定制化与系统化：AI芯片设计格局重塑

执行摘要：AI算力需求驱动芯片设计产业加速分化：博通定制ASIC收入同比激增221%，云巨头自研芯片形成GPU之外的第二条路线；华为昇腾以超节点系统级方案对标英伟达；英伟达收购Hugging Face补齐生态入口；联发科率先量产2nm移动SoC，摩尔线程实现国产GPU光追突破。定制ASIC、系统级算力、先进制程与生态整合正共同重塑芯片设计竞争格局。

产业现状与竞争格局

一、定制ASIC进入规模化兑现期

2025年9月3日，博通发布最新季度财报：单季营收296亿美元，同比增长86%，利润与经营现金流均创历史新高。其中最引人注目的指标是AI半导体收入达167亿美元，同比飙升221%，成为整体增长的核心引擎。

这组数据的产业意义在于：博通已从传统的交换芯片厂商，实质转型为AI定制芯片（ASIC）设计总包商。其定制芯片客户名单覆盖谷歌、Meta、OpenAI、Anthropic等头部AI公司与云巨头。当一家设计服务商的AI收入体量达到季度百亿美元级，说明定制ASIC不再是零星的试点项目，而是进入了规模化部署与批量交付的兑现期。

定制ASIC与通用GPU由此构成两条并行的算力路线：通用GPU以通用性和生态成熟度见长，适合多样化、快速迭代的训练与推理负载；定制ASIC则针对特定模型架构和自家业务场景深度优化，在单位成本、能效与供应链自主性上具备优势。对于推理需求占比持续上升的大型AI应用而言，后者的经济性正变得越来越突出。

二、云巨头自研芯片成为行业共识

围绕博通财报所折射的趋势，云巨头自研芯片已从个别公司的选择演变为行业共识，其动因可以归纳为四条产业逻辑：

需要指出的是，自研路线与GPU采购并非替代关系。头部云厂商普遍采取“GPU+自研ASIC”的混合算力策略：GPU承担训练与新负载探索，自研芯片承接成熟、大规模的推理业务。这意味着定制ASIC是在增量层面扩张算力供给，而非简单切割现有GPU市场。

三、竞争格局的多极化演变

在定制ASIC与通用GPU双路线并行的框架下，当前AI芯片竞争格局呈现多极化特征：

通用GPU阵营仍在加固生态护城河。英伟达于9月3日宣布以约129.3亿美元收购AI开源社区平台Hugging Face。该平台拥有超1800万名开发者，托管超300万个模型与50万个数据集，服务超20万家企业。英伟达承诺收购后平台保持开放，继续支持多云环境与多种加速器。这笔交易的核心意图是补齐AI开发生态的入口拼图——在硬件性能竞争之外，将竞争延伸至开发者触点与模型分发层。

定制ASIC阵营借助博通等设计服务商的工程能力快速放量。云巨头提供架构定义与 workload 需求，设计服务商提供从IP、验证到量产的全流程总包能力，这种分工模式大幅降低了自研芯片的进入门槛，也是定制路线能够快速复制到多家客户的关键。

系统级算力成为新的竞争维度。华为在全联接大会上发布昇腾960超节点，宣布芯片研发进度超预期，960DT提前至2027年Q1发布，风冷版本计划2027年Q3上市；同时基于自研灵衢互联协议打造覆盖计算、互联、存储、管理的系列化套片，昇腾950超节点已可构建1024卡集群，提供1 EFLOPS FP8算力与256TB统一内存编址。这表明竞争正从单芯片性能转向“芯片—互联—超节点”的系统级整合作战，与英伟达的超节点路线形成直接对标。

本土GPU与移动SoC亦在各自赛道推进。摩尔线程确认基于第五代架构的“庐山”GPU有望年内上市，成为国内首款支持硬件实时光线追踪的图形卡；联发科发布首款台积电2nm制程的移动SoC，集成超330亿晶体管，采用AI原生架构面向智能体AI手机。制程演进（2nm进入量产）与AI能力下沉（从数据中心到终端），共同拓宽了AI芯片竞争的边界。

四、小结

综合来看，当前AI芯片产业格局可概括为：定制ASIC以221%的同比增速完成规模化验证，成为与通用GPU并行的第二条算力主线；云巨头自研芯片从趋势转为共识；竞争焦点从单芯片性能转向生态入口与系统级算力。对于产业链各方而言，双路线并行意味着市场空间扩容，但同时也意味着竞争维度更加多元——设计服务能力、互联协议、软件生态与制程资源，都将成为下一阶段格局演变的关键变量。

上游：先进制程与IP供应

在AI芯片设计格局重塑的产业链条中，上游制造与IP供应环节正在发生一轮深刻的价值重估。当定制化ASIC与通用GPU形成两条并行路线之后，先进制程产能与配套规格的主导权，成为各方竞争的新焦点。

台积电2nm进入量产竞争阶段

台积电2nm制程正式进入移动SoC量产阶段，是本周期上游环节最具标志性的事件。联发科在2026天玑旗舰新品发布会上推出的天玑9600 Pro，作为行业首批采用台积电2nm制程的移动平台，标志着2nm工艺从试产验证阶段迈入了规模化量产的商业竞争阶段。

从关键参数看，天玑9600 Pro集成超过330亿晶体管，相比3nm方案性能提升14%、功耗降低23%。这一能效改善幅度延续了先进制程升级的典型收益曲线，但对AI移动计算而言意义更为直接——在端侧智能体AI（Agentic AI）成为下一代手机核心需求的背景下，能效比直接决定了端侧大模型推理的可用性上限。该芯片采用AI原生架构对整套SoC重新设计，CPU采用2颗4.55GHz C2-Ultra超大核与多颗C2 Pro大核的架构组合，总缓存达34.5MB，面向智能体AI手机提供硬件底座。首发搭载方为vivo X500系列。

值得注意的是，此次工艺导入并非单纯的流片合作，联发科与台积电对2nm工艺进行了协同优化。这种设计公司与代工厂在工艺导入期的深度绑定，正在成为先进制程首发项目的主流合作模式——它既分散了新工艺初期的良率与设计收敛风险，也在事实上形成了首发厂商对先进产能的优先占用关系。

配套规格成为竞争新焦点

与制程升级同步，内存与存储规格的换代正在成为旗舰SoC的差异化卖点。天玑9600 Pro率先支持LPDDR6内存与UFS 5.0闪存，内存性能提升33%，L2缓存较上代天玑9500扩容21%。这一变化的产业逻辑在于：端侧AI对内存带宽的需求增长快于算力需求，大模型参数的加载与读取往往构成推理瓶颈，因此内存规格在旗舰芯片竞争中的权重显著上升。“先进制程+LPDDR6”的组合，构成了新一代AI移动平台的完整硬件叙事。

端到端系统化的上游牵引

上游制程与配套规格的竞争，本质上是被下游系统级算力需求牵引的。从产业动向看，多家厂商正在构建覆盖单芯片到超节点的完整布局：华为基于自研灵衢互联协议打造系列化套片，覆盖计算、互联、存储、管理等关键环节；英伟达通过收购AI开源社区平台Hugging Face补齐开发生态入口。这些举措说明，上游IP与互联协议的控制权，正在从单纯的组件供应演变为系统级生态竞争的组成部分。定制芯片设计总包商（如博通）的崛起，也进一步强化了对先进制程产能与基础IP的需求。

上述进程可用以下流程图概括：

小结

上游环节的竞争逻辑已经从“制程节点的单纯追赶”转向“制程、内存规格与系统生态的三维博弈”。台积电2nm的量产落地与LPDDR6的率先导入，为定制化与系统化的AI芯片格局提供了硬件基础；而设计公司与代工厂的深度协同、互联协议与IP生态的争夺，将决定下一阶段谁能在上游环节掌握定价权与定义权。对整个产业而言，先进产能的稀缺性与配套规格的迭代速度，将持续成为AI算力供给的关键约束条件。

中游：芯片设计模式分化

AI算力需求的爆发式增长，正在将芯片设计环节推向前所未有的分化。过去以通用GPU为主导的单一格局，如今演化为三条清晰并行的技术路线：英伟达代表的通用GPU路线、博通代表的定制ASIC总包路线，以及华为代表的全栈自研路线。三条路线的竞争，本质上是关于“AI算力应当如何被组织与交付”这一命题的不同回答。

三条路线的格局

英伟达：通用GPU与生态纵深。 英伟达依然占据通用GPU市场的主导地位，但其策略已明显超出芯片本身。9月3日，英伟达宣布以129.303亿美元（约871.05亿元人民币）收购AI开源社区平台Hugging Face。该平台拥有超1800万名开发者，托管超300万个模型、50万个数据集和100万个应用，服务超20万家企业。英伟达承诺收购后平台保持开放，继续支持开源模型、多云环境和多种加速器。这笔交易的核心意图，是补齐英伟达在AI开发生态入口上的关键拼图——当硬件性能差距被逐步追近时，开发者生态与软件栈成为新的护城河。

博通：定制ASIC总包模式。 博通的财报数据为定制芯片路线提供了最直接的验证。其Q3营收296亿美元、同比增长86%，AI半导体收入达167亿美元、同比飙升221%，成为增长的核心引擎。博通已从交换芯片供应商转型为AI定制芯片设计总包商，客户名单包括谷歌、Meta、OpenAI、Anthropic等头部AI公司。这一模式的产业逻辑在于：云巨头的AI负载高度自身化，定制ASIC可以在特定工作负载上获得比通用GPU更高的能效与成本优势，同时降低对单一供应商的依赖。

华为：全栈自研与系统级算力。 华为的路线最为特殊——不依赖通用生态，而是自建从芯片到系统的完整技术栈。9月17日全联接大会上，轮值董事长汪涛宣布昇腾960超节点正式发布，芯片研发进度超预期：960DT提前三个季度于2027年Q1发布，960PR提前一个季度于2027年Q3发布，风冷版本计划2027年第三季度上市，液冷版本第四季度推出。华为明确坚持“一年一代”迭代节奏，昇腾970、980分别规划于2028、2029年发布。

灵衢互联与超节点竞争

华为路线的关键差异化在于互联技术。基于自研灵衢（UnifiedBus）互联协议，华为打造了系列化套片，覆盖计算、互联、存储、管理等关键能力，形成从单芯片到超节点系统级AI算力的完整布局。昇腾超节点已部署超1000套；昇腾950超节点依托灵衢互联协议构建1024卡集群，提供1 EFLOPS FP8、2 EFLOPS FP4算力，以及256TB统一内存编址。这一系统级方案被业界视为对英伟达超节点路线的直接对标。

三种模式的对比可概括如下：

分化背后的产业逻辑

三条路线的分化并非偶然，而是AI产业链价值分配博弈的结果。云巨头选择博通定制ASIC，反映的是对算力成本结构与供应安全的双重考量——在AI资本开支高企的背景下，谁能降低单位算力成本，谁就获得竞争优势。华为的全栈自研，则是在外部供应链约束下的必然选择，其灵衢互联套片的独立构建，意味着在计算、互联、存储等关键环节形成自主闭环，这在出口管制持续收紧的产业环境中具有战略意义。

英伟达收购Hugging Face引发的讨论也值得关注：承诺平台开放与多云支持，是其缓和监管审查疑虑、维持生态中立的必要姿态；但从产业逻辑看，掌握1800万开发者的入口，将进一步巩固其软件栈优势，与其他两条路线的竞争维度从硬件延伸至开发者生态。

值得补充的是，分化并非只发生在头部。摩尔线程确认其第五代「花港」架构的「庐山」GPU有望年内上市，成为国内首款支持硬件光追的国产图形卡，算力密度提升50%、能效提升10倍，说明在通用GPU与图形渲染方向，国内厂商同样在积累架构能力。

小结

中游设计环节的格局已从“一家独大”走向“三线并行”：通用GPU以生态与平台取胜，定制ASIC以效率与成本取胜，全栈自研以系统整合与自主可控取胜。短期内三条路线将共存并各自扩大市场；长期看，竞争的胜负手将不仅取决于单芯片性能，更取决于互联体系、软件生态与迭代速度的综合较量。华为一年一代的明确路线图与提前就绪的昇腾960，正在将迭代速度本身变为竞争变量，这一点值得全行业持续关注。

下游：系统级算力与应用

竞争重心的迁移：从单芯片到超节点

当单芯片制程逼近物理极限、摩尔定律红利边际递减，AI算力竞争的主战场正在从“一颗芯片的性能”转向“一套系统的算力”。这一转变的逻辑并不复杂：大模型训练与推理需要的算力规模远超单芯片所能提供，算力密度、互联带宽、内存编址、散热与供电的整体协同，成为决定实际交付算力的关键变量。芯片只是原子组件，超节点才是算力的基本交付单元。

华为是这一路线最具代表性的推动者。在全联接大会2026上，华为宣布昇腾超节点已部署超1000套，昇腾950超节点依托自研灵衢（UnifiedBus）互联协议构建1024卡集群，提供1 EFLOPS FP8、2 EFLOPS FP4算力，并实现256TB统一内存编址。更值得关注的是其节奏：昇腾960已提前就绪，960DT提前三个季度于2027年Q1发布，960PR提前一个季度于2027年Q3发布，此后坚持一年一代，昇腾970、980分别规划于2028、2029年推出。灵衢系列化套片覆盖计算、互联、存储、管理等关键环节，构成从单芯片到超节点的完整系统级布局，被业界视为对英伟达超节点路线的直接对标。

路线分化：通用GPU与定制ASIC并行

系统级竞争的另一条脉络，是云巨头绕开通用GPU、自研定制ASIC的趋势加速。博通2025财年Q3财报显示，公司营收296亿美元、同比增长86%，其中AI半导体收入167亿美元、同比飙升221%，成为增长核心引擎。博通已完成从交换芯片厂商向AI定制芯片设计总包商的转型，客户名单涵盖谷歌、Meta、OpenAI、Anthropic等头部AI公司。

这一数据的产业含义在于：定制AI芯片正成为与通用GPU并行的第二条算力路线。对云巨头而言，自研ASIC的逻辑包括成本摊薄、供应链议价权以及针对自有负载的深度优化；对博通而言，则意味着商业模式从卖芯片转向卖设计服务与量产能力。两条路线的并存，意味着下游客户的选择空间扩大，也倒逼通用GPU厂商在系统与生态层面加深护城河。

生态入口之争：英伟达收购Hugging Face

在硬件系统竞争白热化的同时，英伟达将目光投向了开发生态的入口。9月3日，英伟达正式宣布以129.303亿美元（约合871.05亿元人民币）收购AI开源社区平台Hugging Face。该平台拥有超1800万名开发者，托管超300万个模型、50万个数据集和100万个应用，服务超20万家企业，被称为“AI界的GitHub”。

从产业逻辑看，这笔收购补齐了英伟达在AI开发生态入口上的关键拼图：当竞争延伸到系统级，谁掌握开发者的起点，谁就能在工具链、模型分发与算力导流上占据上游位置。英伟达承诺收购后平台保持开放，继续支持开源模型、多云环境和多种加速器，开发者无需绑定英伟达算力——这一表态意在缓解反垄断与生态封闭的疑虑，但收购本身仍需通过监管审查，其最终整合方式与开放承诺的兑现程度，将影响全球AI开源社区对平台中立性的长期预期。

终端侧：系统级思维下沉至移动平台

系统级竞争并非数据中心独有。联发科发布的天玑9600 Pro是行业首批采用台积电2nm制程的移动SoC，集成超330亿晶体管，相比3nm性能提升14%、功耗降低23%，并率先支持LPDDR6内存与UFS 5.0闪存，内存性能提升33%。值得注意的是，联发科采用AI原生架构重新设计整套SoC，面向智能体AI手机提供硬件底座——单点性能之外，CPU、缓存、内存、存储的整体协同成为差异化卖点。此外，摩尔线程“庐山”GPU有望年内上市，成为国内首款支持硬件实时光线追踪的国产图形卡，算力密度提升50%、能效提升10倍，表明国产GPU正从数据中心向图形终端多点突破。

系统级竞争格局概览

小结

昇腾超节点的规模化部署、博通定制芯片业务的爆发、英伟达对Hugging Face的收购，共同指向同一个判断：AI芯片竞争的决胜点已从晶体管密度转向系统交付能力与生态控制力。硬件层面，超节点与定制ASIC构成对通用GPU的两面夹击；生态层面，开发者入口成为新的战略资产；监管审查与开放承诺的兑现，则将是观察格局走向的关键变量。对产业参与者而言，能否在“芯片—互联—系统—生态”的全链条中占据一环，正在重新定义竞争的入场券。

国产化进展与数据对比

在全球AI芯片竞争格局加速重塑的背景下，国产芯片在图形渲染与AI训练两大方向均出现标志性进展。摩尔线程「庐山」GPU实现了国产硬件光线追踪从无到有的突破，华为昇腾则将产品路线图明确规划至2029年。本章基于公开信息，对国产化进展进行梳理与量化对比。

一、摩尔线程「庐山」：国产GPU补齐光追短板

摩尔线程在2026年半年度业绩说明会上确认，基于第五代「花港」架构的「庐山」GPU有望年内上市，将成为国内首款支持硬件实时光线追踪的国产图形卡。其核心规格与性能提升包括：

• 算力密度提升50%，能效提升10倍：这是「花港」架构相对上代最显著的量化指标，意味着在同等芯片面积与功耗预算下可交付更多有效算力；
• 全精度覆盖：支持FP4到FP64全精度计算，兼顾图形渲染与AI推理/训练场景；
• 渲染能力跃升：集成第一代AI生成式渲染架构与第二代硬件光追引擎，完整支持DirectX 12 Ultimate，官方称3A游戏性能较上代提升15倍。

从产业视角看，「庐山」的意义不仅在于单项性能数据，更在于国产GPU首次在光线追踪层面具备了硬件底层支持。长期以来，硬件光追是英伟达RTX系列与AMD、Intel高端产品的专属能力，也是国产GPU进入高端游戏显卡与专业图形市场的关键门槛。「庐山」的落地，使国产图形芯片首次在功能完备性上与国际主流产品处于同一竞争层级。

二、昇腾路线图：一年一代，规划至2029年

华为在全联接大会2026上披露的昇腾路线图显示出罕见的确定性：

三点值得注意：其一，昇腾960芯片研发进度超预期，两款型号分别提前三个季度和一个季度就绪，反映出供应链与设计能力的相对稳定；其二，昇腾950超节点依托自研灵衢（UnifiedBus）互联协议构建1024卡集群，提供1 EFLOPS FP8、2 EFLOPS FP4算力与256TB统一内存编址，目前昇腾超节点已部署超1000套；其三，从单芯片到超节点的系统级布局，是对英伟达超节点路线的直接对标，互联协议的自研化是其中关键一环。

三、国产化路径逻辑

综合来看，国产芯片的追赶呈现“双线并进”特征：摩尔线程代表图形侧的功能补齐路线——先在架构能力上对标国际主流，再寻求生态（DirectX、游戏引擎适配）突破；昇腾则代表AI训练侧的系统工程路线——以集群规模、互联协议和超节点部署弥补单芯片工艺差距。

在外部供应限制持续的产业环境下，一年一代的公开路线图本身具有信号价值——它向下游客户传递供应与迭代确定性，有助于构建软件生态与开发者迁移的正循环。当然，客观而言，国产芯片在先进制程获取、CUDA生态兼容性、单卡峰值性能等方面与国际最先进水平仍有差距；但「庐山」的功能突破与昇腾的节奏确定性表明，图形与AI训练两条战线上的国产替代正在从“可用”向“好用”阶段过渡，其对全球AI芯片格局的边际影响将持续放大。

趋势判断与产业展望

综合前述章节对定制芯片、超节点系统、先进制程与生态整合的分析，本章提出四项核心趋势判断，并对产业链后续演化方向给出展望。

判断一：定制ASIC持续分流GPU份额，算力供给走向双轨制

博通2025年Q3财报提供了最直接的量化证据：营收296亿美元、同比增长86%，其中AI半导体收入167亿美元、同比飙升221%，定制ASIC已成为其增长核心引擎。客户名单覆盖谷歌、Meta、OpenAI、Anthropic等头部AI公司，博通的角色也从交换芯片供应商转型为AI定制芯片设计总包商。

这一格局的产业逻辑清晰：头部AI公司推理负载规模趋于稳定后，定制ASIC在单位成本、能效和供应链自主性上具备结构性优势。GPU仍将在训练和负载多变的场景中保持通用性优势，但推理侧的份额被定制芯片逐步侵蚀是确定性方向。AI算力供给正从“GPU单轨”走向“通用GPU+定制ASIC”双轨并行，英伟达的定价权与份额将面临持续但渐进的分流，而非断崖式替代。

判断二：超节点系统级方案成为AI算力主流形态

竞争的基本单元正从“单芯片”上移至“系统”。华为昇腾超节点已部署超1000套，昇腾950超节点依托灵衢互联协议构建1024卡集群，提供1 EFLOPS FP8、2 EFLOPS FP4算力和256TB统一内存编址；昇腾960芯片研发进度超预期、提前发布，风冷版本计划2027年Q3上市，液冷版本Q4推出，并规划一年一代的迭代节奏（970、980分别对应2028、2029年）。

华为基于自研灵衢UnifiedBus互联协议打造覆盖计算、互联、存储、管理的系列化套片，形成了从单芯片到超节点的完整系统布局，直接对标英伟达的超节点路线。这印证了系统级方案——而非单颗芯片性能——已成为衡量AI算力平台竞争力的核心标尺。未来芯片设计将更多以集群拓扑、互联带宽和统一内存为约束条件展开，互联协议与系统工程的战略价值显著上升。

判断三：2nm工艺开启移动端竞赛，端侧AI成制程升级主驱动

台积电2nm工艺已正式进入手机SoC量产阶段。联发科天玑9600 Pro作为行业首批2nm移动平台，集成超330亿晶体管，对比3nm性能提升14%、功耗下降23%，总缓存达34.5MB，并率先支持LPDDR6内存（性能提升33%）与UFS 5.0闪存，由vivo X500系列全球首发。

值得注意的是，该芯片采用AI原生架构重新设计整套SoC，明确面向智能体AI手机提供硬件底座。这表明2nm竞赛的核心驱动已从传统CPU性能转向端侧AI算力与能效。可预见头部移动平台厂商将密集跟进2nm，先进制程、大缓存、新一代内存规格的组合将成为旗舰机差异化的标准配置。

判断四：生态平台成为并购方向，产业链垂直整合加深

英伟达以129.3亿美元收购Hugging Face，是本轮整合最具标志性的事件。该平台拥有超1800万名开发者，托管超300万个模型、50万个数据集、100万个应用，服务超20万家企业，是事实上的AI开源生态入口。英伟达承诺收购后平台保持开放、继续支持多云环境和多种加速器，开发者无需绑定英伟达算力——但掌控开发者入口本身，即意味着将竞争从硬件层延伸至生态层。

与此同时，华为通过灵衢协议套片实现计算—互联—存储—管理的垂直整合，摩尔线程等国产厂商在图形GPU的硬件光追、全精度计算等底层能力上实现自研突破（第五代“花港”架构算力密度提升50%、能效提升10倍）。产业链从“卖芯片”向“建生态、控入口、做系统”演进，垂直整合程度成为头部厂商的核心壁垒。

趋势总览

展望

未来2-3年，AI芯片产业将呈现“分工重构、生态为王”的特征：芯片设计公司分化为定制总包商（博通模式）、平台型IDM（英伟达、华为模式）与垂直整合新势力三类；竞争焦点从单点性能转向系统效率与生态锁定能力。对产业链参与者而言，互联协议、先进封装、内存规格与开发者生态的卡位，将比单纯的制程追赶更具长期决定性。对监管方而言，头部厂商在生态入口上的集中度上升值得持续关注，产业整合与创新开放之间的平衡将成为政策讨论的持续议题。