一、3 个时代的霸权转移：PC → 移动 → AI
三个时代的霸权转移路径如下表所示。
| 时代 | 时间 | 霸主 | 核心产品 | 商业模式 | 全球市场份额 |
|---|---|---|---|---|---|
| PC 时代 | 1990-2010 | Intel | x86 处理器 | 卖芯片 + 生态 | 80%+（2010） |
| 移动时代 | 2010-2020 | 高通 + ARM | 移动 SoC | IP 授权 + 芯片 | 90%+（2020） |
| AI 时代 | 2020-2026 | NVIDIA | GPU + CUDA | 卖芯片 + 软件 | 90%+（2025） |
二、5 大 AI 芯片公司对比
5 大 AI 芯片公司的核心参数对比如下。
| 公司 | 国家 | 主力产品 | 算力 FP16 | 内存 | 制程 | 2025 估值 |
|---|---|---|---|---|---|---|
| NVIDIA H200 | 美国 | GPU | 1979 TFLOPS | 141GB HBM3e | 4nm | 4 万亿美元 |
| AMD MI400 | 美国 | GPU | 1500 TFLOPS | 288GB HBM3 | 3nm | 3000 亿美元 |
| Intel Gaudi 3 | 美国 | ASIC | 989 TFLOPS | 128GB HBM2e | 5nm | 1500 亿美元 |
| 华为昇腾 910C | 中国 | ASIC | 780 TFLOPS | 128GB HBM | 7nm | 5000 亿美元（华为总） |
| Google TPU v6 | 美国 | TPU | 1800 TFLOPS | 256GB HBM | 3nm | 2 万亿美元（Google 总） |
三、AI 芯片的 5 大技术路线
AI 芯片的 5 大技术路线对比如下。
| 路线 | 代表公司 | 优势 | 劣势 | 2025 市场份额 |
|---|---|---|---|---|
| GPU（通用并行） | NVIDIA | 生态成熟 / 编程简单 | 功耗高 / 单价高 | 75% |
| TPU / ASIC（专用） | Google / 华为 | 性能强 / 功耗低 | 生态弱 / 编程复杂 | 15% |
| FPGA（可编程） | Intel / Xilinx | 灵活 / 适合小批量 | 性能中等 | 5% |
| 神经形态（Neuromorphic） | Intel Hala Point | 模仿大脑 / 超低功耗 | 生态不成熟 | <1% |
| 量子（Quantum） | IBM / Google | 指数级加速特定问题 | 不可商用 | <1% |
四、AI 芯片的供应链困局
AI 芯片供应链的 4 大瓶颈：(1) 光刻机——ASML EUV 全球独家，单台 1.5 亿欧元，2025 年产量仅 50 台；(2) 先进制程——台积电 4nm / 3nm 垄断 90%+ 产能；(3) HBM 内存——SK 海力士、三星、美光三家垄断；(4) EDA 软件——Cadence、Synopsys、Siemens EDA 三家垄断。
NVIDIA H100 单卡成本 3000 美元（其中 GPU 核心 1500 美元 + HBM 内存 1200 美元 + 散热 PCB 300 美元），但售价 30000 美元（10 倍毛利）——这背后是供应链稀缺性溢价。
五、2026-2030 年：AI 芯片的 5 大趋势
趋势 1：先进制程继续微缩。台积电 2nm 2025 年量产，1nm 2027 年量产——每个节点性能提升 30%、功耗降低 30%。
趋势 2：HBM 内存需求爆发。HBM3e 2025 年量产（单颗 36GB），HBM4 2026 年量产（单颗 48GB），HBM5 2028 年量产（单颗 96GB）。
趋势 3：国产芯片突破封锁。华为昇腾 910C 2025 年量产 7nm 工艺，性能达 H100 70-80% 水平——2025 年 Q3 中国 AI 芯片自给率达 50%（vs 2022 年 5%）。
趋势 4：Chiplet 先进封装。NVIDIA Blackwell B200 用 2 块 GPU Chiplet 拼成，单卡算力 2.5 PFLOPS。
趋势 5：能效比成为新竞争点。Google TPU v6 能效比是 H100 的 2 倍——AI 芯片从绝对算力转向每瓦算力的绿色计算。
