2026年6月15日燧原科技科创板IPO过会。至此摩尔线程、沐曦股份、壁仞科技、燧原科技——国产GPU四小龙——全部在资本市场完成集结。说实话这个时间点比大多数人预想的要早。一、四小龙集结完毕一个时代的分水岭2026年6月15日下午上交所上市委会议审议结果出炉燧原科技科创板IPO顺利过会拟募资60亿元用于第五代、第六代AI芯片研发及全栈生态建设。发行后预计市值在400到600亿元之间。这件事本身值得说但更有意思的是它凑齐了最后一块拼图。往前看2025年12月5日摩尔线程登陆科创板688795.SH首日较发行价暴涨468%市值冲到3055亿被市场直接冠上中国版英伟达的名号。2025年12月17日沐曦股份紧随其后也在科创板挂牌688802.SH股价一度突破730元市值逼近3000亿。2026年1月2日壁仞科技在港交所敲钟06082.HK首日涨幅一度达到118%成为港股GPU第一股市值稳在800亿港币以上。2026年6月15日燧原科技过会四小龙最后一家也拿到了资本市场的入场券。说白了这四家公司从成立到现在平均不到8年就从几个人的创业团队变成了市值几百亿甚至三千亿的上市公司。放在芯片行业这个时间尺度里这个速度相当惊人。但更值得关注的是就在四小龙全部上市的前后一组数据让整个行业为之一振2026年上半年国产AI芯片在国内市场的市占率首次突破52%。英伟达的份额从之前的绝对垄断跌落至45%左右。两年前这个数字还不到5%两年后翻了十倍。52%45%3%2026上半年中国AI芯片市场份额国产AI芯片英伟达其他海外厂商这52%是怎么啃下来的不是靠某一家的单打独斗而是一整条产业链的协同作战。下面我们来拆解一下。二、四小龙各怀绝技先上一张对比表快速了解四小龙的基本盘维度摩尔线程沐曦股份壁仞科技燧原科技成立时间2020年10月2020年9月2019年9月2018年3月总部北京上海上海上海创始人背景张建中前英伟达全球副总裁陈维良前AMD总监张文前商汤总裁赵立东前AMD中国区总裁上市时间2025年12月5日2025年12月17日2026年1月2日2026年6月15日过会上市地点科创板科创板港交所科创板股票代码688795.SH688802.SH06082.HK待发行市值~3000亿~2900亿~800亿港币预计400-600亿核心产品MTT S5000训推一体卡、夸娥万卡集群曦云C系列、曦思N系列、曦彩G系列、曦索X系列BR100系列通用GPU邃思芯片云燧加速卡定位全功能GPU图形AI全栈GPU训推渲染科学计算通用GPU对标国际旗舰AI训练推理专用芯片差异化唯一同时做图形渲染和AI的厂商四线产品矩阵最全单芯片算力指标激进不兼容CUDA自研软件栈摩尔线程全功能GPU的孤勇者摩尔线程是四小龙里唯一一家同时做图形渲染和AI计算的厂商。创始人张建中在英伟达干了十几年做到全球副总裁兼中国区总经理对GPU的理解是骨子里的。他们的产品线很有意思云端有MTT S5000 AI训推一体智算卡对标的是H100级别的训练场景端侧有MTT AICUBE定位家庭AI中枢集成了AI PC AI NAS 全域智能体50TOPS算力618刚刚开启预售。在2026年5月的产品发布会上他们还发布了夸娥万卡级智算集群直接把云边端全场景串了起来。说实话摩尔线程的路线最像英伟达——从底层架构到上层应用全栈覆盖。但这也意味着他们面临的挑战最大既要搞图形APIDirectX、Vulkan、OpenGL又要搞AI框架PyTorch、PaddlePaddle还要自己写驱动。每一条线都是硬骨头。沐曦股份产品矩阵最全的全能选手沐曦的创始人陈维良同样来自AMD在GPU架构设计领域有超过20年经验。沐曦最大的特点是产品线铺得最广曦云C系列训推一体GPU主打数据中心AI训练和推理曦思N系列智算推理GPU专门优化大模型推理场景曦彩G系列图形渲染GPU覆盖桌面和云游戏曦索X系列2026年1月新推出面向科学计算场景四条产品线从训练到推理从图形到科学计算沐曦试图用一个完整的产品矩阵cover所有GPU应用场景。这个策略的好处是天花板高坏处是资源分散——每个方向都要投入每个方向都有对手。壁仞科技算力狂飙的激进派壁仞科技是四小龙里最敢说的一家。2022年8月发布首款通用GPU BR100时创始人张文直接放话BR100的峰值算力达到国际厂商在售旗舰产品的3倍以上。BR100采用7nm工艺FP16算力超过1000TINT8算力超过2000T单芯片峰值算力达到PFLOPS级别。当然峰值算力和实际跑模型的表现是两回事——这个道理搞AI的都懂。但壁仞这种先立flag再填坑的打法在资本市场确实吃香。2026年1月港股上市首日涨超100%市值一度突破千亿港元说明市场对国产GPU的期待值确实很高。燧原科技不兼容CUDA的另类燧原科技是四小龙里成立最早的也是路线最非主流的。其他三家都在想方设法兼容CUDA生态燧原却从一开始就走自研软件栈的路线。他们的产品线很清晰邃思系列芯片云燧加速卡燧原智算集群。已开发四代AI芯片覆盖训练云燧T系列和推理云燧I系列两大场景均采用7nm制程。不兼容CUDA意味着什么意味着开发者不能直接把PyTorch代码搬过来跑需要经过燧原自研的编译工具链做适配。短期看这是劣势迁移成本高长期看一旦中美技术脱钩加剧CUDA这条路被堵死燧原反而是最安全的选项。燧原这次IPO募资60亿明确要用于第五代和第六代AI芯片研发。说实话在四小龙里燧原的市值预期最低400-600亿但它的技术路线自主程度最高——这在当前的国际环境下可能比市值更有价值。制造环节国产大模型华为昇腾国产GPU四小龙适配适配深度适配深度适配深度适配算力需求算力需求算力需求算力需求代工代工代工代工制造其他国产力量寒武纪思元系列海光信息DCU深算系列天数智芯天垓系列摩尔线程全功能GPU图形AI双引擎沐曦股份全栈GPU训推渲染科学计算壁仞科技通用GPU算力指标激进燧原科技AI专用芯片自研软件栈昇腾910C/950系列Atlas SuperPoD超节点CANN软件栈DeepSeek V4阶跃星辰月之暗面Kimi美团LongCat中芯国际7nm产能华虹半导体成熟制程三、华为昇腾房间里的大象聊国产AI芯片如果只聊四小龙不聊华为就像聊中国篮球只聊CBA不聊国家队——缺失了最关键的那块。华为昇腾在国产AI芯片里的位置用一组数据就能说明白2026年上半年华为昇腾在国产AI芯片出货量中占比约43%一家的份额比其他所有国产厂商加起来还多。华为的昇腾芯片路线图已经非常清晰型号时间定位昇腾910C2025年Q1训练主力昇腾950PR2026年Q1推理优化昇腾950DT2026年Q4数据中心训练昇腾9602027年Q4下一代架构昇腾9702028年Q4自研HBM在即将到来的WAIC 20267月17日-20日上海世博展览馆华为将展出Atlas 950 SuperPoD超节点真机——这是目前国产算力最强的大模型训练集群采用了自研高速互联技术可以支撑万亿参数级模型的训练。更关键的是DeepSeek V4 1.6T模型在华为昇腾芯片上的实测成绩已经被公开。这意味着什么意味着国产模型国产算力这件事已经从PPT变成了可以跑分的现实。2025年7月由阶跃星辰牵头联合华为昇腾、沐曦、天数智芯、燧原、壁仞、摩尔线程等近10家国产芯片厂商发起了一个国产算力联盟。华为昇腾率先跑通了阶跃的Step模型。这条国产模型国产算力的协同链路正在从零散的适配测试变成系统性的工程落地。四、设计端不差卡在制造和生态说实话国产AI芯片在设计端的技术储备已经不算差了。华为的达芬奇架构、壁仞的壁立仞架构、摩尔线程的MUSA架构、燧原的自研GCU架构——这几家在设计能力上各有千秋7nm级别的芯片设计已经没有太大障碍。部分指标在纸面上甚至能对标英伟达的A100/H100。但问题是芯片不是设计出来就完事了。两道坎摆在面前第一道坎制造2026年的数据很扎心国产AI芯片全年需求约420万颗但中芯国际的7nm级产能只能供给约260万颗。也就是说每两颗需求里就有一颗造不出来。台积电的大门被关了三星也不给代工全国7nm级AI芯片的产能全压在中芯国际一家身上。华为要产能寒武纪要产能海光要产能地平线要产能四小龙全在门口排队——产能争夺战每天都在上演。华虹半导体还在爬坡但离承接AI芯片先进制程还有距离。芯片制造设备的国产化率虽然在提升预计2026年达到40%但光刻机这个核心环节的突破仍然需要时间。说白了设计端我们和世界先进水平的差距可能在2-3年但制造端的差距可能在5年以上。这个长短腿的问题短期内看不到根本性解决方案。第二道坎生态CUDA是英伟达最深的护城河没有之一。十几年来全球AI开发者习惯了import torch然后自动跑在CUDA上的体验。切换到国产芯片意味着要从底层算子开始适配框架要改模型要调有些算子甚至要自己写。这个迁移成本不是每个团队都愿意承受的。四小龙在生态策略上分成了两派兼容派摩尔线程的MUSA架构、沐曦的软件栈都在尽可能兼容CUDA的编程模型降低开发者迁移成本。海光DCU甚至直接走的是类CUDA路线。原生派燧原科技从第一天就走自研软件栈华为昇腾的CANN也是完全自研的。短期迁移成本高但长期自主可控。DeepSeek V4在昇腾上跑通是一个重要的信号——头部模型厂商开始愿意投入资源做国产芯片的适配了。一旦这个飞轮转起来模型适配→芯片出货→更多模型适配→芯片迭代更快生态的短板是可以逐步补上的。五、对普通开发者意味着什么你可能会问这些上市、融资、市场份额跟我一个写代码的有什么关系关系大了。我们分训练和推理两个场景来看训练场景短期内还是英伟达的天下但窗口在缩小说实话如果你现在要训一个千亿参数的大模型国产芯片还不是首选。但变化正在发生华为昇腾已经可以支撑DeepSeek V4级别的模型训练实测数据已经公开摩尔线程的夸娥万卡集群理论上也能跑千亿级模型沐曦的曦云C系列定位就是训推一体对于中小团队来说如果你的模型参数量在几十亿到几百亿之间国产算力已经可以作为一个选项了。特别是如果你用的是PaddlePaddle百度飞桨或者MindSpore华为昇思国产芯片的适配度会更高。推理场景国产芯片已经可以打了推理比训练的门槛低得多。大模型推理对算力精度的要求没那么高INT8量化之后国产芯片完全能胜任。实际上现在已经有大量国产芯片在跑推理任务了。阶跃星辰、MiniMax、智谱AI等多家国产大模型厂商都在用国产芯片做推理部署。推理场景是国产芯片最先实现规模替代的战场。对个人开发者关注软件栈的成熟度如果你只是个人开发者想做微调或者跑推理建议关注以下几点框架支持你用的框架PyTorch/PaddlePaddle/MindSpore对目标芯片的支持程度算子覆盖你模型里用到的算子目标芯片的软件栈是否支持社区活跃度出了问题有没有人能问文档写得好不好目前来看华为昇腾的CANN社区和燧原的TopsRider社区相对活跃摩尔线程的MUSA社区在快速追赶。沐曦和壁仞的开发者生态还在早期阶段。六、国产替代的现实路径聊到最后我们得诚实地说国产AI芯片距离完全替代英伟达还有很长的路。但在某些场景下替代已经发生了。英伟达垄断CUDA一家独大华为43%寒武纪11%四小龙海光国产模型国产算力全链路闭环2024年市占率5%2025年市占率~20%四小龙启动上市2026年H1市占率52%四小龙全部上市2027年市占率预计60%昇腾960量产2028年目标70%自研HBM突破国产替代不会是一蹴而就的它会沿着一条清晰的路径推进第一步推理替代正在进行。推理场景对芯片性能要求相对低对生态依赖也小是国产芯片最容易切入的战场。目前已经在规模化落地。第二步中小模型训练替代2026-2027。几十亿到几百亿参数级别的模型训练国产芯片国产框架的组合已经可以跑通。随着软件栈的完善这个门槛会持续降低。第三步大模型训练替代2027-2028。随着昇腾960/970的推出以及四小龙下一代产品的迭代千亿级大模型训练逐步转向国产芯片。这个阶段的关键是自研HBM的突破——没有高带宽存储大模型训练就是纸上谈兵。第四步生态闭环2028。当国产模型国产芯片国产框架国产制造形成完整闭环国产AI芯片才能真正实现从能用到好用的跨越。写在最后燧原科技过会这件事单看可能只是一家芯片公司上市但放在四小龙全部上市、国产份额突破52%、DeepSeek V4跑通昇腾的大背景下它是一个标志性节点国产AI芯片已经从一个要不要做的问题变成了怎么做大的问题。对于开发者来说现在关注国产芯片生态不是未雨绸缪而是正当其时。英伟达的显卡该买还是买但多一个选择永远不是坏事。数据来源燧原科技科创板IPO招股说明书申报稿上交所科创板上市委2026年第XX次审议会议结果公告Bernstein Research中国AI芯片市场分析报告2026WAIC 2026官方参展信息摩尔线程/沐曦股份/壁仞科技/燧原科技官方网站及公开披露信息中芯国际2026年产能规划公开信息标签#国产芯片 #AI芯片 #GPU #华为昇腾 #人工智能 #燧原科技 #摩尔线程 #沐曦 #壁仞科技 #国产替代
