产业图谱 · Industry Map
人工智能已从“技术爆发期”全面迈入“产业落地与商业价值兑现期”
人工智能已从“技术爆发期”全面迈入“产业落地与商业价值兑现期”。随着大模型参数规模的收敛，AI产业的竞争正逐步向“算力调度效率、边缘端侧推理、垂直行业深度耦合”转移。
7个
产业链环节
7个
已覆盖环节
1篇
旗舰报告
0份
会员附件
Industry Chain
按产业链上下游划分环节；颜色表示内容覆盖进度，点选可查看说明与相关公司。
上游
中游
下游
Industry Map
图谱与上方环节带共用选中状态；点击环节或图谱节点即可联动。
我们对2026年上半年人工智能产业最核心的判断是：中国AI产业正在跨越"技术追赶→商业兑现"的死亡之谷，且这一跨越的速度远超市场预期。2024年底市场的主流叙事是"国产AI芯片性能差距3-5年、大模型烧钱无底洞、AI应用找不到PMF（产品市场匹配）"——这个叙事在2026年上半年已被三个关键事实证伪。第一个事实：华为昇腾910C在2026Q1实现7nm工艺稳定量产，单卡算力达到256 TFLOPS（FP16），配合CANN 7.0软件栈的持续优化，在千卡集群训练场景的实际有效算力利用率（MFU）从2024年的不足30%提升至约48%，虽然与英伟达H100的55-60%仍有差距但已进入"可商业部署"区间。我们认为市场对此严重低估——过去两年投资者习惯用"单卡纸面性能"评估国产AI芯片竞争力，忽略了集群效率、软件生态和能效比三大维度。第二个事实：DeepSeek-V3以MoE（混合专家）架构实现了推理成本的大幅下降——每百万token推理成本仅约2元人民币，是GPT-4o的约1/20，同时保持了国内大模型中最高的MMLU得分（约87.5%）。这一标志性事件改写的不仅是技术路线，更是整个AI产业的成本曲线——AI应用的边际成本从"不可能盈利"区间直接跨入了"规模经济"区间。第三个事实：AI应用端在2026年上半年出现了"多赛道同时爆发"的罕见共振——AI编程工具渗透率超60%、AI教育作业批改覆盖超5000所学校、AI医疗影像三类证获批超40家、AI Agent在金融/政务/制造三大行业的企业级部署案例数较2025年增长3倍以上。在我们看来，这三个事实共同指向一个判断：中国AI产业正在从"PPT AI"走向"财务报表AI"——营收、利润、现金流开始成为比论文数量和技术参数更重要的评估维度。
然而，我们对市场的乐观预期也保持着一项关键分歧。市场普遍认为，随着国产AI芯片可用性提升和DeepSeek等降本路径打通，AI产业链上的"卡脖子"风险已经从"最严重"降级为"可控"。我们的判断恰恰相反：美国对华AI芯片出口管制在2026年正在从"性能阈值管控"升级为"算力密度管控"这一更隐蔽但更致命的维度。2026年5月BIS的新规将管制标准从"单芯片互联带宽600GB/s"收紧至"单位面积算力密度"，这一调整意味着即便是中低端芯片也可能被纳入管制范围，因为先进封装技术（如CoWoS、3D堆叠）可以在不提升单芯片性能的情况下大幅提高算力密度。我们判断：如果这一"算力密度"标准严格执行，中国AI企业将面临"先进工艺被锁死+成熟工艺产能受限"的双重挤压——7nm及以下先进制程的流片渠道已被实质性切断，而28nm以上成熟制程的产能虽然充裕，却无法满足AI训练对算力密度的需求。 这不是一个"可控的风险"——这是一个可能在2027-2028年将中国AI算力增长曲线从"指数增长"扭转为"线性增长"的结构性威胁。这也是为什么我们认为，寒武纪思元590用中芯国际N+2工艺（等效7nm）实现量产爬坡和海光信息深算三号DCU通过chiplet架构绕开单芯片管制的路径，其战略意义远超市场当前的定价——它们不是在"追赶英伟达"，而是在"为整个中国AI产业争取3-5年的生存窗口期"。如果这一判断正确，那么国产AI芯片板块的估值逻辑需要彻底重写——不应该对标"追赶期的英伟达"，而应该对标"战略物资级别的基础设施供应商"。
在这个产业拐点上，我们观察到一个往往被忽略的深度结构性变化：AI产业链的利润池正在从"芯片-训练"双寡头结构向"推理-应用-数据"三极扩散。2024年全球AI产业链利润的近70%集中在英伟达（芯片）和OpenAI/Google（模型训练）两个环节——这是典型的"淘金热中卖铲子最赚钱"格局。但在2026年上半年，三项结构性变化正在瓦解这个格局。第一，推理成本断崖式下降（DeepSeek-V3单token推理成本仅为2024年初的约1/30），使得推理环节的毛利率从"不具备商业可行性"跃升至约50-65%，大规模推理正在从成本中心变为利润中心。第二，AI Agent从"Demo级别"走向"生产级部署"——2026年Q1-Q2企业级AI Agent的合同额同比增长超过400%，且合同条款中开始出现"按效果付费"而非"按调用量付费"的定价模式，这意味着AI应用商的定价权正在从模型厂商（上游）转移到应用厂商（下游）。第三，"数据飞轮"效应开始兑现——率先在垂直行业积累高质量标注数据的企业（如科大讯飞在教育赛道、海康威视在安防赛道）正在构建"数据→更优模型→更多用户→更多数据"的正反馈循环，这种循环一旦形成，后来者用再多的算力也无法追赶。瞭望塔判断：2026-2028年，AI产业链的利润分配将从"英伟达拿走70%"重构成"芯片(35%)-推理平台(25%)-垂直应用(25%)-数据服务(15%)"的新格局，而能够同时卡位芯片国产替代、推理平台调度和垂直行业数据的中国企业，将在这一重构中获得最大收益。
交互产业图谱 · 点击节点查看环节说明
上游
国产AI芯片板块在2026年上半年经历了"三重催化"：华为昇腾910C的量产突破、寒武纪思元590的全栈生态适配完成、以及海光信息深算三号DCU的性能跃升。我们判断这三者共同构成了国产AI芯片"可用→好用"的临界拐点，但距离"大规模替代英伟达"仍差关键一步——软件生态的深度优化和先进封装的自主化。
华为昇腾910C：从"能用"到"工程化部署"的里程碑
华为昇腾910C是当前国产AI芯片中性能最接近英伟达A100的产品。2026年Q1，910C采用中芯国际N+2工艺（等效7nm）实现稳定量产，单卡FP16算力达到256 TFLOPS（A100为312 TFLOPS），INT8算力达到512 TOPS，支持HBM2E 64GB显存，单卡功耗约310W。在关键指标上，910C的纸面性能约为A100的82%——这比较2024年初昇腾910B约55%的水平是巨大进步。但更重要的变化发生在集群层面：通过CANN 7.0的深度优化，910C在千卡集群上的模型有效算力利用率（MFU）从2024年的不足30%提升至约48%，已经逼近可以支撑千亿参数大模型高效训练的阈值（行业共识是MFU>40%即可实用）。我们判断：截至2026年Q2，华为昇腾生态在中国AI训练芯片市场的份额约为15-18%，在AI推理芯片市场的份额约为22-25%，合计约20%。到2027年底，训练市场份额有望提升至30-35%，推理市场份额有望提升至40-45%。
但华为昇腾的核心瓶颈不在芯片本身，而在先进封装。910C使用的中芯国际N+2工艺虽然晶体管密度达到约90MTr/mm²（接近台积电7nm的96MTr/mm²），但其chiplet互联带宽和功耗效率与台积电的CoWoS封装仍有代际差距（约30-40%）。当华为试图将910C从单die扩展到多die系统（如计划中的"昇腾920"目标达到4die整合、对标英伟达H100/B200系列）时，chiplet互联的瓶颈将暴露得更加明显——这就是为什么我们判断国产AI芯片的"天花板"不在设计能力而在先进封装工艺。
国产AI芯片关键产品参数对比（2026年Q2）
| 产品 | 厂商 | 制程工艺（等效） | FP16算力(TFLOPS) | 显存 | 功耗(W) | 千卡集群MFU | 生态适配度 | 量产状态 |
|---|---|---|---|---|---|---|---|---|
| 昇腾910C | 华为 | 7nm(N+2) | 256 | HBM2E 64GB | 310 | ~48% | CANN 7.0,适配PyTorch/TensorFlow/MindSpore | 2026Q1规模量产 |
| 思元590 | 寒武纪 | 7nm(N+2) | 200 | HBM2E 48GB | 280 | ~35% | MLU-Link+CAMBricon Neuware,适配主流框架 | 2026Q2起量 |
| 深算三号DCU | 海光信息 | 7nm等效(chiplet) | 180 | HBM2E 32GB | 250 | ~38% | ROCm兼容层+自研DTK,兼容CUDA生态 | 2025Q4量产,2026H1爬坡 |
| 景嘉微JM9系列 | 景嘉微 | 14nm | 60(FP32) | GDDR6 16GB | 150 | N/A(推理专用) | 图形渲染+AI推理双用途 | 小批量供应 |
| 昆仑芯3 | 百度 | 7nm(三星代工) | 150 | HBM2E 32GB | 200 | ~30% | 深度绑定百度飞桨生态 | 百度自用为主 |
| 英伟达H100(H800阉割版) | NVIDIA | 4nm(台积电) | 756(原版)/400(阉割) | HBM3 80GB | 700 | ~60% | CUDA全家桶 | 2023起对华受限 |
| 英伟达A100 | NVIDIA | 7nm(台积电) | 312 | HBM2E 80GB | 400 | ~55% | CUDA全家桶 | 2022起对华受限 |
寒武纪思元590：从"四小龙失速"到"国产第二极"的战略翻身
寒武纪作为A股AI芯片第一股（688256），其估值故事在过去两年经历了"过山车"——从"中国英伟达"的千亿市值梦想到"营收下滑/亏损扩大/商业化虚无"的信任危机。但2026年上半年，思元590的推进速度和生态适配的完整度正在改变这个叙事。思元590采用与昇腾910C相同的中芯国际N+2工艺，纸面FP16算力约200 TFLOPS，虽然在绝对性能上落后于华为昇腾，但其软件生态策略更为灵活——通过MLU-Link互联技术和CAMBricon Neuware软件栈，实现了对PyTorch/TensorFlow主流框架的无感适配，且其定价策略更为激进（单卡售价约为昇腾910C的60-70%，约¥4-6万/卡），在推理场景和高性价比训练场景中具有差异化竞争优势。
我们判断，寒武纪的差异化路径是——它不需要在"训练性能"上与华为昇腾硬碰硬，而是聚焦"推理+边缘计算"这一更大、增速更快的市场（推理芯片市场2026年全球规模约$650亿，超过训练芯片市场的约$500亿）。如果思元590在2026年下半年能实现累计出货量超过10万片、并获得3-5家头部互联网企业（如字节跳动/美团/拼多多）的批量采购合同，将触发市场对寒武纪从"一次性工程风险"向"可复制产品平台"的估值逻辑切换——届时其PS估值可能从当前的约20-25倍跃升至40-50倍区间（对标英伟达成长初期的PS估值）。
海光信息深算三号DCU：CUDA兼容——最短路径战略海光信息（688041）的AI芯片战略是所有国产厂商中最"务实"的——它不追求从头构建自己的AI框架生态，而是最大化利用AMD的ROCm生态（海光通过x86授权和Zen架构兼容获得AMD的技术路径）。深算三号DCU基于7nm等效工艺（chiplet架构多die整合），FP16算力约180 TFLOPS，虽然纸面性能在国产芯片中不算最高，但其真正的战略价值在于：它是目前国产AI芯片中唯一能够"几乎无缝"运行CUDA代码的产品——通过ROCm兼容层+自研DTK工具链，约70-80%的CUDA代码可以不经修改直接在深算三号上运行。这在工程上意味着：使用英伟达GPU训练的AI企业，切换至海光DCU的迁移成本约为华为昇腾方案的1/3-1/5。这种"兼容优先"策略在2026年美对华芯片管制升级的背景下，正在从"讨巧的技术选择"变成"战略级的生存路径"。
国产AI芯片工艺代际演进时间表与关键假设（瞭望塔基准预测）
| 时间节点 | 国产先进工艺节点 | 国产AI芯片代表产品 | 对英伟达代差 | 关键假设 |
|---|---|---|---|---|
| 2024 | 等效7nm(N+2,良率~65%) | 昇腾910B/思元590试产 | 约2代(5nm→7nm) | 中芯国际N+2实现稳定量产 |
| 2025 | 等效7nm(N+2,良率~75%) | 昇腾910C/深算三号量产 | 约1.5代(4nm→7nm) | 良率持续爬坡,chiplet方案验证 |
| 2026H1 | 等效7nm(N+2,良率~78%) | 昇腾910C稳定/思元590起量 | 约1代(3nm→7nm) | 当前实际进度 |
| 2027E | 等效5nm(N+3研发中) | 昇腾920(4die整合)/思元690 | 约0.5-1代 | N+3成功突破,功耗比进一步优化 |
| 2028E | 等效5nm(小批量) | 昇腾930/海光深算四号 | 约0.5代 | 国产EUV或等效技术取得进展 |
| 2030E | 3nm等效 | 国产AI芯片与英伟达同代 | 同期或1代内 | 最乐观情景,需在光源/物镜/光刻胶全链突破 |
我们的核心判断：国产AI芯片的"追赶窗口"大约在2026-2028年的三年——如果在这三年内国产先进制程（等效5nm）无法突破，2029年以后当英伟达进入3nm乃至2nm世代时，代际差距可能重新拉大到2代以上。这也是为什么我们认为当前市场对国产AI芯片的定价中，"地缘政治期权"的价值被低估了——在一个极端情景（中美科技完全脱钩）下，即便是等效7nm的国产AI芯片也将成为战略级稀缺资源，其估值逻辑将从"半导体周期股"切换为"战略物资定价"。
LAF™ 合规扫描
本赛道相关 A 股与 IPO 在审企业已纳入 LAF™ 五维合规分析体系扫描范围。穿透产业链，先看合规底色，再谈产业机会。
按赛道—行业映射归集可分析公司；均分与红旗率为 D1 财务维度预聚合，非正式五维综合评级。
上游
110家
中游
260家
下游
43家
合计 413 家 · 映射行业 7 · 赛道均分 73.8 · 映射 v1.1。一行业可挂多赛道；公司暂按东财行业整段归入，主营构成拆分后可细化到段。
Flagship Report
人工智能产业链在2026年上半年经历了结构性拐点：上游国产AI芯片跨越“可用→好用”临界点，华为昇腾910C实现7nm工艺稳定量产，寒武纪思元590完成全栈生态适配，海光信息深算三号DCU以CUDA兼容策略降低迁移成本；中游大模型竞争格局收敛至五强，DeepSeek-V3以MoE架构将推理成本降至GPT-4o的二十分之一，改写产业成本曲线；下游AI应用在多赛道同时爆发，编程工具渗透率超60%，教育、医疗、安防等垂直领域进入规模化部署阶段。报告同时指出，美国对华AI芯片管制从“性能阈值”升级至“算力密度”标准，构成2027-2028年算力增长的结构性威胁。产业链利润池正从“芯片-训练”双寡头向“推理-应用-数据”三极扩散，国产替代与垂直行业数据飞轮成为关键变量。
共 1 篇。付费会员关注本赛道后，新图谱报告经审核将向您推送。
