“5万亿”英伟达的“归零”，把国产GPU“逼”上了桌

图源：东方财富

英伟达市值突破5万亿美元的直接原因，就是刚刚结束的GTC开发者大会。

在黄仁勋那标志性的皮衣下，包裹了一个愈发庞大且雄心勃勃的算力帝国。据他介绍，今年及2026年，Blackwell和Rubin架构芯片可带来的收入超5000亿美元。要知道，英伟达2025财年上半年营收才刚刚突破1000亿美元。此外还有GPU未来三年计划：到2028年推出Feynman，每年一次重大更新。

除了新的GPU，还有6G、自动驾驶、具身智能、量子计算……黄仁勋把一切安排得明明白白。这不再是一场简单的产品秀场，更是英伟达AI战略逻辑的集中演绎，其核心可以概括为：以全栈式、体系化的算力解决方案，构建并主导从硬件到应用层的整个AI生态，最终成为AI时代的标准与基石。

英伟达的这一剂肾上腺素，让市场直接将其“捧”到了5万亿美元。不过，帝国的巅峦之上也存在着战略的“软肋”，即中国市场收入的“归零”。

十月初，黄仁勋在美国城堡证券（Citadel Securities）举办的一场闭门对话中（10月16日公开）提到了中国：“我们现在在中国的市场份额，从95%，变成了0%……英伟达彻底退出了中国。”

资料显示，2024年，英伟达在中国销售额达到171亿美元，远超A股半导体板块任何一家公司；四年前，英伟达在中国的市场份额甚至高达95%。如今的“归零”并非行业竞争，而是来自地缘政治的冲击。

当下，AI是全球公认的发展新引擎，中美均将其拔高到国家战略意义层面。美国的策略是，禁止美国企业对中国出售高端AI芯片，且限制持续加码。无奈英伟达只能一次次推出对华“减配特供版”芯片，性能越减越低；今年7月，英伟达又因产品漏洞、安全风险问题被网信办约谈。

图源：IC photo

黄仁勋因此也讲出了整个演讲中「最政治」的一句话：“任何政策，如果让美国失去世界上第二大的计算市场，那就不是好政策。”

英伟达登顶5万亿美元，与中国市场“归零”，表面看似矛盾，但实际上却勾勒出全球算力格局裂变的清晰轨迹。英伟达高度依赖全球单一技术生态系统（尤其是美国政策）的脆弱性展露无遗，但也为国产GPU的崛起创造了条件。

02.

国产GPU来到了试炼场

中国作为全球最大的半导体消费市场之一，在AI大模型训练、自动驾驶、科学计算等领域对高端GPU的需求极为旺盛。英伟达的退场，会让许多依赖其生态构建的业务面临算力瓶颈与发展迟滞，项目延期、成本承压、技术路线被迫转向等，将是许多企业必须面对的现实。

然而，河流被堤坝截断，要么干涸，要么就会冲刷出新的河道。关注半导体领域的朋友可以发现，今年中国GPU行业的架势并不小，一边是“四小龙”摩尔线程、沐曦股份、壁仞科技、燧原科技准备集体上市，一边是华为抛出昇腾底牌，其计划始于2028的性能路线图，彰显了长期主义的决心。

目前的国产GPU赛道中，华为无疑扮演着“领头雁”的角色，其优势并非单一芯片性能的比拼，而在于难以复制的全栈式生态能力。

在今年9月的华为全联接大会2025上，华为扔出了一枚“技术核弹”，直接公布了华为AI算力的全景图。全新的4颗昇腾芯片、3个超节点、2款鲲鹏CPU，以及全新互联总线架构灵衢……华为从GPU到联接技术，全面对标英伟达。

DoNews摄

尤其是华为基于自研的灵衢互联协议，开创性地提出了超节点架构。在AI算力领域，传统服务器堆叠模式早已陷入“规模越大、效率越低”的困境，集群规模扩大后，算力利用率下降、训练中断频繁等问题凸显。而华为超节点架构的厉害之处在于，它能将多台物理机器深度互联，在逻辑上变成一台“超级计算机”，实现像一台机器一样学习、思考与推理，重新定义了大规模算力的高效、稳定与可扩展性。

DoNews摄

基于超节点，华为同时发布了全球最强超节点集群，分别是Atlas 950 SuperCluster和 Atlas 960 SuperCluster，算力规模分别超过50万卡和达到百万卡，为超大型AI任务提供“充裕且可持续”的算力支撑。

DoNews摄

除了华为，以“四小龙”为先锋的国产阵营也迎来一场难得的集体IPO，旨在形成集群效应，共同做大国产GPU的声量。

不同于华为构建庞大的多生态，创业公司正试图通过差异化竞争，在特定的应用场景和生态中站稳脚跟，逐步构建起国产算力的“多梯队”阵容。它们选择了更为灵活的战术，聚焦于AI训练、自动驾驶、图形渲染等细分领域，通过极致的能效比和定制化服务，在特定行业应用中寻找立足点。

比如流淌着AMD基因的沐曦，创始人陈维良曾任AMD GPU设计高级总监、AMD全球GPU SOC设计总负责，团队核心成员大多也来自AMD。这家公司的发展路线聚焦于数据中心市场，特别是AI训练与推理，强调自主IP。

摩尔线程则比较贴近英伟达，其创始人张建中曾在英伟达担任十五年的全球副总裁和中国区总经理。其产品用于AI计算、游戏显卡、3D建模等，在AI智算等B端市场，摩尔线程发布了MTT S4000等多款智算卡，还推出了“夸娥（KUAE）”智算中心全栈解决方案。

但是国产GPU“四小龙”与行业巨头仍存在代际差距。据相关报道，在招股书中，摩尔线程提到41次“英伟达”，沐曦提到57次“英伟达”，坦诚自身处于追赶局面。这也意味着，启动IPO只是万里长征第一步，跨越从设计一颗好芯片，到交付一个稳定、高效、可扩展的算力系统，是这些公司上市后必须攻克的第一道关口。

03.

“上桌”后还得要“坐稳”

国产GPU“上桌”只是第一步，能否“坐稳”并“享用盛宴”，还要完成从技术、生态到供应链全方位的发展，这是远比融资和IPO更为残酷和漫长的试炼。

技术当然是底线。

目前国产GPU主流采用7nm或14nm制程，而英伟达已经进入4nm时代。虽然目前国产GPU在特定场景下的算力指标已能比肩国际“特供”产品，但真正的挑战在于能效比、软件稳定性和工具链的成熟度。英伟达每18至24个月就会推出新一代产品，性能提升30%至50%，国产阵营必须有追赶的能力。

生态建设是生命线。

英伟达的CUDA平台历经十几年打磨，已经形成完整开发者生态，全球数百万开发者为其提供丰厚的、源源不断的数据土壤。相比之下，国产GPU的软件栈还在起步阶段。

华为的经验非常值得借鉴，其同步构建了以昇思AI框架和CANN异构计算架构为核心的软件栈。前者作为全场景AI框架，能够与昇腾芯片深度协同，释放硬件潜能；后者则是连接芯片与上层框架的桥梁。这种“芯片+框架+应用”的垂直整合模式，正在努力构建一个能与CUDA生态竞争的“昇腾生态”，这是其他单纯设计芯片的国产厂商难以企及的优势。

供应链安全是永恒的课题。

过去，国内企业或许还会在“国产”与“国际顶尖”之间权衡性价比。但如今，“有”或“无”的问题已经摆上台面，供应链安全与自主可控的重要性被提升至前所未有的战略高度。2025年1月，美国发布对华晶圆代工限制新规，卡住了先进制程芯片制造。这意味着即便有能力设计出先进的芯片，也需要找到合适的代工厂生产。

DoNews摄