文 | 时间线Timelines，作者 | 赵明，编辑 | 周易
在喧嚣与动荡中，国产芯片们的 AI 算力生意，正在被互联网大厂们进一步打开。
6 月中旬，外媒爆出消息，字节跳动正与天数智芯洽谈采购至少 5 万颗AI芯片，主要用于推理任务。本次洽谈涉及的芯片，主要为天数智芯智铠系列云端推理 GPU，训练场景则使用天垓系列。
到了 6 月下旬，又有消息称，字节跳动还在考虑使用昆仑芯的产品，该消息很快被字节方面否认——然而很快，又有消息爆出，阿里巴巴也在接触天数智芯，很可能成为它的下一个客户。
在相关消息满天飞的同时，资本市场同样是动作不断。
比如，字节采购的相关消息传出当天，天数智芯港股股价一度拉升近15%，三天后更是触达887.5 港元的历史高位。而到了 6 月 30 日盘中，受到多重消息影响，的股价突破又历史高点，市值突破 1 万亿元。
与之伴随的另一个消息是，百度旗下 AI 芯片公司昆仑芯计划赴港上市，其被曝出的目标估值约 500 亿美元。这一数字不仅超过百度自身约 360 亿美元的市值，也较其 2025 年 7 月 D 轮融资后 210 亿元人民币的投后估值，暴涨了逾 15 倍。
受到昆仑芯上市消息影响，百度港股的股价当日盘中涨幅也突破 8%。
凡此种种，不一而足——都是国产 AI 算力变革大潮中的朵朵浪花。
如果总体关照，一方面是互联网巨头与国产算力供应商的消息不断，一方面是国产算力玩家在资本市场的叱咤风云——这种在技术、市场、资本层面的风云激荡，成为当前中国本土市场 AI 和算力本身同时走向爆发的大环境下，一道非常罕见的商业奇观。
从一家独大到国产补位
要理解当下的国产 AI 算力变革大潮，我们不妨把时间拉回十年前。
2016 年，AlphaGo 横空出世点燃了 AI 浪潮，同年英伟达首次将 GTC 大会带入中国。此后数年间，凭借 CUDA 软件生态的深厚壁垒，英伟达几乎垄断了中国 AI 加速卡市场 ——2021 年其市占率超过 80%，2022 年进一步攀升至 85%。
彼时，华为昇腾占比仅 10%，百度昆仑芯 2%，寒武纪仅 1%。
2022 年 10 月，随着美国政府发布对华高端芯片出口管制措施，英伟达旗下的 A100、H100 等旗舰产品直接断供。尽管英伟达随后推出 A800、H800 等 「特供版」，但 2023 年 10 月管制再度升级，特供芯片也无法进入中国市场。
到 2025 年，就连性能大幅阉割的 H20 也基本停止出货，英伟达 CEO 黄仁勋公开坦言：「在中国的市场份额已从 95% 降到 0」。
外部供给的闸门收紧，恰好撞上内部需求的爆炸。
大模型浪潮之下，AI 算力需求呈指数级增长。2024 年初，国内日均 Token 调用量仅为 1000 亿。到 2025 年底跃升至 100 万亿，增长超千倍。截至 2026 年 3 月，日均调用量已突破 140 万亿。
摩根大通更是在 2026 年 2 月的报告中给出了一个惊人的预测：从 2025 年到 2030 年，中国 AI 推理 Token 的消耗量，将从约 10 千万亿增长到约 3900 千万亿，五年间增长约 370 倍。
Token 消耗量暴增的另一端，正是对于算力本身快速爆发的需求。
对于国产算力来说，在英伟达高端算力缺位的情况下，这种需求本身就是一个千载难逢的历史性补位机遇。
事实上，这一补位过程，在 2025 年就已经开始。
IDC 数据显示，2025 年中国 AI 服务器市场共交付 400 万颗 AI GPU，其中国产芯片占比已达 41%；仅华为昇腾一家就出货约 81.2 万张，百度昆仑芯和寒武纪则分别出货约 11.6 万张，并列第三，海光信息、摩尔线程和天数智芯也有小比例斩获。
而到 2026 年，在 AI 算力层面全方位国产替代的浪潮下，这一补位机遇被前所未有地放大。
值得注意的是，在市场本身调节供需的同时，政策端也在为这一补位过程同步托底。
2026 年 5 月 26 日，中国信息安全测评中心、国家保密科技测评中心首次将 AI 芯片纳入安全可靠认证体系，9 款国产人工智能训练推理芯片获评最高等级 I 级——从名单来看，华为海思、阿里平头哥、壁仞科技、海光信息、天数智芯、沐曦股份、摩尔线程等国产算力玩家的产品，都悉数在列。
很多人忽略了这个认证的重要性——但从重要性上来说，这份认证清单，事实上成为了政企及关键领域采购的准入目录，为国产芯片打开了更广阔的市场空间。
当然，在这条从「完全依赖进口」到「规模化替代」的算力产业变革之路上，还有另外一批重要玩家——甚至说，站在这场变革最前沿的，正是需求最迫切、资金最充裕的互联网大厂。
互联网大厂的 AI 算力路线图
面对巨大的训练推理算力缺口，中国的互联网大厂们的应对策略惊人地一致：全面拥抱国产芯片，构建多供应商体系，训推分离、降本增效。
但具体到每一家，打法又截然不同。
字节跳动：应用倒逼，推理先行
字节跳动是国内 AI 算力需求最旺盛的公司之一。
QuestMobile 数据显示，截至 2026 年 5 月，豆包月活用户已达 3.68 亿，日均 Token 调用量突破 120 万亿。用户规模的几何式增长，带来了推理算力的巨大压力。
这也决定了字节的算力策略：实用主义至上，先从替代门槛最低的推理侧突破。
目前，字节已形成清晰的三级供应链体系：训练侧以华为昇腾为主，2026 年初签下约 25 万颗大单，金额近 300 亿元；推理侧采用双供应商策略，寒武纪与天数智芯并行。
此次 5 万颗天数智芯智铠系列订单，正是推理侧规模化替代的关键一步，若全部交付，天数智芯将成为字节第三大国产 GPU 供应商。
在资本支出层面，据多家媒体援引《南华早报》消息，2026 年字节 AI 基础设施资本开支预算上调约 25% 至 2000 亿元，更有人称，字节正考虑将开支上限推至 700 亿美元。而根据行业测算，其国产芯片采购金额预计超 400 亿元。
此外，还有消息称，字节也在悄悄布局自研芯片，其内部研发的 SeedChip 云端推理芯片团队已超千人，采用三星 6nm 工艺，2026 年 3 月完成流片，年内计划小批量量产 10 万颗，全部用于抖音、豆包等自有场景，不对外销售。
百度：全栈自研，分拆上市
百度是互联网大厂中造芯历史最久、自研最彻底的一家。
早在 2011 年，百度就启动了 FPGA AI 加速器项目，初衷很朴素——降低搜索业务的算力成本。关于这个，李彦宏曾回忆：「当初做搜索，买别人的芯片每片要 1 万美元，我们自己做，2 万元人民币就做下来了，所以就逼着自己做。」
正所谓，无心插柳柳成荫。
2018 年国际形势骤然生变，同年百度发布了昆仑 1 代 AI 芯片，全栈 AI 的雏形初显。到 2021 年 4 月，昆仑芯从百度分拆独立，首轮估值 130 亿元。独立初期，昆仑芯 90% 以上收入来自百度内部采购，本质上仍是百度的「芯片部门」。
2023 年，昆仑芯进入发展快车道。2024 年第三代 P800 芯片量产，2025 年建成国内首个 3.2 万卡全自研 AI 集群，同年中标中国移动十亿级集采项目——这是昆仑芯走出百度内循环的标志性事件。
截至 2025 年底，昆仑芯已累计完成数万卡部署，外部客户收入占比超过 50%，客户覆盖运营商、金融、互联网等多个行业——关键是，腾讯、拼多多等互联网大厂，均在昆仑芯的采购名单之列。
值得一提的是，2026 年一季度，百度 AI 相关收入达 136 亿元，占总营收的 52%，其中 GPU 云收入同比增速高达 183%——而昆仑芯正是背后的核心支撑。
2026 年 1 月，昆仑芯以保密形式向港交所提交 A1 上市申请；5 月启动科创板上市辅导；6 月 500 亿美元估值的消息传出，资本市场已经给出了正向反馈——可以说，昆仑芯走向资本市场，已经成为百度 2026 年最重要的任务之一。
阿里巴巴：云芯一体，生态制胜
如果说百度走的是「芯片 + 模型」的闭环路线，阿里的棋路则更宏大：以云为载体，构建 「芯片 + 云 + 开源模型」的全栈生态。
阿里的造芯布局始于 2018 年。彼时美国加大科技封锁，阿里迅速全资收购国产嵌入式 CPU 企业中天微，并整合达摩院芯片研发团队，正式成立平头哥半导体。时任阿里巴巴集团 CTO 张建锋说得很明确：「我们必须要做资源可控、技术可控、有核心竞争力的事情，最底层的就是芯片。」
与其他大厂聚焦单一赛道不同，平头哥从一开始就瞄准了完整的算力基础设施。八年时间里，其产品矩阵覆盖了数据中心几乎所有核心芯片：
AI 推理芯片含光 800，2019 年发布即拿下全球推理性能第一，当年双 11 就大规模部署于淘宝主搜；
服务器 CPU 倚天 710，5nm 工艺，是中国互联网公司首款通用服务器 CPU；
真武系列 AI 芯片，其中真武 PPU 累计出货量已突破 60 万片，2026 年 Q1 在国内 AI 芯片厂商中跃居第二，首次超越寒武纪；
此外还有镇岳系列 SSD 主控芯片、磐脉系列智能网卡、ICN Switch 互联芯片等，实现算力、网力、存力全栈自研。
据 IDC 最新报告显示，截至 2026 年 Q1，平头哥真武 PPU 芯片累计出货量已突破 60 万片，在国内 AI 芯片厂商中跃居第二，首次在规模上超越寒武纪，成为华为昇腾之外最具竞争力的玩家。
生态层面，阿里的打法极具章法：通过通义千问开源模型吸引全球开发者，再将开发者流量导流至阿里云，最终带动底层自研芯片的规模化部署。
值得一提的是，吴泳铭上任阿里巴巴 CEO 后，明确提出未来三年围绕 AI 硬件基础设施投资 3800 亿元，平头哥正是这一战略的核心支点。
腾讯：资本绑定，系统为王
与前三家相比，腾讯的算力策略显得格外「克制」——不硬刚通用 GPU，而是走「投资绑定 + 系统优化」的务实路线。
在芯片自研上，腾讯没有追求大而全，仅聚焦与自身业务强相关的专用芯片，包括 AI 推理、视频转码、智能网卡等方向。而在通用 AI 芯片赛道，腾讯选择用资本绑定核心合作伙伴——燧原科技就是最典型的案例。
燧原科技招股书显示，腾讯科技及其关联方合计持有燧原科技 20.26% 股份，是其最大机构股东。同时，腾讯也是燧原的第一大客户：2023-2025 年，燧原对腾讯的销售收入从 1 亿元增长至 8.3 亿元，占总营收的比例从 33.34% 攀升至 83.79%，三年实现 8 倍增长。
双方的合作始于 2019 年，早期采用 AVAP 模式（燧原向腾讯指定的服务器厂商供货），2025 年转为直接销售，三代 AI 加速卡大规模落地腾讯内部场景，包括微信语音转文字、腾讯会议纪要、内容理解、广告推荐等上百个业务场景。
对燧原而言，腾讯不仅是订单来源，更是最佳的技术试验场。
依托腾讯的海量场景，燧原的算子库、工具链、软件生态持续迭代完善，大幅降低了后续服务其他客户的迁移成本。目前燧原已进入拓客第二阶段，多家头部互联网客户与运营商客户已完成测试并开始小批量交付。
而从腾讯的角度，算力需求的暴涨，与国产算力的导入，形成了很明显的业务共振。
2025 腾讯全球数字生态大会上，腾讯宣布全面适配主流国产芯片，通过异构计算平台的软件能力整合不同芯片。而在财报电话会议上，腾讯管理层公开披露，2026 年 AI 投入将至少翻倍至 360 亿元以上，不仅如此，2026 年下半年大规模导入国产算力。
值得一提的是，过去几年间，腾讯在二级市场频频出手，入股了一大批 AI 公司。
其中，在 AI 芯片和底层算力领域，腾讯先后投资了燧原科技、曦智科技、云豹智能、无问芯穹、集益威半导体等公司；其中，腾讯在燧原科技和云豹智能的持股比例接近 20%，为第一大股东。
华为：国产算力的底层压舱石
如果说字节、百度、阿里、腾讯四家是国产算力落地的「需求发动机」，那么华为昇腾就是支撑起整个国产算力体系的 「底层压舱石」。
作为国内唯一能在高端训练场景形成规模化交付的本土算力玩家，它几乎是所有互联网大厂训练侧的共同选择，也是整个国产替代进程中最核心的支柱力量。
在本土 AI 芯片赛道，华为昇腾的市场地位一骑绝尘。
IDC 数据显示，2025 年华为昇腾 AI 加速卡出货量达 81.2 万张，位居国内市场第一，占当年国产 AI 芯片总出货量的近一半，规模远超第二名平头哥数倍之多。
行业测算显示，2026 年华为昇腾 AI 处理器业务收入将突破 120 亿美元，进一步拉开与身后玩家的差距。
产品矩阵上，华为昇腾已形成覆盖训练与推理的完整布局：面向高端训练的昇腾 910 系列，是当前国产性能最强的 AI 训练芯片；面向推理与边缘场景的昇腾 310 系列，已广泛落地于各行各业。
2025 年 9 月，在华为全链接大会上，华为公布了清晰的 AI 芯片迭代路线图：2026 年推出昇腾 950 系列训练与推理芯片，2027 年迭代至昇腾 960，2028 年推出昇腾970，逐代缩小与国际顶尖水平的差距。
与此同时，华为还正式发布了超节点架构与自研「灵衢」高速互联协议，推出昇腾 384 超节点、Atlas 950/960 SuperPoD 等全系列产品——这些产品将成为国产 AI 算力的重器。
对互联网大厂而言，华为昇腾是训练侧算力的「刚需级」选项，也是各家国产算力布局中绕不开的核心底座。
字节跳动的训练侧国产算力核心正是华为昇腾，2026 年初双方签下约 25 万颗芯片的大单，总金额近 300 亿元，支撑豆包大模型的全量训练与迭代。
阿里巴巴同样是昇腾的重要客户，年采购规模可达 15 万颗量级，其通义大模型与阿里云服务均完成了与昇腾算力的深度适配；腾讯也将昇腾纳入核心供应商体系，年采购规模约 4-5 万颗，支撑混元大模型与内部业务场景的训练需求。
某种程度上，华为昇腾已经成为国内大模型训练的「行业标准底座」。
无论是头部互联网大厂，还是第二梯队的模型创业公司，都将昇腾作为国产训练算力的首选方案。这种 「底座统一、上层多元」的格局，也在客观上降低了整个行业的适配成本，加速了国产算力的普及速度。
国产芯片玩家的突围之路
由互联网巨头的算力深度布局，也在国产芯片厂商引发了联动效应。
在过去很长一段时间里，国产芯片公司的客户名单上主要是政府采购和中小企业。而如今，字节、阿里、腾讯、百度的名字开始频繁出现——这些订单不仅带来了收入，更带来了一张「大厂认证」的通行证。
寒武纪是最具戏剧性的样本。早年间，寒武纪曾与华为短暂牵手——华为麒麟 970 搭载了寒武纪 1A 处理器，成为「全球首款 AI 手机芯片」。但双方很快分道扬镳，华为转向自研昇腾，寒武纪也走出了一条属于自己的 AI 芯片之路。
2020 年 7 月，寒武纪登陆科创板，首日大涨近 300%，市值突破 1000 亿元。但此后数年，寒武纪连续亏损，2022 年底股价一度跌破发行价。市场上「PPT 造芯」「烧钱无底洞」的质疑声不绝于耳。
转折点出现在 2025 年。
当年，寒武纪全年营收 64.97 亿元，同比增长 453%，首次扭亏为盈，彻底终结了连续八年亏损的历史。2026 年一季度，寒武纪营收 28.85 亿元，接近 2025 年全年的一半。更关键的是，经营活动现金流从上年同期净流出 13.99 亿元转为净流入 8.34 亿元。
支撑这些数字的，是大厂订单的集中涌入。
2024 年，字节跳动贡献了寒武纪 79.15% 的营收。2026 年初，寒武纪新一代旗舰芯片思元 690 实现量产。快速适配能力成为核心竞争力；DeepSeek-V4 发布当天，寒武纪就宣布完成适配，这种「Day 0 适配」的机制是赢得大厂信任的关键。
业绩亮眼之下，寒武纪的股价随之狂飙，赢得「寒王」之名——到了 2026 年 6 月 30 日，寒武纪的市值突破万亿元，成为科创板首家万亿市值公司。
天数智芯的故事，甚至可以说是国产 GPU 创业史的一个缩影。
2015 年，前甲骨文数据库部门研发总监李云鹏离职回国，在上海闵行创办了天数智芯——这个时间节点，比摩尔线程早了 5 年，比壁仞科技早了 4 年。但他坚持做边缘侧 AI 推理芯片，与看好通用 GPU 方向的投资人产生分歧，最终出走。
此后，天数智芯管理层两度更迭。曾任紫光集团联席总裁的刁石京接棒，主导了向通用 GPU 赛道的关键转折。2021 年，天数智芯推出中国首款量产通用 GPU「天垓 Gen 1」。2022 年，盖鲁江成为新掌舵人。
如今，天数智芯采用「训练 + 推理 + 边缘」三条腿走路。在软件生态上，天数智芯选择了深度兼容 CUDA 的务实路线，80% 以上代码可以平滑迁移。
更引人注目的是，天数智芯也提出了所谓的「三年四代架构」路线图：2025 年天枢架构落地，2026 年天璇对标英伟达 Blackwell，2027 年天权目标超越英伟达 Rubin 架构。
天数智芯在 2026 年 1 月登陆港交所，股价也是一路狂飚；而在「字节跳动 5 万颗芯片大单」的消息下，天数智芯在资本市场的关注度达到新高。
而被称作国产 GPU 四小龙的摩尔线程、沐曦股份、壁仞科技、燧原科技也在各自发力——短短半年时间，四家即将在资本市场完成全员集结。
摩尔线程是最接近英伟达全功能路线的国产厂商。创始人张建中曾担任英伟达全球副总裁、中国区总经理，在英伟达工作超过 15 年。他很清楚英伟达的护城河在哪里——不只是芯片性能，更是 CUDA 生态对开发者的锁定。
所以摩尔线程的 MUSIFY 工具链直接瞄准了无缝迁移：CUDA 程序几乎可以原封不动地跑在 MUSA 架构上。张建中的原话是：「MUSA 的目标从来不是做一个 CUDA 的替代品，而是要让 CUDA 开发者无缝迁移到国产平台，真正实现即插即用。」
值得一提的是，2026 年第一季度，摩尔线程首次实现了季度盈利。
沐曦股份的创始人陈维良曾长期就职于 AMD，他曾经主导完成 MI100 等 15 款高性能 GPU 的流片与量产。在这一背景下，沐曦走的是「训推一体」路线，MXMACA 软件栈开源，开发者用户超 15 万——旗舰产品曦云 C600 实现了全国产供应链闭环。
但硬币的另一面是资金压力：2022 年到 2025 年，沐曦股份累计亏损了超过 30 亿元。
壁仞科技的着力点是通用图形处理器（GPGPU）芯片及智能解决方案。其中，它在 2022 年发布的 BR100 芯片，单芯片峰值算力达 PFLOPS 级别，打破了当时国际巨头保持的通用 GPU 全球算力纪录。
2026 年 1 月，壁仞科技登陆港交所，上市首日大涨超 82%。
与壁仞科技相比，燧原科技的打法则完全不同。
创始人赵立东和 COO 张亚林均来自 AMD，但他们没有选择「做一款通用芯片然后满世界找客户」的路径，而是从一开始就与腾讯深度绑定——由腾讯提出需求，燧原做极致的针对性优化。
招股书显示，腾讯持有燧原 20.26%股份，是最大机构股东，同时也是第一大客户： 2023-2025 年，燧原对腾讯的销售收入从 1 亿元增长至 8.3 亿元，占总营收比例从 33% 攀升至 84%。三代芯片已在腾讯内部适配上线数百个业务场景。
2026 年 6 月，燧原科技过科创板上市审议，拟募资 60 亿元。
前路尚且漫漫
互联网大厂订单涌入、股价狂飙、估值暴涨……国产算力的故事听起来一片光明。但硬币的另一面，国产芯片厂商依旧面临诸多挑战。
最核心的挑战是软件生态。
中国工程院院士郑纬民曾一针见血的指出国产 GPU 的核心痛点：「国产 AI 芯片核心问题是生态不够好，如果生态好，性能做到 60% 也有人用。」
过去十多年，英伟达真正的护城河从来不只是 GPU 硬件本身，而是「CUDA+ 硬件」共同构成的软件生态。全球数百万开发者早已习惯 CUDA 的编程模型、工具链与调试体系，大量 AI 框架、算子和行业模型都建立在 CUDA 之上。
以 CUDA 为根基，编译器、调试器、数学库、通信库、深度学习框架，一个庞大茂盛的热带雨林才得以生长。英伟达之所以能晋升为 AI 芯片之王，靠的正是 CUDA 这套深入开发者骨髓的软件生态。而这恰好是是国产 GPU 的软肋。
其次是产能瓶颈和供应链风险。
尤其集中在高端 AI 加速卡、HBM、先进封装等环节。沐曦股份的困境是一个缩影：主力芯片曦云 C500 由中芯国际代工采用 12nm 工艺，而英伟达 H100 依托台积电 4nm——两代制程工艺的差距，短期内无法弥补。
更深层的风险，在于外部供应链的不确定性。
四小龙中，摩尔线程的 7nm 芯片由台积电代工，壁仞科技的 CoWoS 封装依赖台积电，沐曦和燧原的 14nm 芯片主要由中芯国际生产。美国若扩大设备出口限制，产能可能受到严重影响。寒武纪采用 Fabless 模式，公司及部分子公司已被列入实体清单，供应链稳定性始终存在隐忧。
最根本的挑战，或许是商业闭环尚未走通。
互联网大厂之所以愿意在国产算力上投入巨额资金，核心驱动力是供应链安全和成本控制。前者是战略考量，后者是商业计算。但到目前为止，国产算力的性价比优势主要体现在采购价格上——单颗芯片比英伟达便宜，这确实能降低推理成本。
问题是，采购成本只是总算力成本的一部分。适配成本、运维成本、因性能差距导致的额外集群规模投入——这些隐性成本往往被忽略。
更大的问号来自需求端。
互联网大厂之所以需要如此海量的推理算力，是因为大模型应用正在爆发。但大模型本身何时能实现规模化盈利，至今仍是未解之谜。各家大模型用户量激增不假，但商业化仍处于早期探索。B 端 API 收入增长迅速但基数小，C 端订阅模式远未跑通。
一面是百亿级别的芯片采购与数据中心建设投入，一面是远不足以覆盖投入的模型收入。投入与产出的剪刀差仍在扩大。
换言之，从长远来看，国产算力的商业闭环，不取决于芯片本身，而取决于 AI 应用能否真正赚钱。芯片公司目前赚的是大厂的资本开支预算，但要实现可持续增长，最终需要大模型应用从成本中心变成利润中心。
这也是包括互联网大厂在内的所有 AI 玩家必须关心的课题。
另外，国产算力玩家普遍在获客群体上依旧较为单一。以寒武纪为例，2024 年字节跳动贡献了 79.15% 的营收。燧原科技对腾讯的销售收入，占总营收比例已攀升至 84%。天数智芯如果拿下字节 5 万颗订单，字节也将成为其最重要的客户。
这种深度绑定在短期内是增长引擎，但长期来看，大客户策略调整——包括自研芯片——都可能带来风险。
这其中，对独立芯片创企而言，如何从「一家客户养活一家公司」走向「多家客户共同支撑」，是必须跨越的商业化门槛。这意味着不仅要打磨芯片性能，还要建设开放的软件生态，降低新客户的迁移成本，建立起不依赖于单一客户关系的独立竞争力。
这条路比拿下一张大单更难，但也更接近可持续的增长。
从 2022 年英伟达断供到今天，不到四年时间，中国 AI 芯片产业完成了一次结构性跃迁。曾经不起眼的国产芯片，已经在大模型推理侧站稳了脚跟。曾经分散的产业链力量，正在通过订单、投资、标准和大规模应用汇聚成一个初具规模的国产算力生态。
但这场替代远未完成。训练侧的攻坚还在继续。软件生态的培育需要更长时间。商业闭环的最终验证，取决于 AI 应用能否进入真正的收获期。独立芯片公司从大厂附庸走向独立玩家的道路，同样漫长。
但可以确定的一点是：在互联网大厂的助力之下，整个国产 AI 芯片行业的问题，不再是「有没有」，而是「好不好」。而接下来的重大考验，不再是某一家在技术和商业层面单点突破的能力，而是整个国产 AI 算力产业链上下游协同进化的耐心与决心。
路漫漫其修远兮，仍需我辈上下而求索。
哈福证券提示：文章来自网络，不代表本站观点。
