中国AI GPU：炒作褪去后，希望藏在何处？
过去两年，中国AI GPU板块经历了资本的热炒与市场的冷却。
摩根士丹利在近期发布《中国 AI GPU：炒作还是希望？》报告，为我们拨开了本土 AI 芯片赛道的迷雾 —— 在资本热炒与国产替代的双重驱动下，中国 AI GPU 正站在 “泡沫与突破并存” 的十字路口。从硬件适配到生态建设，从政策目标到市场反馈，一系列信号揭示：它既不是纯粹的概念泡沫，也远未到可以高枕无忧的成熟阶段。
一、积极信号：国产替代的 “地基” 正在夯实
报告指出，有四个积极因素正在推动本土AI GPU的出货量，并且让它们从“实验室样品”走向“可用工具”。
1. 硬件适配迈出关键一步。
DeepSeek最新推出的V3.1模型采用了UE8M0 FP8精度格式。UE8M0 FP8是即将发布的下一代国产芯片设计，可减少50%的GPU用量，同时模型输出速度提升3.15倍，中国信通院也将这些纳入“可用芯片清单”。这意味着国产芯片已在部分大模型中实现适配，不再仅停留在实验室阶段。
2. 政策与资本双轮驱动。
以上海为代表的核心城市提出，到2027年70%的数据中心芯片实现本土设计或生产。部分厂商也在尝试更多采用国内代工厂，逐步减少对台积电的依赖。虽然目前中国GPU自给率仍仅约10%（2024年），但预计2027年有望提升至18%，并与内存、逻辑芯片形成协同效应。
3. 成本优势凸显。
英伟达在中国市场的B40芯片，虽然无需额外许可证，但不含HBM、主要面向推理场景。而国产芯片在推理任务上的性价比逐渐提升，更契合中小AI公司的预算需求。一些小型开发者虽仍习惯于英伟达H20，但也开始测试国产GPU，替代意愿较去年明显增强。
二、现实骨感：炒作褪去后的三大核心挑战
积极信号之外，摩根士丹利也直言：随着炒作退潮，本土AI GPU的核心短板逐渐暴露。
1. 生态壁垒高企。
英伟达的真正优势不在硬件，而在CUDA生态。大多数AI开发者依然首选英伟达，因为软件支持更完善、集群性能更稳定。真正决定AI GPU竞争力的不是单颗芯片的算力参数，而是背后的软硬件生态闭环。这一点，国产厂商与英伟达的差距依旧巨大。
2. 商业化兑现不足。
首先是寒武纪，尽管今年上半年盈利引人注目，但也暴露了其客户集中度高、存货偏大的真实隐患。其次是中芯国际，摩根士丹利预计中芯国际生产的910B芯片良率约30%（截至2025年），虽然预计到2027年能提升到70%。这种低良率意味着大多数晶圆产出无法使用，显著拉高成本、压缩利润空间。
3. 供应链依赖尚未打破。
虽然阿里等公司将芯片生产环节迁回国内，但核心工艺仍受制于人。中芯国际的7nm产能还在爬坡，良率和产能仍难以满足大规模AI GPU需求；EDA工具与高端设备依然严重依赖进口。2024年以来，IC设计板块股价大幅波动，而设备、EDA板块走势分化，也说明资本开始理性看待“国产替代”的成色。
三、未来趋势：告别炒作，回归 “实用主义”
摩根士丹利的报告最终指向一个结论：中国 AI GPU 的 “希望” 不在于短期估值暴涨，而在于长期生态与商业化的磨合，未来将呈现三大趋势。
1. 细分场景突破先行。
短期内国产GPU难以挑战英伟达在大规模训练中的地位，但在推理、边缘计算等细分场景中有望率先落地。华为、海光的芯片已在政务、金融等封闭场景规模化应用，这类“场景绑定+定制化”的模式，将成为真正的突破口。
2. 生态协同比单点性能更重要。
未来竞争将从“算力参数比拼”转向“工具链共建”。只有“芯片厂商+云服务商+开发者”形成生态闭环，才能降低适配成本，逐步缩小与英伟达的差距。阿里、腾讯等云厂商的加入，可能会成为加速器。
3. 政策托底与市场筛选并行。
政策会持续托举国产替代目标，但资本更看重真实订单和盈利能力。寒武纪等企业必须尽快证明商业化的可行性，单纯依赖概念炒作的企业将被市场淘汰。
结语：在 “冷静” 中寻找希望
中国 AI GPU 不是 “纯粹的炒作”—— 硬件适配的突破、政策与资本的支撑，为其奠定了 “希望” 的基础；但也绝非 “马上崛起”—— 生态短板、商业化难题，决定了其成长必然是漫长的爬坡路。正如摩根士丹利的报告所暗示：褪去资本泡沫后，那些能在细分场景落地、能扎稳生态根基的企业，才是中国AI GPU真正的 “希望所在”。对于投资者与行业参与者而言，理性看待 “国产替代” 的节奏，比追逐短期热点更重要。