国产算力与AI芯片生态加速成型研究报告

国产算力与AI芯片生态加速成型研究报告

淞基科技（上海）有限公司 · 淞基信息通信研究院 · 淞基新一代信息技术网研究部

2026年10月

执行摘要

我国算力与AI芯片产业正处于从"规模扩张"向"生态成型"切换的关键窗口。截至2026年6月底，我国智能算力规模达2185 EFLOPS（FP16），同比增长177%，首个全国产10万卡AI超集群"曙光8000（登峰）"正式投用并接入国家超算互联网，标志着我国AI基础设施从万卡级正式迈入十万卡级部署阶段。与此同时，国产AI加速卡在中国市场的份额首次实现过半，非GPU加速器出货量首次超过GPU，英伟达与华为在数据中心AI芯片市场的份额差距从一年前的31个百分点收窄至6个百分点。

本报告的核心判断是：国产算力与AI芯片生态已初步成形，但尚未完全成熟。CPU、DCU、AI PC、车规芯片与算力集群正在形成相互咬合、协同演进的全栈结构；典型企业业绩与融资的高增长印证了需求侧的确定性。然而，高端算力供给、芯片适配、软件栈割裂与能耗成本四大约束，仍是制约生态从"可用"迈向"好用"的关键瓶颈。建议产业界与政策端围绕架构原创性、全栈协同、标准统一与能效治理四方面持续发力。

引言与研究方法

研究背景

人工智能正在重塑全球产业竞争格局，而算力与AI芯片作为其底层基础设施，已成为各国战略博弈的焦点。过去一年，我国在算力底座、芯片突破、终端智能化与车规应用等多个维度同时取得显著进展，形成了以国产CPU、DCU、AI加速卡、AI PC与车规芯片为核心节点，以超集群与超节点为纽带的完整生态雏形。这一进程不仅是技术层面的迭代，更是产业组织方式、供应链安全与软件生态治理的系统性重构。

研究对象与范围

本报告以2025年下半年至2026年10月中旬的公开资料为研究窗口，聚焦四个维度：一是算力底座，重点考察智能算力规模、区域布局与十万卡超集群；二是芯片供给，涵盖AI加速卡（GPU/DCU/非GPU）、通用CPU的竞争格局与市场份额；三是终端与应用，包括AI PC与智驾/车规芯片的进展；四是生态与约束，分析全栈协同路径以及高端算力供给、适配、软件栈与能耗成本四大瓶颈。

数据与方法

本报告数据来源于工业和信息化部官方发布会、中国互联网络信息中心（CNNIC）报告、IDC与行业研究机构数据、上市公司公告与财报、新华社、人民网、央视等权威媒体，以及相关企业官方披露。所有关键数字均标注来源与口径；部分市场预测类数据明确区分"已核实事实"与"机构预测"。研究方法以公开数据的交叉验证为主，辅以产业结构分析与案例研究。

国际竞争与自主可控的战略背景

要理解我国算力与AI芯片生态加速成型的内在逻辑，必须将其置于全球科技竞争与国际供应链重构的大背景下审视。过去数年，主要经济体围绕先进制程、AI算力与芯片供给展开激烈博弈，出口管制与生态封锁持续加码。求是网文章指出，一些西方国家对华政策已从单一技术限制升级为系统性生态封锁：一方面通过芯片销售管制导致国内部分创新团队因"算力饥渴"被迫放缓大模型研发节奏；另一方面依托CUDA等软件生态构筑壁垒，形成"硬件+软件"的双重锁定。

这种外部压力客观上构成了我国算力自主可控的"倒逼机制"。正是在这一背景下，国产CPU、DCU、AI加速卡、车规芯片与算力集群的加速突破，不仅具有商业价值，更承载着供应链安全与产业话语权的战略意义。从"可用"到"好用"、从单点替代到全栈协同，既是技术演进的自然过程，也是应对外部不确定性的必然选择。理解了这一战略背景，才能更准确地判断国产算力生态中各环节的优先级与演进节奏。

算力底座：规模跃升与十万卡超集群

智能算力规模高速增长

我国智能算力规模在2026年上半年实现跨越式增长。据工业和信息化部在2026年7月20日国新办发布会上披露，截至2026年6月底，我国智能算力规模达2185 EFLOPS（FP16，每秒百亿亿次浮点运算），同比增长177%；全国算力设施整体上架率达71.4%。这一数据在工业和信息化部官网、中国政府网及中国互联网络信息中心《生成式人工智能应用发展报告（2026）》中均得到印证。

图1 国产算力与AI芯片生态全栈协同结构（自绘示意，淞基新一代信息技术网研究部）

从区域分布看，东部、中部、西部、东北地区智算规模占全国比例分别为55.9%、10.6%、32.6%、0.9%。东部地区凭借经济与人才优势占据智算半壁江山，西部地区依托"东数西算"枢纽建设与绿色能源禀赋，已成为第二大算力集聚区，二者合计占比超过88%。这种"东部需求牵引、西部绿色供给"的格局，与国家算力枢纽节点的战略布局高度吻合。

[该类型的内容暂不支持下载]

图2 中国智能算力规模与区域分布（数据来源：工信部2026年上半年发布会、CNNIC《生成式人工智能应用发展报告（2026）》）

从增速维度看，177%的同比增长率远超全球平均水平，反映出大模型训练、智能体应用与行业AI落地的旺盛需求。新华网在2026中国算力大会的观察文章指出，我国算力底座规模已跃居世界前列，建成超70条连通算力枢纽与重点区域的算力传输通道，批复17个国家算力互联互通区域节点，算力基础设施的"骨架"已经搭建完成，正告别规模竞赛、迈向质效并重的新阶段。

首个全国产10万卡AI超集群投用

2026年7月10日，在河南郑州举行的光合组织2026智能计算应用大会上，中科曙光宣布我国首个全国产十万卡AI超集群"曙光8000（登峰）"正式落成并同步接入国家超算互联网。新华社、央视、人民网等权威媒体均对此进行了报道。该集群以十万吨级规模部署国产AI加速卡，可支撑万亿参数大模型训练与超大规模并行计算，标志着我国AI基础设施从万卡级正式迈入十万卡级部署阶段。

在2026年10月于深圳举行的全国高性能计算学术大会上，曙光8000真机亮相并发布十大重要应用成果，其算力可支撑在计算机中创造数字孪生大脑，甚至模拟百亿光年演化的宇宙。这一"全国产"标签的核心意义在于：集群中的芯片、计算、存储、网络、散热等关键环节均实现自主可控，从根本上摆脱了对单一海外供应链的依赖。

值得关注的是，十万卡集群并非简单的硬件堆叠，而是芯片、互联、系统软件、编译框架与上层应用的协同工程。央广网、光明网报道指出，我国AI算力基础设施正从千卡、万卡集群向更大规模演进，这对国产芯片间的高速互联、协同调度与一致性协议提出了极高要求，也是后续生态成熟度的核心检验场。

国产AI芯片市场格局重塑

份额结构出现历史性拐点

国产AI芯片在中国市场的份额正在发生颠覆性变化。据IDC与中国半导体行业协会联合发布的2026年第一季度数据，中国AI加速卡市场中国产芯片合计占比达52.3%，首次实现市场份额过半。IDC的2026年上半年行业报告进一步显示，英伟达在中国数据中心AI芯片市场的份额降至34%，同期华为市场份额上升至28%，两者差距缩小至仅6个百分点——而一年前这一差距还是31个百分点。

从出货量维度看，2026年上半年中国AI加速器总出货约200.8万颗，其中GPU同比下降26%至99.1万颗，而非GPU加速器同比大增约80%至101.6万颗，非GPU加速器首次压过GPU。这一结构性转变背后，是中国AI算力需求从"训练主导"向"推理主导"的迁移：训练大模型需要高并行度的通用GPU，而推理任务对芯片架构的要求更侧重效率与成本，从而为国产非GPU加速器打开了市场空间。

[该类型的内容暂不支持下载]

图3 中国数据中心AI芯片份额与加速器出货结构（数据来源：IDC 2026年上半年行业报告、路透社/36氪引用；IDC与中国半导体行业协会2026年Q1数据）

摩根士丹利2026年5月的报告预计，华为将在2026年占据中国本土AI加速器市场62%的份额，寒武纪占比14%，百度与阿里巴巴各约占5%。华为轮值董事长徐直军在2026年全联接大会上给出的口径更高——昇腾在中国AI芯片市场份额达到约50%，英伟达降至约8%（四年前分别为3%和95%）。不同机构口径存在差异，但趋势方向高度一致：国产芯片正从边缘走向主流，英伟达一家独大的格局已被打破。

竞争格局：多极并存与梯队分化

当前国产AI芯片市场已形成"一超多强、梯队分化"的格局。华为昇腾凭借生态与产能优势稳居第一梯队；寒武纪、海光、沐曦、摩尔线程、平头哥、昆仑芯等构成第二梯队，各自在训练、推理或特定场景中寻找差异化定位。钛媒体分析指出，2026年华为豪取中芯国际43%的先进产能，寒武纪抢下11%，当15家国产AI芯片公司挤在同一条产线上时，决定胜负的已不仅是技术，更是"产能船票"。

国产GPU"四小龙"（寒武纪、海光、沐曦、摩尔线程等）相继齐聚资本市场，市值合计一度超过6132亿元，但资本市场的高估值与真正的商业化考验并存。在国产AI加速卡的内部盘子里，昇腾约62%、寒武纪约14%，CR2约76%、CR4约86%；放到包含海外厂商的全市场口径，英伟达份额降至约8%、AMD约12%。非GPU加速器细分市场中，华为、平头哥、昆仑芯、寒武纪四家合计占据95%的份额。

典型企业：海光信息业绩高增

作为国产"CPU+DCU"双轮布局的代表，海光信息在2026年实现业绩高增。据公司2026年半年报，上半年实现营业收入90.99亿元，同比增长66.52%；实现归母净利润17.98亿元，同比增长49.69%；若扣除股份支付费用影响，归母净利润为22.70亿元，同比增长82.3%，销售毛利率达55.21%。公司持续优化"CPU+DCU"业务布局，在人工智能大模型加速迭代、AI Agent应用规模化落地、国产化进程迈向商业化应用的多重驱动下，保持国内领先的市场地位。

2026年10月中旬，海光信息发布前三季度业绩预告：预计前三季度实现营业收入142.80亿元至155.80亿元，同比增加47.90亿元至60.90亿元，同比增长50.47%至64.17%；预计实现归母净利润同比预增38.16%至51.93%。海光信息的业绩增长印证了国产高端处理器与加速卡在政企、运营商与AI大厂等核心客户中的渗透加速，是国产算力商业化落地的一个标杆样本。

表1 海光信息业绩概览（数据来源：海光信息2026年半年报、2026年半年度业绩预告、前三季度业绩预告，上交所公告）

值得注意的是，海光信息的成功不仅在于硬件性能，更在于对软件生态与生态兼容性的重视。其x86兼容的CPU降低了迁移成本，DCU产品则持续优化对主流AI框架的适配。这为其他国产芯片厂商提供了"硬件+生态"协同的范本。

终端智能化：AI PC 与端侧算力

端侧AI的爆发与AI PC市场扩容

端侧AI正在成为国产算力生态的重要延伸。IDC研究数据显示，2026年中国GenAI PC出货587万台，市场占比11.9%，销量同比提升166.4%；GenAI平板出货112万台，占比35.6%，销量同比提升68.4%。IDC预计2026年中国PC市场出货量达4222万台，同比微降0.8%，但GenAI PC出货量同比激增146.5%，2025—2029年复合增长率高达58.7%，至2029年GenAI PC有望占据整体PC市场36.5%的份额。中国市场AI PC渗透率在2026年预计突破52%，同比飙升超140%。

从全球视角看，IDC预计2026年全球AI PC市场规模将达1318亿美元，2034年将增至5743亿美元，复合年均增长率达20.2%；Gartner预测2026年全球AI PC出货量将达1.43亿台，渗透率将在2025年31%的基础上进一步提升，占整个PC市场的55%。AI PC作为端侧AI的核心载体，正承接"PC换机周期+AI应用"的双重红利，成为消费电子中增长确定性较强的赛道。

联想首款RTX Spark AI PC开售

2026年10月8日，联想集团宣布全球首批搭载英伟达RTX Spark N1X芯片的AI PC新品——联想YOGA Pro 15 RTX Spark（海外型号Yoga Pro 9n）正式在中国市场开启全网预售，并于10月16日正式开售。该产品面向AI开发者、专业创作者及高性能计算需求用户。10月16日，NVIDIA宣布RTX Spark笔记本正式全球开售，首发来自华硕、戴尔、联想、微软、微星等多家厂商，起价2599美元，最高配备128GB统一内存，主打本地AI。

RTX Spark的核心价值在于把AI大模型的计算能力下沉到个人终端。其采用Blackwell RTX与Grace合封的超级芯片架构，具备至高1 Petaflop的AI性能与至高128GB统一内存，让开发者、创作者无需依赖云端算力即可在本地运行大模型与Agent应用。这标志着AI计算从"云端集中"向"端云协同"演进，AI PC成为Agent时代个人AI计算的底座。

对于国产算力生态而言，AI PC的意义不仅是消费电子市场的扩容，更在于它把"端侧算力+本地模型+个人智能体"的范式带到普通用户身边，为国产NPU、端侧推理芯片与操作系统生态提供了新的试验场与规模化窗口。联想、华为、荣耀、小米等厂商在国产AI PC（搭载国产芯片与自主OS）上的布局，与海外RTX Spark路线形成"双轨并行"的竞争格局。

[该类型的内容暂不支持下载]

图4 智驾芯片份额与AI PC市场（数据来源：新华社中国经济信息社《中国自动驾驶规模化应用蓝皮书》2026H1、IDC、NE时代新能源）

车规芯片与智驾芯片：国产替代拐点

智驾芯片市场格局生变

在智能驾驶赛道，国产车规芯片正迎来国产替代的关键拐点。据新华社中国经济信息社发布的《中国自动驾驶规模化应用蓝皮书》，2026年上半年，地平线全阶智驾芯片市场份额达31.94%，蝉联行业第一，英伟达以29.38%的份额紧随其后。在自主品牌乘用车城区NOA（领航辅助驾驶）功能搭载芯片供应商中，地平线凭借征程6系列芯片的大规模量产，市场份额提升至22.82%，较2025年的17.9%明显提升，跃居行业第二，与英伟达形成"双强"格局。

地平线征程系列芯片累计量产已突破1500万颗，2026年上半年出货221.8万套。在ADAS（高级驾驶辅助系统）市场，其份额首次突破50%，为第二名的两倍。NE时代新能源数据统计显示，8月国内辅助驾驶域控芯片装机总量达81万颗，英伟达以24.6万颗装机量、30.2%的份额排名第一，地平线以16.1万颗、19.8%稳居第二，华为以14.8%位列第三。整体来看，地平线、英伟达、华为构成智驾芯片市场"三强"，国产份额持续攀升。

理想汽车芯片子公司融资

2026年10月16日，理想汽车宣布旗下芯片子公司上海马赫心科技有限公司签署首轮股权融资协议，融资金额16.25亿元人民币，由杭州经韬、蓝驰创投及华业天成领投，奇绩创坛参与投资，外部投资者合计出资6.25亿元，理想通过全资子公司同步增资10亿元，投后估值约166.3亿元（若追加认购权悉数行使，最大投后估值达171亿元）。

马赫心科技是理想汽车在"造车不赚钱、加快技术变现"背景下，推动自研芯片从内部配套走向对外供应的重要布局。理想已量产上车的马赫M100被描述为全球首款动态数据流AI芯片，单颗算力达1280 TOPS，并开放碳化硅功率模块、马赫智驾芯片及整套增程系统对外供应。这一"主机厂芯片公司独立融资"的模式，标志着车规芯片从"车企内供"向"行业外供"的商业化跃迁，也印证了车规级AI芯片的产业价值正被资本市场重估。

车规芯片的国产替代意义深远：它不仅是单车价值量的提升，更关乎智能汽车产业链的自主可控与供应链安全。随着国产智驾芯片在城区NOA等高端市场的份额持续提升，叠加主机厂自研芯片的成熟与外供，我国正逐步摆脱对海外车规芯片的依赖，形成"芯片-域控制器-整车"的完整闭环。

生态协同：从单点突破到全栈成型

全栈结构渐趋完整

综合前述进展，我国算力与AI芯片生态已呈现"基础芯片—整机平台—软件生态—应用落地"的全栈协同结构。在基础层，国产AI加速卡、GPU、DCU、CPU形成多元供给；在整机与平台层，AI PC、智驾域控制器、超节点与超集群提供载体；在软件层，编译框架、算子库与生态兼容性持续完善；在应用层，大模型训练推理、智能体、自动驾驶与行业AI加速落地。

这种全栈结构的价值在于生态内部的"咬合效应"：国产芯片的放量为软件栈优化提供了规模化需求，软件适配的完善又反过来降低芯片的使用门槛，促进更多场景采用国产方案。十万卡超集群的投用，则为大规模协同与工程化验证提供了"练兵场"，加速了从"能用"到"好用"的跨越。

头部厂商的生态卡位

华为昇腾依托"芯片+框架（MindSpore）+云"的一体化生态，形成最强的生态黏性；海光以"CPU+DCU"兼容路线降低迁移成本；寒武纪聚焦训练与推理场景的差异化性能；地平线在智驾领域构建"征程芯片+工具链+量产服务"的闭环；理想、蔚来等主机厂则通过自研与外供并行，争夺车规芯片的话语权。各厂商的卡位虽各有侧重，但共同指向"硬件+软件+场景"的深度绑定。

从更宏观的产业组织视角看，这种生态卡位呈现出"纵向一体化"与"横向开放"并存的趋势。一方面，头部厂商倾向于构建从芯片到工具链、再到云服务的纵向闭环，以最大化生态黏性与客户锁定；另一方面，面对海量模型与多样场景的M×N适配压力，没有任何单一厂商能够独立覆盖全部需求，开放接口、共建算子库、参与行业标准制定成为必然选择。如何在"封闭的深度优化"与"开放的生态扩展"之间取得平衡，将是各家厂商长期面临的战略课题。

生态价值的释放还有赖于"场景验证—规模商用—反馈迭代"的闭环。国产芯片在政企、运营商、智算中心与智驾等场景的规模化部署，正在为软件栈与工具链积累真实业务负载下的运行数据，推动性能优化从实验室走向生产环境。这一闭环一旦形成，将产生自我强化的正反馈：越多的部署带来越多的优化数据，越好的性能吸引越多的客户，进而加速生态的成熟。这也是十万卡超集群投用后最具战略价值的隐性收益。

与此同时，生态的碎片化风险也值得警惕。多家芯片厂商各守一套软件栈，形成了"生态割裂"，开发者在国产芯片上部署大模型，往往需要投入大量额外的适配工作。这是当前生态从"成形"走向"成熟"必须跨越的鸿沟。

关键约束与挑战

尽管生态加速成型，但高端算力供给、芯片适配、软件栈与能耗成本四大约束，仍是制约我国算力与AI芯片从"可用"迈向"好用"的关键瓶颈。

高端算力供给不足

一是技术适配性不足。中国工程院院士邓中翰指出，国产高端算力芯片规模化应用面临三大核心挑战：现有芯片多对标传统架构，与AI大模型、智算集群的多元计算需求不匹配，存在"算力适配难、场景落地贵"的现实痛点；软硬件协同、标准统一、场景验证未形成闭环；算力利用效率偏低。在先进制程、高带宽内存（HBM）集成、高速串行器/解串器（SerDes）与先进封装等关键环节，国产企业与国际先进水平仍存在代差。

芯片适配与显存互联瓶颈

二是芯片适配与硬件互联瓶颈。商汤科技大装置事业群CTO宣善明指出，现阶段国产算力落地最突出的堵点集中在显存容量不足、卡间互联带宽偏低、融合算子性能不达标等层面。超节点对芯片间高速互联、协同调度和一致性协议提出极高要求，而国产企业在先进封装、HBM集成及SerDes等关键环节仍存在代差。超节点并非单一硬件突破，而是芯片、互联、系统软件、编译框架与上层应用的协同工程。

软件栈割裂与M×N适配难题

三是软件栈割裂。软件层面存在难以回避的M×N适配难题——M是各种模型，N是各种芯片和各种场景，海量模型与多款国产芯片之间需要逐一完成算子、框架、工具链的适配。求是网文章指出，国内智能芯片与主流软件框架之间的兼容适配问题仍悬而未决，多家芯片厂商各守一套软件栈，形成"生态割裂"。中国工程院院士郑纬民曾指出："国产AI芯片核心问题是生态不够好，如果生态好，性能做到60%也有人用。"英伟达真正的护城河从来不只是GPU硬件本身，而是"CUDA+硬件"共同构成的软件生态。

能耗成本高企

四是能耗成本。随着算力规模的高速扩张，电力消耗与运营成本成为不可回避的约束。十万卡级集群的部署带来巨大的供电、散热（液冷）与运维压力。国产芯片在同等算力下的能效比仍与国际顶尖水平存在差距，往往需要"用更多芯片和系统架构补偿"性能差距，代价是供电、液冷与机房密度的全面升级。在"双碳"目标与算力规模扩张的双重约束下，能效治理与绿色算力建设已成为生态可持续性的关键命题。

表2 国产算力与AI芯片四大约束与破局方向（来源：综合求是网、新华网、21世纪经济报道、钛媒体、与非网等公开报道整理）

趋势展望与政策建议

趋势判断

展望未来，我国算力与AI芯片生态将沿以下方向演进：一是从"规模竞赛"转向"质效并重"，算力基础设施将更加强调利用效率、能效比与投资回报；二是从"单点替代"转向"全栈协同"，芯片、互联、软件与应用的一体化适配将成为竞争主轴；三是"训练为主"向"推理为主"迁移的趋势将深化，为国产非GPU加速器与端侧芯片打开更大空间；四是车规、端侧与行业AI将成为新的增长极，生态覆盖范围从数据中心延伸至终端与产业场景。

值得进一步剖析的是"质效并重"这一转折的深层含义。过去几年，我国算力建设以规模扩张为主线，各地掀起的智算中心建设潮在快速拉高算力总量的同时，也带来投资回报与利用效率的隐忧。2026中国算力大会释放的明确信号，是行业正从"数量领先"转向"质量领先"：超70条算力传输通道与17个国家算力互联互通区域节点的建成，使算力资源有望在全国范围内实现更高效的调度与复用，避免"重建轻用""重硬件轻运营"的浪费。这一转变对芯片厂商的影响同样深刻——它们将不再仅仅比拼峰值算力，而是比拼在真实业务负载下的有效算力、能效比与总拥有成本（TCO）。

全栈协同的竞争主轴，则预示着未来市场的主导权将属于那些能够打通"芯片—互联—系统软件—编译框架—上层应用"完整链条的厂商。十万卡超集群与超节点的部署，本质上是全栈工程能力的集中演练：它要求芯片间的互联协议高度一致、调度系统能应对指数级增长的复杂度、编译框架能充分挖掘异构硬件的潜力。谁能在这一系统工程中率先形成可复制的成熟方案，谁就将在万亿参数大模型与大规模智能体应用时代占据先机。

政策与产业建议

基于上述分析，本报告提出以下建议：

1. 强化架构原创性与核心技术攻关，加大对HBM、先进封装、SerDes、高速互联等卡脖子环节的投入，从系统级补齐高端算力供给短板。

2. 推动统一软件栈与标准建设，鼓励跨厂商共建算子库、编译框架与工具链，破解"生态割裂"与M×N适配难题，降低开发者的迁移与适配成本。

3. 以超集群、超节点为"练兵场"，加强大规模协同调度、一致性协议与工程化能力建设，推动国产算力从"可用"迈向"好用"。

4. 将能效治理与绿色算力纳入算力基础设施建设的硬指标，发展液冷、集约化与"东数西算"协同，平衡规模扩张与"双碳"目标。

5. 完善车规、端侧与行业AI的场景化验证与标准体系，推动国产芯片在智驾、AI PC、政企与运营商等场景的规模化商用，形成"需求—供给—验证"的正向循环。

同时需注意，市场预测数据存在不确定性，产能、需求与地缘政策的变化可能影响产业进程；投资者与决策者应基于最新数据持续跟踪验证。

结语

我国算力与AI芯片生态正处于加速成型的关键时期。2185 EFLOPS的智能算力规模、177%的同比增速、首个全国产10万卡超集群的投用、国产AI加速卡市场份额的历史性过半，以及海光、联想、地平线、理想马赫心等代表性企业的业绩与融资高增，共同勾勒出一幅"生态成型"的清晰图景。与此同时，高端算力供给、芯片适配、软件栈割裂与能耗成本四大约束，也清晰地标定了从"成形"到"成熟"之间的距离。

生态的成型不是终点，而是新的起点。唯有坚持架构原创、全栈协同、标准统一与能效治理，才能在算力与AI芯片这一决定未来产业竞争力的主赛道上，真正实现从"可用"到"好用"、从"并跑"到"领跑"的跨越。淞基科技（上海）有限公司、淞基信息通迅研究院与淞基新一代信息技术网研究部将持续跟踪这一进程，为产业与决策提供高质量的研究支撑。

资料来源

本报告核心数据与结论的来源如下，均可在对应权威渠道核验：

1. 中华人民共和国工业和信息化部，2026年7月20日国新办发布会（智能算力2185 EFLOPS、同比增长177%、上架率71.4%、区域占比），来源：工信部官网、中国政府网、中国新闻网。

2. 中国互联网络信息中心（CNNIC）《生成式人工智能应用发展报告（2026）》（2026年9月）。

3. 新华网《告别规模竞赛 迈向质效新征程——来自2026中国算力大会的观察》（2026年9月12日）。

4. 新华社、央视新闻、人民网、光明网、中新社关于曙光8000全国产十万卡AI超集群的报道（2026年7月10日）。

5. IDC 2026年上半年行业报告及IDC与中国半导体行业协会2026年Q1数据（经路透社、36氪、新浪财经引用）。

6. 海光信息2026年半年报、2026年半年度业绩预告、2026年前三季度业绩预告（上海证券交易所公告）。

7. NVIDIA官方博客《NVIDIA RTX Spark PC现已上市》（2026年10月16日）；央广网关于联想YOGA Pro 15 RTX Spark中国预售与开售的报道（2026年10月9日）。

8. IDC关于AI PC与中国PC市场的研究数据（2026年）；Gartner 2026年AI PC出货量预测。

9. 新华社中国经济信息社《中国自动驾驶规模化应用蓝皮书》及地平线公告（2026年上半年智驾芯片份额）；NE时代新能源域控芯片装机数据（2026年8月）。

10. 理想汽车公告及财联社、新浪财经关于马赫心科技首轮融资的报道（2026年10月16日）。

11. 求是网《充分认识我国人工智能发展面临的新挑战》《我国人工智能产业发展面临的问题与挑战》；新华网关于邓中翰院士观点的报道；21世纪经济报道、钛媒体、与非网、电子工程专辑等行业研究文章。

免责声明

本报告由淞基科技（上海）有限公司、淞基信息通信研究院、淞基新一代信息技术网研究部联合编制，仅供行业研究与信息参考之用，不构成任何投资建议、商业决策依据或法律意见。报告中的数据与信息来源于公开渠道，编制方力求准确与及时，但不保证其完整性、准确性与时效性；部分市场预测与机构观点为第三方观点，不代表编制方立场。市场存在不确定性，产业进程可能因技术、政策、产能与需求变化而调整，读者应结合最新信息独立判断并承担相关决策风险。报告版权归编制方所有，未经书面许可，不得用于商业转载或传播。