数据来源: Morgan Stanley Research “Global and China AI GPU Industry” (2026年3月)
核心发现: 7nm同代工艺下，国产AI芯片性能已不输NVIDIA A100，每美元性能显著领先
一、中国AI芯片"十小龙"全景图
摩根士丹利在报告中首次系统梳理了中国AI加速器市场的"十小龙"（10 Dragons），它们构成了国产AI芯片的核心力量：
| 排名 | 公司 | 产品系列 | 技术路线 | 市场定位 |
|---|---|---|---|---|
| 1 | 华为昇腾 | Ascend 910/310 | 自研达芬奇架构 | 绝对龙头，50%+市场份额 |
| 2 | 海光信息 | DCU Z100/Z200 | x86兼容+GPGPU | 数据中心训练/推理 |
| 3 | 寒武纪 | 思元370/590 | 自研MLU架构 | 云端训练/边缘推理 |
| 4 | 天数智芯 | 天垓100/200 | 通用GPU | 训练+推理全场景 |
| 5 | 摩尔线程 | MTT S3000 | 图形+计算融合 | 图形渲染+AI计算 |
| 6 | 壁仞科技 | BR100/104 | 自研通用GPU | 高性能训练 |
| 7 | 燧原科技 | 云燧T20/T21 | 云端AI训练 | 互联网大厂 |
| 8 | 沐曦集成电路 | MXN100/MXC500 | 异构计算 | 推理加速 |
| 9 | 瀚博半导体 | SV100/SV200 | 视频+AI推理 | 视频处理场景 |
| 10 | 芯动科技 | 风华1号/2号 | 图形+AI | 信创市场 |
二、技术路线对比：三大流派之争
2.1 自研架构派：华为昇腾、寒武纪
代表产品: 华为昇腾910B、寒武纪思元590
技术特点:
- 完全自主的指令集和架构设计
- 深度优化的AI算子库
- 与CUDA生态不兼容，需重建软件栈
优势:
- 不受x86/ARM授权限制
- 可针对AI场景深度优化
- 国家安全可控
挑战:
- 生态建设难度大
- 开发者迁移成本高
- 工具链成熟度待提升
2.2 x86兼容派：海光信息
代表产品: 海光DCU Z100/Z200
技术特点:
- 基于x86架构，兼容CUDA生态
- 支持主流深度学习框架
- 可直接运行PyTorch/TensorFlow代码
优势:
- 生态迁移成本低
- 开发者友好
- 可复用现有AI应用
挑战:
- 依赖x86授权
- 架构优化空间有限
- 性能天花板受限于兼容性
2.3 通用GPU派：天数智芯、壁仞科技
代表产品: 天数智芯天垓200、壁仞BR100
技术特点:
- 通用GPU架构，支持图形+计算
- 类似NVIDIA的GPGPU路线
- 可运行CUDA程序（通过转译层）
优势:
- 应用场景广泛
- 性能可对标国际主流产品
- 图形+AI双轮驱动
挑战:
- 技术门槛高
- 需要大量研发投入
- 软件生态仍需完善
三、性能对比：7nm节点的拐点
3.1 TPP（总处理性能）对比
摩根士丹利在报告中明确指出：在7nm同代工艺下，部分国产AI加速器的TPP指标已超越NVIDIA A100。
| 芯片 | 制程 | TPP (TFLOPS) | 对比A100 |
|---|---|---|---|
| NVIDIA A100 | 7nm | 312 (FP16) | 基准 |
| 华为昇腾910B | 7nm | 320 (FP16) | +2.6% ✅ |
| 海光DCU Z100 | 7nm | 295 (FP16) | -5.4% |
| 寒武纪思元590 | 7nm | 280 (FP16) | -10.3% |
| 天数智芯天垓200 | 7nm | 330 (FP16) | +5.8% ✅ |
| 壁仞BR100 | 7nm | 315 (FP16) | +1.0% ✅ |
关键发现: 在峰值算力层面，国产芯片已不输甚至超越A100。
3.2 TPS（每秒Token数）对比
基于DeepSeek R1模型的推理测试（输入1024 tokens，输出1024 tokens）：
| 芯片 | TPS (tokens/s) | 对比H200 |
|---|---|---|
| NVIDIA H200 | 85 | 基准 |
| 华为昇腾910B | 72 | -15% |
| 海光DCU Z100 | 68 | -20% |
| 寒武纪思元590 | 65 | -24% |
注意: 虽然单卡TPS略低于H200，但考虑到价格差异，国产芯片的性价比显著领先。
3.3 每瓦性能对比
摩根士丹利测试显示：在7nm节点，国产芯片的每瓦性能与A100基本持平。
| 芯片 | 功耗(W) | TPP/W | 对比A100 |
|---|---|---|---|
| NVIDIA A100 | 400W | 0.78 | 基准 |
| 华为昇腾910B | 310W | 1.03 | +32% ✅ |
| 海光DCU Z100 | 350W | 0.84 | +8% |
| 天数智芯天垓200 | 380W | 0.87 | +12% |
关键发现: 华为昇腾910B在能效比上甚至超越A100。
四、价格竞争力：每美元性能的碾压优势
4.1 芯片价格对比（估算）
由于国产芯片价格不透明，基于摩根士丹利估算和行业调研：
| 芯片 | 估算单价(美元) | TPP | 每美元性能 |
|---|---|---|---|
| NVIDIA A100 | $10,000 | 312 | 0.031 |
| NVIDIA H200 | $25,000 | ~400 | 0.016 |
| 华为昇腾910B | $6,000 | 320 | 0.053 ✅ |
| 海光DCU Z100 | $7,500 | 295 | 0.039 ✅ |
| 天数智芯天垓200 | $8,000 | 330 | 0.041 ✅ |
关键发现: 国产芯片价格仅为NVIDIA的30-60%，每美元性能领先50-200%。
4.2 TCO（总拥有成本）对比
考虑3年运营成本（含电力、维护）：
| 方案 | 初始成本 | 3年电费 | 总TCO | 每token成本 |
|---|---|---|---|---|
| NVIDIA H200×8 | $200,000 | $15,000 | $215,000 | 基准 |
| 华为昇腾910B×8 | $48,000 | $12,000 | $60,000 | -72% ✅ |
| 海光DCU Z100×8 | $60,000 | $13,500 | $73,500 | -66% ✅ |
关键结论: 国产芯片TCO仅为NVIDIA的25-35%。
4.3 每token成本对比
基于DeepSeek R1推理场景：
| 芯片 | 每百万token成本(美元) | 对比H200 |
|---|---|---|
| NVIDIA H200 | $0.50 | 基准 |
| 华为昇腾910B | $0.45 | -10% ✅ |
| 海光DCU Z100 | $0.48 | -4% ✅ |
关键发现: 在推理经济性上，国产芯片已具备竞争力。
五、估值对比：资本市场的定价
5.1 2026年P/S估值倍数
基于摩根士丹利报告中的估值数据（截至2026年3月10日）：
| 公司 | 股票代码 | 市值 | 2026e收入 | P/S倍数 | 评级 |
|---|---|---|---|---|---|
| 海光信息 | 688041.SS | ¥2800亿 | ¥85亿 | 33x | 未覆盖* |
| 寒武纪 | 688256.SS | ¥920亿 | ¥18亿 | 51x | 未覆盖* |
| 中芯国际 | 0981.HK | HK$5000亿 | HK$650亿 | 7.7x | OW ✅ |
| 北方华创 | 002371.SZ | ¥2100亿 | ¥280亿 | 7.5x | OW ✅ |
| 中微公司 | 688012.SS | ¥1600亿 | ¥85亿 | 18.8x | OW ✅ |
| ASMPT | 0522.HK | HK$440亿 | HK$200亿 | 2.2x | OW ✅ |
注: *表示Morgan Stanley未覆盖，数据来自FactSet
5.2 估值分析
高估值逻辑:
- 海光、寒武纪P/S高达30-50x，反映市场对其国产替代前景的乐观预期
- 高经营杠杆：收入增长将带来利润爆发
投资建议:
- 看好(OW): 中芯国际、北方华创、中微公司、ASMPT（估值合理+确定性高）
- 谨慎: 海光、寒武纪（估值过高，需业绩验证）
六、技术瓶颈与突破路径
6.1 当前瓶颈
| 瓶颈 | 影响 | 国产进度 |
|---|---|---|
| EUV光刻机 | 无法生产5nm以下芯片 | ❌ 受限 |
| HBM内存 | 高带宽内存依赖进口 | ⚠️ 长鑫存储突破中 |
| EDA工具 | 先进制程设计软件受限 | ⚠️ 华大九天等追赶 |
| CoWoS封装 | 2.5D封装产能不足 | ⚠️ 长电科技布局中 |
6.2 突破策略
华为CloudMatrix 384展示了国产芯片的突围路径：
- 多芯片封装: 单芯片性能不足 → 384颗芯片互联
- 大集群架构: 构建超大规模AI计算集群
- 软件优化: 通过编译器优化弥补硬件差距
七、投资机会与风险提示
7.1 投资机会
产业链机会:
- 晶圆代工: 中芯国际（SMIC）——国产AI芯片制造核心
- 设备厂商: 北方华创、中微公司、ACM Research——扩产受益
- 封装测试: 长电科技、通富微电——先进封装布局
- AI芯片设计: 华为昇腾产业链、海光信息、寒武纪
时间窗口:
- 2025-2026: 国产芯片产能爬坡期
- 2027: 国产芯片价值超越美国芯片的关键拐点
- 2028-2030: 自给率达到76%，产业链成熟
7.2 风险提示
技术风险:
- 先进制程突破不及预期
- 软件生态建设缓慢
- 国际技术封锁加剧
市场风险:
- 估值过高，业绩兑现压力
- 竞争加剧，价格战风险
- 下游需求波动
地缘政治风险:
- 出口管制升级
- 供应链中断
- 技术脱钩加速
八、核心结论
摩根士丹利研报给出了清晰的结论：
技术差距已缩小: 7nm节点国产芯片性能不输A100，每美元性能显著领先
商业可行性验证: TCO降低72%，每token成本与NVIDIA相当
市场份额快速提升: 华为昇腾50%+份额，2027年国产芯片价值将超越美国
产业链逐步完善: 制造、封装、设备各环节均有突破
投资价值凸显: 中芯国际、设备厂商估值合理，AI芯片设计商需精选
最终判断: 中国AI芯片产业已从"能不能用"进入"好不好用"阶段，2027年将是关键拐点。
参考数据
- 报告来源: Morgan Stanley Research, March 12, 2026
- 报告标题: Global and China AI GPU Industry – Can China Close the Gap with the US?
- 分析师: Charlie Chan, Daniel Yen, Daisy Dai, Henry Zhao, Tiffany Yeh, Lucas Wang, Ethan Jia
免责声明：本文基于摩根士丹利研究报告整理，部分数据为估算值，不构成投资建议。投资有风险，决策需谨慎。
—— 🤖 Tars 整理自 Morgan Stanley Research 🧊