2026年5月22日，国家发改委政策研究室副主任、新闻发言人李超在5月份例行新闻发布会上表态，称将"指导国产大模型加大力度适配国产算力芯片"，并强调"自主可控、向善发展、行稳致远"。

　　2026年一季度，国内算力芯片行业头部厂商一季度营收普遍同比暴涨75%~160%；2026 年二季度，国内算力芯片行业迎来密集事件窗口期：发改委发文强制大模型适配国产算力、9 款国产 AI 芯片获国家级安全 I 级认证，叠加海外高端 GPU 持续出口管制的外部环境，国产显卡与算力芯片正式从技术验证期跨入规模化商用替代周期。

　　从“一枝独秀”到“百花齐放”国产显卡逐渐夯实算力基础

　　从AI产业发展的历史到当前的产业格局，算力基础始终是影响行业进程的核心变量，它不仅从底层重构了AI的技术路径，更深刻改变了AI产业的资本逻辑、就业结构和竞争格局，其影响贯穿了AI技术的每一步发展。以AI算法中常用的神经网络为例，该算法早在1943年就被提出，反向传播机制也在1974年成型，但却沉寂了数十年，核心瓶颈就是算力不足——传统CPU的架构天生不适合AI需要的大规模并行计算。

　　CPU的从设计上就对处理AI需要的海量重复矩阵运算时效率极低，而图形处理器（GPU）诞生之初就是为了处理3D图形渲染，这种场景下GPU被设计成为用成千上万个简单计算单元并行处理任务，刚好匹配AI训练和推理需要的大规模矩阵运算需求。因此，GPU越来越成为AI产业的算力基础。

　　在全球竞争层面，GPU更是决定了不同国家AI产业的竞争位势：当前全球AI产业链的投资严重不平衡，美国GPU的头部企业NVIDIA和AMD 股价随着AI产业的资本开支增加一路走高，国内头部GPU企业刚刚闯入难度较高的消费级赛场，同时登入资本市场的时间也不长。

　　2026年5月22日，砺算科技（上海）有限公司自主研发的LX 7G100创始版显卡正式开启发售，该产品一经发售就被消费者抢购到断货，截至目前，在电商网站上仍然显示缺货的状态。同样在2022年，另外一家GPU厂家摩尔线程S80上市初期也存在“一卡难求”。至此，从中国第一款自主GPU厂商长沙景嘉微电子股份有限公司起，越来越多的半导体企业涉足该领域并且推出或更新了产品，例如景嘉微（JM9系列）、芯动科技（风华一号、风华二号）、摩尔线程（MTT S80）、砺算科技（LX 7G100）等。除此以外，基于我国在AI产业的研究基础，出现了部分专注于企业端计算加速卡的通用GPU企业，例如沐曦股份、壁仞科技、海光信息、华为海思等。

　　图1 砺算科技LX 7G100显卡在电商网站的销售页

　　资料来源：京东网站

　　技术架构与核心功能

　　GPU在刚出现时主要用于个人电脑、工作站、移动设备、游戏机、嵌入式系统中做图像和图形相关运算工作。从设计架构上说，是一个异构的多核处理器芯片，针对图形图像处理优化。通常包括运算单元、L0/L1/L2缓存、Warp调度器、 存取单元、分配单元、寄存器堆、PCIe总线接口、显卡互联单元等组件。

　　GPU并不是一个独立运行的计算平台，需要通过PCIe总线与CPU连接在一起来协同工作，可以看作CPU的协处理器，GPU具有数量众多的运算单元，采用极简的流水线进行设计，适合计算密集、易于并行的程序。CPU的运算单元数目相对较少，单一运算核心的运算能力更强，采用分支预测、寄存器重命名、乱序执行等复杂的处理器设计，适合相对复杂的串行运算。 GPU设计过程中侧重吞吐优化，具备强大的内存访问带宽。

　　目前GPU通常具备强大的图形渲染、视频编码和通用计算三大核心功能。在图形渲染中具体实现要通过五阶段：顶点着色、形状装配、光栅化、纹理填充着色、测试与混合，在视频编码中使用GPU内置专用集成电路来实现算法。

　　2003年之后，通用GPU(General Purpose computing on GPU, 基于GPU的通用计算)的概念首次被提出，意指利用GPU的计算能力，在非图形处理领域进行更通用、更广泛的科学计算。GPGPU概念的提出，为GPU更为广泛的应用开拓了思路，GPGPU在传统 GPU的基础上进行了优化设计，部分GPGPU会去除GPU中负责图形处理加速的硬件组成，使之更适合高性能并行计算。 GPGPU在数据中心被广泛地应用在人工智能和高性能计算、数据分析等领域。GPGPU的并行处理结构非常适合人工智能计算， 人工智能计算精度需求往往不高，INT8、FP16、FP32往往可以满足大部分人工智能计算。GPGPU同时可以提供FP64的高精度计算，使得GPGPU适合信号处理、三维医学成像、雷达成像等高性能计算场景。

　　GPU市场规模与细分

　　从全球市场来看，当前全球GPU市场呈现NVIDIA占据绝对垄断优势、AMD维持第二席位、竞争格局逐步分化的特征，不同细分领域的竞争态势差异明显。在全球GPU芯片设计市场的统计口径中，NVIDIA长期占据领先地位，整体份额超过70%，AMD作为主要竞争对手占比约为25%，形成了技术和规模上的梯队差距，在独立显卡市场，2025年全年台式机独立显卡，NVIDIA份额进一步攀升至94%，AMD份额从年初8%跌至四季度的5%。

　　在AI高速增长带动的数据中心GPU市场，NVIDIA的优势更加突出：当前英伟达AI芯片市场份额已经超过90%，AMD仅占约6%。NVIDIA的核心壁垒来自2006年推出的CUDA生态，经过近20年发展已经形成完整的软硬协同架构，拥有数百万开发者、350余个专用库，90%的AI框架依赖CUDA工具链，竞争对手短时间内难以撼动；AMD虽然推出了开源平台ROCm对标CUDA，但生态完善度仍差距明显。

　　从国内市场来看，地缘政治风险倒逼GPU国产化替代，国内厂商即将迈入产品爆发期。近年来，美国对华高端GPU出口限制政策频出，多次限制高性能计算芯片对中国大陆的出口，陆续将A100、A800、H800芯片纳入管制清单，并且中国互联网监管机构国家互联网信息办公室也要求英伟达对H20算力芯片“后门”风险问题进行说明。地缘风险扰动国内GPU市场供给稳定性，GPU国产替代决心日益坚定。

　　与此同时，国内下游需求激增与国产GPU技术进步共振，中国AI计算加速芯片的市场规模快速增长。根据IDC数据，2024年中国加速芯片出货超过270万张，中国本土人工智能芯片品牌的出货量已超过82万张；2025年中国AI加速芯片出货约400万张，国内芯片企业总出货量约165万块，国产芯大势所趋，未来GPU国产化率有望进一步提升。

　　从细分市场来看，全功能GPU应用场景更加广阔，能够为图形渲染、视频编码和通用计算三类客户提供解决方案。根据上述核心功能的介绍， GPU主要分为全功能GPU和通用GPU，全功能GPU在生态完整多样性、兼容性方面更具优势，场景适配度较高，可满足更广泛的应用需求，在世界模型、具身智能、物理AI等场景下适用度更高，而通用GPU则省去与图形显示和渲染相关的功能，专注于利用GPU架构执行通用并行计算任务。全功能GPU凭借强迁移性承接覆盖多种场景的不同需求，降低系统集成与商业化的不确定性，尤其适应国产GPU生态的搭建。

　　国产算力芯片的前景展望

　　根据国盛证券的研究，2020~2024年中国GPU产业呈快速增长态势，市场规模从2020年的384.77亿元快速增长到2024年的1,638.17亿元。根据弗若斯特沙利文预测，全球GPU市场规模预计在2029年将达到36,119.74亿元，其中中国GPU市场规模在2029年将达到13,635.78亿元，在全球市场中的市场占比预计将从2024年的15.6%提升至2029年的37.8%，国产基础设施建设需求旺盛。

　　在过去几年，国内的GPU市场前期高增速主要由数据中心需求驱动，并且未来数据中心仍然为国产GPU的主要需求方。2020~2024年数据中心GPU的复合年增长率高达70.1%，市场规模从2020年的82.00亿元快速增长至2024年的687.22亿元，预计2025~2029年CAGR为55.7%，仍然保持较高增速。

　　展望未来，桌面级产品以及其他AI智算产品（主要包括边缘计算和云计算产品），有望成为下一重要增长极。