本文基于各厂商官网/官方发布会、公开财报与行业研报整理，数据截至 2026年10月。 重要说明：国产AI芯片相当一部分规格官方并未完整披露，网络流传数值常混淆精度口径（如把 INT8 TOPS 当作 FP16 TFLOPS）。本文已对关键数据做口径校正，并逐项标注来源（官方 / 研报估算），不确定处如实说明，不做夸大。

核心结论速览（TL;DR）

如果只看三分钟，记住这六条：

• 算力追平：昇腾910C 稠密 FP16 达 800 TFLOPS，逼近 H100（989）。
• 显存反超：沐曦C600 / 燧原L600 144GB HBM3e、昇腾910C 128GB，容量已局部追齐国际主流配置。
• 互联仍落后约 1 代：卡间互联多在 400–784 GB/s，不及 NVLink 的 900 GB/s+，国产因此走"超节点集群化“补短板。
• 先进封装突围：Chiplet / 2.5D 封装（壁仞、昇腾910C、沐曦）绕过制程封锁，用成熟工艺逼近先进制程性能。
• 三大卡点未解：先进封装产能、HBM 供应、软件生态仍是自主化核心矛盾（昇腾已被动走上自研 HBM）。
• 市场放量：2025 国产 AI 加速卡出货约 165 万张、占国内约 41%；机构预测 2026 昇腾份额约 50%。

本文覆盖的 10 家主流厂商：华为昇腾、壁仞科技、寒武纪、百度昆仑芯、摩尔线程、沐曦、海光信息、天数智芯、阿里平头哥、燧原科技。

一、技术路线与发展历程：七年四级跳

国产GPU沿着"成立起步 → 初代量产 → 集群规模化 → 路线图成熟"的节奏推进，下图把 10 家厂商按五个阶段铺在同一条时间线上。

• 2018–2019 起步期：华为昇腾910（7nm 达芬奇）、百度昆仑1代（14nm）、阿里含光800问世；壁仞、摩尔线程、天数智芯密集成立。
• 2020–2021 量产期：天垓100（国产首款通用GPU）、海光深算一号Z100、寒武纪思元290落地，完成从0到1。
• 2022–2023 规模化：壁仞BR100（7nm+Chiplet，BF16 512 TFLOPS）、思元370/590、摩尔线程S3000/S4000、昇腾910B（FP16约376T）冲击千卡集群。
• 2024–2025 成熟期：昇腾910C（800T FP16、128GB）、昆仑芯P800（345T、96GB HBM3）、摩尔线程S5000（FP8 1000T、万卡集群）、沐曦C600（144GB HBM3e）量产。
• 2026+ 路线图：高端化、十万卡与先进封装并进——
  • 华为昇腾：950PR（2026Q1，自研HBM、FP8 1P）→ 950DT（2026Q4，2P）→ 960（2027）→ 970（2028）；Atlas 950/960 超节点剑指万卡~十万卡。
  • 壁仞科技：第二代架构旗舰 BR20X（新增 FP8/FP4、更大内存与超节点互连）2026 商业化；2026.01 登陆港交所（“港股 GPU 第一股”），BR30X/BR31X 瞄准 2028。
  • 摩尔线程：新一代"花港"架构（算力密度 +50%、能效 ×10）衍生 华山（训推一体，支持十万卡）与 庐山（图形渲染）2026 陆续上市。
  • 沐曦：曦云 C600 2026H1 量产、C700（综合性能对标 H100）2026 下半年流片。
  • 百度昆仑芯：M100（2026 初，大规模推理）、M300（2027 初，多模态训推）；天池 256/512 超节点 2026 落地（512 单节点可训万亿参数模型）。
  • 寒武纪思元 690（5nm）、海光深算三号 BW1000、燧原 L600 量产后邃思系列迭代接续推进。

二、性能参数横向对比：算力追平，显存反超

先用一张图看全局：下图统一口径对比稠密 FP16 算力与显存容量，并附逐项标注来源的"核心规格汇总"表。

稠密 FP16/BF16 算力（TFLOPS，统一口径）：

• 华为昇腾910C：800（官方，华为全联接大会2025）
• 壁仞BR100：512（官方，稠密BF16）— 注：媒体常引用的"1024"实为 INT8 TOPS，并非FP16
• 百度昆仑芯P800：345（官方）
• 寒武纪思元590：约 314（研报估算，官方未完整披露，范围约256–345）
• 沐曦曦云C500：280（厂商资料）
• 海光深算二号K100-AI：约 192（媒体/研报）
• 天数智芯天垓100：147（厂商/百度百科）
• 参考：英伟达 A100 312、H100 989（稠密FP16）

口径提醒：摩尔线程S5000、沐曦C600官方仅公布 FP8 1000 TFLOPS（PFLOPS级），未公布稠密FP16，故未并入FP16柱状对比，避免跨精度误导。

显存容量（GB）——国产的意外亮点，部分型号反超国际主流：

• 沐曦曦云C600 / 燧原L600：144GB HBM3e（官方，并列最大）
• 华为昇腾910C：128GB HBM（官方）
• 百度昆仑芯P800：96GB HBM3（官方）
• 阿里平头哥PPU（真武810E）：96GB HBM2e（官方）
• 寒武纪思元590：96GB HBM2e
• 摩尔线程S5000：80GB GDDR6（非HBM，官方）
• 壁仞BR100：64GB HBM2e
• 海光深算二号：64GB HBM2
• 天数天垓100：32GB HBM2

备注：HBM 的"职级”（代际）是什么？

HBM（High Bandwidth Memory，高带宽显存）是专为 GPU/AI 加速卡设计的堆叠式显存，通过 2.5D 封装与芯片做在一起，带宽远高于 GDDR。名字里的数字和后缀代表代际与改良版，越新带宽越高、单堆容量越大：

• HBM（第1代，2015）：初代，带宽/容量最低，现已基本淘汰。
• HBM2（第2代，2016）：主流化起点，单堆带宽约 256 GB/s；A100、海光深算二号、天数天垓100 等采用。
• HBM2e（HBM2 增强版，2020）：e = enhanced，提频提容，单堆带宽约 450 GB/s；壁仞BR100、寒武纪590、阿里平头哥PPU 等采用。
• HBM3（第3代，2022）：单堆带宽约 800 GB/s，容量更大；昆仑芯P800 采用。
• HBM3e（HBM3 增强版，2024）：e = enhanced，当前量产最强，单堆带宽约 1 TB/s+；英伟达 H200/B200、沐曦C600、燧原L600 等采用。
• 下一代 HBM4（2026 前后）将进一步翻倍带宽。

简记：HBM → HBM2 → HBM2e → HBM3 → HBM3e → HBM4，数字升级代表换代，e 后缀代表同代的增强版；越靠右，带宽越高、越新。昇腾910C 文中只标"HBM"是因华为未公开具体代际。另外，GDDR6（如摩尔线程S5000）是显卡常用的另一类显存，成本低但带宽显著低于 HBM，不属于 HBM 家族。

上表 10 家厂商中，有两家因口径特殊需要单独说明：

• 阿里平头哥 PPU（真武810E）：官方公布 96GB HBM2e、片间互联 700 GB/s、PCIe 5.0×16、功耗约400W；FP16未公开，公开报道称整体性能"与英伟达H20相当、升级版强于A100"，已在阿里云多个万卡集群部署、服务400+客户。
• 燧原科技 L600（第四代"邃思400"）：官方公布 144GB 存储、3.6 TB/s 带宽、800 GB/s 互联、原生FP8；FP16未公开，性能对标H20。上一代推理卡S60已出货超10万片。
• 口径一致性：平头哥PPU、燧原L600因官方未披露稠密FP16，未并入FP16柱状图，仅进入"核心规格汇总"表（已标注"未公开"），避免跨精度误导。

通信 / 带宽：

• 显存带宽：昇腾910C 3.2 TB/s、沐曦C600 3.6 TB/s、昆仑芯P800 2.4 TB/s、寒武纪590 约2 TB/s、沐曦C500 1.8 TB/s、摩尔S5000 1.6 TB/s、海光K100-AI 896 GB/s。
• 卡间互联：昇腾910C 784 GB/s（HCCS）、摩尔线程S5000 784 GB/s、寒武纪MLU-Link 约400–500 GB/s、天数天垓100 仅 64 GB/s。
• 参考差距：英伟达 NVLink 900 GB/s（H100）起步，国产卡间互联仍落后约1代，这也是华为等走"超节点集群化"路线弥补单卡互联的根因。

详见图中"核心规格汇总"表（含制程/FP16/显存/显存带宽/卡间互联/TDP/来源逐项标注）。

三、落地场景与市场格局：用财报与出货说话

参数之外，真正说明问题的是场景、营收与份额。下图左侧是五大核心落地场景，右侧依次为 2025 年营收、第三方机构市场格局与 DeepSeek 适配情况。

五大落地场景：电信运营商智算中心、互联网大厂 AI 基础设施、政务云与东数西算、金融与关键行业（海光 x86 生态）、云游戏与云桌面（摩尔线程 vGPU）——覆盖了国产算力从"集采风向标"到"信创末端"的主要需求面。

2025 全年营收（公开年报/业绩快报）：海光信息 143.77 亿（+57%，净利 25.45 亿）、寒武纪 64.97 亿（+453%，上市后首次年度盈利 20.59 亿）、沐曦 16.44 亿（+121%）、摩尔线程 15.05 亿；壁仞、天数智芯等尚未上市、无公开年报，故不列。

市场格局（第三方机构口径）：2025 年国产 AI 加速卡出货约 165 万张、占国内约 41%（IDC）；Bernstein、TrendForce 等预测 2026 年华为昇腾份额升至约 50%、英伟达降至约 8%，寒武纪 / 海光 / 平头哥 / 昆仑芯居第二梯队。

生态拐点：DeepSeek V3/V4 发布后已有超百家厂商实现"Day 0 接入"，本文覆盖的 10 家国产厂商（昇腾 / 沐曦 / 壁仞 / 天数 / 摩尔线程 / 海光 / 燧原 / 昆仑芯 / 平头哥 / 寒武纪）均已完成适配。

四、Chiplet：突破制程限制的国产方案

既然先进制程被卡，国产怎么把算力堆上去？答案是先进封装。下图以壁仞 BR100 的 2.5D CoWoS 为例，拆解 Chiplet 的架构、优劣势与挑战。

核心原理：以壁仞BR100为例，7nm、770亿晶体管、Chiplet+2.5D CoWoS封装，在硅中介层上集成多个计算核心 + HBM，用成熟工艺逼近先进制程性能。

Chiplet vs 传统单片：可混合多种制程、小芯片良率更高、硅中介层高速互联、按需灵活组合、成本结构向封装倾斜。

采用方代表（按封装路线区分）：壁仞BR100（Chiplet + 2.5D CoWoS，硅中介层）、沐曦C600（2.5D）、华为昇腾910C（双die 共封装，有机基板互联）；寒武纪思元690亦被列为 Chiplet 方案，但为研报估算，官方未完整披露，谨慎引用。

四大挑战：2.5D CoWoS封装成本高、多芯片散热密度大、系统级互联设计复杂、先进封装产能仍依赖台积电等海外厂商。

五、未来发展趋势：五个确定性方向（对标国际前沿）

技术大方向由全球前沿共同牵引，下面每条先给国际先进方案（主要是 NVIDIA）作锚点，再落到国产对标/路线，便于看清"追赶在哪、差距多大、国产特殊性在哪"。

1. 集群规模持续跃升

   • 国际前沿：NVIDIA GB200 NVL72 机柜级整机（72 GPU 全互联，NVLink 5 单卡 1.8 TB/s 双向），xAI/Meta 已落地 10 万卡级集群。
   • 国产方向：卡间互联仍落后约 1 代，华为昇腾 Atlas 950/960 以"超节点 + 集群化“弥补单卡互联短板，剑指万卡→十万卡，超大规模互联成竞争焦点。

2. Chiplet / 先进封装成主流

   • 国际前沿：NVIDIA Blackwell 采用双 die（NV-HBI 10 TB/s 片内互联）+ CoWoS-L，Rubin 延续多 die 封装路线。
   • 国产方向：制程受限下，2.5D/3D 封装（壁仞 Chiplet、昇腾910C 双 die、沐曦 C600）是绕过制程封锁、突破算力天花板的核心手段。

3. 大显存与高带宽

   • 国际前沿：B200 192GB HBM3e、约 8 TB/s 带宽，Rubin 将升级到 HBM4。
   • 国产方向：昇腾 128GB、沐曦 C600 / 燧原 L600 144GB HBM3e 已在容量上局部反超，验证"大显存适配大模型"路线。

4. 供应链自主：自研 HBM（国产独有命题）

   • 国际现状：NVIDIA 不自研 HBM，直接向海力士/三星/美光采购，无此卡点。
   • 国产方向：受制裁影响，HBM 是国产最大卡点之一，华为昇腾 950 起采用自研 HBM，属被动突破而非跟随国际——这正是国产路线与国际的关键分叉。

5. 软件生态加速成熟

   • 国际前沿：CUDA 近 20 年沉淀，是 NVIDIA 最深的护城河。
   • 国产方向：昇腾 CANN、昆仑 XPU 等自有栈 + DeepSeek 全面适配，标志”硬件可用→软件好用“的转折，但与 CUDA 生态差距仍大。

六、总结

国产GPU已完成"0到1”，正处"1到N"的规模化放量：头部算力追平国际主流、大显存反超、Chiplet绕过制程封锁、三大场景规模化落地。

核心矛盾仍在先进封装产能、HBM供应与软件生态三大环节尚未完全自主——这也正是昇腾自研HBM、沐曦全国产供应链等动作的指向。

数据来源：各厂商官网/官方发布会、公开财报（海光688041、寒武纪688256、沐曦688802、摩尔线程年报/业绩快报）、招投标公告，以及 IDC、Bernstein、TrendForce 等第三方机构研报整理（截至2026年10月）。标注为"研报估/媒体估"或"机构预测"的数值因官方未完整披露，仅供参考，可能与最终官方数据存在差异。

附：各家国产GPU厂商官网

建议以下列官方渠道为准核对最新规格：

• 华为昇腾（Ascend）：https://www.hiascend.com
• 壁仞科技（Biren）：https://www.birentech.com
• 寒武纪（Cambricon）：https://www.cambricon.com
• 百度昆仑芯（Kunlunxin）：https://www.kunlunxin.com
• 摩尔线程（Moore Threads）：https://www.mthreads.com
• 沐曦（MetaX）：https://www.metax-tech.com
• 海光信息（Hygon）：https://www.hygon.cn
• 天数智芯（Iluvatar CoreX）：https://www.iluvatar.com
• 阿里平头哥（T-Head）：https://www.t-head.cn
• 燧原科技（Enflame）：https://www.enflame-tech.com

• ← Previous Post