AI算力规模扩大带动我国AI芯片行业高增 FPGA及ASIC将成市场关注重点

前言：AI浪潮下互联网和智算中心算力需求持续旺盛，带动国内AI 芯片市场快速增长。AI芯片中GPU的高效并行处理能力使其成为AI芯片首选，但随着计算繁重化及特定化，FPGA及ASIC将成市场关注重点。美国芯片出口管制政策加码推动AI芯片国产化进程，行业呈现梯队化竞争格局。

一、AI算力规模扩大，带动国内AI芯片市场快速增长

根据观研报告网发布的《中国AI芯片行业发展深度分析与投资前景研究报告（2025-2032年）》显示，AI芯片也被称为AI加速器或计算卡，即专门用于处理人工智能应用中的大量计算任务的模块。AI浪潮下互联网和智算中心算力需求持续旺盛，带动国内AI 芯片市场快速增长。

根据数据，2020-2024年我国AI算力规模由134.2 EFLOPS增长至725.3 EFLOPS，CAGR为52.5%；我国AI芯片市场规模由190.6亿元增长至1405.9亿元，CAGR为64.8%。

数据来源：观研天下数据中心整理

数据来源：观研天下数据中心整理

二、GPU为主流AI芯片，FPGA及ASIC将成市场关注重点

根据设计和应用特性，AI芯片分为GPU、FPGA以及ASIC（包括NPU、ASSP）三大类。

GPU拥有强大的浮点运算能力，此前主要用来处理图像。随着深度学习的发展，GPU一举成为AI领域的利器。GPU主要被应用于2D和3D图形的计算和处理，因为这些任务通常涉及到大量的矩阵运算，虽然计算量大，但非常适合并行处理。随着大数据和人工智能技术的快速发展，GPU的应用范围已经扩展到了更广泛的领域，特别是在需要进行大量重复计算的数据挖掘领域，如机器学习和深度学习等，GPU的高效并行处理能力使其成为首选的计算平台。2023年我国GPU芯片占AI芯片的比重高达85%。

FPGA是现场可编程门阵列，是一种半定制集成电路，可以满足不同的设计，具有较高的灵活性，非常适用于AI推理阶段。随着机器学习、边缘计算和自动驾驶等领域的快速发展，数据处理任务日益繁重，对芯片的计算效率、计算能力和功耗比提出了更高要求，FPGA迎来机遇。

ASIC则是专用集成电路，是为了满足特定需求而开发的芯片。与GPU人工智能芯片相比，ASIC具有功耗较低、体积更小、成本更低等优势。尤其是在执行特定的任务时，ASIC就可以兼顾效率和成本，实现更优的解决方案。近期AI技术热点逐渐由预训练向推理倾斜，这就需要由多种定制芯片来完成，未来ASIC将扮演着更加重要的角色。

数据来源：观研天下数据中心整理

三、美国芯片出口管制政策加码推动AI芯片国产化进程，梯队化竞争格局明显

随着美国芯片出口管制政策持续加码，英伟达主力 AI 芯片出口中国大陆受限，国内互联网大厂等下游客户为防止出现芯片断供风险，逐步转向采购国产芯片或自研 AI 芯片，推动 AI 芯片国产化率快速提升。

美国芯片出口管制政策

资料来源：观研天下整理

我国AI 芯片行业呈现梯队化竞争格局。第一梯队厂商成立时间较早，产品迭代速度较快，在产品性能和量产规模方面保持领先，代表包括华为昇腾、海光信息、寒武纪、百度昆仑芯等。其中，华为昇腾 910B 已经基本对标英伟达A100，成为互联网厂商国产训练芯片的首选，而海光信息、寒武纪、昆仑芯等的新一代主力产品深算三号、思元590、昆仑芯三代等未来也将成为昇腾 910B 的有力竞争者。

第二梯队厂商大多成立于 2019-2021 年前后，代表包括壁仞科技、天数智芯、沐曦等，这类厂商以 AI 芯片起家，目前已拥有上市的产品，但主力产品仍以推理卡为主，训练卡在产品成熟度和规模化落地方面与第一梯队厂商存在差距。

第三梯队包括起步不久的 AI 芯片初创企业以及特定行业的AI 芯片厂商，目前这类厂商仍处于芯片设计、流片等早期阶段，或者产品仅用于特定行业，产品量产规模较小。

资料来源：观研天下整理（zlj）