国内AI芯片“去英伟达化”加速，国产芯片崛起引领产业变革

中国人工智能芯片市场正处在一场深度转型之中，“去英伟达化”已成为业界焦点话题。

这一变革的关键在于，以阿里巴巴和百度为首的本土科技领军企业，正大力推进AI芯片的自主设计，旨在打破英伟达在国内AI算力领域的独占局面。

进入九月，国产AI芯片喜讯连连：阿里、百度等互联网巨头陆续声明，其核心人工智能模型的训练将逐步采用自家研发的芯片。同时，阿里平头哥与华为昇腾的新一代产品参数披露，性能已逼近甚至在某些方面超越了英伟达的同类产品。

资本市场对此给出了积极反馈。除多家投资机构调高阿里、百度等国内科技企业的估值外，华尔街知名基金经理“木头姐”更是四年来首次购入阿里巴巴股票。股价方面，自八月底以来，百度与阿里巴巴的港股价格累计上涨约50%。

图表：阿里巴巴与百度港股走势 数据来源：wind，36氪汇编

国产芯片加速“去英伟达化”

这场“去英伟达化”潮流，最直接的推动力来自于日趋紧张的国际关系，以及由此引发的对人工智能供应链稳定与安全的深切关注。

今年四月，美国政府曾短暂禁止英伟达向中国出售H20芯片，虽在七月恢复供应，但附加了15%的营收上缴条款。面对美方制约，中国的回应措施持续加码：七月底H20芯片被揭露存在“安全漏洞”后受到调查，八月中旬一度传闻停产，而近期的反倾销审查更是将争端推向新的高度。

图表：2025年AI芯片相关事件脉络 数据来源：中原证券，36氪汇编

两国博弈的加剧，放大了海外AI芯片的供应风险。对于需要长期稳定投入的AI企业而言，这无疑是严峻挑战。基于风险防控的考虑，越来越多的中国科技巨头认识到芯片自主可控的紧迫性，从而掀起了一场规模宏大的“去英伟达化”运动。

这一趋势的发展，对英伟达造成了显著的负面影响。

本财年第一季度，英伟达因H20芯片的出口限制计提了约450亿的存货减值。随着事态升级，英伟达来自中国大陆的营收持续大幅萎缩。财务报告显示，2026财年第二季度，其中国大陆收入骤降至27.7亿，环比下降近50%，占比跌至6%，同期美国、新加坡及中国台湾地区的收入增长均有提升。

图表：英伟达中国大陆营收及占比 数据来源：wind，36氪汇编

与英伟达的困境形成强烈反差的是，国产定制AI芯片正在迅速兴起。

8月21日，DeepSeekV3.1发布，宣布采用FP8架构以提升对国产芯片的兼容性。9月16日，阿里平头哥的PPU芯片在《新闻联播》中意外亮相。其在显存容量和片间带宽上已超过英伟达A800，与H20持平。更重要的是，依据招银国际的数据，受益于国产7纳米工艺和2.5D封装技术，PPU单卡成本比进口H20降低了40%。

图表：国产AI芯片关键信息 数据来源：山西证券，36氪汇编

在PPU曝光仅仅两天后，9月18日，华为罕见地公布了昇腾芯片未来三年的详细发展路径。通过支持低精度计算、混合架构、互联带宽及算力倍增，华为正从技术层面全力追赶。不仅限于单卡性能，更重要的是，基于自研互联协议“灵衢”和昇腾950系列芯片的Atlas950 SuperPod，能够构建百万级规模的统一算力平台，其各项性能指标超越英伟达下一代NVL144及2027年的NVL576，成为全球最强大的算力集群。

图表：华为昇腾芯片最新进展 数据来源：长城证券，36氪汇编

产品性能的突破也加快了国内算力基础设施国产化方案的落地。八月底，百度昆仑芯在中国移动集采项目中赢得三个标包首位，中标规模达十亿级别。

这如同一面镜子，清晰反映出本土AI芯片企业正在快速侵蚀英伟达的市场份额。IDC数据表明，2024年，英伟达在中国的市场占有率从85%下降至70%，而本土AI芯片品牌的出货量超过82万张，市场份额明显提升至30%。

图表：英伟达中国市场份额持续下降 数据来源：IDC，36氪汇编

而Bernstein预测，2025年英伟达在中国AI芯片市场的份额将进一步下滑至54%，同时本土厂商份额将显著增长，市场呈现百花齐放、多元竞争的新态势。

图表：国内AI芯片市场格局演变 数据来源：Bernstein，36氪汇编

历史的镜像：手机芯片从“通用”走向“定制”之路

当前中国AI芯片的定制化趋势，与过去十多年手机芯片的发展路径高度相似。

在智能手机发展初期，芯片市场由高通、联发科等通用芯片供应商主导。这些方案的优势在于高度的兼容性与标准化，能极大降低手机制造商的研发难度，助力其快速进军智能手机市场，抢占先机。

然而，随着产业演进，通用芯片的局限逐渐暴露。

首先，手机芯片长期被高通、联发科等少数公司垄断，导致手机厂商在供应链稳定性上受制于人，并需承担高额额外费用，挤压利润空间。以“高通税”为例，苹果每售出一部iPhone就需向高通支付售价5%的专利费，2016年苹果支付的专利费用达28亿美元，占其当年利润的6%。

其次，通用芯片的架构设计无法完全契合手机厂商的产品更新计划与定制需求，导致性能提升迟缓，且难以实现软硬件一体化协同，削弱了用户体验。

再者，核心硬件的同质化迫使手机厂商只能在摄像头、屏幕等外部组件上进行“堆料式”创新，难以建立真正的差异化优势和品牌溢价，阻碍了高端化进程。

正是基于这些明显短板，以苹果为代表的领先企业走上了芯片自研道路，推动智能手机芯片从“通用”向“专用”转型。

2010年，苹果推出首款自研芯片A4，奠定了iPhone在智能手机领域的统治地位。A系列芯片采用自研架构与先进制程，并与iOS系统调度逻辑深度整合，实现了软硬件全方位优化。这不仅确保了iPhone硬件性能的持续领先，还构建了基于软硬协同的独特技术生态，使iPhone用户体验独步行业，为苹果筑起了难以逾越的竞争壁垒，成为其长期占据高端手机市场头部的关键。

苹果成功后，华为也紧随其后开启自研芯片之旅。

2013年，华为通过海思半导体自主研发麒麟芯片，融合了其在通信、AI和影像处理领域的核心技术，不仅提升了整体性能，还在5G时代赢得了先机。更重要的是，麒麟芯片与鸿蒙系统的深度结合，为华为手机打造了坚固的生态护城河，使其彻底摆脱“组装厂”印象，凭借差异化优势在国内高端市场立足。

更深层的影响在于，借助定制化芯片，两家公司降低了对外部供应商的依赖，从根本上优化了成本结构。同时，由此形成的“软硬一体”生态优势，持续提升品牌溢价，带来了更丰厚的利润。2024年，苹果iPhone业务毛利率接近40%，远超行业平均水平。

国产AI芯片的“华为时刻”

当下，中国AI芯片的“去英伟达化”浪潮，正是手机芯片发展历史的一次深刻重现。

从本质看，AI芯片的国产化与定制化，既是供应链安全的需要，也是AI从训练转向推理后产业的必然走向。

随着大模型更新速度放缓，市场需求从“盲目追逐算力”转向更务实的商业应用落地。在此背景下，AI的重点也从“训练”移至“推理”。依据英伟达CEO在2026财年第一财季业绩会上的说法，AI推理token的生成量在过去一年暴涨了10倍。

与训练相比，推理任务对算力需求较低，但对成本、功耗和延迟的要求更为苛刻。英伟达的通用GPU虽性能强劲，但成本高昂、能效较低，且存在高延迟问题，因此无法完美契合推理任务需求，尤其是国内特供版成本较高导致性价比不足。

市场需求的变化，直接助推了国内芯片行业的定制化进程。

从适配性看，相比通用GPU，定制芯片剔除了大量冗余功能，因此在执行特定任务时，能在功耗、成本和延迟上实现阶跃式优化。对于需要大规模、高并发、低延迟的AI推理任务而言，其效率远高于通用GPU。

图表：通用芯片与定制芯片对比 数据来源：民生证券，36氪汇编

本土芯片设计及供应链的日益成熟，也为国产芯片性能快速追赶国际水准提供了支撑，使得AI算力基础设施转向国产解决方案成为可能。

正如智能手机时代的苹果与华为，中国的AI参与者已不再满足于仅采购英伟达的通用GPU，而是开始探索外购与自研并行的双轨策略。

一方面，在训练领域，借助国际先进芯片的高性能实现模型迭代，为自主化争取时间窗口；另一方面，加速自研定制化芯片并积极适配国内外主流大模型，在能效、特定场景优化等方面寻求差异化优势，并通过软硬件深度协同，提升效率与降低成本。

这预示着，中国AI产业正从单纯的算力使用者，转型为自主的生态打造者。这不仅是应对外部压力的防守之举，更是中国科技产业向价值链高端迈进的必然路径。