH）上市首日漲幅達到692.95%，市值站上3300億元關口。

與GPU廠商的二級市場熱潮相呼應，國產存儲芯片廠商也在2025年末完成了關鍵一躍。2025年12月30日，長鑫科技集團股份有限公司（以下簡稱「長鑫科技」）正式向上交所遞交科創板招股書，並披露了其2025年前三季度320.84億元的營收數據，這一數字直觀展示了國產DRAM（動態隨機存取存儲器）產能釋放的規模。

更早之前的2025年9月25日，長江存儲科技控股有限責任公司（以下簡稱「長存集團」）完成了股份制改革，其1600億元的估值一度刷新了半導體獨角獸的紀錄，也標誌着這家NAND Flash（閃存）龍頭進入了發展新階段。

從芯片設計到存儲顆粒，從科創板到港交所，一浪接一浪的資本熱潮間接宣告了國產算力產業的快速進步。當然，在資本市場的熱度之外，國產芯片在實際的智算中心建設與應用適配中，仍面臨着複雜考驗。

各司其職

進入2026年，在告別了單純比拼硬件參數的階段之后，國產算力的競爭焦點正在發生轉移，「萬卡集羣」的穩定性、軟件生態的易用性以及商業落地的性價比，正在成為衡量價值的新標尺。

在中國算力產業的敍事中，「萬卡集羣」是一個被反覆提及的里程碑，但當系統規模真正邁向這一量級時，「萬卡集羣」也往往意味着指數級增長的故障概率。

近期，中科曙光（603019.SH）發佈了scaleX萬卡超集羣，該集羣由16個scaleX640超節點通過高速網絡互連而成，實際部署了10240塊AI加速卡。中科曙光高級副總裁李斌告訴經濟觀察報記者，當算力系統的規模比較小時，一個單點的困難或許不是大問題，但當需要把幾萬個甚至十萬個芯片組成一個緊耦合系統時，任何微小的瑕疵都會被放大。

「假設一個點的可靠性是四個9（即99.99%），放大一百倍、一千倍之后，系統的可靠性就會呈現數量級的下降。」李斌説。

對此，中國工程院院士、清華大學計算機系教授鄭緯民在近期舉辦的摩爾線程MUSA開發者大會上亦直言，國產萬卡乃至十萬卡系統要做到可用、好用非常難，因為十萬張卡連在一起，平均一個小時要出一次錯，而只要有一個卡出錯，整個系統就得停下來。

爲了解決這個問題，硬件廠商開始在「連接」上下苦功夫。

李斌介紹，中科曙光發佈的這套集羣，核心突破在於採用了國產首款400G原生RDMA（遠程直接內存訪問，一種允許服務器間直接交換內存數據、無需CPU干預的高速網絡技術）網絡。而在傳統的超級計算機領域，以色列的邁絡思（Mellanox）公司幾乎壟斷了互連網絡標準，這也是英偉達收購邁絡思的原因，英偉達不僅賣GPU，更賣NVLink和InfiniBand網絡，這構成了它的「三駕馬車」。

為什麼網絡如此重要？李斌解釋稱，超級計算機進行「變形計算」（即模擬物理結構變化等大規模科學仿真計算）時，需要海量計算單元協同，這就要求數據傳輸網絡必須具備極高的信號質量、極低的延迟和極大的帶寬。

這也是英偉達構建「三駕馬車」產品體系的底層邏輯。除了提供核心算力的GPU，英偉達通過NVLink技術解決單個服務器內芯片間的超高速互連，通過收購邁絡思掌握的InfiniBand（無限帶寬）網絡技術解決服務器節點間的高速數據傳輸。

現在的AI集羣本質上是超級計算機集羣的延展，大模型的分佈式訓練對網絡的要求與超算一致，因此，節點間的高速互連網絡成為決定集羣效率的關鍵瓶頸。

「過去，國內存在很大的代差，這個技術落后比較多。」李斌表示，但新一代國產網絡產品在規格指標和實測穩定性上，已經可以對標英偉達當前量產的產品。

更長遠的挑戰在於物理極限。李斌向記者分析，目前業界普遍使用銅纜連接，因為銅可靠性高、成本低、功耗低，但隨着數據中心內部的單鏈路速率提升，銅纜的有效傳輸距離正在急劇縮短。

「當速率達到448G的時候，銅線能驅動的距離可能只有幾釐米了。」李斌判斷，未來的系統一定需要芯片直接出光，也就是硅光技術。

在數據傳輸中，銅纜承載的是電信號，隨着傳輸速率越來越高，電信號在銅線里的損耗會急劇增加，導致傳輸距離變短。爲了解決這個問題，行業需要用光信號替代電信號進行傳輸，即「光進銅退」，而硅光技術，就是將電信號轉換為光信號的功能直接集成在芯片上，從而突破銅纜的物理極限。

在解決「連得上」的問題后，還得解決「存得下」的問題。李斌告訴記者，在算力放大很多倍的同時，數據傳輸和存儲的性能如果跟不上，中間的鴻溝就會越來越大。

這正是長鑫科技和長存集團存在的意義，這兩家公司分別卡位了存儲芯片的兩大核心領域，DRAM（動態隨機存取存儲器，即內存）和NAND Flash（閃存，即硬盤存儲）。

長鑫科技在2025年12月30日遞交的科創板招股書中披露，其2025年前三季度營收達到320.84億元，2022年至2024年主營業務收入複合增長率超過70%。另外，作為中國最大的DRAM設計製造一體化企業，長鑫科技的產品線已覆蓋從DDR4到DDR5、LPDDR5X，其推出的首款國產DDR5產品，速率高達8000Mbps。

在AI智算集羣中，DDR5作為系統級內存承擔着數據預處理的重任，而基於DRAM技術衍生的HBM（高帶寬內存），則是決定GPU性能上限的核心要素。

長存集團則在更底層的NAND Flash領域穩住了陣腳。2025年9月，長存集團完成了股份制改革，其全資子公司長江存儲憑藉Xtacking架構（一種將存儲陣列與邏輯電路分開製造再鍵合的技術），在3D NAND領域實現了技術突圍。

有了計算和存儲，還需要一種機制把它們組織起來。對於高度成熟的半導體行業來説，分工和生態至關重要，沒有任何一家公司能夠獨立做好全產業鏈的所有環節。

「以往大家的心態都是——單做一點可能做不出市場，所以就開始都要做。但最后的結果是大家都沒做好。」李斌説。

改變正在發生。光合組織（海光產業生態合作組織）祕書長任京暘告訴經濟觀察報記者，以中科曙光發佈的 scaleX 萬卡超集羣為例，這種大規模算力系統已經不再是單一品牌的獨角戲。

實現這一變化的底層邏輯在於協議的打通，作為國產通用算力的核心供應商，海光信息開放了其 HSL（高速互連總線協議）技術，實現了海光CPU與各家GPU的異構互聯，換言之，在同一個機櫃里，可以插着海光的CPU，同時運行摩爾線程、沐曦或者其他品牌的AI加速卡。

「海光把HSL開放了，其他國產AI芯片廠商都可以深度融入AI計算開放架構，這樣CPU和GPU就拉通了。」任京暘説。

這種技術上的解耦，折射出的是商業邏輯的妥協與成熟，在巨大的外部壓力下，沒有任何一家公司能吃下全產業鏈，分層解耦、各司其職成為唯一的生存之道。

軟件生態

相比於萬卡集羣的硬件建設，軟件生態的遷移是更為複雜的系統工程。

在英偉達CUDA（英偉達專有的、用於調用GPU算力的軟件開發平臺）生態長期佔據主導地位的背景下，開發者切換至國產計算平臺面臨着巨大的代碼重構與學習成本，如何降低這一門檻，成為國產芯片廠商必須解決的問題。

作為國產全功能GPU領域的代表企業，摩爾線程選擇從個人開發者抓起。在近期舉辦的首屆MUSA開發者大會上，摩爾線程發佈了一款名為「MTT AIBOOK」的AI算力本，這款筆記本預置了VS Code、PyTorch等全棧開發工具，讓開發者實現「開箱即用」。

摩爾線程試圖通過這款終端產品開始培養開發者的使用習慣，為此還推出了代碼生成大模型MUSACode，聲稱可以做到從CUDA代碼到MUSA代碼的自動化遷移，可編譯率達到93%。

「我們希望，你説一句話它就能幫你開發MUSA代碼。」摩爾線程董事長張建中在MUSA開發者大會上還介紹了一個名為「Text to MUSA」的自研項目，這種策略旨在通過降低開發門檻，在開發者的起步階段培養使用習慣，從而逐步構建獨立於CUDA之外的生態。

如果説摩爾線程是在試圖從源頭降低開發者的准入門檻，那麼在更復雜的企業級市場，雲服務商則承擔起了「屏蔽差異」的職責。因為，與個人用戶通常只使用一種顯卡不同，大型企業，尤其是國資背景的智算中心，爲了供應鏈安全或平衡供應商關係，往往同時採購了多種品牌的國產加速卡。

這種「多品牌混用」的硬件現狀，帶來了一個棘手的生態難題——國產芯片廠商各自為戰，軟件棧互不兼容，接口標準各異，導致企業的算力資源被底層硬件切割成了一個個無法互通的孤島。

比如，海光信息（688041.SH）副總裁吳宗友在接受經濟觀察報記者採訪時就坦言：「過去幾年信創發展迅速，芯片行業發展很快，但也給用户造成了很多困擾。」用户最大的困擾在於國產芯片品牌繁多，每一款都要單獨適配和優化，投入成本極高。他認為，如果廠商繼續各自為戰，架構以外的企業將面臨被淘汰的風險，構建開放的生態架構，已成為行業生存的必選項。

優刻得科技股份有限公司（下稱「優刻得」，688158.SH）是國內首家在科創板上市的中立雲計算服務商。優刻得服務器中心及AI算力負責人丁振雷在接受記者採訪時，將優刻得的角色定義為「承上啟下」。

作為雲服務商，優刻得向下適配了3到5家主流的國產芯片。「行業生態有割裂的問題，有不兼容的問題。」丁振雷直言，雲平臺的作用，就是屏蔽底層的這些割裂，通過虛擬化和統一調度，讓上層應用感覺不到底下跑的是哪家的卡。

對於大型國資企業和製造企業來説，這是一個剛需，因為它們往往擁有多類型的國產算力硬件。如何把這些異構的算力統一管理起來，變成有效的生產力？丁振雷表示，這正是雲平臺的機會。

另外，在終端側，紫光計算機則看到了「本地化」的獨特價值，紫光計算機產品中心總經理潘睿向記者指出了一個被忽視的細節：雲端AI雖然強大，但存在網絡延時和隱私風險。

「如果你問網絡大模型問題，它會停幾秒再給你回覆，其中有2秒左右是網絡延時造成的。」潘睿説，對於某些場景，比如工業流水線上的質檢機器人，或者金融櫃檯的業務處理，這2秒的延迟是不可接受的。此外，隱私問題也讓許多企業對雲端大模型望而卻步。

針對這些痛點，紫光推出了一款帶有前置可插拔硬盤倉的AI工作站。潘睿解釋，在實際的AI作業中，面對海量數據，受限於網絡帶寬，直接插拔硬盤進行數據交換的效率往往優於網絡傳輸。

這種基於一線應用場景的務實設計，反映出國產廠商正在從單純模仿，轉向基於用户真實需求的微創新。

但在應用落地逐漸走順的同時，上游供應鏈的波動成為2026年國產算力產業面臨的新變量。比如，丁振雷就告訴記者，2025年下半年以來，全球存儲顆粒（DRAM/NAND）供應壓力巨大，雖然長鑫和長存已經量產，但國產化尚無法完全解決全球性的供需失衡。

「在2026年這是一個比較有挑戰的問題。」丁振雷稱，爲了應對缺貨，雲廠商已經改變了採購策略，從過去按季度規劃資源，拉長到按半年規劃，「大家紛紛前置，比如明年H100招標計劃，現在都在第四季度完成了」。

走向閉環

檢驗國產算力成色的最終標準，還是客户的選擇。

中國科學院高能物理研究所（下稱「高能所」）計算中心主任陳剛向經濟觀察報記者透露，高能所的國家高能物理數據中心已開始採用國產算力設施（海光CPU結合海光DCU）進行AI訓練和科學計算。

高能物理實驗涉及海量數據的處理與分析，對算力基礎設施的精度與穩定性提出了極高要求。對於國產芯片在科研場景中的實際表現，陳剛評價稱：「性能比國外的可能稍微差一點，但是差距並不大，完全夠用。」

除了硬件採購，更深層的變化在於合作模式。陳剛表示，目前科學家已深入參與到芯片的調優過程中，通過雙方工程師聯合辦公的機制，科學家協助廠商驗證軟件，廠商則配合科學家優化算法，這種聯合調試加速了軟硬件的適配。

對於國產算力的未來，陳剛持樂觀態度：「我不認為他們能夠一直卡住我們，我認為五年，不會超過十年（就能超越）。」

在更廣泛的商業市場，互聯網大廠的選擇往往具有風向標意義。

吳宗友觀察到，國內互聯網大廠的態度正在發生微妙的變化，過去，大廠習慣於直接採購國際主流算力芯片，因為簡單省事。但現在，隨着購買力與話語權的提升，大廠不希望被單一供應商控制，希望擁有更多話語權。

「他們自然就會接受更開放的架構。」吳宗友説。爲了迎合這一需求，海光推出了定製化產品，允許大廠將自己的特殊需求寫入芯片。吳宗友認為，這種定製化策略可以規避單純的價格戰，與客户建立更深層的綁定。

至於市場上對「算力泡沫」的擔憂，丁振雷認為，2026年是Agent（智能體）元年，Agent與傳統AI應用不同，它不是降本邏輯，而是增效邏輯。

「如果大家用過Agent就知道，它對Token的消耗是巨大的。」丁振雷分析，一個真正好用的Agent場景，對算力的消耗是指數級增長的。因此，從大的供需關係來看，算力依然短缺。目前行業面臨的問題不是總量過剩，而是供需錯配，即好用的算力不夠，不好用的算力閒置。這也正是國產算力相關芯片的機會所在。

另外，DeepSeek等國產大模型的爆發，也正在反向定義硬件的競爭標準。比如，DeepSeek採用了FP8量化策略，這是一種通過降低數據計算精度（從16位或32位降至8位）來換取更高計算速度和更低顯存佔用的技術。換言之，如果芯片廠商不支持這種特定的計算格式，其硬件性能就會大打折扣。

因此，摩爾線程等廠商迅速跟進，通過優化底層的計算庫支持了這種混合精度計算，在同等硬件條件下提升了模型的運行效率。

此外，近期市場一直有傳聞稱美國可能放寬英偉達H200芯片的出口限制。這被行業內視為「温水煮青蛙」的策略，H200性能強於目前的國產主流芯片，如果它大量進入中國市場，是否會打斷國產算力產業剛剛建立起的生態循環？

面對這一潛在變量，多位受訪者都在接受記者採訪時強調，國內政企客户對供應鏈安全有剛性考量，另外，國產算力產業鏈也已經形成閉環。目前，從長鑫科技、長存集團提供的存儲底座，到中科曙光、海光信息構建的計算與網絡集羣，再到摩爾線程、天數智芯適配的終端應用，國產芯片產業已不再是單點存在，而是已經逐漸形成了一個完整、龐大的產業鏈條。

或者説，在過去的幾年里，中國算力產業已初步形成生態閉環，這種緊密咬合的生態，讓國產算力產業具備了進一步直面挑戰的能力。

（作者 鄭晨燁）

鄭晨燁

深圳採訪部記者 關注新能源、半導體、智能汽車等新產業領域，有線索歡迎聯繫：zhengchenye@eeo.com.cn，微信：zcy096x。