全球算力产业格局变革：非GPU路线崛起引领多元共生新时代

据芯东西12月17日报道，上海GPU领军企业沐曦股份今日在科创板正式挂牌，开盘价报700.00元/股，午间休市涨幅高达687.79%，公司总市值飙升至3298.82亿元，标志着全球算力产业的竞争态势已迈入全新阶段。

近期，全球算力产业正处于一系列重大事件的密集爆发期。

在海外，非GPU赛道的谷歌TPU斩获千亿级订单，于GPU垄断的算力市场中开辟新径；上周博通CEO透露Anthropic向博通下达总值210亿美元（约合人民币1486亿元）的订单，同时Meta等科技巨头也表露采购意向。GPU方面，出于对中国市场的重视，美国已批准英伟达H200 AI芯片对华销售。

反观国内，算力产业热度同样持续高涨。北京AI芯片明星企业清微智能获得超20亿元大额融资，投资阵容在业界罕见。此外，国内AI芯片初创企业纷纷披露并购与上市计划，本土算力生态正加速成形。

上述海内外算力产业的密集动向，共同指向一个不可逆转的行业变革：长期由英伟达GPU垄断的全球算力市场格局正开始松动。

在大模型发展初期，市场对通用算力的强烈需求让英伟达GPU迅速占据主导地位，几乎形成“无GPU不训练”的行业常态。

如今，一方面谷歌TPU、亚马逊Trainium3等非GPU芯片在部分场景实现对GPU的规模化替代；国内市场2025年上半年非GPU算力卡占比已达30%，寒武纪MLU、昆仑芯ASIC、清微智能可重构芯片（RPU）等产品已形成差异化优势。

另一方面在投资市场，英特尔据传计划以16亿美元（约合人民币112.9亿元，含债务）收购非GPU路线AI芯片独角兽SambaNova，以挽救自身在AI时代的竞争力；非GPU路线独角兽Groq则在两年内获得超30亿美元（约合人民币213亿元）融资。

▲海外非GPU路线企业最新动向汇总

可见，非GPU芯片势力的崛起已势不可挡。

在此背景下，全球算力产业下一步将走向何方？非GPU路线能拓展多大市场空间？未来会百花齐放还是一支独大？非GPU赛道中哪条路线有望率先突围？我们试图通过剖析全球算力格局及国内几家头部企业的技术路径，探寻这些问题的答案。

01 全球算力产业的下一程，将面临路径分化

从需求端、底层技术、全球算力生态构建的三个核心维度来看，全球算力产业格局变革具有紧迫性与必要性。

首先在需求端，今年被视为大模型落地元年，推理场景算力需求激增，单纯堆砌GPU的粗放模式已难以适应当前大模型规模化落地需求，这正倒逼企业寻求更高效的算力解决方案。

同时，AI深入千行百业催生了多元、细分的行业需求，如AI视频生成、AI医疗诊断、工业数字孪生等场景对算力能效比、适配性要求各异。叠加企业为分散供应链风险、规避单一厂商依赖，非GPU算力产品迎来了关键的市场切入机遇。

其次是技术端，传统冯·诺依曼架构的存算分离矛盾日益凸显，其设计逻辑已难以突破硬件性能的物理边界，亟需架构革新以突破瓶颈。

非GPU路线实现多点突破，如谷歌TPU专用架构、国产可重构芯片的动态适配能力等，已在特定场景下形成性能与成本优势。

最后是生态层面，打破单一架构生态垄断已成为行业共识，国产开源框架正通过兼容适配、自主优化，快速构建本土生态协同体系。

因此，全球算力产业正朝着打破单一架构、不同路径百花齐放的局面演进。

近日新华社报道提到：“在AI芯片领域，北京已形成自主可控的‘芯片矩阵’，昆仑芯、寒武纪、摩尔线程、清微智能……一系列国产明星产品性能领先。”

这其中既有GPU路线的摩尔线程，也有非GPU中ASIC路线的昆仑芯、寒武纪，以及非GPU中可重构计算的清微智能。四家企业分属不同技术路线的发展态势，恰恰印证了北京在AI芯片赛道多元布局、保障供应链安全的远见。

在这些显著行业趋势背后，我们还能捕捉到驱动行业发展的几大核心动向：

第一是GPU与非GPU两大技术路线正并行发展。GPU路线凭借成熟的生态兼容性和通用计算能力，在需要兼顾图形渲染、科学计算与AI训练的场景中持续发挥优势；非GPU路线，则随着大模型的快速演进，在AI推理领域率先展现出强劲增长潜力。

其中可重构架构凭借其通用计算能力，已在AI主流场景中占据重要地位。

第二，全球算力产业的重心不再唯硬件性能论，而是朝着软件、模型、场景适配等的全栈布局发展，通过协同创新充分释放算力资源，避免算力资源限制，并针对不同硬件架构对模型进行压缩、量化、适配。

这一趋势本质上旨在实现算力效能最大化。

第三是中国厂商的话语权正在提升。在算力领域长期由欧美厂商主导的市场格局下，中国企业在非GPU赛道展现出不容小觑的竞争力。

综上，全球算力产业的下一程必然走向路径分化。

02 非GPU路线市场稳步上升，国内渗透率高于全球

全球知名市研机构Gartner预计，到2027年，针对AI推理应用的算力需求将导致AI加速器（通常指非GPU的AI专用芯片）的出货量超越GPU。

与此同时，在全球算力产业中，非GPU路线正快速成长为与GPU分庭抗礼的核心力量，算力市场双轨并行的格局初具雏形。

IDC发布的报告显示，今年上半年，中国非GPU芯片市场在加速计算领域增长显著。2025年上半年，中国非GPU服务器市场占比约为30%，预计到2028年市场占有率将接近50%。

AI在千行百业的加速渗透极大推动了这一趋势。

英伟达创始人、CEO黄仁勋曾在采访中透露，中国的AI应用发展速度极快，其社会接纳新技术的节奏非常迅速。这让他深感担忧，因为归根结底，这场工业革命的胜负将取决于AI应用层面的发展，取决于谁能成为技术普及的引领者。

相比于GPU，非GPU技术路线在成本、能效比、场景适配性上更契合当下AI主流应用场景。

其硬件采购与运维成本更低，更适配中小企业及大规模分布式部署需求；能通过定制化架构实现低功耗与高精度的平衡，达成更优能效比；适配自动驾驶、工业物联网等边缘端场景的算力需求；同时具备更强的实时性、稳定性与灵活性，匹配差异化AI任务。

尤其在智算中心、大模型部署、云计算、泛机器人、智能驾驶等主流AI应用场景中，非GPU路线具备适配特定负载的高能效比、更低的全生命周期成本、更强的国产供应链自主可控性，且能通过从0到1的定制化架构实现大模型推理高吞吐与低延迟，兼容多业务负载。

对于规模达千亿乃至万亿级的AI市场而言，非GPU方案必然占据一席之地。

不过，客观而言，非GPU发展尚未如GPU成熟，大部分非GPU芯片生态成熟度不足，缺乏完善的软件工具链、丰富的开源框架支持。再加上其发展处于早期，对企业的早期研发投入能力也是不小考验。

这也从侧面印证，GPU与非GPU两条技术路径各有优劣，并非简单的替代关系。

03 拆解国内头部芯片企业布局，可重构赛道势头正猛

要探究当前国内非GPU赛道的发展格局，可以聚焦几家核心企业作为切入点。

北京AI产业具有代表性，2024年其AI核心产业规模已近3500亿元，占全国近一半，助攻这一产业发展的底层芯片玩家更为关键。

因此新华社报道提到的昆仑芯、寒武纪、摩尔线程、清微智能，这四家北京芯片代表企业，正是国内AI产业蓬勃发展的生动缩影，透过它们的发展轨迹，更能清晰窥见国内AI芯片产业格局的深刻变革。

▲北京四家芯片代表企业2025年上半年出货量位居国内前列

这四家企业中，摩尔线程为GPU阵营，其余三家均为非GPU阵营，其中寒武纪、昆仑芯主攻ASIC路线，清微智能以可重构架构实现通用计算为核心发力方向。

值得注意的是，这并不是当下非GPU赛道的全部路线，但这几家受到北京市认可的企业极具代表性，既展现出国产非GPU的布局脉络，也凸显了政府层面的有力支持。

鉴于GPU的技术优势已在业界广泛认知，我们主要拆解另外两条非GPU路线。

ASIC架构是一种为特定用途定制设计的集成电路，谷歌TPU即是ASIC芯片。ASIC最核心的优势在于性能、功耗，加上支持深度定制的特性，使其在AI应用浪潮中大展拳脚。

寒武纪的ASIC芯片采用自研架构，构建了覆盖云端、边缘端和终端的完整产品线。以其首款采用Chiplet技术的芯片思元370为例，该芯片最大算力高达256TOPS（INT8），是寒武纪第二代产品思元270算力的2倍。

昆仑芯基于其自研XPU架构，昆仑芯R200可提供高达256 TOPS（INT8）和128 TFLOPS FP16的算力，性能可达主流GPU的1.5倍。在实际部署中，其单机4卡R200方案可实现4800 tokens/s的推理吞吐量，满足千亿参数大模型的实时交互需求。

这些实例足以印证，AI领域中非GPU架构对GPU的规模化替代进程已全面开启。

不过ASIC的不足之处在于，因需定制化，其从需求定义到量产交付的每个环节都需投入大量时间与资源；不仅如此，ASIC架构一旦固化便难以调整，面对算法快速迭代的场景，往往需要重新流片，进一步拉高研发风险与周期成本。

相比之下，兼容GPU、ASIC路线优势的可重构计算路线发展势头更猛，核心在于它踩中了AI产业从算力集中到场景细分转型的行业趋势，能解决GPU通用但低效、ASIC高效但硬件固化的痛点，且通过底层架构创新实现了性能与性价比的平衡。相比行业同类型产品，可重构芯片实现成本整体降低50%、能效比提升3倍。截至今年12月，清微智能的可重构芯片累计出货量已超3000万颗，2025年其算力卡订单累计超3万张，在全国十余座千卡规模智算中心实现规模化落地。

▲清微智能AI算力芯片TX81

此外，可重构数据流技术路线还与AI计算需求天然适配。在实现芯片高效互联这一核心环节上，可重构数据流派自研的TSM-LINK算力网格技术，支持多芯片点对点直连，可实现数据的高效传输，从根源上规避传统交换机架构存在的带宽瓶颈与通信延迟问题。而GPU架构在适配晶圆级芯片集成时，只能依赖外部交换机完成互联，性能损耗与延迟问题难以避免。

在芯片设计层面，可重构数据流架构从底层架构设计阶段就具备三维扩展的天然优势，能够与晶圆级芯片技术、3.5D堆叠等先进立体封装技术深度结合，形成清晰且可持续的升级迭代路径。据悉，清微明年推出的下一代芯片将带来大幅度性能跃升，有望实现对国际主流前沿AI芯片的弯道超车。

▲GPU与非GPU技术路线基本性能对比

因此从本质上看，可重构计算路线并非对GPU、ASIC的简单替代，而是通过找到平衡点，取两者所长，契合了AI规模化落地的核心需求。

04 结语：算力产业进入多元共生新时代

总体而言，当前AI算力领域格局已较为清晰：GPU凭借成熟生态与极致并行计算能力，在通用大模型训练、图形渲染等核心场景仍占据不可撼动的统治地位，但正面临功耗攀升、成本高的结构性挑战；而非GPU路线则凭借更高能效比、更低全生命周期成本及自主可控优势，在AI推理、专用算力需求等主流AI应用领域快速崛起，共同推动算力体系向多元化、异构融合方向演进。

以大模型、生成式AI为代表的新一轮AI浪潮催生了前所未有的AI算力需求，同时国产大模型企业强势突围，带动了国内AI算力需求的持续增长，中国AI算力产业迎来新的机遇与挑战。

当下，国产非GPU企业异军突起，正与国内大模型厂商形成合力，为国内AI算力产业注入新活力。目前来看，非GPU技术路线尽管相比GPU尚不成熟，但因其天然优势与AI应用落地相契合，正迸发出强大生命力。