GPU垄断松动，非GPU芯片势力崛起重塑全球算力格局
芯东西12月17日报道，上海GPU龙头沐曦股份在上交所科创板敲钟，开盘价700.00元/股，截至午间休市股价大涨687.79%，总市值达3298.82亿元，将全球算力产业竞争推向新高度。
近期，全球算力产业处于重磅事件密集爆发期。
海外方面，非GPU赛道的谷歌TPU斩获千亿级订单，在GPU垄断的算力市场撕开缺口。上周博通CEO透露，Anthropic向博通下达总计210亿美元（折合人民币约1486亿元）的订单，Meta等科技巨头也有采购意向；GPU领域，因担忧失去中国市场，美国批准英伟达H200 AI芯片对华出售。
国内算力产业热度同样攀升，北京AI芯片企业清微智能拿下超20亿元大额融资，投资阵容业内少见。此外，国内AI芯片创企密集披露并购、上市计划，本土算力生态加速成型。
海内外算力产业的密集动向，共同指向不可逆的行业变革：全球算力市场长期由英伟达GPU垄断的格局正在松动。
大模型发展初期，市场对通用算力的强需求让英伟达GPU迅速占据绝对主导地位，几乎形成“无GPU不训练”的局面。
如今，一方面谷歌TPU、亚马逊Trainium3等非GPU芯片在部分场景实现对GPU的规模化替代，国内市场2025年上半年非GPU算力卡占比已达30%，寒武纪MLU、昆仑芯ASIC、清微智能可重构芯片（RPU）等产品形成差异化优势；另一方面，投资市场中，英特尔拟以16亿美元（约合人民币112.9亿元，含债务）收购非GPU路线AI芯片独角兽SambaNova，非GPU路线独角兽Groq两年间拿下超30亿美元（折合人民币约213亿元）融资。
▲海外非GPU路线企业最新动向汇总
可见，非GPU芯片势力崛起已势不可挡。在此背景下，全球算力产业下一步走向何方？非GPU路线市场空间有多大？未来会百花齐放还是一枝独秀？非GPU赛道哪条路线有望率先突围？通过拆解全球算力格局及国内头部企业技术路线，可探寻这些问题的答案。
01 全球算力产业下一程：路径分化成必然
从需求端、底层技术、全球算力生态构建三个核心维度看，全球算力产业格局变革具有必要性与急迫性。
需求端，今年是大模型落地元年，推理场景算力需求增加，单纯堆砌GPU的粗放模式难以适配大模型规模化落地需求，倒逼企业寻找更高效的算力解决方案。同时，AI深入千行百业催生多元细分需求，如AI视频生成、AI医疗诊断、工业数字孪生等场景对算力能效比、适配性要求各异。叠加企业分散供应链风险、规避单一厂商依赖的需求，非GPU算力产品迎来关键市场切入契机。
技术端，传统冯·诺依曼架构的存算分离矛盾凸显，设计逻辑难以突破硬件性能物理边界，需架构革新破局。非GPU路线实现多点突破，如谷歌TPU专用架构、国产可重构芯片的动态适配能力等，在特定场景形成性能与成本优势。
生态层面，打破单一架构生态垄断成为行业共识，国产开源框架通过兼容适配、自主优化，快速构建本土生态协同体系。
因此，全球算力产业正朝着打破单一架构、不同路径百花齐放的方向发展。
近日新华社报道提到：“在AI芯片领域，北京已形成自主可控的‘芯片矩阵’，昆仑芯、寒武纪、摩尔线程、清微智能……一系列国产明星产品性能领先。”其中，摩尔线程属GPU路线，昆仑芯、寒武纪属非GPU中的ASIC路线，清微智能属非GPU中的可重构计算路线。四家企业分属不同技术路线的发展态势，印证了北京在AI芯片赛道多元布局、保障供应链安全的远见。
行业趋势背后，驱动发展的核心趋势有三：一是GPU与非GPU两大技术路线并行发展，GPU凭借成熟生态兼容性和通用计算能力，在兼顾图形渲染、科学计算与AI训练的场景持续发挥优势；非GPU路线在AI推理领域率先展现强劲增长潜力，其中可重构架构凭借通用计算能力，在AI主流场景占据重要地位。二是全球算力产业重心从唯硬件性能论转向软件、模型、场景适配等全栈布局，通过协同创新释放算力资源，针对不同硬件架构对模型进行压缩、量化、适配，实现算力效能最大化。三是中国厂商话语权提升，在算力领域长期由欧美厂商主导的格局下，中国企业在非GPU赛道展现出不容小觑的竞争力。综上，全球算力产业下一程必然走向路径分化。
02 非GPU路线市场稳步上升，国内渗透率领先全球
全球知名市研机构Gartner预计，到2027年，针对AI推理应用的算力需求将使AI加速器（通常指非GPU的AI专用芯片）出货量超越GPU。同时，非GPU路线正快速成长为与GPU分庭抗礼的核心力量，算力市场双轨并行格局雏形初现。
IDC报告显示，今年上半年中国非GPU芯片市场在加速计算领域增长显著。2025年上半年，中国非GPU服务器市场占比约30%，预计2028年将接近50%。
AI在千行百业的加速渗透极大推动了这一趋势。英伟达创始人、CEO黄仁勋曾透露，中国AI应用发展速度极快，社会接纳新技术节奏快，这场工业革命的胜负取决于AI应用普及程度。
相比于GPU，非GPU技术路线在成本、能效比、场景适配性上更契合当下AI主流应用场景。其硬件采购与运维成本更低，适配中小企业及大规模分布式部署需求；通过定制化架构实现低功耗与高精度平衡，能效比更优；适配自动驾驶、工业物联网等边缘端场景算力需求；具备更强实时性、稳定性与灵活性，适配差异化AI任务。
尤其在智算中心、大模型部署、云计算、泛机器人、智能驾驶等主流AI应用场景中，非GPU路线有适配特定负载的高能效比、更低全生命周期成本、更强国产供应链自主可控性，能通过定制化架构实现大模型推理高吞吐与低延迟，兼容多业务负载。对于千亿乃至万亿级规模的AI市场，非GPU方案必然占据一席之地。
不过，非GPU发展尚不成熟，大部分非GPU芯片生态成熟度不足，缺乏完善的软件工具链和丰富的开源框架支持。且发展处于早期，对企业早期研发投入能力考验较大。这也印证了GPU与非GPU两条技术路径各有优劣，并非简单替代关系。
03 国内头部芯片企业布局拆解：可重构赛道势头强劲
探究国内非GPU赛道发展格局，可聚焦几家核心企业。北京AI产业具有代表性，2024年其AI核心产业规模近3500亿元，占全国近一半，底层芯片玩家是关键。新华社报道提到的昆仑芯、寒武纪、摩尔线程、清微智能四家北京芯片代表企业，是国内AI产业蓬勃发展的缩影，透过其发展轨迹可窥见国内AI芯片产业格局的深刻变革。
▲北京四家芯片代表企业2025年上半年出货量位居国内前列
四家企业中，摩尔线程属GPU阵营，其余三家为非GPU阵营，寒武纪、昆仑芯主攻ASIC路线，清微智能以可重构架构实现通用计算为核心发力方向。这几家受北京市认可的企业极具代表性，展现了国产非GPU的布局脉络，也凸显了政府层面的有力支持。
ASIC架构是为特定用途定制设计的集成电路，谷歌TPU就是ASIC芯片。ASIC最核心的优势是性能、功耗，加上支持深度定制的特性，使其在AI应用浪潮中大展拳脚。
寒武纪的ASIC芯片采用自研架构，构建了覆盖云端、边缘端和终端的完整产品线。其首款采用Chiplet技术的芯片思元370，最大算力高达256TOPS（INT8），是第二代产品思元270算力的2倍。
昆仑芯基于自研XPU架构，昆仑芯R200可提供高达256 TOPS（INT8）和128 TFLOPS FP16的算力，性能可达主流GPU的1.5倍。实际部署中，单机4卡R200方案可实现4800 tokens/s的推理吞吐量，满足千亿参数大模型的实时交互需求。
这些实例印证了AI领域中非GPU架构对GPU的规模化替代进程已全面开启。不过，ASIC也有不足，因需定制化，从需求定义到量产交付的每个环节都需投入大量时间与资源；且架构一旦固化便难以调整，面对算法快速迭代的场景，往往需要重新流片，进一步拉高研发风险与周期成本。
相比之下，兼容GPU、ASIC路线优势的可重构计算路线发展势头更猛，核心在于它踩中了AI产业从算力集中到场景细分转型的行业趋势，解决了GPU通用但低效、ASIC高效但硬件固化的痛点，通过底层架构创新实现了性能与性价比的平衡，相比行业同类型产品成本整体降低50%、能效比提升3倍。截至今年12月，清微智能的可重构芯片累计出货量已超3000万颗，2025年其算力卡订单累计超3万张，在全国十余座千卡规模智算中心实现规模化落地。
▲清微智能AI算力芯片TX81
此外，可重构数据流技术路线与AI计算需求天然适配。在芯片高效互联核心环节，可重构数据流派自研的TSM-LINK算力网格技术支持多芯片点对点直连，实现数据高效传输，从根源上规避传统交换机架构的带宽瓶颈与通信延迟问题；而GPU架构在适配晶圆级芯片集成时，只能依赖外部交换机完成互联，性能损耗与延迟问题难以避免。
在芯片设计层面，可重构数据流架构从底层设计阶段就具备三维扩展的天然优势，能与晶圆级芯片技术、3.5D堆叠等先进立体封装技术深度结合，形成清晰且可持续的升级迭代路径。据悉，清微智能明年推出的下一代芯片性能将大幅跃升，有望实现对国际主流前沿AI芯片的弯道超车。
▲GPU与非GPU技术路线基本性能对比
本质上，可重构计算路线不是对GPU、ASIC的替代，而是通过找到两者的平衡，取所长，契合了AI规模化落地的核心需求。
04 结语：算力产业进入多元共生新时代
当前AI算力领域格局已较为清晰：GPU凭借成熟生态与极致并行计算能力，在通用大模型训练、图形渲染等核心场景仍占据不可撼动的地位，但面临功耗攀升、成本高的结构性挑战；非GPU路线凭借更高能效比、更低全生命周期成本及自主可控优势，在AI推理、专用算力需求等主流AI应用领域快速崛起，共同推动算力体系向多元化、异构融合方向演进。
以大模型、生成式AI为代表的新一轮AI浪潮催生出前所未有的AI算力需求，国产大模型企业强势突围，带动国内AI算力需求持续增长，中国AI算力产业迎来新机遇与挑战。
当下，国产非GPU企业异军突起，正与国内大模型厂商形成合力，为国内AI算力产业注入新活力。尽管非GPU技术路线相比GPU尚不成熟，但因其天然优势与AI应用落地相契合，正迸发出强大生命力。
本文来自微信公众号“芯东西”，作者：程茜，36氪经授权发布。
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com