就在周五，英伟达CEO黄仁勋坦言，公司在华高端GPU市场份额已从几年前的95%滑落至接近归零。

市场对这个消息很关注，大家都在讨论，当下国内AI的发展趋势会怎么样，未来国产GPU是否能做出来。

其实，今天的国内AI算力，或许正处在这样一个临界点上。

今天我们就从三大方面来讨论这个问题，看看国产芯片——能不能做出来？能不能卖得动？能不能持续迭代？有没有利润？

一、业绩方面

就在最晚，寒武纪交出了一份2025年三季报，整体是超预期的成绩单：前三季度营收46.07亿元，同比增长2386%，净利润16.05亿元，其中Q3单季营收17.27亿元，同比增长1332%。

市场此前对Q3的预期集中在10亿到15亿之间，但是这次回来还是到了16亿的净利润。

首先我们看看市场为何预计在15亿？

主要原因有两个：

一是上半年供应链存在阶段性瓶颈，晶圆回片延迟影响了交付节奏。

二是收入确认周期与实际出货存在时间差，市场担心Q3仍难放量。

但最终结果说明：供给问题已在第三季度基本解决。

更重要的是，财报显示合同负债和存货同步上升——存货从Q2的26.9亿元增至37.3亿元，意味着芯片已稳定回片，产线进入正常运转状态。

合同负债的增加，则暗示前期签订的大额订单正在逐步确认收入。

毛利率方面，Q3为54.3%，虽较Q2的55.9%略有回落，但在主力型号（如MLU580）出货量提升、规模效应尚未完全释放的情况下，这一水平已属稳健。

考虑到后续590/690等新代际产品将陆续上量，且单位成本有望随封装良率和设计优化进一步下降，未来毛利率仍有上行空间。

一个值得观察的细节是：当单季度出货量达到5万至10万卡级别时，固定成本摊薄效应将显著增强。

那么到时候，可能是营收规模与利润率之间可能出现明显提升。目前看，这一节点或许正在临近。

二、国产生态适配

在GPU领域，性能只是入场券，生态才是护城河。

过去多年，海外厂商的优势不仅在于芯片本身，更在于其配套工具链、开发者社区和主流框架的深度集成。

但近年来，国产AI芯片厂商在生态建设上投入巨大，路径也愈发清晰：不追求全面对标，而是聚焦关键场景，打造“垂直闭环”。

以昇腾为例，其910系列芯片在能效比上表现突出，尤其适合大规模推理任务。

更重要的是，它通过与MindSpore等国产AI框架的协同优化，在特定工作负载下实现了更高的实际利用率。

这种“软硬一体”的设计思路，使其在运营商、电力、交通等对长期运维成本敏感的行业获得了广泛认可。

公开信息显示，2024年昇腾相关产品出货量超过64万片，在国内训练推理市场占有率约23%。在中国移动的一次服务器集采中，搭载昇腾方案的产品拿下数千台订单，显示出较强的商业化落地能力。

类似地，昆仑芯R200芯片深度适配飞桨（PaddlePaddle），在语音识别、推荐系统等场景中具备部署优势。

2024年出货约6.9万片，主要应用于百度云及部分政企客户。

阿里、腾讯也各自推进自研AI芯片在内部云业务中的渗透，逐步降低对外部供应商的依赖。

这些案例的共同点是，它们没有试图复制CUDA式的通用生态，而是选择在特定客户、特定应用中建立“最小可行闭环”。

一旦形成惯性，迁移成本便自然形成壁垒。

三、产品节奏，不断在追赶

过去，国内AI芯片多以“对标H100”“兼容CUDA”为宣传点，本质上仍处于跟随状态。

而现在，头部企业已开始发布未来2-3年的明确路线图。

比如，有厂商规划了下一代训练芯片，目标算力密度较当前提升一倍以上，并计划于2026年推出。

后续还将持续迭代，保持每年性能大幅的节奏。同时，在互联带宽、内存容量、稀疏计算支持等方面也有系统性升级。

这种“自主演进”的能力，标志着企业不再被动响应外部供应链变化，而是根据国内大模型训练、边缘推理、多模态处理等真实需求，主动设计产品。

另一个值得关注的趋势是国产化程度的提升。

某新兴厂商推出的C600系列芯片，已实现从IP设计、晶圆制造到封测的全流程国内闭环。

尽管在先进制程上仍有依赖，但在安全性要求较高的金融等领域，这类方案正成为重要选项。

数据显示，该企业2024年营收7.43亿元，虽然基数尚小，但增长曲线走强，反映出细分市场的旺盛需求。

结语：一场关于“可用性”的胜利

回过头看，国际厂商在华份额的归零，真正值得重视的，国内本土AI芯片企业在这几年里完成了关键跃迁。

未来几年，可以持续关注国产芯片在性能、功耗、生态上的持续优化，或许会发现：那个曾经被认为“替代很难”的算力体系，或许在不断填补。

特别声明：以上内容绝不构成任何投资建议、引导或承诺，仅供学术研讨。

如果觉得资料有用，希望各位能够多多支持，您一次点赞、一次转发、随手分享，都是笔者坚持的动力~