AI算力芯片行业深度：主流芯片、驱动因素、产业链及相关公司深度梳理

1/36 2025 年 4 月 14 日 行业|深度|研究报告 行业研究报告 慧博智能投研 AI 算力芯片行业深度：主流芯片、驱动因素、产业链及相关公司深度梳理 ChatGPT 热潮引发全球科技企业加速布局 AI 大模型。人工智能进入算力新时代，全球算力规模高速增长，根据相关预测，预计全球算力规模将从 2023 年的 1397EFLOPS 增长至 2030 年的 16ZFLOPS，预计 2023-2030 年复合增速达 50%。AI 算力芯片作为“AI 时代的引擎”，有望畅享 AI 算力需求爆发浪潮，并推动 AI 技术的快速发展和广泛应用。 围绕 AI 算力芯片行业，我们来了解当前全球算力发展情况、驱动算力芯片发展的因素，并就算力主流芯片及定制芯片进行详细分析，对产业链构成及国产替代情况、未来发展预期进行分析，并对产业链及相关公司进行梳理，希望帮助大家更好了解 AI 算力芯片行业的发展情况。 目录 一、AI 算力芯片概述 ......................................................................1 二、算力芯片发展驱动因素及发展现状 .......................................................5 三、主流算力芯片之 GPU ...................................................................8 四、AI 算力芯片之定制芯片 ASIC ........................................................... 13 五、AI 算力芯片产业链 ................................................................... 17 六、AI 算力芯片国产替代情况 ............................................................. 19 七、AI 算力芯片相关公司 ................................................................. 21 八、未来展望：DeepSeek 有望推动国产 AI 算力芯片加速发展 .................................. 31 九、参考研报 ........................................................................... 35 一、AI 算力芯片概述 1.AI 服务器 AI 服务器是支撑生成式 AI 应用的核心基础设施。人工智能产业链一般为三层结构，包括基础层、技术层和应用层，其中基础层是人工智能产业的基础，为人工智能提供数据及算力支撑。服务器一般可分为通用服务器、云计算服务器、边缘服务器、AI 服务器等类型，AI 服务器专为人工智能训练和推理应用而设计。 大模型兴起和生成式 AI 应用显著提升了对高性能计算资源的需求，AI 服务器是支撑这些复杂人工智能应用的核心基础设施，AI 服务器的其核心器件包括 CPU、GPU、FPGA、NPU、存储器等芯片，以及PCB、高速连接器等。 2/36 2025 年 4 月 14 日 行业|深度|研究报告 2.AI 算力芯片是什么，与算力有何关联 AI 算力芯片是算力的基石。AI 算力芯片是专门为人工智能（AI）应用提供计算能力的芯片，它是支撑AI 服务器运行的核心部件，能够快速处理大规模数据和复杂的神经网络模型，推动 AI 技术的快速发展和广泛应用。 CPU+GPU 是目前 AI 服务器主流的异构计算系统方案，根据 IDC2018 年服务器成本构成的数据，推理型和机器学习型服务器中 CPU+GPU 成本占比达到 50-82.6%，其中机器学习型服务器 GPU 成本占比达到 72.8%。AI 算力芯片具备强大的并行计算能力，能够快速处理大规模数据和复杂的神经网络模型，并实现人工智能训练与推理任务；AI 算力芯片占 AI 服务器成本主要部分，为 AI 服务器提供算力的底层支撑，是算力的基石。AI 算力芯片作为“AI 时代的引擎”，有望畅享 AI 算力需求爆发浪潮，并推动 AI技术的快速发展和广泛应用。 3.混合 AI 是 AI 的发展趋势 AI 训练和推理受限于大型复杂模型而在云端部署，而 AI 推理的规模远高于 AI 训练，在云端进行推理的成本极高，将影响规模化扩展。随着生成式 AI 的快速发展以及计算需求的日益增长，AI 处理必须分布在云端和终端进行，才能实现 AI 的规模化扩展并发挥其最大潜能。混合 AI 指终端和云端协同工作，在适当的场景和时间下分配 AI 计算的工作负载，以提供更好的体验，并高效利用资源；在一些场景...