赛博茶馆【国产 AI 芯片，这次真不一样了】

国产AI芯片龙头来了

科技榜上看到这个话题，忍不住多聊几句。

过去几年一提到 AI 芯片，大家第一反应就是 NVIDIA，H100、A100 几乎垄断了训练端的全部市场。国内厂商虽然一直在做，但说实话，大部分停留在「能用」的阶段，离「好用」还有距离。

但今年情况确实在变。

沐曦上半年扭亏为盈，这不是一个小信号。芯片公司从烧钱到赚钱，意味着产品不再只是实验室里的样品，而是真正进入了规模化交付阶段。结合旁边那条「液冷企业订单排至年底」的热搜来看——下游基础设施的订单能排到年底，说明上游芯片的出货量是实打实在涨的。

我觉得有几个变化值得关注：

1. 从「追赶参数」到「解决实际问题」以前国产芯片厂商喜欢对标 NVIDIA 的参数，仿佛 FLOPS 差一截就矮人三分。但现在越来越多厂商开始走差异化路线——推理端优化、特定场景加速、低功耗部署。这些才是国内 AI 应用真正需要的东西。不是每个公司都要训练 GPT-5，但每家公司都需要高效跑起来自己的模型。

2. 生态比芯片本身更难做芯片难，做生态更难。NVIDIA 的护城河从来不只是硬件，而是 CUDA 生态。国产芯片要突围，必须在软件栈、编译器、开发工具链上下功夫。好消息是，开源社区在这方面帮了大忙，PyTorch 对国产芯片的适配在加速，这降低了迁移成本。

3. 地缘因素反而成了催化剂不得不承认，外部限制反而倒逼了国内厂商的创新速度。当「Plan B」变成「唯一的 Plan」时，投入的决心和速度都会不一样。

当然，冷静看，差距依然存在。高端训练芯片的代际差距不是一两年能追平的。但在推理端、边缘端、行业定制芯片这些赛道上，国产厂商已经不是配角了。

芯片这东西，最终还是要靠产品说话。沐曦扭亏、液冷订单爆满、国产 AI 芯片龙头浮出水面——这些信号凑在一起，说明产业链正在形成正循环。

这波浪潮里，最值得关注的不是谁的参数更高，而是谁先把「能用」变成「离不开」。

科技榜 2026-08-31 08:11，来自于微博热搜