国产算力这条主线，已经不只是 " 哪颗芯片追上了多少性能 " 的单点问题。更关键的是三件事：国产 AI 芯片能否规模交付，先进制造能否承接放量需求，以及在单卡性能受限时，能否通过超节点把多卡算力转化为真正可用的系统算力。
国联民生证券电子行业分析师薛宏伟在 7 月 21 日行业研究报告中写道：" 当下国产算力行业在供需两侧都能看到显著提升，国产算力崛起已成为产业发展的重要趋势之一。建议关注 ' 三支箭 '：芯片、FAB、超节点。"这个框架把国产算力的核心矛盾拆开了：需求在涨，供给要补，系统架构也必须升级。
需求端的变化很直接。国产大模型持续迭代，Token 调用量快速增长，头部云厂商资本开支继续向 AI 倾斜；供给端，海外高端 AI 芯片和先进制造路径仍受限制，国产替代的压力进一步上升。2025 年中国 AI 加速卡整体出货约 400 万张，其中国产 AI 芯片约 165 万张，份额首次突破 40%。
这套框架下，芯片是最前端的放量弹性，晶圆厂是产能和工艺底座，超节点解决的是 " 单卡不够强时，系统怎么变强 " 的问题。投资线索也随之从 AI 芯片厂商扩展到晶圆代工、PCIe Switch、以太网交换芯片、高速 SerDes、光通信和整机系统。
国产 AI 芯片：从产品验证走向规模交付
国产大模型和国产芯片的适配正在加快。2026 年 4 月，DeepSeek V4 发布并开源，已完成海光、华为昇腾、昆仑芯、摩尔线程等国产芯片适配。7 月，美团 LongCat-2.0 开源——这是在五万卡本土算力集群上完成全流程训练的万亿参数模型，总参数 1.6T、平均激活约 48B，证明国产大模型与国产算力协同训练跑得通。
Token 调用量是需求侧最硬的指标。OpenRouter 数据显示，2026 年 3 月 16 日至 22 日，平台周度 Token 调用量达 20.4 万亿次，环比增长 20.7%；2026 年 2 月周均用量已达 2025 年四季度的两倍以上。Agent 场景还会进一步放大算力消耗：单 Agent 完成一次典型任务的 Token 消耗约为普通对话的 4 倍，多 Agent 协作系统可达 15 倍。
云厂商资本开支也在顺着这条曲线走。2026 年一季度，BAT 合计资本开支同比增长 17.7% 至 647.46 亿元，环比 2025 年四季度增长 28.03%。字节跳动 2026 年资本支出计划上调至 1600 亿元，其中约 850 亿元直接投向 AI 芯片采购；阿里提出未来三年投入 3800 亿元建设云和 AI 基础设施；腾讯 2026 年一季度经营性资本开支 312 亿元，同比增长 18%、环比增长 84%。
供给侧，国产 AI 芯片厂商的产品矩阵正在补齐。华为昇腾 2025 年出货约 81.2 万张，占国产 AI 芯片出货量近 50%，后续路线已规划至昇腾 910C、950PR、950DT、960、970。寒武纪覆盖云端训练、云端推理和边缘场景，思元 590 采用 7nm 制程，INT8 算力达 512TOPS；海光以 " 通用计算 +AI 融合 " 为主，深算 DCU 兼容类 CUDA 环境；沐曦 MXC600 主打训推一体，全链条采用国产供应链；天数智芯覆盖训练、推理和边端三大系列。
国产 AI 芯片要从验证走向交付，绕不开晶圆制造。过去几年，美国围绕先进计算芯片和半导体制造能力持续强化出口管制，将 16/14nm 及以下逻辑芯片纳入先进节点相关管制框架，并限制先进半导体制造设备出口。
需求侧的空间同样清楚。按中国信息通信研究院、灼识咨询统计，中国智能计算芯片市场规模预计从 2024 年的 301 亿美元增长至 2029 年的 2012 亿美元，2024 — 2029 年 CAGR 达 46.3%；其中 GPGPU 市场同期 CAGR 达 49.0%。AI 芯片之外，华为提出韬定律，预计到 2031 年基于该路径的高端芯片晶体管密度有望达到 1.4nm 制程同等水平。
中芯国际是这一环节的核心观察对象。2026 年一季度，公司营业收入 176.2 亿元，同比增长 8.1%；归母净利润 13.6 亿元，同比增长 0.4%。12 英寸晶圆收入占比达 76.4%，中国区收入占比达 88.9%；月产能达 107.8 万片八英寸等值晶圆，同比增长约 10.8%，产能利用率 93.1%，仍处高位。
华虹公司的数据体现出特色工艺平台的韧性。2026 年一季度，公司销售收入 6.6 亿美元，同比增长 22.2%；毛利率 13.0%，同比提升 3.8 个百分点；归母净利润 2090 万美元，同比增长 458.1%。12 英寸收入占比提升至 62.7%，折合 8 英寸月产能达 48.9 万片，产能利用率 99.7%。
晶合集成继续扩张 12 英寸特色工艺平台。2026 年一季度，公司营业收入 29.1 亿元，同比增长 13.4%；归母净利润 5065.9 万元，同比下降 62.6%，利润受产品价格下降及固定资产折旧增加影响。DDIC 仍是基本盘，CIS、PMIC、Logic 逐步拓宽，28nm OLED 产品持续验证，28nm 逻辑工艺平台已完成开发并进入客户流片阶段。
超节点：不是简单堆卡，而是把多卡变成系统算力
单卡性能不再足以决定 AI 集群的实际表现。大模型参数规模扩大，MoE、长上下文等架构演进之后，集群对内存带宽、芯片间通信、互联时延的要求明显提高。Scale-up 的重要性因此上升：通过高速互联，把更多 AI 处理器、CPU、内存和存储资源连接成统一计算资源，提升多卡协同效率。
超节点是在 Scale-up 基础上的进一步演进。它用高速互联把多个服务器节点组成统一计算域，让分布在不同服务器里的 AI 处理器像一个整体一样协同计算。相比传统服务器集群以单机为资源管理单元，超节点可以突破单服务器可部署 AI 处理器数量限制，降低跨节点通信开销，提高资源调度效率。
华为 CloudMatrix384 是代表性方案之一。该架构基于 384 颗昇腾 NPU 和 192 个鲲鹏 CPU，从服务器级资源供给转向矩阵级资源供给。多个计算节点不再单独提供算力，而是组成统一资源池，使计算、内存和网络资源按任务需求动态组合。其 Unified Bus 统一总线用于支撑专家并行、分布式 KV Cache 访问等通信密集任务。
整机厂商的角色也在变。昇腾 950 及互联网大厂自研芯片配套的超节点机柜，有望逐步进入规模交付阶段。超节点提升了供应链管理、系统设计、集成验证和交付门槛，整机厂商不再只是组装交付角色。
高速互联成为新瓶颈，交换芯片被推到前台
超节点的核心不是 " 更多卡 "，而是 " 更高效的互联 "。当 GPU 集群规模从 GB300 NVL72 继续扩展至 Rubin Ultra NVL576，AI 基础设施开始从传统 Scale-out 驱动，转向 Scale-up 与 Scale-out 协同。Scale-up 负责超节点内部 GPU 之间的高带宽、低时延互联；Scale-out 负责超节点之间和数据中心级互联。
LightCounting 数据显示，Scale-up 交换芯片市场到 2030 年全球规模预计接近 180 亿美元，2022 — 2030 年年复合增长率 28%。国内 AI 服务器也在拉动 PCIe 交换芯片需求，按万通发展公告相关信息测算，2024 年国内 AI 服务器领域 PCIe 交换芯片市场规模约 38 亿元，预计到 2029 年有望增长至 170 亿元。
PCIe Switch 是服务器内部高速互联的重要芯片，负责 CPU、GPU、存储等设备之间的高带宽低时延数据交换。澜起科技已推出 PCIe 6.x/CXL 3.x AEC 解决方案，并开展 PCIe 7.0 Retimer、高速以太网 PHY Retimer 等下一代产品研发；数渡科技自研 PCIe 5.0 104 通道高速交换芯片已实现量产；芯原股份也在加速布局接口类 IP，其高速 SerDes 接口 IP 已实现流片。
以太网交换芯片负责更大范围的数据包高速交换与转发。盛科通信的 12.8Tbps 及 25.6Tbps 高端旗舰芯片已进入市场推广与应用阶段，支持最高 800G 端口速率。中兴微电子 2025 年发布自研 AI 交换芯片 " 凌云 "，可支撑万卡乃至十万卡级智算集群，同时展出最大交换容量 12.8Tbps 的天屹系列以太网交换芯片。
