BYP's Notes
首页 关于 公开笔记

AI 算力芯片玩家全图

📌 关键要点

一、全图总览

海外阵营
├── 英伟达 NVIDIA（GPU）      ← 全球绝对霸主，市占约 8 成
├── AMD（MI 系列）            ← 第二梯队，追赶者
├── Intel（Gaudi 系列）       ← 第二梯队，份额小
└── 谷歌 TPU / AWS Trainium / 微软 Maia
    └── 巨头自研，不对外卖，只给自己数据中心用

国内阵营
├── 华为昇腾（自研，商用最强）    ← 国产头号选手（云端）
├── 寒武纪思元（MLU）            ← 国产二号，AI 芯片第一股（云端）
├── 海光信息（DCU/深算）         ← 走 x86 兼容路线
├── 小米（玄戒 O1）              ← 端侧 SoC：手机里的自研 NPU
├── 算能（BM1684X）              ← 偏边缘/工业
├── 地平线（征程）               ← 偏车规
└── 壁仞 / 沐曦 / 摩尔线程 / 燧原 / 天数智芯
    └── 国产 GPU/NPU 创业公司，出货量还不大

二、逐个介绍

2.1 英伟达 NVIDIA — 全球绝对霸主

  1. GPU 起家（图形卡），靠 CUDA 生态在 AI 训练市场形成垄断
  2. 数据中心市占约 8 成，A100/H100/Blackwell B200 是主力
  3. 护城河：CUDA + cuDNN + TensorRT 软件栈，几乎所有 AI 软件优先适配
  4. 定位：全球 AI 算力事实标准，也是所有国产替代的对象

2.2 华为昇腾 — 国产头号选手

  1. 华为海思设计，全栈自研：昇腾芯片 + 框架（MindSpore）+ 工具链（CANN）
  2. 算力卡供应国内政企主力，是被制裁后国产替代的第一选择
  3. 走"芯片+板卡+整机+软件"全栈路线（Atlas 系列服务器）
  4. 定位：国产 AI 算力最强、生态最完整的一家

📌 附：海思 vs 昇腾——为什么要分开说

一句话关系：海思是"设计公司"（组织），昇腾是海思设计的"AI 芯片产品线"（产品）——一个是娘家，一个是儿子。

华为集团
└── 华为海思 HiSilicon（全资芯片设计子公司，只设计不生产）
    ├── 麒麟系列      → 手机 AI SoC（Mate/P 系列用的）
    ├── 昇腾系列      → AI 加速芯片（← 本文主角）
    ├── 鲲鹏系列      → 服务器 CPU（国产服务器用）
    ├── 巴龙系列      → 5G 基带
    └── Hi35xx 系列   → 安防摄像头芯片（← 应用处理器比较里的 Hi3559A）

为什么分开说（三个原因）： 1. 一个"公司"一个"产品"：海思是 2004 年成立的全资子公司（Fabless，只设计不建厂）；昇腾是海思设计的 AI 芯片品牌名（昇腾 310 边缘推理 / 910、910B、910C 训练） 2. 海思产品不止昇腾：麒麟、鲲鹏、安防芯片都是它的产品——不能把"海思"等同于"昇腾"，就像不能把"联发科公司"等同于"天玑系列" 3. "昇腾"是生态不是单颗芯片：对外指芯片（海思造）+ Atlas 板卡/整机 + CANN 算子库 + MindSpore 框架的完整方案——聊 AI 算力用"昇腾"比"海思"更精准

💡 一句话记忆：海思是"造芯工厂"，昇腾是工厂里那条"AI 专用产线"——聊 AI 算力说昇腾，聊华为芯片整体说海思。

2.3 寒武纪思元 — 国产第二大

  1. 2016 年从中科院计算所孵化，A 股"AI 芯片第一股"
  2. 思元（MLU）系列：270/370/590，覆盖推理+训练，590 对标 H100
  3. 2025 年营收突破 65 亿，加速卡规模化落地（详见加速卡替代 GPU 边界分析）
  4. 定位：纯 AI 芯片公司，云端主力 + 与浪潮等整机厂深度绑定

2.4 AMD / Intel — 海外第二梯队

  1. AMD：MI 系列（MI300 等），性能接近英伟达，但生态（ROCm）远不如 CUDA
  2. Intel：Gaudi 系列，主打性价比，份额小
  3. 定位：追赶者——能买到、能用，但都撼动不了英伟达

2.5 谷歌 / 亚马逊 / 微软 — 自研自用

  1. 谷歌 TPU：全球最早自研 AI 芯片，只给自家云服务用
  2. 亚马逊 Trainium / Inferentia：AWS 自研，只服务自家云客户
  3. 微软 Maia：2023 年发布，服务自家 Azure + OpenAI
  4. 定位："自产自用"——市场买不到，但全球实际 AI 算力里占了一大块

2.6 海光信息 — x86 兼容路线

  1. 国产 GPU/DCU，走 x86 指令集兼容路线（源于 AMD 授权）
  2. 优势：软件迁移成本低——很多 x86 软件不用大改就能跑
  3. 定位：国产替代里"兼容性最好"的一家

2.7 算能 / 地平线 — 细分场景选手

  1. 算能 SOPHGO：源自比特大陆，BM1684X 偏边缘/工业 AI（详见应用处理器比较）
  2. 地平线：征程系列走车规路线，智能驾驶专属（详见应用处理器比较）
  3. 定位：不做云端通用大算力，占边缘/车载赛道

📌 附：车规（车规级）是什么

一句话定义：车规 = 车规级（Automotive Grade），指芯片达到"装进汽车里用、且不能出事故"的可靠性、安全性标准。

为什么芯片要单独分这个等级——汽车环境恶劣 + 失效后果严重：

对比维度 消费级（手机/电脑） 车规级（汽车）
工作温度 0~70°C -40~125°C（暴晒+发动机舱）
振动冲击 基本静止 常年颠簸、急刹、碰撞
使用寿命 3~5 年 15 年以上
失效后果 死机重启就行 行车死机 = 可能出人命

三大硬标准： 1. AEC-Q100：芯片可靠性认证（温度/静电/寿命），分 Grade 0/1/2/3，Grade 0 最高 2. ISO 26262：功能安全标准，按危害分 ASIL A/B/C/D 四级，D 最高——地平线征程 6 通过的就是 ASIL-B(D) 3. IATF 16949：汽车行业生产质量体系

💡 等级记忆：消费级图便宜，工业级图耐操，车规级图"不能出人命"——车规芯片开发周期 2~3 年、成本高、壁垒高。

对比案例：瑞芯微 RK3588 是消费/工业级（死机最多重启），地平线征程是车规级（装在方向盘背后，不允许死机）。

2.8 小米 — 端侧 SoC 玩家

  1. 玄戒 O1：小米第一款 3nm 自研旗舰手机 SoC（2025.5 发布），中国大陆首家、全球第四家自研 3nm 手机芯片（详见小米玄戒O1）
  2. 它的 AI 部分：自研 6 核 NPU（44 TOPS INT8）端侧推理——手机里的 AI 也是 AI 算力，只是不出现在云端加速卡市场
  3. 定位：与英伟达/华为/寒武纪不直接竞争——小米不卖云端算力，只做自家手机/平板的 SoC

2.9 国产新军 — 壁仞 / 沐曦 / 摩尔线程 / 燧原 / 天数智芯

  1. 2020 年前后成立的国产 GPU/NPU 创业公司，创始团队多来自英伟达/AMD
  2. 各自已有产品流片、开始出货，但出货量还不大、生态待建设
  3. 定位："第三梯队"预备队——短期看政策扶持下的订单，长期看生态能否立住

三、为什么最常听到"英伟达、华为、寒武纪"

厂商 地位 原因
英伟达 全球霸主 CUDA 生态垄断 + 性能领先，市场约 8 成
华为昇腾 国产最强 全栈自研（芯片+框架+工具链）+ 大厂资源，政企主力
寒武纪 国产第二大 纯 AI 芯片上市公司，思元系列大规模出货（2025 营收 65 亿）

💡 在"主流可购买的商用 AI 加速器"范围内，三大归纳基本成立——英伟达（全球）+ 华为、寒武纪（国产）确实是三根顶梁柱。

四、两个容易漏的"盲区"

  1. 海外不止英伟达：AMD MI 系列、Intel Gaudi 也在卖，只是份额小——但它们是实打实可购买的替代品
  2. 巨头自研不外售：谷歌 TPU、亚马逊 Trainium、微软 Maia、百度昆仑芯——自己造自己用，市场买不到，但实际 AI 算力占比不低

五、别忘了"整机厂"这一层（芯片厂 vs 整机厂）

芯片设计/制造（加速器是谁做的）
├── 英伟达 / 华为 / 寒武纪 / AMD / Intel / 国产新军

服务器整机（把芯片装成能卖的机器）
└── 联想、浪潮、戴尔、HPE
    └── 不造芯片，但把各家加速卡组装成 AI 服务器卖给客户

💡 寒武纪/英伟达 = 芯片厂；联想/浪潮 = 整机厂。 联想、浪潮都不造 AI 芯片，芯片全来自采购——"算力提供者"和"算力组装者"是两层，别混在一起。

六、相关笔记

📝 创建：2026-08-19

相关笔记