买球平台(股份有限公司)-官方网站
福建用户提问：5G牌照发放，产业加快布局，通信设备企业的投资机会在哪里？
四川用户提问：行业集中度不断提高，云计算企业如何准确把握行业投资机会？
河南用户提问：节能环保资金缺乏，企业承受能力有限，电力企业如何突破瓶颈？
8 月 12 日，寒武纪召开 2026 年半年度业绩说明会。董事长、总经理陈天石表示，在大模型技术加速革新的背景下，智能计算需求持续攀升，公司将持续聚焦 AI 芯片设计，提升核心竞争力，积极拓展市场份额。
8 月 12 日，寒武纪召开 2026 年半年度业绩说明会。董事长、总经理陈天石表示，在大模型技术加速革新的背景下，智能计算需求持续攀升，公司将持续聚焦 AI 芯片设计，提升核心竞争力，积极拓展市场份额。
这份表态的底气来自一份 炸裂 的半年报。2026 年上半年，寒武纪实现营收 59.96 亿元，同比增长 108.13%;归母净利润 23.11 亿元，同比增长 122.61%;扣非净利润 21.66 亿元，同比增长 137.30%。营收和净利润双双翻倍，毛利率维持在 55% 以上，这是寒武纪上市以来最亮眼的业绩。
AI 芯片行业正处于历史性的超级周期。英伟达最新财季营收 816 亿美元，同比增长 85%，数据中心业务收入 752 亿美元。高盛预测 2026 年全球 AI 相关投资达 1 万亿美元，Omdia 将 2026 年全球半导体市场增速上调至 94.1%。算力需求的爆发正在重塑整个半导体产业的格局。
中国市场正在经历深刻的国产替代。TrendForce 预测，2026 年中国高端 AI 芯片市场国产份额将达到 90%，英伟达和 AMD 合计降至 10%。华为昇腾、寒武纪、百度昆仑芯等国产芯片正在快速填补缺口，2026 年国产 AI 芯片出货量预计达 500 万片。
据中研普华产业研究院的《2026年全球人工智能芯片行业市场规模、领先企业国内外市场份额及排名》分析
寒武纪上半年 59.96 亿元的营收，已经接近 2025 年全年 64.97 亿元的水平。同比 108% 的增速，在半导体行业整体低迷的大背景下格外醒目。更关键的是盈利能力 —— 归母净利润 23.11 亿元，净利率 38.54%，这说明寒武纪已经从 烧钱研发 阶段进入了 规模盈利 阶段。
增长的驱动力很明确：AI 算力需求爆发。寒武纪在财报中表示，上半年加强了与金融、互联网领域头部企业的深度合作，以规模化应用拉动市场拓展。大模型训练和推理对算力的饥渴，直接转化为 AI 芯片厂商的订单。
寒武纪不是个例。英伟达数据中心业务同比增长 92%，AMD 数据中心业务高速增长，国内海光信息、华为昇腾的 AI 芯片业务也在快速放量。整个行业都在享受 AI 算力需求爆发的红利，寒武纪的翻倍增长是行业大趋势的缩影。
但拆分单季度看，有一个值得关注的信号。寒武纪 Q1 营收 28.85 亿元，同比增长 159.56%;Q2 营收约 31.11 亿元，环比仅增长约 7.8%。环比增速从 Q1 的 52.65% 骤降至个位数，引发了市场对 算力需求是否见顶 的担忧。
在 8 月 12 日的业绩说明会上，多名投资者追问 Q2 增速放缓是否因为硬件交付延迟，陈天石未予正面回应，只是强调 智能计算需求持续攀升。这种回避本身也说明问题的敏感性 —— 如果是交付瓶颈，下半年产能释放后增速会回升;如果是需求拐点，那影响就大了。
全年 135 亿元的营收目标，上半年只完成了 44.4%。这意味着下半年需要实现 75 亿元营收，环比增长约 25%。能否完成目标，取决于产能交付、客户订单落地和市场需求的持续性。Q2 的放缓是暂时的还是趋势性的，需要下半年的数据验证。
AI 芯片是当前全球半导体行业增长最快的赛道，没有之一。英伟达最新财季单季营收 816 亿美元，其中数据中心业务 752 亿美元，同比增长 92%。一家公司一个季度的 AI 相关收入，就超过了很多国家全年的半导体产值。
市场空间的预测不断被上修。AMD CEO 苏姿丰预计，到 2030 年全球数据中心市场规模将增长至 1 万亿美元，年均增长率 40%。高盛预测 2026 年全球 AI 相关投资达 1 万亿美元(美国 5810 亿美元)，2027 年进一步增至 1.2 万亿美元。黄仁勋在 GTC 2026 上更是直言，到 2027 年 AI 工厂将看到至少 1 万亿美元的营收。
Omdia 将 2026 年全球半导体市场营收增长预测上调至同比增长 94.1%，主要驱动力就是 AI 需求持续超过全球供应能力。HBM、先进封装、先进制程产能等关键环节的瓶颈，短期内难以缓解，供需失衡会持续推高行业景气度。
中国市场是全球 AI 芯片格局中变化最剧烈的变量。TrendForce 最新报告预测，受美国芯片出口限制和中国本土芯片产能扩张双重影响，2026 年 AMD 和英伟达在中国高端 AI 芯片的市场份额将降至 10%，国产芯片占据 90%。
这个 90% 的构成包括：华为昇腾、寒武纪等通用 AI 芯片，以及百度昆仑芯、阿里平头哥、腾讯等互联网公司的定制 ASIC 芯片。2026 年中国国产 AI 芯片出货量预计达到 500 万片，高端 AI 芯片出货量同比增长 83%。
国产替代不是简单的 买不到所以用国产，而是正在形成正向循环。DeepSeek 等大模型积极适配国产硬件，华为推动软硬件协同，产业联盟加速全链路优化。国产算力正在从 可用 向 好用 演进，生态的成熟会进一步加速替代进程。
AI 芯片的需求结构正在发生深刻变化。过去两年，大模型训练是算力需求的主力，训练芯片供不应求。但随着大模型技术逐步成熟、训练阶段进入平稳期，推理需求正在快速崛起。
黄仁勋在 GTC 2026 上明确判断：AI 已从训练时代全面进入 推理 + 智能体 + 物理 AI 的工业化时代。AI 智能体的广泛应用，意味着每一次对话、每一个任务执行都需要推理算力。推理的需求量级远大于训练，而且对延迟、能效、成本的要求不同。
推理需求的爆发会改变芯片竞争格局。训练市场对绝对性能敏感，英伟达的高端 GPU 优势明显;推理市场更看重性价比和能效，ASIC 芯片(如 Google TPU、AWS Inferentia、百度昆仑芯)有更大的发挥空间。寒武纪等国产厂商在推理市场的机会可能比训练市场更大。
全球 AI 芯片市场，英伟达是无可争议的霸主。凭借 CUDA 生态、完整的软硬件栈和持续领先的硬件性能，英伟达在高端训练市场占据垄断地位。Blackwell 架构全面量产后，Rubin 架构已经在路上，产品迭代节奏稳定。
英伟达的优势不只是硬件。CUDA 生态经过十几年积累，开发者数量、软件库、应用适配都遥遥领先。客户从英伟达迁移到其他平台，不仅要换硬件，还要重写大量软件代码，迁移成本极高。这是英伟达最深的护城河。
英伟达还在向产业链上下游延伸。与 SK 海力士签署超 5000 亿美元的 HBM 合作协议，联合金融机构推出 GPU 证券化融资，投资 AI 数据中心和电力基础设施。英伟达正在从 卖芯片的 变成 AI 全产业链的组织者，话语权进一步增强。
AMD 是最接近英伟达的挑战者。MI350 系列已实现对英伟达 B200 的部分性能超越，MI400 系列明确对标 Rubin 架构。苏姿丰预计未来三到五年 AMD 年均营收复合增速达 35%，AI 芯片全球市场份额有望达到两位数。AMD 的优势在于 x86 CPU+GPU 的整合能力，以及更开放的软件生态。
Google 和 AWS 走的是自研 ASIC 路线。Google TPU 从 2016 年开始迭代，目前已经是第五代，深度服务于谷歌云和 Gemini 大模型。AWS 的 Trainium 训练芯片和 Inferentia 推理芯片协同部署，为亚马逊云提供高性价比的算力。云厂商自研芯片的核心逻辑是：自用需求足够大，自研可以大幅降低成本。
特斯拉和 SpaceX 是新变量。特斯拉 Dojo 芯片追求 9 个月迭代一次的超快节奏，服务于自动驾驶训练。SpaceX 的 Terafab 超级芯片工厂破土动工，初期投资 168 亿美元，目标年产 1 太瓦算力。这些非传统玩家的进入，说明 AI 芯片的需求已经溢出到了更多行业。
中国 AI 芯片市场形成了 双龙头 + 多强 的格局。华为昇腾是国产 AI 芯片的领头羊，910C 芯片性能接近英伟达 A100，配合昇腾计算产业联盟和 MindSpore 框架，生态最完善。华为的优势是全栈自研(芯片 + 服务器 + 框架 + 大模型)，政企市场渠道深厚。
寒武纪是国产 AI 芯片的另一个龙头，也是 A 股最纯正的 AI 芯片标的。思元系列芯片覆盖云端训练、云端推理和边缘计算，客户包括互联网巨头和金融机构。上半年营收翻倍、净利率 38%，说明商业化已经跑通。寒武纪的优势是专注和灵活，不绑定特定云厂商，客户覆盖面广。
第二梯队包括海光信息(兼容 x86 生态，DCU 产品快速放量)、百度昆仑芯(自用 + 外售，推理场景优势)、沐曦股份(GPU 架构，融资能力强)、摩尔线程(通用 GPU，图形 + 计算)等。各家技术路线和目标市场不同，共同构成了国产 AI 芯片的多元生态。
AI 芯片的性能瓶颈已经从计算单元转移到了存储带宽。大模型训练需要频繁在计算单元和内存之间搬运海量数据，传统 DDR 内存的带宽远远不够。HBM(高带宽内存)通过 3D 堆叠和超宽接口，提供了十倍于 DDR 的带宽，成为 AI 芯片的标配。
HBM 技术迭代很快。HBM3E 是当前主流，单颗容量 36GB，带宽超过 1TB/s。HBM4 即将量产，三星 HBM4 良率已达 80%，SK 海力士计划 Q2 启动批量出货。HBM4 的性能标准从最初的 8Gbps 提升到了 11.7Gbps，容量和带宽再上一个台阶。
HBM 的成本占比持续上升。一颗高端 AI 芯片通常搭配 6-8 颗 HBM，HBM 的总成本已经超过了计算芯片本身。谁能拿到更多、更好的 HBM，谁就能生产更多的 AI 芯片。SK 海力士与英伟达签署超 5000 亿美元的长期合作协议，本质上就是锁定 HBM 产能。
摩尔定律放缓后，先进封装成为提升算力密度的关键路径。台积电的 CoWoS(Chip-on-Wafer-on-Substrate)技术是目前最主流的先进封装形式，英伟达和 AMD 的 AI 芯片都采用 CoWoS 封装，将 GPU 计算芯片和 HBM 内存集成在同一个封装内。
CoWoS 产能是 AI 芯片供给的核心瓶颈。台积电 2026 年底 CoWoS 产能预计达到 125Kwpm(千片 / 月)，2027 年底进一步提升至 170Kwpm。即便如此，产能仍然供不应求，英伟达、AMD、Google 等大客户在争抢有限的封装产能。
Chiplet(芯粒)架构是另一个重要趋势。将一颗大芯片拆成多个小芯片，通过先进封装互联，可以提高良率、降低成本、灵活配置。2.5D 和 3D 封装技术的成熟，让多芯片集成变得切实可行。EDA 工具也终于赶上了封装物理学的发展，支持热、应力和电压感知的协同设计。
AI 芯片的架构正在分化。通用 GPU(如英伟达、AMD 的产品)灵活性强，适合训练和多样化的推理任务，但能效比不是最优。专用 ASIC(如 Google TPU、AWS Inferentia、百度昆仑芯)针对特定 AI 运算优化，能效比更高，但灵活性差，适合大规模标准化场景。
推理市场的爆发正在推动 ASIC 的发展。当推理任务足够标准化、规模足够大时，专用芯片的成本优势就会显现。Google、AWS、微软、百度、阿里、腾讯都在自研推理 ASIC，自用为主，部分外售。
光互联和硅光子是下一个技术突破点。黄仁勋在 GTC 2026 上强调，光互联与硅光子是算力突破的关键。当芯片间、机柜间的数据传输量越来越大，电互联的带宽和功耗瓶颈日益突出，光互联可以提供更高的带宽和更低的功耗。英伟达已经在 Rubin 架构中引入了光互联技术。
据中研普华产业研究院的《2026年全球人工智能芯片行业市场规模、领先企业国内外市场份额及排名》分析
HBM 是 AI 芯片产业链中集中度最高、议价能力最强的环节。全球只有 SK 海力士、三星、美光三家能量产 HBM，其中 SK 海力士和三星占据绝大多数份额，美光追赶中。这种寡头垄断格局，让 HBM 厂商拥有极强的定价权和话语权。
SK 海力士是 HBM 市场的领导者，率先量产 HBM3E 和 HBM4，与英伟达深度绑定。双方签署了超 5000 亿美元的长期合作协议，SK 海力士还与英伟达推进超 5000 亿美元的 AI 基础设施计划，在韩国建设 2 吉瓦数据中心。SK 海力士的策略是 存储 + 代工 协同，与台积电合作构建完整的 HBM 供应链。
三星是强力挑战者。三星的优势是 IDM 模式，从设计到制造全栈自研，HBM4 基础芯片采用自家 4nm 工艺(SK 海力士用台积电 12nm)，技术上有独到之处。三星 HBM4 良率已达 80%，正在加速追赶 SK 海力士的市场份额。美光也在扩产，2026 年底 HBM 产能预计达 10 万片 / 月。
AI 高度依赖台积电。3nm 和 2nm 先进制程的晶圆代工，台积电几乎垄断。CoWoS 先进封装产能，台积电也是绝对主力。英伟达、AMD、Apple、Google 的 AI 芯片都由台积电代工，这种集中既是效率的体现，也是风险的来源。
台积电正在加速扩产。CoWoS 产能 2026 年底达 125Kwpm，2027 年底 170Kwpm。同时开发 类 EMIB 技术，与景硕科技合作，由景硕负责设计制造承载硅桥的基板，以多元化封装技术满足不同客户需求。
中国的中芯国际和华虹是国产 AI 芯片的制造主力。受限于制程工艺(目前最先进约 7nm)，国产 AI 芯片的性能上限受到制约。但通过架构创新、Chiplet 和先进封装，国产芯片正在用 系统级优化 弥补 制程差距。中芯国际和上海华虹制造的芯片，未来几年出货量年复合增长率预计很高。
当芯片算力越来越强，电力和散热正在成为新的物理瓶颈。一台搭载 8 颗高端 AI 芯片的服务器，功耗可达 10-15kW，是传统服务器的 5-10 倍。一个大型 AI 数据中心的耗电量相当于一个中型城市，电力供应已经成为 AI 数据中心选址的首要考量。
散热同样棘手。HBM 和 GPU 芯片的功率密度极高，传统风冷已经不够用，液冷正在成为标配。SK 海力士推出了集成散热层的 HBM 技术，在内存封装内部集成散热层来改善散热性能，可以让 AI 处理器运行更快或降低冷却成本。
英伟达已经开始投资电力基础设施。2026 年以来，英伟达分别向 AI 云服务商 CoreWeave 等投资，还联合金融机构组建 5000 亿美元的 AI 基础设施基金。SpaceX 的 Terafab 工厂集成了先进逻辑芯片、存储芯片的制造、封装和测试，目标是年产 1 太瓦算力 —— 注意单位是 太瓦，说明电力已经成为算力的核心计量单位。
数据中心是 AI 芯片最大、最成熟的应用场景，占 AI 芯片市场的 80% 以上。训练市场由大模型厂商和云服务商主导，对芯片的绝对性能、互联能力和软件生态要求极高，英伟达占据主导地位。
推理市场正在快正规买球的网站速增长。随着大模型应用普及(ChatGPT、文心一言、DeepSeek 等)，每天数十亿次的 API 调用都需要推理算力。推理对单芯片性能要求相对低，但对吞吐量、延迟和成本敏感，是国产芯片和 ASIC 的机会窗口。
AI 智能体(Agent)的兴起会进一步推高推理需求。与传统的 一问一答 不同，智能体需要自主规划、调用工具、多步推理，单次任务的计算量是传统对话的数倍甚至数十倍。如果智能体大规模普及，推理算力需求可能出现指数级增长。
AI 算力正在从数据中心向边缘和端侧下沉。边缘服务器、智能摄像头、工业设备等场景需要本地化的 AI 推理能力，对芯片的功耗、体积和成本有特殊要求。寒武纪、地平线等厂商在边缘 AI 芯片领域有较深布局。
端侧 AI 是另一个快速增长的市场。2026 年中国 AI 手机出货量预计 1.47 亿台，占整体市场 53%，400 美元以上高端机型 100% 标配本地大模型。AI PC、智能汽车、IoT 设备也在快速普及端侧 AI。端侧 AI 芯片追求低功耗和高能效，与数据中心芯片的技术路线不同。
算力下沉的驱动力是隐私、延迟和成本。敏感数据不上云、实时响应不需要网络传输、大量推理在本地执行可以节省云服务费用。未来的 AI 算力格局会是 云 - 边 - 端 三级架构，各级别都有对应的芯片需求，市场空间广阔。
自动驾驶是 AI 芯片的重要增量市场。L2 + 到 L4 级别的自动驾驶，需要实时处理多路摄像头、激光雷达、毫米波雷达的数据，对 AI 推理算力的需求极高。特斯拉 FSD 芯片、英伟达 Orin 和 Thor、地平线征程系列、华为 MDC 系列，都是这个赛道的玩家。
具身智能和人形机器人是更长期的变量。人形机器人需要同时处理视觉感知、运动控制、自然语言交互等多种任务，AI 芯片是核心大脑。2026 年被称为 具身 AI 产业化元年，全球具身 AI 市场预计 62 亿美元，2030 年达 230 亿美元。虽然目前规模还小，但增长速度快，长期空间大。
自动驾驶和具身智能的共同特点是 实时性 + 低功耗 + 高可靠。与数据中心芯片可以 用功耗换性能 不同，车载和机器人芯片有严格的功耗和散热限制，需要在有限的功耗预算内提供足够的算力。这对芯片架构设计提出了新的挑战，也孕育了新的市场机会。
第一，需求周期性波动的风险。AI 芯片当前的高增长很大程度上依赖大模型厂商和云服务商的资本开支。如果大模型技术迭代放缓、商业化不及预期，或者宏观经济下行导致企业缩减 IT 支出，算力需求可能出现阶段性过剩。寒武纪 Q2 环比增速放缓，已经引发了这方面的担忧。
第二，地缘政治和供应链风险。美国对华芯片出口限制持续升级，先进制程、HBM、EDA 工具等环节都可能被卡脖子。国产 AI 芯片虽然在替代，但制程差距、HBM 供应、先进封装能力仍是短板。地缘政治的不确定性会持续影响行业格局。
第三，技术路线迭代的风险。AI 芯片技术迭代极快，英伟达每年更新架构，特斯拉甚至追求 9 个月迭代。如果厂商跟不上技术节奏，产品很快就会被淘汰。寒武纪等国产厂商需要持续高强度研发投入，才能保持竞争力。
第四，生态建设的挑战。英伟达的 CUDA 生态是最深的护城河，国产芯片的软件生态还在建设中。虽然 DeepSeek 等大模型积极适配国产硬件，但整体的开发者数量、软件库丰富度、工具链完善度与英伟达还有差距。生态建设需要时间，也需要全行业的协同。
第五，估值泡沫的风险。AI 芯片板块的估值普遍处于高位，寒武纪的市盈率远超传统半导体公司。高估值隐含了对未来高增长的预期，如果业绩增速放缓或不及预期，估值回调的压力会很大。
据中研普华产业研究院的《2026年全球人工智能芯片行业市场规模、领先企业国内外市场份额及排名》分析
趋势一：AI 算力需求长期增长，推理成为主力。 大模型从训练走向应用，AI 智能体逐步普及，自动驾驶和具身智能兴起，这些都会持续推高算力需求。训练市场增速可能放缓，但推理市场的增长空间更大。未来五年，AI 芯片行业仍将是半导体行业增长最快的赛道。
趋势二：国产替代不可逆，中国市场形成独立生态。 美国出口限制只会加速国产替代，2026 年国产芯片在中国高端 AI 芯片市场占 90% 是大概率事件。更重要的是，国产软硬件生态正在形成闭环 —— 国产芯片 + 国产框架 + 国产大模型 + 国产服务器，自主可控的算力体系正在建立。
趋势三：产业链瓶颈从芯片制造转向 HBM 和电力。 随着制程工艺逐步逼近物理极限，HBM 存储、先进封装、电力供应和散热能力正在成为更重要的瓶颈。谁能锁定 HBM 产能、谁能拿到足够的电力和土地建数据中心，谁就能在 AI 算力竞争中占据优势。
变量一：寒武纪下半年能否完成 135 亿目标。 上半年只完成 44.4%，Q2 环比增速放缓。如果下半年产能释放、订单集中交付，完成目标可期;如果增速继续放缓，不仅影响寒武纪自身，也会影响市场对国产 AI 芯片需求持续性的判断。
变量二：英伟达 Rubin 架构的量产节奏和性能。 Blackwell 已经全面量产，Rubin 是下一代架构。如果 Rubin 的性能提升超预期，会进一步拉开与竞争对手的差距;如果量产延迟或性能不及预期，AMD 和国产厂商会获得更多追赶时间。
变量三：AI 智能体的商业化进度。 智能体是推理算力的最大增量变量。如果智能体在 2026-2027 年实现大规模商业化应用，推理算力需求可能爆发式增长;如果智能体停留在概念阶段、实际使用率低，推理需求的增长会低于预期。
第一条是国产 AI 芯片设计龙头。 寒武纪作为 A 股最纯正的 AI 芯片标的，受益于国产替代和算力需求爆发，业绩弹性大。华为昇腾(未上市)、海光信息、百度昆仑芯等也是重要标的。
第二条是 HBM 和先进封装产业链。 HBM 是 AI 芯片最紧缺的环节，SK 海力士、三星、美光三大厂商受益。国内的存储厂商(长鑫存储等)和封测厂商(长电科技、通富微电等)也有国产替代的机会。先进封装设备和材料也是高景气方向。
第三条是 AI 服务器和数据中心基础设施。 AI 芯片需要通过服务器才能交付算力，工业富联等 AI 服务器厂商受益。液冷散热、电力设备、高速互联等数据中心基础设施环节，需求也在快速增长。
第四条是边缘和端侧 AI 芯片。 自动驾驶、AI 手机、AIoT 等场景的端侧 AI 芯片需求增长快，市场空间大。地平线、黑芝麻等车载 AI 芯片厂商，以及端侧 AI IP 和设计服务公司，都有投资机会。
回到寒武纪 8 月 12 日的业绩说明会。陈天石那句 智能计算需求持续攀升，不是套话，而是整个行业的真实写照。上半年营收翻倍、净利润翻倍，是 AI 算力需求爆发的直接体现。Q2 增速放缓的隐忧，则提醒我们高增长不会是一条直线。
AI 芯片是这个时代最确定的产业趋势之一，也是竞争最激烈、变化最快的赛道。英伟达的霸主地位看似稳固，但 AMD 在追赶、云厂商在自研、中国在国产替代、新玩家在涌入。技术在迭代、格局在变化、瓶颈在转移。
对于寒武纪这样的国产芯片公司来说，这是最好的时代 —— 国产替代的窗口打开了，算力需求的红利摆在面前。但也是最具挑战的时代 —— 技术要跟得上、生态要建得起、客户要留得住、产能要供得上。
陈天石选择了 持续聚焦人工智能芯片设计领域技术创新。这条路很窄，但也很长。AI 芯片的战争才刚刚开始，远没有到终局的时候。
欲获取更多行业市场数据及报告专业解析，可以点击查看中研普华产业研究院的《2026年全球人工智能芯片行业市场规模、领先企业国内外市场份额及排名》。
3000+细分行业研究报告500+专家研究员决策智囊库1000000+行业数据洞察市场365+全球热点每日决策内参