2025年AI算力行业专题报告：AI产业高景气持续，算力国产化大势所趋

1. AI 产业高景气持续，算力国产化大势所趋

1.1 算力需求及国产化两大因素共同推动国产算力发展

全球算力需求持续高景气，目前基础模型训练仍是推动生成式 AI 需求增长的主要动力，而应用层需求正加速增长。1）训练侧：目前大模型仍在沿着 Scaling Law 的路径持续升级，头部大模型厂商正在投入更大规模的模型，根据 Menlo Ventures 数据，对基础模型的投资支出从 2023 年的10 亿美元增加至2024年的65 亿美元，提升了 5.5 倍。同时，推理大模型的加速布局也将抬升后训练阶段的算力投入，并进一步推动训练侧需求增长；2）推理侧：AI 应用有望迎来爆发式增长，一方面，ChatGPT 等AI 原生应用近期的用户月活流量持续增长，同时 DeepSeek R1 的突破将大幅降低应用开发和部署门槛，进而加速AI 应用渗透；另一方面，Agent 与 RAG 正加速企业级 AI 落地，代表产品包括 Palantir 的 AIP 平台、Glean 的Assistant、Manus等。

国内市场互联网和智算中心两大下游仍保持旺盛的 AI 算力需求。1）互联网：无论在国内市场还是全球市场，互联网/云厂商都是 AI 算力的主要下游，根据 Trendforce 数据，2023 年国际大型CSP占全球高端AI 服务器需求的 65%，同时，根据 IDC 数据，2024 年国内互联网厂商占国内 AI 服务器需求的比重超过65%。23-24 年国内互联网及云厂商的算力采购仍主要用于大模型训练，随着大模型军备竞赛进一步升级以及推理模型和混合模型布局加速，预计 25 年训练侧算力需求仍将持续，同时随着DeepSeek部署门槛，推理侧需求将成为推动 AI 算力增长的重要增量，有望逐渐成为 AI 算力增长的主要驱动力；2）智算中心：国内智算中心建设从 23 年开始显著加速，2024 年以来相关招投标项目仍在持续增加。目前智算中心的下游用户主要集中于政府机构、院校及科研院所、大模型企业等，而政府机构、院校及科研院所、大模型企业都有持续且明确的训练或推理需求，因此预计 2025 年智算中心建设仍将持续。

在 AI 算力总需求持续增长的同时，国产化是推动国产 AI 算力快速成长的主要驱动力。目前互联网和智算中心的国产 AI 芯片采购占比仍处于较低水平，而随着美国针对高性能AI 芯片的出口管制政策逐步趋严，同时以华为昇腾、海光信息、寒武纪、昆仑芯为代表的国产厂商的新一代AI 芯片正快速突破性能和生态瓶颈，加速追赶并替代海外竞品。与此同时，头部互联网厂商正逐步推进国产芯片的规模化采购，百度、阿里、腾讯、字节等厂商正不断增加国产 AI 芯片的采购。同时，在中央和地方政策助力以及全国产化项目的标杆效应下，智算中心的 AI 芯片国产化率也有望加速提升。

1.2 互联网：训练算力需求持续，推理侧需求将逐渐占据主导

国内头部互联网厂商仍持续投入大模型训练，全年资本开支保持快速增长。2024 年以来互联网大厂仍在持续迭代大模型，并在 DeepSeek R1 发布后纷纷加快布局推理模型：1）百度：2025 年3 月16日正式发布新一代原生多模态基础大模型文心大模型 4.5 以及深度思考模型文心大模型X1；2）腾讯：2025年2月27 日，腾讯发布新一代快思考模型混元 Turbo S，随后在 3 月 21 日，深度思考模型混元T1 正式推出，创新采用 Hybrid-Mamba-Transformer 融合架构，推理性能业界领先的同时可比参数量下的解码性能高于行业2倍；3）阿里：今年 4 月 29 日将 Qwen2.5 升级至 Qwen3，其中旗舰模型 Qwen3-235B-A22B在推理、指令遵循、工具调用、多语言能力等方面均实现大幅增强，同时部署成本显著下降，显存占用仅为性能相近模型的 1/3，并且 Qwen3 还创新性引入快思考模式与慢思考模式的混合设计；4）字节：今年4 月17 日豆包1.5深度思考模型正式发布，将视觉理解能力融入模型中，具备图片推理功能。受AI 需求驱动，24 全年BAT合计资本开支同比增长 163%，预计 25 年互联网大厂的 AI 资本开支仍有望持续增加。

头部互联网厂商 AI 应用流量持续增长，同时 DeepSeek 推动应用开发及部署成本下降，AI 应用正加速落地，推理侧需求持续旺盛，未来随着 AI Agent 应用不断成熟，推理需求有望进一步提升。近半年来，豆包、腾讯元宝、通义千问等互联网大厂的 AI 原生应用月活用户总体仍在持续增加，其中，豆包月活从24年 11 月的 5998 万持续增加，到今年 5 月已破亿，而腾讯元宝自接入 DeepSeek 以来月活流量快速增加，今年 2 月和 3 月的月活分别环比增长 265%和 196%，4 月月活已达到 4143 万。与此同时，DeepSeekR1作为新一代国产开源推理模型，性能比肩国际顶尖大模型，同时训练及推理成本显著下降，将极大推动AI 应用的开发部署，DeepSeek APP 月活流量也已从今年 1 月 3370 万增加到 4 月 9688 万。而展望未来，随着A2A、MCP 等 Agent 相关技术的不断成熟，AI Agent 应用有望逐步爆发，从而进一步推升推理侧算力需求，今年3 月推出的通用智能体Manus 的 4 月月活用户数已达到 71 万。

目前英伟达仍占据国内互联网厂商 AI 芯片采购的主要份额，以字节、阿里为代表的互联网大厂正不断加大国产 AI 芯片采购。一直以来国内互联网厂商大模型训练主要基于英伟达A、H等系列芯片，根据Trendforce 在 2024 年初披露的数据，阿里、腾讯等国内头部互联网厂商采购的高端AI 芯片中有80%来自英伟达，国产芯片整体份额仍然较低。但随着去年以来美国政府逐渐收紧高端AI 芯片出口，头部互联网厂商开始寻求英伟达 GPU 的替代方案以保障供应链安全，从当前头部互联网厂商采购情况来看，字节、阿里、百度已经在推进以昇腾为代表的国产 AI 芯片采购，根据路透社报道，24 年以来字节已订购超过10万颗昇腾 910B，同时阿里、百度、腾讯均开始批量采购。根据 Trendforce 预测，未来5 年英伟达芯片在国内云厂商使用的高端 AI 芯片中的占比将降至 50-60%，相应地，国产 AI 芯片份额有望显著提升。

1.3 智算中心：全国产化项目已跑通，国产化率有望持续提升

《算力基础设施高质量发展行动计划》明确 AI 算力基础设施建设总体目标，各地方政府随即快速跟进，且部分省市提出国产算力占比要求。2023 年 10 月中央发布《算力基础设施高质量发展行动计划》，明确提出了未来 2 年内全国 AI 算力建设目标，包括到 2025 年算力规模超过 300EFLOPS，并且智算占比达到35%。《行动计划》从顶层明确了全国范围内 AI 算力建设的目标和节奏，随后深圳、上海、江苏、北京等各地方政府发布针对当地的“行动计划”，将全国的算力建设目标分解到当地，比如深圳市政府提出到2025年全市通用算力、智能算力、超算算力分别达到 14EFLOPS、25EFLOPS 以及 2EFLOPS。其中，部分省市补充了算力国产化率的相关目标，比如上海市提出到 2025 年新建智算中心国产算力芯片使用占比超过50%的目标。

国内智算中心建设和运营主要采取政府主导、企业承建、联合运营的模式，考虑到智算中心对安全自主可控的需求，更倾向于国产 AI 算力采购。智算中心具有算力公共基础设施的定位，建设层面，政府主导下的政企合作模式占据较大比重，由企业具体承建智算中心，同时兼顾智算中心公共属性、技术安全、投资规模巨大等特殊要求，目前运营商是智算中心的主要承建方，其他承建方包括城投企业、IT大厂、IDC企业等，根据数据湖北对 2024 年前 7 个月的数据统计，三大运营商在 2024 年的中标项目中占据超过40%的份额。在建成后，智算中心服务模式包括租赁服务、数据服务、运营服务等，主要应用场景包括政府机构的智慧城市建设、大模型企业的模型训练、院校及科研院所的大数据处理和复杂模拟计算等。由于智算中心具有公共属性及技术安全等特点，政府通常会更倾向于采用国产优质品牌，涉及芯片、交换机、路由器等产品。

目前部分智算中心已实现全国产化，在标杆项目逐渐跑通之后，未来智算中心的AI 算力国产化进程有望进一步加速。2024 年以来，全国大力投入智算中心建设，相关招投标项目持续增加，2024 全年智算中心相关项目中标公告已发布超 458 个，其中至少 61 个项目中标金额超亿元。与此同时，智算中心项目中国产AI 算力占比正快速提升。23 年 12 月，国内首个采用全国产 AI 芯片的千卡智算中心正式落地，芯片供应商为摩尔线程；2024 年 4 月，中国联通建设的北京联通自主创新人工智能算力中心正式启用，提供全国产化AI 基础软硬件的 300P 公共算力能力；在 2024 年 8 月份，中国移动建成中国移动智算中心（哈尔滨）并正式投产使用，成为全球运营商最大单集群智算中心，该智算中心部署超过 1.8 万张AI 加速卡，AI 芯片国产化率达 100%，智算规模达 6.9EFLOPS。我们认为，随着采用全国产化 AI 芯片的标杆智算中心项目陆续跑通，未来智算中心的 AI 算力国产化率有望加速提升。

2. AI 芯片：国产替代空间广阔，第一梯队国产芯片正加速替代

2.1 英伟达仍占据国内市场主导，政策加码创造国产替代空间

当前英伟达在国内 AI 芯片市场占据主导地位，而国产 AI 芯片份额仍处于较低水平。根据IDC数据，2022 年国内加速芯片出货量约 107 万张，其中英伟达占据 85%的份额，华为昇腾占10%的份额，百度占2%的份额，寒武纪和燧原科技均占 1%的份额。到了 2024 年，虽然国产 AI 芯片占比有所提升，但仍处于相对较低水平，根据 IDC 数据，2024 年国内加速芯片出货量超过 270 万张，其中本土品牌出货量已超过82万张，约占整个国内市场份额的 30%。

近年来美国芯片出口管制政策持续加码，英伟达主力 AI 芯片出口中国大陆受限，且未来管制政策仍有进一步加码的可能。近年来美国不断加码对于高性能 AI 芯片的出口管制：1）2022 年10 月更新出口管理条例，提出总处理性能（TPP）和 I/O 带宽传输速率两大判断指标，禁止 TPP 不小于4800 且I/O带宽不小于600GB/s 的 AI 芯片向中国等地区出口，导致英伟达 A100、H100 等高端芯片出口受限；2）2023 年10月美国商务部再次更新出口管理条例，新增性能密度（PD）指标，并设置 1.6、3.2 和5.92 三个门槛，A800、H800、RTX4090 等芯片进入出口管制名单；3）2024 年美国政府再次对出口管制条例进行修订，将管制范围从 AI 芯片扩大到所有搭载 AI 芯片的电子设备。今年 4 月 9 日，英伟达收到美国政府通知，即向中国（包括香港和澳门）出口的 H20 芯片也需要获得许可，4 月 14 日，美国政府又通知英伟达该许可要求将无限延期。考虑到全球地缘政治风险的持续加剧，未来美国芯片出口管制政策仍存在进一步收紧的可能。

英伟达推出的中国特供版 AI 芯片 H20 自 2024 年以来在国内市场仍占据较高份额。虽然H20的训练算力只有 H100 的 15%左右，但其在 CUDA 生态、通信互联等方面相较于其他AI 芯片仍具备显著优势，其中英伟达 CUDA 生态为开发者提供了全面的并行计算框架和高效的卷积操作，支持高效的深度学习模型训练和推理，国内大模型开发者切换到其他生态具备较高的转换成本。同时，H20 保留了H200 完整的NVLink和 PCIe 带宽性能，NVLink 互联带宽可达 900GB/s，PCIe 双向带宽可达 128GB/s，在组建大规模GPU集群方面优势显著；此外，相比于 H100，H20 还增配了 HBM3 显存容量（96GB）和带宽（4.0TB/s），能够加速模型推理过程中的 Decode 阶段，导致 H20 的推理性能优于 H100，甚至接近H200。因此，短期内H20在国内市场仍占据较高份额。

2.2 国产 AI 芯片加速追赶，互联网及智算国产化采购快速提升

AI芯片分为 GPGPU、FPGA 和 ASIC 三大阵营，国产芯片厂商以 GPGPU 和ASIC 阵营为主。1）GPGPU：具有通用性强的特点，广泛应用于图像处理、AI 训练等领域，可支持多种数据类型的运算，英伟达、AMD均采用 GPGPU 架构。国产代表厂商包括海光信息、壁仞科技、摩尔线程等，这类厂商核心技术团队大多具备 AMD、英伟达等国际芯片大厂背景；2）ASIC：具有定制化、专用性强的特点，通常应用于某些需求量较大的特定领域，目前海外的谷歌以及国内的百度、阿里等互联网大厂自研AI 芯片大多采用ASIC架构，主要应用于自身业务场景，且华为昇腾、寒武纪等厂商也均采用 ASIC 架构；3）FPGA：属于半定制化芯片，具有功能可修改、一次性成本低但量产成本高的特点，适用于算法更新频繁或市场规模较小的专用领域，主要厂商包括海外的赛灵思、Altera 以及国内的复旦微电子、紫光同创等。

近 10 年来国产 AI 芯片厂商快速涌现，同时互联网大厂均开始推出自研AI 芯片以满足自身业务需求。其中：1）互联网大厂：包括阿里平头哥、百度昆仑芯等，互联网大厂自研芯片多强调推理性能，主要应用于满足自身业务场景，包括淘宝产品搜索及推荐、百度智能搜索、腾讯云游戏等；2）华为昇腾：2018年华为发布昇腾 310 和昇腾 910，正式切入 AI 芯片领域，其中，昇腾 310 主打终端低功耗AI 场景，采用12nm工艺，2018 年便实现量产；昇腾 910 采用 7nm 工艺，可用于 AI 训练，于 2019 年正式上市。目前昇腾910系列的主力产品 910B 综合性能处于国产 AI 芯片第一梯队，并且 910C 正在加速生产中，而华为在4月10日合作伙伴大会上又发布了下一代的昇腾 920 芯片；3）AI 芯片初创公司：包括海光信息、寒武纪、壁仞科技、摩尔线程、沐曦等，这类厂商于近 10 年成立，核心团队大多拥有英伟达、AMD 等国内外芯片或IT大厂的技术背景，其中部分厂商自成立以来便专注于 AI 芯片研发，也有部分厂商此前从事CPU或其他芯片研发，近年开始切入 AI 芯片领域。

以华为昇腾、海光信息、寒武纪、昆仑芯为代表的国产 AI 芯片厂商正加速追赶英伟达，目前华为昇腾910B 已经基本可对标 A100，而新一代的 910C 也有望成为 H100 的有力竞争对手。目前华为在人工智能领域的量产芯片有昇腾 310 与昇腾 910 两款产品，华为在 2019 年推出昇腾 910 芯片，并在2023 年推出了升级版昇腾 910B。昇腾 910B 作为华为主力 AI 训练芯片，在单卡性能上可对标英伟达A100，其FP16稠密算力达到 320 TFLOPS，超越 A100 的 312 TFLOPS，与英伟达 H20 相比，910B 在计算能力和能效比方面均表现出色，但在显存配置、GPU 互联带宽方面目前仍存在差距，同时正在进行生产的910C 的FP16稠密算力达到 780TFLOPS，内存带宽为 3.2TB/s，综合性能接近 H100 的 80%。此外，华为基于384 块910C发布了CloudMatrix 384 超节点，在系统层面上与 GB200 NVL72 展开竞争，CloudMatrix 384 包含12 个计算机架和4 个交换机机架，FP16 稠密算力达 300PFLOS，是 GB200 NVL72 的 1.7 倍，总内存容量和内存带宽也分别是 GB200 NVL72 的 3.6 倍和 2.1 倍，目前已通过昇腾云正式商用。

寒武纪、海光信息、昆仑芯处于国产 AI 芯片第一梯队，其新一代主力产品思元590 芯片、深算三号、昆仑芯 3 代未来有望对英伟达 H20 形成替代。1）寒武纪：2020 年寒武纪推出首款7nm训练芯片思原290，INT8 算力达到 512 TOPS，接近 A100 的 624 TOPS（非稀疏化），2023 年年底发布了590 系列，综合性能进一步提升，接近 A100 的 80%；2）海光信息：2021 年推出深算一号，2023 年三季度推出的深算二号性能相对于深算一号提升约 100%，且下一代深算三号进展顺利；3）昆仑芯：2020 年昆仑芯1 代实现量产，主要用于百度搜索引擎、小度等业务，2021 年量产的昆仑芯 2 代较 1 代性能提升2-3 倍，并且百度已点亮基于新一代芯片昆仑芯 3 代组件的万卡集群。此外，摩尔线程、燧原科技、天数智芯等国产AI 芯片厂商已有产品上市，并在部分场景中实现了批量应用。

2.3 国产厂商基于兼容及自研两大路径逐渐突破CUDA生态壁垒

英伟达所打造的 CUDA 生态是目前国产 AI 芯片实现国产化替代的主要障碍。2006 年英伟达首次发布CUDA 软件平台，随后进行市场推广，快速渗透人工智能开发者。同时英伟达持续投入软件研发，针对用户反馈的问题进行优化，CUDA 平台的软件栈丰富度以及好用程度不断提升，目前CUDA已全面支持TensorFlow、PyTorch 等 AI 框架。通过长期市场培育，CUDA 框架已成为事实上的行业标准，根据英伟达在 2024 年 8 月底披露的数据，CUDA 已拥有 510 万开发人员，市场上共有3700 个CUDA应用程序，涵盖深度学习、科学计算、图像处理等各个领域，同时 CUDA 的累计下载量达到5300 万，考虑到绝大部分国内外大模型或 AI 应用开发者均在 CUDA 平台上进行软件研发，因此切换到新框架需要付出巨大的转换成本。

国产 AI 芯片厂商目前主要通过兼容 CUDA 以及自研两种方式来构建生态。1）海光信息、壁仞科技、摩尔线程等厂商采用兼容 CUDA 生态的方式，一方面，这类厂商在硬件层面上大多采用与英伟达类似的GPGPU 架构，另一方面，这类厂商投入研发具备较高转换质量的编译器，用于CUDA 代码转译，因此能够降低 CUDA 迁移难度并减少效率损失。短期来看，通过兼容 CUDA 构建生态的优势在于能够实现CUDA应用的低成本迁移，从而使开发者在不改变使用习惯的情况下逐渐过渡为使用国产芯片；2）华为昇腾、寒武纪等厂商致力于构建自主生态，这类厂商会针对自身 AI 芯片的特性通过自研构建软件栈，以通过软硬件协同更好发挥芯片性能，同时自主可控程度也更高。但在短期内，自建生态难度较大，这类厂商也会通过编译器实现对 CUDA 的兼容。而由于这类厂商多采用 ASIC 架构，CUDA 迁移难度相对较高，在一定程度到会导致更大的性能损失。

海光信息 DTK 开放软件平台封装了 AMD 的 ROCm 相关组件，能够高度兼容CUDA生态，同时，海光大量采用国际主流开源方案，较大程度上降低了生态拓展难度。AMD 的ROCm 框架借鉴了CUDA的许多设计理念，同时经过多年兼容经验积累，在软件库、编译器、API 接口等主要模块上与CUDA的相似度非常高，因而 ROCm 对 CUDA 具有高度兼容性。而海光 DTK 软件平台封装了ROCm生态相关组件，并基于 DCU 硬件进行优化并提供完整的软件工具链，能够充分发挥 ROCm 高度兼容CUDA的优势，以更低成本将 CUDA 上运行的应用迁移到海光平台上运行。同时，海光 DTK 充分利用国际开源社区，MIOpen、Eigen、RCCL 等软件库均为目前的主流开源方案，一方面能够降低软件开发工作量，提升用户吸引力，另一方面也方便用户进行二次开发，从而提升用户体验。

华为昇腾自研构建了全栈 AI 计算基础设施、行业应用及服务，包括昇腾系列硬件、CANN异构计算架构、MindSpore AI 计算框架等，打造完整的国产化 AI 生态，并通过软硬件深度协同，充分发挥芯片性能。其中，CANN 是华为专为昇腾 AI 处理器设计的核心软件层，对标英伟达 CUDA 架构。CANN于2018年9月推出，目前已迭代至 8.0.0 alpha001 版本，提供了超过 1400 个硬件亲和的高性能算子，可覆盖主流AI 框架的算力加速需求，同时开放了自定义算子开发能力，满足开发者算法创新需求。CANN具有三大优势，包括 1）提供用户友好型 API，易于开发，2）计算效率、数据处理效率、训练效率较高，3）支持云边端全场景；而自研的 AI 框架昇思（MindSpore）在国内开发者中的使用率排名第四，仅次于三大第三方框架。目前昇腾生态已初具规模，收录了紫东太初、智谱天启等大模型，适用场景涵盖多模态等，同时，昇思社区用户已超过 1220 万，收藏项目超过 2.86 万。

3. AI 服务器：AI 驱动服务器市场格局变化，昇腾系份额持续提升

3.1 AI 服务器高速增长，市场规模迅速追赶通用服务器

互联网、运营商、金融等各行业用户持续加大 AI 算力投入，国内 AI 服务器市场规模整体保持快速增长。根据 IDC 数据，未来 4 年国内服务器市场总规模将保持 10%左右的增长。而国内AI 服务器市场增速将明显快于通用服务器，2024 上半年中国加速服务器市场规模达到 50 亿美元，同比增长63%。在各类AI 服务器中，GPU 服务器依然占据主导，市场规模达 43 亿美元，占比达 86%，同时NPU、ASIC和FPGA等非GPU 加速服务器以同比 182%的增速达到近 7 亿美元市场规模。根据 IDC 预测，到2028 年中国加速服务器市场规模将达到 253 亿美元，2024-2028 年均复合增速超过 20%，其中以 ASIC 为代表的非GPU服务器市场规模占比也将提升至接近 50%。

从全球看，随着大型 CSP 以及企业客户不断增加 AI 算力支出，全球 AI 服务器市场快速成长，市场规模追赶通用服务器。根据 The Next Platform 引用 IDC 数据，到 2027 年全球服务器市场总规模将达到1891亿美元，2023-2027 年 CAGR 为 10.2%。而根据 Statista 数据，未来 4 年全球AI 服务器市场将保持30%左右的高速增长，预计到 2027 年市场规模将达到 880 亿美元，并逐步与通用服务器市场规模持平。

3.2 AI 上游芯片及下游需求驱动服务器市场竞争格局剧变

浪潮信息和新华三等服务器市场领军占据国内 AI 服务器市场的主导，同时以超聚变和华鲲振宇为代表的昇腾系服务器厂商份额持续提升。根据 IDC 数据统计，2023 年，头部服务器厂商浪潮信息、新华三、超聚变、宁畅在国内 x86 服务器市场份额分别为 28%、16%、11%、10%，同时AI 服务器市场中，浪潮信息、新华三、超聚变、宁畅份额分别为 36%、19%、7%、14%。其中，浪潮信息在通用服务器和AI 服务器均位列国内市场第一，公司凭借 JDM 模式（Joint Design Manufacture），深度参与到服务器的设计、研发和交付流程，占据了国内互联网客户云服务器和 AI 服务器的主要份额；而新华三在国内通用和AI 服务器市场的份额均仅次于浪潮，公司背靠紫光股份，在政府、运营商、央国企等行业具有较强优势；同时23年超聚变在国内 x86 服务器 AI 服务器市场份额分别排名三和第四，目前昇腾 910B 已经成为国内客户在国产AI 训练芯片能够替代 A100 的主要选择，随着昇腾出货量的快速增长，以超聚变和华鲲振宇为代表昇腾系服务器厂商的份额也随之持续提升。除了传统服务器厂商及昇腾系厂商之外，以华勤技术为代表的本土ODM厂商正在切入到 AI 服务器市场，凭借在消费电子领域积累的研发体系和供应链优势，公司22 及23 年的服务器业务均达到数倍的增长。

2024 年以来，以浪潮信息为代表的头部服务器厂商收入持续高增验证 AI 算力景气度。2024年H20在头部互联网厂商及智算中心用户 AI 芯片采购中占据较高份额，出货量持续增长，其中，截止到2024年9月初，字节的 H20 订单已追加至 32-33 万张，并已交付 14-15 万张，对应服务器环节，以浪潮信息为代表的头部服务器厂商将率先受益。24Q3 和 24Q4，浪潮信息的营收分别为 411 亿元和316 亿元，分别同比增长76%和 78%，同时，24 年以来浪潮的存货金额持续增加，24Q4 存货金额达到406 亿元，创近12个季度新高，预示着公司对未来几个季度的经营发展充满信心。与此同时，以华勤技术为代表的国产头部ODM厂商也开始切入到服务器市场，通过优秀的研发能力和供应链整合能力，市场竞争力快速提升，2023年公司数据业务实现营收 3 倍增长，并推出首款 AI 服务器产品，2024 上半年数据业务以及其中的服务器板块均同比增长 150%，而下半年 AI 服务器也进入发货高峰期。

2024 年以来昇腾 AI 芯片放量带动昇腾系服务器厂商市场份额快速提升，运营商及智算中心采购项目持续验证。三大运营商作为国内智算中心最大的建设主体之一，在 2023-2024 发标多个大型AI 服务器采购项目，其中昇腾系厂商占据运营商 AI 服务器采购主要份额，具体来看：1）中国移动：2023 年以来两次人工智能服务器集采规模合计超万台。2024 年 4 月 18 日，中国移动公布了《2024 年至2025 年新型智算中心采购招标公告》，涉及 7994 台人工智能服务器及配套产品，从中标厂商来看，华为昇腾合作伙伴占据绝对主导，标包 1 的中标厂商均为昇腾合作伙伴。此前中国移动还发布了 2023 年至2024 年新型智算中心（试验网）集采项目，12 个标包对应 AI 训练服务器采购量总计达到 2374 台；2）2024 年3 月底，中国联通发标采购 2503 台 AI 服务器，目前在四位中标候选人中有三位是昇腾合作伙伴，包括昆仑技术、宝德、长江计算；3）中国电信：在 2023 年 10 月也采购了 4175 台 AI 服务器和 1182 台交换机，4 个服务器标包合计超过 80 亿元，共有超聚变、华鲲振宇、烽火通信、宁畅、中兴、新华三等 11 家厂商中标，其中昇腾系占比达 67%。

3.3 昇腾系计算产业生态成型，两大领先级部件伙伴将占主要份额

目前昇腾 AI 芯片连同昇腾服务器、应用软件、生态运营等合作伙伴形成了完整的昇腾计算产业生态体系，其中共有 4 大类合作伙伴。1）昇腾部件伙伴，即拥有自有品牌产品，并能在昇腾产品基础上二次开发或加工生产，销售至最终用户的合作伙伴，包括华鲲振宇、昆仑技术、神州鲲泰等；2）应用软件伙伴，主要对接昇腾产品二次开发并销售自有知识产权的应用程序、软件、垂直细分应用，包括智谱、精英数智、华启智慧、云从科技、格灵深瞳等；3）基础软件伙伴，主要基于昇腾开发算子、加速库、模型套件、工具链等产品，以及基于开源模型提供微调、后训练、优化加速等专业能力，包括硅基流动、面壁智能、潞晨科技等；4）生态运营伙伴，即运营指定区域内智算中心、生态创新中心或创新实验室的合作伙伴，包括软通智慧、天宽等。

昆仑技术（超聚变）和华鲲振宇（四川长虹）两大领先级部件伙伴将占据昇腾服务器较大份额。今年华为升级了合作伙伴政策，在加速增长型伙伴中新增产品增值伙伴，主要分为整机伙伴、部件伙伴和白牌伙伴。目前华鲲振宇和昆仑技术是唯二的领先级昇腾部件伙伴，并均在此前荣获“华为昇腾万里伙伴计划-战略级整机硬件伙伴”认证，将最大程度受益于昇腾产业的崛起，其中，华鲲振宇还是昇腾战略级OEM硬件伙伴，并且据公司高管透露，华鲲振宇在鲲鹏和昇腾整机生态中出货量位于第一。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）