国产算力行业深度：驱动因素、国产替代、产业链及相关企业深度梳理（二）（慧博出品） 作者：慧博智能投研（2）华为：昇腾引领国产自主AI生态华为基于自研达芬奇架构架构，推出了AI训练芯片昇腾910与AI推理... 

来源：雪球App，作者： 慧博，（https://xueqiu.com/3966435964/282982952）

作者：慧博智能投研

华为基于自研达芬奇架构架构，推出了AI训练芯片昇腾910与AI推理芯片昇腾310：

昇腾910基于自研华为达芬奇架构3D Cube技术，架构灵活伸缩，支持云边端全栈全场景应用。算力方面，半精度（FP16）算力达到320TFLOPS，整数精度（INT8）算力达到640TOPS，功耗310W，主要用于训练场景。

昇腾310是一款高能效、灵活可编程的人工智能处理器，在典型配置下可以输出16TOPS@INT8，8TOPS@FP16，功耗仅为8W，主要应用于推理场景。

华为构建了昇腾计算引擎CANN、AI开发框架MindSpore，以及AI开发平台ModelArts，为大模型开发和运行提供分布式并行加速、算子和编译优化、集群级通信优化等关键能力。

CANN：搭建了从上层深度学习框架到底层AI硬件的桥梁，可对标英伟达CUDA。近期更新至异构计算架构CANN7.0，支持华为昇思MindSpore、PaddlePaddle、PyTorch、TensorFlow、Caffe、Jittor等主流AI框架。

MindSpore：对标TensorFlow、PyTorch、PaddlePaddle等流行深度学习框架。截至2023年6月，MindSpore已兼容适配20余家芯片厂商伙伴的硬件设备，支持Ascend/GPU/CPU等，大幅降低AI开发门槛。

昇腾加入PyTorch社区共建，生态进一步扩容。10月18日，华为作为Premier最高级别会员正式加入全球AI开源框架PyTorch社区，PyTorch2.1版本已同步支持昇腾NPU，开发者可直接在PyTorch 2.1上基于昇腾进行模型开发。基于PyTorch，昇腾已经适配了BLOOM、GPT-3、LLaMA等业界主流大模型。

中国加速服务器市场有望快速增长，GPU服务器仍占主导，非GPU服务器增长迅速。据IDC，2021年，中国加速服务器市场规模达到53.9亿美元，同比增长68.6%。其中，GPU服务器仍然占据主导地位，市场份额近90%。与此同时，NPU、ASIC和FPGA等非GPU加速服务器以43.8%的增速实现了11.6%的市场份额，达到6.3亿美元。另外，IDC预测，到2026年，中国加速计算服务器市场将达到103.4亿美元。

浪潮电子信息产业股份有限公司是浪潮集团有限公司旗下三家上市公司之一，是全球领先的IT基础架构产品、方案及服务提供商。公司主要从事服务器等云计算基础设施产品的研发、生产和销售，业务覆盖计算、存储、网络三大关键领域，提供包括云计算、大数据、人工智能、边缘计算等全方位数字化解决方案。公司以“智慧计算”为战略，构建开放融合的计算生态，为客户构建满足多样化场景的智慧计算平台，全面赋能传统产业的数字化、智能化转型与变革，重视算力基础设施的建设和发展，为中国数字经济发展提供充足的算力支持。

浪潮集团被美国列入实体清单，浪潮信息更改注册地址免于受限。2023年3月6月，美国将浪潮信息的控股股东浪潮集团新列入商务部实体清单。该实体清单明确列出了浪潮集团的地址，即中国山东省济南市浪潮路1036号。浪潮信息原本的公司注册地与浪潮集团相同。为应对此次制裁，2023年3月6日，浪潮发布公告，修改公司注册地址为“济南高新区新泺大街1768号齐鲁软件园大厦B座B302”，希望在此次实体清单事件的受到的影响尽可能减小。

浪潮信息的AI服务器在世界市场和中国市场均蝉联第一位，是AI服务器行业的顶尖巨头。根据国际数据公司IDC发布的2021H2《全球人工智能市场半年度追踪报告》，2021H1全球AI服务器市场规模156亿美元，浪潮信息在世界AI服务器市场占有率达20.9%，份额同比提升3.6pct，销售额同比增长68.3%，蝉联全球第一。另外，据IDC发布的《2021年下半年度（H2）中国加速计算服务器市场报告》，在中国市场，浪潮AI服务器占有率达52.5%，连续5年保持中国AI服务器市场份额超过50%。

拓维信息深度融入华为体系，控股湘江鲲鹏布局算力产业。拓维信息成立于1996年，以湖南为总部，业务涵盖软件服务、智能计算、开源鸿蒙操作系统，服务运营商、考试、交通、制造、教育等行业1500+政企客户。2019年，拓维信息牵头成立湘江鲲鹏，布局智能计算产业，根据天眼查数据，目前持有其75%的股份。

湘江鲲鹏以“鲲鹏+昇腾”为技术底座，为多行业提供数字化方案。公司以鲲鹏处理器、昇腾处理器为技术底座，研发和生产国产自主品牌的“兆瀚”硬件智能计算产品，构建以台式机、人工智能产品、通用服务器、软硬一体产品为核心的兆瀚计算产品矩阵，满足各行业、各新技术发展下对多样性算力的需求。作为湖南省专精特新“小巨人”企业，联合华为在湖南打造首个“硬件+软件”的鲲鹏生态基地。目前，公司产品和解决方案广泛应用于全国22+省份、50+城市，为客户提供超十万台智能计算产品及服务，支持党政、运营商、金融、交通、电力、医疗、教育等领域数字化转型。

基于云计算的AI能力逐步得到验证。用云服务提供AI算力的方式可以减少部署和管理本地计算基础设施的复杂性。随着AI技术的发展，中国的AI公有云服务业随之增长。目前，中国AI公有云服务厂商市场格局较为稳定。据IDC，2022H1，百度智能云在中国AI公有云服务市场占比第一，阿里云位居第二，且与第一名差距逐渐减小。华为云、腾讯云紧跟其后，市场份额不断提升。除了头部云厂商，优刻得、深桑达旗下中国电子云等第三方中立厂商也有望参与AI云服务，持续受益于AI算力需求的提升。

曙光人工智能云计算平台提供一站式深度学习训练与实时推理。曙光人工智能云计算平台解决方案可以提供基于云的GPU计算服务。该系统以主流深度学习框架为基础，支持Caffe、TensorFlow等多种主流深度学习框架。该平台与Kubernetes和Docker容器技术相结合，提供实验环境、离线任务和在线服务三大功能，支持业务从模型研究、批量训练到在线预测的全流程打通。该解决方案提供一站式深度学习训练/实时推理、图形图像处理以及科学计算等，大大简化了企业构建深度学习平台的难度，提高了资源使用率，降低了业务投入成本，使用户更加专注于深度学习应用本身，是目前性价比最高的整体AI训练与推理解决方案之一。

以PKS技术架构体系为基，深桑达成立中国电子云，提供安全算力服务。中国电子云成立于2021年，是深桑达以中国电子PKS自主安全计算体系为底座建立的数据基础设施，包含国产化自研可信的计算架构和分布式云原生操作系统，提供涵盖IaaS、PaaS和SaaS能力的专属公有云服务。中国电子云依托的PKS体系脱胎于中国电子多年的深厚技术积累，名称中的“P”代表飞腾CPU，“K”指的是麒麟操作系统，“S”即安全，中国电子云的自研原生技术架构是保障其安全性的最大依托，体系中使用的飞腾CPU和麒麟操作系统均为中国电子自主研发，同时中国电子云交付的60%硬件设备基于国产芯片，有效防范过度依赖进口芯片带来的断供危险。凭借着在安全方面的出众表现，PKS体系在信创领域具备最大的市场份额，飞腾CPU达到74%的市场份额，麒麟操作系统甚至高达87%。

国资云赋予中国电子云独特信任优势，与智源研究院联手探索本土硬件适配，助力实现智能算力国产化。随着云计算领域不断发展推进，政务机构和大型国企催生了巨额上云需求，市场份额不断扩张，发展空间广阔。云计算开源产业联盟数据显示，2021年我国政务云市场规模达802.6亿元，预计2023年将增长至1203.9亿元。而中国电子云脱胎于中国电子，出身天生赋予其国内政企领域的充分信任，且自研架构也从技术角度保障了安全性，有效防范后门风险、漏洞风险和断供风险，保障业务过程中的“本质安全+过程安全”。但目前，中国电子云底层硬件中大比例使用的国产芯片在实现应用迁移时面临挑战，一定程度上阻碍了原生架构的建设，难以实现完备的智能算力本土替代化。为建立更完备的自研技术体系，中国电子云与智源研究院联手，共同建立“大模型国产算力云平台开放实验室”，合作探索实现国产CPU的大模型适配部署，未来有望以国产算力支撑AI领域的算力需求。

美国为本轮AI浪潮引领者。从AI产业的层级看，自下而上包含算力，算法，应用多个层级，其中算力为AI浪潮的底层支撑，算法为AI浪潮的重要突破，应用为AI浪潮的直接体现。从算力、算法、应用端看，美国在本轮AI浪潮中处于引领者位置，具备先发优势。算力端：美国头部厂商如英伟达基于GPU产品打造了CUDA生态，将GPU能力推向通用计算场景。英伟达打造了H100等重要产品，成为本次AI浪潮重要算力支撑。算法端：算法层面重要突破同样由美国引领，GPT底层架构Transformer由谷歌首先提出，此外OpenAI团队将GPT模型参数量不断增大，模型进一步涌现出更强的能力。应用端：美国头部厂商首先将GPT为代表的LLM能力接入应用，微软、salesforce等厂商率先实现了LLM+应用的商业化定价及应用。

中美AI产业在多个层级上均存在一定差距。横向对比中美AI产业，在多个层级上均存在一定的差距。算力端：中美AI芯片产品存在算力性能及生态差距，此外在芯片的生产端，核心环节如芯片的设计、流片等均由海外主导；算法端：海外在基础研究方面较为领先，如谷歌发布底层架构Transformer成为GPT模型的重要基础。此外海外算法具备先发优势，在迭代次数上也具备一定优势；应用端：海外头部应用多已成为行业标准，拥有较为良好的用户基础，有助于LLM+产品的快速落地，如办公领域的微软Office产品；此外海外头部厂商往往基于核心产品打造了完整的产品矩阵及平台，使AI能力的接入具备丰富的场景。

算力是中美AI产业具备重要差距的环节。在算法、算力、应用端，中美均存在一定差距，而其中算力层面的差距较为关键，主要原因：差距大小；差距大小反映的是当前静态状态下的差距。当前应用端中美均处于从产品化向商业化过渡的阶段，算法端通用大模型中GPT处于领先地位，但国内同样拥有众多大模型逐步实现产品化，有望持续迭代，而算力端国内的算力产品在落地方面与海外头部厂商相比仍较为落后；追赶难度；算力端的核心环节均受海外主导，且规避管制的方式较为有限，此外海外头部算力厂商围绕自身产品形成了包含应用、算法的生态壁垒，短期难以突破；差距的影响：算力处于基础支撑地位，直接影响模型的落地和应用的推广进度。

美国法案限制高性能AI芯片获取，算力问题逐步凸显。2023年10月17日，美国商务部工业与安全局（BIS）发布针对中国的先进计算及半导体制造物项出口限制，在2022年10月已公布的出口限制基础上，进一步升级限制力度。具体来看，本次出口限制主要涉及对高性能芯片的限制，既包括对高性能芯片的出口限制，也包括对国产GPU企业的生产流片限制。本次出口限制不再以互联带宽为限制标准，新增总处理性能TPP（Total Processing Performance，即计算速度*字节长度）和性能密度PD（Performance Density，即每平方毫米的TPP）两项要求，具体限制方案：TPP>4800的芯片、TPP>1600且PD>5.92芯片，属于高性能芯片，不再被允许出口；4800>TPP>2400且5.92>PD>1.6的芯片、TPP>1600且5.92>PD>3.2的芯片，属于次高性能芯片，需要通知BIS以获得例外许可。在美国限制法案的影响下，国内算力问题逐步凸显。

解决算力问题存在多种路径。当前国内解决算力问题存在多种路径。短期内我国厂商在AI芯片设计、工艺、生态等方面与英伟达等海外头部厂商相比还有着一定差距，因此短期内解决算力问题可以通过利用存量可得资源的方式解决，包括：基于现有可用产品；算力租赁。基于现有可用产品需要海外厂商推出符合法律法规要求的算力产品，算力租赁则是向具有GPU资源的厂商租赁GPU算力，最大化利用存量资源。而拉长时间维度后，国产自研AI芯片才最有可能成为国内AI产业发展的重要支撑。

国产AIGPU性能较英伟达先进产品仍有差距。根据目前已公开的数据，国产AIGPU芯片中，性能表现较好的产品主要包括华为昇腾的Atlas300T、寒武纪的思元370、海光的深算一号等。其中基于昇腾910设计的Atlas 300T算力性能较强，FP16计算性能在不考虑稀疏技术情况下约为英伟达A800SXM的90%。但考虑到组网技术、软件生态等竞争壁垒，国内GPU产品较英伟达方案在实际有效算力层面仍存在较大差距。且考虑到英伟达H系列算力性能更强、下一代B系列产品也已发布规划，国产GPU仍需加速追赶海外步伐。

卡间互联速率影响组网效果，国内厂商已接近A800（NVLink3.0）水准。大模型的训练和推理需要大算力的支持，无论国产GPU还是海外GPU都需要基于服务器硬件进行大规模组网才能满足相应需求。而组网过程中，卡间互联传输速率往往成为制约有效算力充分发挥的重要因素。以英伟达为例，NVLink3.0版本可以实现最高600GB/s的传输速率，但在国内特供版A800上只能实现400GB/s的速度，制约了有效算力的发挥。从国内GPU企业来看，寒武纪、华为、海光信息等均针对自有产品开发了相应互联技术，但互联速率都在400GB/s以下，最高为华为昇腾910B（392GB/s），已接近A800（400GB/s）水准，但与H100（900GB/s）等海外先进芯片的互联水平相比，仍存在一定差距。

大模型算力需求正加速增长，长期看算力缺口或仍存在。从大模型自身的发展过程来看，参数量的变化是一个非常值得关注的指标。从最早的ResNet、Inception等模型，到如今的GPT，模型参数量不断增长。2018年前后OpenAI先后推出Transformer和GPT-1模型，参数量来到1亿级别。随后谷歌提出3亿参数的BERT模型，参数量再次增长。2019、2020年，OpenAI加速追赶，陆续迭代出GPT-2、GPT-3模型，参数量分别为15亿、1750亿，实现模型体量质的飞跃。模型参数量的非线性增长或将带来算力需求的快速释放，考虑到国内获取先进算力芯片受限，长期来看，依赖海外芯片的算力租赁模式或也难以满足算力需求。

海外芯片持续迭代，长期来看算力国产化或为艰难但唯一可选路径。在大模型带来算力需求日益增长的背景下，海外AIGPU厂商也在不断迭代自身产品。如英伟达，其下一代产品B100预计将于2024年问世，在H100已经实现算力领先的情况下，或将进一步巩固自身全球AI算力龙头地位。考虑到国内虽然尚可获得部分A/H系列产品的替代品，但随着更先进算力芯片的推出，必然面临无法获得更好性能GPU的问题。基于此，算力国产化虽然在短期内成本较高，且需要克服组网性能、软件生态等壁垒障碍，但长期来看，似乎是唯一可选路径。随着国产生态逐步培育，国产算力性能提升有望帮助国产GPU厂商逐步提升国内市场份额。

美国出口管制新规给海外芯片产品限定了性能天花板，从中长期来看可能会对中国AI芯片市场格局产生深远影响。最近几年，英伟达一直在中国AI芯片市场中占据了绝对主导地位，根据IDC的统计数据，2020年及2021年英伟达分别占据中国AI芯片出货量的75%及80%以上，2022年以英伟达为主的海外芯片出货量占比达85%，2023年上半年受AI芯片禁令下囤货需求的激发，海外芯片出货量占比进一步提高至90%，其市场份额呈现持续提高的态势。

英伟达能够在中国AI芯片市场上持续获得成功，或主要得益于其强大的芯片性能和软件生态两大因素。一方面，英伟达凭借着畅通的先进制程代工渠道，能够保持每2年左右进行一次AI芯片架构及工艺制程的升级，从而使其AI芯片性能不断跃升。而国产AI芯片公司在美国制裁措施的影响下，无法使用先进制程进行芯片的生产与迭代，与英伟达芯片在计算性能上的剪刀差持续拉大。另一方面，英伟达具有强大的CUDA软件生态架构，目前市场上最主流的AI框架都围绕CUDA生态展开。英伟达在硬件和软件上的双重优势形成了良性循环，更高的计算性能吸引更多的用户使用，从而吸引更多的AI应用开发者，从而再反哺硬件销售，二者相互促进，使其市场竞争力不断增强，市场份额持续提高。

然而美国政府此次更新的出口管制新规给海外芯片产品限定了一个明确的算力性能天花板，对英伟达等海外芯片厂商来说相当于自断一臂。新规规定只要总计算性能达到4800或者性能密度达到5.92及以上便默认拒绝对中国出口，总计算性能指标相当于将海外芯片的FP16算力限定在不超过300TFLOPS，性能密度指标使得采用先进工艺提升芯片集成度的意义也大幅下降。因此未来如果该管制措施不做修改或取消，海外AI芯片的算力性能天花板或已经锁定，为国产AI芯片实现算力性能赶超提供客观条件，同时海外芯片通过集群互联方式提高整体计算能力带来的高额成本也不容忽视，所以从中长期来看，海外芯片厂商的市场优势可能将逐渐丧失。

以华为昇腾为代表的国产AI芯片持续迭代，国内互联网大客户正在适配，未来有望实现超预期发展。2019年3季度，华为发布了面向数据中心场景的AI训练芯片昇腾910，根据华为官方披露的消息，该芯片采用华为自研的达芬奇架构及7nm工艺，FP16算力达到256TFLOPS，最大功耗为310W。但后续由于英伟达在2020年及2022年推出了性能更强的A100及H100芯片，且华为的产能受到代工制裁的冲击，昇腾910未能在市场上占据主导地位。尽管面临着严格的代工制裁，华为仍在不断推动芯片设计的迭代及产能的恢复。根据科大讯飞董事长刘庆峰2023年8月份的公开演讲，基于华为昇腾910B芯片打造的全国产化算力底座的单卡性能已经可以对标英伟达A100，由于A100的FP16算力达到312TFLOPS，据此可以推测昇腾910B芯片的FP16算力或许已经接近312TFLOPS，这已经达到了出口管制新规下海外芯片性能的天花板。如果未来华为能继续推动芯片的迭代，其在中国市场上与海外芯片的性能差距将反向拉开，国产芯片有望成为性能领先一方。

根据华为官网信息，2023年8月16日华为与百度联合发起飞浆+文心大模型硬件生态共创计划，双方将共同推动昇腾AI与飞浆+文心大模型的适配，充分发挥软硬件协同优势，便利开发者和用户，促进更多AI应用落地，实现惠普AI。百度飞浆是国内最主流的国产深度学习框架之一，百度文心大模型则是领先的国产大模型之一。互联网大客户开始适配国产AI芯片生态具有重要意义，互联网行业是我国AI服务器最重要的下游客户，IDC数据显示过去几年互联网行业占据国内AI服务器50%-60%的下游需求。互联网大客户拥有广泛且优质的AI应用场景，并拥有先进的AI应用开发框架及经验，有望快速推动国产AI芯片软件生态的发展壮大，复刻英伟达软硬件生态良性互动的成长路径，推动国产AI芯片及相关生态厂商超预期发展。

华为是中国算力的重要力量，拥有完整的算力芯片体系。旗下鲲鹏、昇腾两大核心芯片族，均是基于ARMV8永久授权架构下的自研芯片族。其中，鲲鹏包括服务器和PC机芯片，昇腾AI芯片包括训练和推理芯片。依托“鲲鹏+昇腾”双底座，华为打造出了“算、存、传、管、智”五个子系统的芯片族，实现了计算芯片领域的全面自研。目前，华为是业界仅有的同时拥有这五类关键芯片的厂商，在我国芯片领域具有极强的竞争力。

华为针对人工智能领域应用场景，在2018年的华为全链接2018大会上推出了昇腾系列（HUAWEI Ascend）芯片，主要产品有昇腾310与昇腾910。昇腾310芯片是一款高能效、灵活可编程的人工智能处理器，芯片在典型配置下可以输出16TOPS@INT8,8TOPS@FP16，功耗仅为8W。昇腾310芯片采用自研华为达芬奇架构，集成丰富的计算单元,提高AI计算完备度和效率，进而扩展该芯片的适用性。芯片实现了全AI业务流程加速,大幅提高AI全系统的性能，有效降低部署成本。昇腾910是业界算力最强的AI处理器，芯片基于自研华为达芬奇架构3D Cube技术，实现业界极佳AI性能与能效。芯片架构灵活伸缩，支持云边端全栈全场景应用。在算力方面，昇腾910完全达到设计规格，半精度（FP16）算力达到320TFLOPS，整数精度（INT8）算力达到640TOPS，功耗310W。据艾瑞咨询发布的《2021年中国人工智能芯片市场研究报告》显示，2020年华为昇腾AI芯片市场份额达到26.3%，已经成为中国市场份额领先的人工智能芯片厂商之一。

华为昇腾已经构建起覆盖各个主要环节的产业生态。华为的昇腾计算产业是基于昇腾系列处理器和基础软件构建的全栈AI计算基础设施、行业应用及服务，包括昇腾系列处理器、系列硬件、CANN（Compute Architecturefor NeuraI Networks，异构计算架构）、AI计算框架、应用使能、开发工具链、管理运维工具、行业应用及服务等全产业链。

同时，华为构建了“一云两翼、双引擎”的产业布局，构筑开放的产业生态。

一云（华为云）：通过全栈创新，为开发者提供安全可靠的云服务以及开发体系。

两翼（智能计算&智能数据与存储）：在智能计算领域，面向端、边、云，提供“鲲鹏+昇腾+x86+GPU”的多样性算力。在智能数据与存储领域，融合了存储、大数据、数据库、AI，围绕数据的全生命周期，让数据的每比特成本最优、让数据的每比特价值最大。

双引擎（鲲鹏+昇腾）：围绕鲲鹏与昇腾两大核心基础芯片加速，构筑满足未来算力需求的异构计算架构。

开发生态：硬件开发、软件开源，使能合作伙伴，共建开放的产业生态。

昇腾芯片性能较优，华为AI服务器有望率先受益于国内AI发展而快速扩张。昇腾整机硬件伙伴为拥有自有品牌产品，能在昇腾产品基础上二次开发或加工生产，并销售与服务至最终用户的合作伙伴。宝德、华鲲振宇、长江计算在内的昇腾服务器伙伴可享受AI红利而持续扩张。

数据海量增加，算法模型愈加复杂，应用场景的深入和发展，带来了对算力需求的快速提升。根据白皮书数据显示，从2012年开始的6年中，Al计算的需求增加了30万倍。

根据IDC测算，国内智能算力规模正在高速增长，2021年中国智能算力规模达155.2每秒百亿亿次浮点运算（EFLOPS），2022年智能算力规模将达到268.0EFLOPS，预计到2026年智能算力规模将进入每秒十万亿亿次浮点计算（ZFLOPS）级别，达到1,271.4EFLOPS。2021-2026年期间，预计中国智能算力规模年复合增长率达52.3%。

通用算力规模也正在高速增长，根据IDC测算，2021年中国通用算力规模达47.7EFLOPS，预计到2026年通用算力规模将达到111.3EFLOPS。2021-2026年期间，预计中国通用算力规模年复合增长率为18.5%。

AI包括人工智能芯片、服务器、计算架构、算法及应用等方面，以下我们主要关注算力层面，即AI芯片和服务器。

全球市场：全球人工智能技术发展逐渐成熟，数字化基础设施不断建设完善，推动全球人工智能芯片市场高速增长。IDC全球范围调研显示，人工智能芯片搭载率（attachrate）将持续增高。根据Tractica、寒武纪招股书相关数据，全球人工智能芯片2022年市场规模预计约395亿美金，预计到2025年将达到726亿美金，年复合增长率达到22%。

国内市场：22-24年复合增速有望达到46%。随着大数据的发展和计算能力的提升，根据寒武纪招股书，2022年中国人工智能芯片市场规模预计达368亿元，预计2024年市场规模将达到785亿元，复合增速有望达到46%。

AI服务器市场保持快速发展：国内2021年市场规模超300亿元，增速近70%。全球市场：根据IDC发布的《全球人工智能市场半年度追踪报告》显示，2021年全球人工智能服务器市场规模达156.3亿美元，约合人民币1045亿元，全球年度人工智能服务器市场首次突破千亿元人民币，同比2020年增速达39%。其中，浪潮信息、戴尔、HPE分别以20.9%、13.0%、9.2%的市占率位列前三，三家厂商总市场份额占比达43.1%。人工智能服务器市场预计将继续高速增长，预计2026年全球人工智能服务器市场规模将达到347.1亿美元，五年复合增长率为17.3%。

国内市场：根据IDC数据，2021年中国人工智能服务器市场规模达到59.2亿美元，与2020年相比增长68.2%，其中，浪潮信息、新华三、宁畅、安擎、华为等诸多中国厂商正加速推动人工智能基础设施产品的优化更新。预计到2026年，中国人工智能服务器市场规模将达到123.4亿美元。

从工作负载角度而言：企业将把精力更多从人工智能训练转移到人工智能推理工作负载上，根据IDC数据，2021年中国数据中心用于推理的服务器的市场份额占比已经过半，达到57.6%，预计到2026年，用于推理的工作负载将达到62.2%。

清华全球产业园&浪潮信息-计算机行业：中国算力发展观察报告

浙商证券-计算机行业算力框架报告：拥抱AI算力加速国产化时代

华泰证券-计算机行业专题研究：关注算力租赁&算力国产化机会

中泰证券-半导体行业AI系列之国产算力：0~1，重视产业链历史机遇

招商证券-通信行业数字经济“算力网络”系列14：国央企加大算力基础设施建设，国产算力大有可为

华龙证券-计算机行业2024年度投资策略报告：国产算力持续筑基，AI终端有望先行

长江证券-软件与服务行业：美芯片禁令下国产算力服务器的结构性机会

国投证券-电子行业：AI浪潮势不可挡，昇腾发力铸造国产算力基石

国泰君安-计算机行业：英伟达紧急推出新品，长期看国产算力有望崛起

民生证券-计算机行业深度报告：华为昇腾，国产AI算力“扛旗者”

华西证券-计算机行业：科技拐点已至，算力打响反击战

东方证券-计算机行业：AI兴起，智能算力浪潮来袭

长江证券-计算机行业：从算力产业图谱看不同环节的投资机会

免责声明：以上内容仅供学习交流，不构成投资建议。

慧博官网：网页链接

电话：400-806-1866

邮箱：[email protected]

以上相关研报原文可在“慧博智能策略终端”PC版或“慧博投资分析”APP中查看。