AI算力爆发下全球GPU迎来爆炸式增长 我国本土企业正逐步打破海外垄断

一、GPU是AI计算加速芯片市场最主流产品，占比近7成

根据观研报告网发布的《中国GPU行业发展深度研究与投资趋势预测报告（2025-2032年）》显示，AI加速计算芯片是一种专门为高效执行人工智能计算任务而设计的处理器，广泛应用于数据中心、边缘设备、自动驾驶等领域，是支撑现代AI应用发展的核心硬件基础。目前AI加速计算芯片主要包括GPU、FPGA和ASIC三种类型，它们在功能性能、开发者友好性和使用成本等方面各有特点。其中GPU因其通用性和成熟的开发环境，在人工智能训练和推理方面表现出色，且在相同用途中最具成本效益，成为了AI计算加速芯片市场最主流产品，占比近7成。根据弗若斯特沙利文数据显示，在2024年我国AI计算加速芯片市场规模中，GPU占比达到了69.9%。

GPU、FPGA和ASIC三种类型的AI加速计算芯片对比

资料来源：公开资料，观研天下整理

数据来源：弗若斯特沙利文，观研天下整理

二、AI算力爆发下全球GPU迎来爆炸式增长，预计2029年市场规模将超3.6万亿元

GPU（图形处理芯片）又称显示核心、视觉处理器、显示芯片，是一种主要用于计算加速领域的微处理器。GPU的关键组件包括决定其处理能力和运算效率的微架构，以及由开发工具、程序库和应用程序接口（API）组成的强大软件生态系统，这一生态系统确保了开发者能够在各类应用场景中高效调用GPU的计算能力。目前根据功能定位，GPU主要分为全功能GPU、图形GPU和GPGPU几类。其中，由于与其他类型的GPU相比，全功能GPU可满足更广泛的应用需求，因此在元宇宙、世界模型、具身智能、物理AI等未来AI的发展趋势下，将拥有显著的竞争优势。

资料来源：公开资料，观研天下整理

近年来，随着AI应用（如ChatGPT大模型技术）的突破，全球市场对AI算力的需求显著增加。以中国市场为例：根据弗若斯特沙利文数据显示，近年随着AI和大数据技术的广泛应用，我国算力规模呈现快速增长态势，整体规模从2020年的136.20EFLOPs增长至2024年的617EFLOPs，期间年均复合增长率为45.9%；预计到2029年中国算力总规模将达到3442.89EFLOPs，2025-2029年期间年均复合增长率达40%。

数据来源：弗若斯特沙利文，观研天下整理

随着支持深度学习和数据分析等AI应用的高性能计算需求不断增长，对GPU的需求也随之激增。而以英伟达为代表的GPU产品，因其成熟的开发者生态以及优秀的算力性能迎来了爆发式增长。根据弗若斯特沙利文数据显示，2020-2024年全球GPU市场规模从1509.98亿元增长到了10515.37亿元，年均复合增长率为62.4%。预计到2029年全球GPU市场规模将达到36119.74亿元，2025-2029年期间年均复合增长率达到24.5%。

数据来源：弗若斯特沙利文，观研天下整理

三、我国GPU起步晚但发展快，预计在全球市场比重将不断提升

虽然与全球相比，我国GPU起步晚，仍处于起步阶段。但随着国内企业在技术上的不断突破，市场正在快速增长，同时在全球市场比重也将得到不断提升。根据弗若斯特沙利文数据显示，2020-2024年我国GPU市场规模从384.77亿元快速增长到1638.17亿元。预计到2029年我国GPU市场规模将增长到13635.78亿元，在全球市场中的市场占比将从2024年的15.6%提升至37.8%。

数据来源：弗若斯特沙利文，观研天下整理

数据来源：弗若斯特沙利文，观研天下整理

四、AI智算产品已成为我国GPU最大细分市场，占比超6成

GPU产业下游应用领域可细分为AI智算产品和桌面级产品。其中AI智算产品已成为我国GPU最大细分市场，2024年占比超6成。近年随着AI不断发展，对算力的需求快速增长，AI智算GPU的市场规模也从2020年的142.86亿元迅速增至2024年的996.72亿元，期间年均复合增长率高达62.5%。预计到2029年，我国AI智算GPU市场规模将达到10333.40亿元，2025-2029年期间年均复合增长率为56.7%。

数据来源：弗若斯特沙利文，观研天下整理

注：AI智算产品口径包括数据中心端（应用于智算中心中AI训练和推理等场景的GPU及相关产品）、边缘计算端（应用于数字孪生、汽车、机器人等边缘计算场景的GPU、SoC芯片及相关产品）、其他云计算端等

数据来源：弗若斯特沙利文，观研天下整理

其中在我国AI智算GPU市场中，数据中心GPU产品是过去增速最快的细分市场，其市场规模从2020年的8亿元快速增长至2024年的687.22亿元，年均复合增长率达到70.1%。预计未来还将以年均复合增长率55.7%的高增速增至2029年的6639.16亿元。

数据来源：弗若斯特沙利文，观研天下整理

五、需求政策双驱动下国产化进程加速，当前国产GPU企业正逐步打破海外垄断

当前全球数字经济竞争中，GPU作为人工智能计算的“心脏”，直接决定算力基础设施的自主可控程度。但长期以来，国内GPU市场长期被英伟达（占比超80%）、AMD等国际巨头垄断，尤其在高端AI训练芯片领域，海外企业几乎形成技术壁垒。国产产品大多集中在中低端领域，与国际巨头的差距依然明显。以英伟达H100为例，其单卡算力超1000Tflops，而国产代表性产品如景嘉微JM9系列，性能仅对标GTX1050，能效比更是落后近一倍。

与此同时，AI算力爆发催生“国产替代”刚需。截至2025年6月底，我国在用算力中心标准机架达1085万架，存力总规模超1680EB，智能算力需求以每年超50%的速度增长。AI大模型训练、自动驾驶、工业互联网等场景对高性能GPU的需求呈爆发式增长。

数据来源：公开数据，观研天下整理

更严峻的是，美国《人工智能扩散暂行最终规则》持续加码，不仅限制先进计算芯片出口，还对闭源AI模型权重实施严格监管，2025年4月更是要求H20芯片对华出口需许可证且无限期生效。在此背景下，我国GPU亟需加快国产替代。

对此，2025年8月23日，在2025中国算力大会上，工信部副部长熊继军宣布我国智能算力规模已达788EFLOPS，并明确提出“加快突破GPU芯片等关键核心技术”。这一政策指引不仅为长期受制于国际巨头的国产GPU产业注入强心剂，更标志着我国在AI算力自主可控的赛道上按下“加速键”。随后8月26日，国务院发布的《关于深入实施“人工智能+”行动的意见》进一步为国产GPU提供了政策利好。政策明确提出“加速人工智能与6大重点领域融合”，包括智能终端、智能体等应用普及率超70%，这为国产GPU产品提供了更广阔的应用场景。

目前我国政策层面已构建起“国家引导+地方协同”的支持体系。国家级规划：工信部推动算力网络“点、链、网、面”体系化发展，开展算力强基“揭榜”行动，聚焦GPU等核心技术，同时引导智能算力设施合理布局，通过绿色数据中心建设降低PUE（当前全国算力中心平均PUE已降至1.42）；地方实践：山西大同打造环首都算力集群，在用机架达51.4万标准机架，智能算力规模32EFLOPS，形成“设备制造—基础设施—算力服务”完整生态；重庆两江新区通过国资投资（如重庆两江产业发展集团）扶持象帝先等GPU企业，加速技术落地。

在国家数据安全保护需求与国家政策利好的驱动下，本土GPU企业不断突破知识产权技术壁垒，推动国产GPU生态系统的技术验证和快速发展。从砺算科技实现国产GPU的破局，到龙芯中科实现通用计算GPU“从0到1”的突破，再到沐曦半导体推出对标英伟达的高性能芯片可看出，当前国产GPU企业正以架构创新、性能跃升和生态完善为抓手，逐步打破海外垄断，重塑全球算力竞争格局。

如国产GPU的“破局者”——砺算科技的7G100系列，它是国内首款从指令集到计算核心完全自主设计的产品，基于自研的TrueGPU天图架构，采用6nm先进工艺，在架构设计上藏着不少“巧思”：智能多任务处理能同时运行48个无依赖任务，彻底告别等待耗时；智能乱序渲染打破三角形渲染的顺序限制，在非依赖场景下效率直接提升50%；硬件级指令双发射技术让FP32与INT32运算并行，资源利用率最大化；就连显存存储都做了优化，矩阵数据以方块形式存储，显存使用效率提升40%。

龙芯中科历时五年研发的首款通用计算GPU（GPGPU）——龙芯9A1000，于2024年Q3完成流片，2025年正式发布，标志着国产GPU从“图形渲染”向“通用计算”的关键跨越。并计划于2025年推出下一代产品9A2000，性能预计提升8-10倍，对标NVIDIARTX2080，进一步填补中端通用计算市场空白。

沐曦半导体曦云C500采用7nm工艺，FP32算力达15TFLOPS，相当于英伟达A100的75%，搭配HBM2显存（带宽900GB/s），支持千卡集群部署与RDMA技术——这意味着它能与英伟达A100混合训练同一模型，且不会拉低训练效果，彻底打破了“国产GPU无法融入国际算力集群”的偏见。2025年7月发布的曦云C600更实现了从芯片设计到封装测试的100%国产供应链闭环，摆脱了对国外技术的依赖。曦云C600是目前国产GPU中唯一公开完整FP8规格的训推一体芯片，直接对标英伟达Hopper系列，堪称“国产GPU性能天花板”。

象帝先凭借国资背景（重庆两江产业发展集团投资）与顶尖团队（核心成员来自英伟达、AMD，平均从业超10年），在图形渲染领域实现突破。如新一代伏羲架构GPU采用5nm工艺，FP32算力160TFLOPS，集成12GBHBM2显存，图形渲染能力已适配《黑神话悟空》等3A游戏，填补国产高端渲染芯片空白。

摩尔线程的MTT系列瞄准“全功能GPU”的空白。其代表作MTTS80是国内唯一支持DirectX12的消费级显卡，基于自研的MUSA架构——这是国内首个能在单芯片上同时支持AI计算加速、图形渲染、物理仿真和超高清视频编解码的架构，4096个MUSA核心在1.8GHz频率下能实现14.4TFLOPS的单精度浮点算力，搭配16GBGDDR6显存（带宽448GB/s），性能直逼国际中端产品。

部分GPU企业相关产品情况

资料来源：公开资料，观研天下整理

随着国产相关企业技术的不断突破，我国国产GPU的市场渗透率正在稳步提升。有数据显示，2024年国产GPU在国内市场的占有率已从几年前的微不足道提升至约30%，预计到2025年将突破35%，到2030年，突破 50%，其中AI训练芯片的国产化率超 40%。这个增长轨迹表明国产GPU正在获得市场认可。

数据来源：公开数据，观研天下整理

应用场景也在不断拓宽。国产GPU已从最初的政府单位和事业单位，逐渐扩展到互联网企业、运营商智算平台、商业化智算中心以及教科研、金融等行业。

此外，互联网巨头也开始逐步接纳国产GPU。字节跳动、腾讯等企业在其人工智能研发、内容推荐系统、短视频处理等业务中开始使用国产GPU算力。虽然采购仍以国际产品为主，但国产GPU凭借性价比优势和本地化服务能力，已经逐渐进入这些企业的供应链体系。

而尽管近年相关产品层面已实现诸多突破，但国产GPU要真正打破垄断，还需跨越生态建设的“最后一公里”。其中最核心的短板，莫过于软件生态与英伟达CUDA的差距——英伟达拥有400万开发者、3000+专业软件适配，新游戏发布当日就能提供优化驱动，而国产GPU不仅驱动稳定性有待提升（比如摩尔线程MTTS80运行《原神》需特殊优化，帧率波动明显，而同价位RTX3060可即插即玩且支持DLSS超分辨率技术），API接口覆盖也不够全面，专业软件适配更是滞后。

不过，近几年国产企业已展开针对性追赶：摩尔线程明确提出“构建中国版CUDA”的目标，通过兼容CUDA生态降低开发者迁移成本；沐曦发布完整的MACA驱动及SDK，还推出《曦云系列快速上手指南》帮助开发者快速上手；景嘉微则通过OpenGL/Vulkan兼容层，让CAD、GIS等专业软件能在国产GPU上流畅运行。截至2025年，国产GPU适配的软件已超500款，较2023年增长200%，生态建设正加速推进。

除了生态建设，供应链安全是另一大挑战。目前国产高端GPU如象帝先伏羲系列（5nm）、沐曦曦云C600（7nm）仍依赖台积电代工，国内晶圆代工厂中芯国际仅能量产14nm，先进制程的“卡脖子”问题尚未解决；高端显存（如HBM3）、光刻胶等关键材料的进口占比也超80%，产业链自主可控程度有待提升。

为应对这一问题，企业与国家层面也在双管齐下：

企业方面：沐曦C600已实现封装测试的100%国产化，中芯国际启动7nm工艺研发并计划2026年量产。

国家层面：国家设立的“半导体材料专项基金”2025年规模超200亿元，上海、合肥等地还在建设GPU产业链集群，从设计、制造到封装测试，逐步完善自主供应链。

预计未来，随着技术持续迭代与生态不断完善，国产GPU有望在AI训练、图形渲染、边缘计算等领域实现“从跟跑到并跑，再到领跑”的跨越，为中国数字经济高质量发展筑牢算力底座。（WW）