塔斯娱乐资讯网

英伟达中国出货暴跌44%,国产AI芯片狂揽42亿,钱却没回来?

本文作者— —温知白|新华基金研究员
英伟达在中国最坚固的那堵墙,正在被从侧面绕开。
2026年三季度,三家科创板国产AI芯片公司先后交卷。摩尔线程单季营收15.52亿元,同比增长1773.92%;沐曦股份单季15亿元,一个季度干完了上半年的总量,增速367.12%;燧原科技单季12.12亿元,同比增长395.34%。三家公司加在一起,单季营收超过42亿元,放在两年前,这是整个国产AI芯片赛道一年的光景。

另一组数字来自IDC。2026年上半年,英伟达在中国数据中心AI加速器市场的份额降至34%,出货量67.8万颗,同比骤降44%。华为以57.2万颗拿下28%,两者之间的差距只剩下6个百分点。IDC追踪的11家本土芯片企业中,9家出货量同比增长。
一边是三倍、十几倍的营收脉冲,一边是海外巨头份额的持续松动。前两年还被“卡脖子”的国产AI芯片,怎么突然就开始啃英伟达的基本盘了?
为什么国产 AI 芯片能突然跑起来了?答案不在芯片本身,而在需求的结构。
大模型的基础训练阶段正在进入平台期。万亿参数模型的军备竞赛还在继续,但边际上的算力增量,已经不在训练侧。智能体常态化运行、行业大模型批量落地、端侧AI铺开,把推理算力推成了国内算力市场真正的主力。
一个可供参照的判断是,当前约70%-80%的AI算力用于训练,但趋势正在倒转,推理算力未来将占到70%以上。根据中国电信研究院预计,智能体爆发将带动算力需求年均增长近10倍,到2029年推理算力市场占比将达到80%。
训练卡和推理卡,是两种完全不同的生意。
训练卡追求极致的浮点算力、芯片间互联带宽和软件生态的深度绑定。CUDA筑起的护城河,不是靠单卡跑分就能翻过去的。把一套训练工作流迁移到非CUDA平台,意味着大量代码重写和重新调优,时间和成本至少增加50%。这也是为什么在最前沿的模型训练侧,英伟达依然是事实上的唯一选项。
但推理场景的竞争维度变了。吞吐量、能效比、单Token成本、供货稳定性、本地化部署能力,这些指标的权重远远高于“单卡极限性能”。而在这些维度上,国产芯片的账算得过来。推理侧国产卡已经达到H100逾80%的性能,单Token成本直降75%-95%。当客户从“少数头部企业的高端训练”切换到“海量普惠的推理部署”,成本曲线和供货确定性就成了比峰值算力更硬的决策变量。

另外,供给端的推力同样关键。出口管制之下,英伟达高端芯片的供货节奏和溢价水平都不可控,大量中长尾客户既等不起,也买不起。数据安全和供应链自主可控的要求,则把一批政企和行业客户直接推向了国产方案的门口。需求侧的结构性裂缝,恰好撞上了国产芯片“能用”向“好用”的跨越。
摩尔线程的全功能GPU覆盖桌面、服务器和边缘场景,沐曦的训推一体产品在主流推理场景的能效比已经可以对标海外同级别,燧原的云推理卡进入了头部互联网厂商的采购清单。这不是某一家公司的灵光一现,而是从设计工具、IP、封测到整机集成的整条链,同时走到了一个可以批量交付的节点上。
积压的替代需求,在三季度集中兑现成了营收数字。
增长还能再加速吗?值得一提的是,财报的另一面并不好看。
深入拆解不难发现,三家公司毛利率全线下滑。具体看,摩尔线程前三季度毛利率同比下降8.16个百分点,燧原下降4.26个百分点。与此同时,经营性现金流全部为负,且流出规模随营收扩张而扩大。
还有就是盈利分化比较明显。财报显示,沐曦前三季度扣非净利润2.59亿元,已经扭亏;摩尔线程三季度单季扣非盈利2007万元;燧原前三季度扣非仍亏7.62亿元,亏损收窄但尚未转正。
“赔本赚吆喝”的质疑,放在这个阶段并不完全公平。
众所周知,毛利率承压和现金流为负,是份额扩张期的标准财务表情。当下的优先级排序很清楚:抢客户、铺软件栈、扩交付产能,都排在兑现短期利润前面。
但更值得看的信号是,摩尔线程前三季度研发投入13.40亿元,同比增长55.72%,但费用率从上年同期的109.7%降到了40.75%——收入跑得比投入快,这才是单季扣非能够转正的直接原因。燧原那边,6月末合同负债66.65亿元,较2025年末暴增18.26倍,腾讯在用预付款锁定产能,订单能见度并不差。代价是议价权向大客户倾斜,毛利率被压到30%出头,但这是“用利润换份额”的主动选择,不是产品卖不动的被动结果。

真正决定天花板的,是训练卡。
推理是基本盘,训练是第二增长曲线。谁先拿出具备稳定竞争力的训练级产品,谁才有资格谈“跻身第一梯队”。沐曦和燧原都在往训推一体上布局,但训练卡的门槛不在一个量级:芯片间互联带宽、HBM供应、软件栈的成熟度,每一道都是硬约束。国产单芯片性能仍落后英伟达1-2代,预训练侧受40%-50% MFU的约束,要对齐B200的算力需求,意味着4.5倍堆卡和4倍电费溢价。

据悉,当下HBM是这条路上最硬的那道关卡。海外龙头HBM4已经量产,长鑫存储的HBM3e预计2027年才能实现量产,而HBM价格预计在2027年翻倍。存储涨价直接压在了国产AI芯片厂商的BOM成本上,业内判断供应紧张至少还会持续24个月。
但同一件事换一个角度,就是另一套叙事。长鑫存储的DRAM市占率已在2026年中达到9.5%,上海HBM产线正在扩建,长江存储也将新厂一半产能规划给了DRAM和HBM合作。如果国内存储厂商能在高端显存上跑通,AI芯片厂商的原材料成本结构和训练卡的供应链堵点,会被同时改写。

写在最后需要说的是,中国有全球最密集的AI应用场景:海量互联网用户、垂直行业的落地需求、完整先进制造业的反馈闭环。应用端的每一次调用、每一个Token,都在向上游传导产品迭代的信号。这种需求密度喂养技术迭代的条件,是其他市场很难复制的。
但差距同样要认。高端训练芯片、先进制程、核心IP、HBM,没有一样是可以靠营收增速抹平的。国产替代刚刚完成从“能不能用”到“好不好用”的切换,离“离不开”还有很长的路。
英伟达的时代没有结束。但推理侧的结构性裂缝已经打开,而裂缝一旦打开,就不会自己合上。