“中国AI芯片，正在冰与火之间狂奔。
2026年5月，黄仁勋在一场专访里说出了一个耐人寻味的数字：英伟达在中国AI芯片市场的份额，已经降到了零。
四年前，这个数字是95%。四年时间，一个价值约500亿美元的市场换了主人——中国本土企业迅速填补了市场份额。
如今，国产AI芯片到底发展到什么程度了？目前争议不小：有人认为差距仍然很大，产业链上不少关键环节还被卡着。也有人认为国产AI芯片已经跑出来了。
如今，被卡脖子的环节还卡着吗？中国的大模型，能靠中国自己的芯片继续追赶吗？
现状：国产AI芯片走到哪了？不同机构的测算不同，但方向一致：英伟达在中国AI芯片市场，正在从“绝对主角”变成“配角”。
伯恩斯坦2026年7月的数据显示，英伟达的份额只剩约8%，华为昇腾占了约50%。摩根士丹利5月的预测：2026年全年，昇腾将吃下中国本土AI加速器市场的62%，寒武纪14%，百度和阿里各约5%。TrendForce则预计，国产方案在中国高端AI芯片市场的份额将达九成。
0%也好，8%也罢，指向的都是同一个事实：2022年，英伟达一家的份额还是95%——四年之间，格局彻底颠倒。
再把眼光放回国内。四年间，国产AI芯片已形成“一超多强”的格局。
“一超”是华为昇腾。据调研，2026年昇腾交付预计超过130万张，超过其他国产厂商的总和；在政务、国企、运营商市场，份额已超过七成。
“多强”大致分两个梯队：阿里平头哥、百度昆仑芯、寒武纪、海光在20万到40万张之间；天数智芯、摩尔线程、沐曦等在10万到18万张，壁仞、燧原仍在爬坡。
整体看，2026年国产AI加速卡总出货预计215万到240万张，同比接近翻倍。
看完市场，再来看各家芯片企业的财报数据。
国内芯片公司2026年上半年营收及同比增速
近期，国产芯片公司半年报密集落地。
从已披露的几家头部公司放在一起看：2026年上半年合计营收约214.56亿元，接近上年同期的两倍。可以看出行业整体进入"规模交付期"。其中，摩尔线程、壁仞、燧原三家，半年收入就超过了各自2025年的全年。有研报指出，2026年是国产AI芯片的"兑现元年。
但值得注意的是，账本越漂亮，争议声反而越大。有媒体指出，多家企业收入翻倍，但真正盈利的不多。
差距与争议，为什么还有人说不行？2026年年中，寒武纪的市盈率一度站上三百多倍，海光也接近三百倍。资本市场的火热，恰恰把“国产AI芯片到底值多少、行不行”的争议推到了台前。
综合各方信息，争议点主要有如下几层：
第一层，出货量结构。国产卡出货中，推理卡占比已达45%且还在上升——推理的技术门槛和算力要求都低于训练，换句话说，国产芯片目前更多赢在“轻负载”市场。
第二层，盈利质量参差。以文章盘点的几家公司举例，收入接近翻倍，但真正靠主营业务盈利的只有两家，第三梯队多数公司仍在亏损。
第三层，核心技术差距仍然以"代"计。客观地看，差距依然存在：单卡算力大约是"四颗顶一颗"的水平，制程落后两到三代，自研HBM的产能还在爬坡，EDA国产化率仅一成多。这些都不是一朝一夕的事，需要给足够的时间。
再来盘点机构的观点。如今，机构的主流判断相当一致——认可趋势，警惕估值。综合伯恩斯坦、摩根士丹利、高盛、瑞银、野村等券商2026年以来的研报，他们认为：国产替代已从主题投资进入业绩兑现期，份额还会继续升。芯片设计是产业链上弹性最大的环节，但先进封装、HBM、EDA构成"三大卡脖子"；中芯国际等代工厂是最大受益者之一。分歧主要在估值：多家机构明确提示，头部标的数百倍市盈率背后，存在业绩不及预期引发的"证伪风险"。
这些风险都是真实的。但在这场争论里，最深的那道坎其实不在财报，而是整个生态，这也是决定国产芯片能走多远的终极变量。
软件生态：到底能不能摆脱英伟达CUDA？2026年4月24日，DeepSeek发布V4大模型，技术报告里有一行字意味深长：这个中国最顶尖的大模型，从发布第一天起，跑的不是英伟达芯片，而是华为的昇腾芯片。同一天，寒武纪、海光、摩尔线程等国产厂商集体宣布：模型刚发布，我们的芯片当天就能跑——一天都不用等。
一次"搬家"，为什么全行业关注？这得先说说英伟达真正的护城河。它最深的壁垒其实不是芯片本身，而是芯片配套的那套软件体系，叫CUDA。可以把它理解成芯片世界的"安卓系统"：全球数百万AI工程师十几年来都在这套系统上写程序，攒下了海量的现成工具和代码。换芯片，换的不只是硬件，而是要把整套开发习惯连根拔起。当年AMD的芯片性能并不比英伟达差多少，就因为软件生态跟不上，至今没能翻身。国产芯片要立住，这座山绕不过去。
目前看，中国厂商正从三个方向"翻山"。
第一条路，把自己的系统开放出来，让大家一起建。2025年8月，华为把昇腾的软件平台全面开源，所有开发者免费使用、共同改进。一年下来，社区上线了67个开源项目，代码量涨了五成，每月有3500多名活跃开发者，70多个主流大模型拿来就能用。势头不错，但跟CUDA十几年攒下的体量比，还是小巫见大巫。
第二条路，把搬家的坑一个个填平，让后来者少受罪。搬一次家有多麻烦？模型里有成千上万条写给英伟达芯片的底层指令，要逐条改写成华为芯片能看懂的版本；成千上万张芯片协同工作的"通信协议"也得重新适配，稍有不慎，几个月的训练可能悄悄作废。DeepSeek和华为的工程师花了一年多，把这些坑挨个趟了一遍，经验做成了现成工具——后面的公司再搬家，就不用从头吃苦了。
第三条路：不搬家，装一个万能翻译。DeepSeek很早就坚持用一套自己参与开发的新语言写模型，相当于在模型和芯片之间垫了一个翻译层。好处显而易见：换芯片时，只要换翻译层的下半截，上面的模型几乎原封不动。这条路的想法很大胆——与其花十年再造一个CUDA，不如让模型从一开始就不绑定任何芯片，谁的芯片都能跑。
那么，到底能不能摆脱CUDA？分开来看：
推理场景——也就是模型"干活"的环节，比如政务、银行、互联网公司调用大模型回答问题——基本已经摆脱，大规模跑在国产芯片上。
训练场景——也就是从零"培养"大模型的环节——头部公司搬过去了，行业整体还在过渡：腾讯2026年就预付514亿元租海外算力训练自家大模型，“推理用国产、训练靠海外”仍是很多公司的现实选择。
至于工程师的使用习惯，那是最慢的变量，只能靠国产芯片被真实需求反复使用，一年一年养出来。
芯片与模型，互相成就的追赶2026年年中，彭博社曝出一条消息：DeepSeek一口气向华为订购了16万颗昇腾950DT芯片，准备装进内蒙古的一个超大型数据中心——这个中心的用电规模达到1吉瓦，大致相当于一座中型城市的用电量。梁文锋对这项工作的表态只有四个字：必须成功。
一家公司买芯片，为什么说"必须成功"？因为这背后是2026年中国AI产业最值得记录的变化：芯片和模型，开始互相成就了。
对芯片而言，头部大模型的真实负载是最好的磨刀石。那么关键的问题来了："国产模型+国产芯片"的组合，撑得住中国对美国顶尖AI公司的追赶吗？
2026年8月，梁文锋在一场闭门会上提到：DeepSeek手里能用的算力，大约只有美国同行的二十分之一，整体落后12到18个月；模型水平，落后一到两年。但他紧接着说了两句很关键的话——“人才几乎没有差距，真正的差距是资源，是卡”。
这话不是吹牛，因为DeepSeek已经证明过一次了。既然芯片数量拼不过，就把每一块芯片的效率榨到极致——让大模型按需工作、不再全程满负荷运转，用更省力的方式做计算。靠着这套打法，DeepSeek用美国同行几十分之一的算力，做出了综合评分超越GPT-5.4的V4模型；它的轻量版模型，月度使用量冲到全球第一。
算法能缩小差距，却不能取消差距：DeepSeek正在训练的新模型参数量高达2万亿，规划中的下一个更是8万亿——按梁文锋自己的换算，这需要20万颗昇腾芯片才供得起。而现实是，昇腾芯片的产量正卡在一个关键零部件（HBM高带宽内存）上，DeepSeek短期内还得靠手里的英伟达旧卡顶着。绕了一圈，大模型的差距问题，最终还是落回了芯片产能的问题。
回到开头的问题：中国AI芯片，到底行不行？不妨先看看它这几年走过的路。四年前，它是“买不到”的焦虑——有钱也买不来先进芯片；两年前，它是“没人敢用“——造出来了，可都不敢把核心业务押上去。而今天，它是涨价20%还抢不到的订单，是国产旗舰大模型一发布就率先落脚的平台，是一座座10万卡级智算中心里逐块点亮的算力板卡。
当然，短板也需要承认：单卡性能的差距还在，先进制程的高墙还在，CUDA生态的大山也还在。
但竞争的逻辑已经变了。中国AI芯片不需要在每个单项上都赢下英伟达——它只需要一个标准：持续供得上中国AI产业向前跑。
这个标准达到了没有？2026年的市场份额、出货量和密集出路的半年报，或许已经给出了阶段性的答案。
至于下一个问题——追赶还要多久？
或许，答案不会出现在任何一场发布会上。它藏在芯片产线越来越高的合格率里，藏在国产内存一条条新开的产线里，藏在每一座正在点亮的国产智算中心里。
行，还是不行？时间正在给出答案。而从这几年走过的路来看，这个答案值得期待。
文：梦芸 / 数据猿
责编：凝视深空 / 数据猿
