一组第三方数据显示，中国加速服务器市场近年来不断壮大，2021年规模达53.9亿美元，GPU服务器占绝对主导。其中，加速卡的采购型号主要集中在英伟达的T4、V100、V100S以及A100系列上，外加少量的AMD与英特尔。

IDC的数据凸显了英伟达的主导地位：2021年中国加速卡数量出货超过80万片，其中英伟达占据超过80%的市场份额。

去年9月，英伟达被限制向中国供货A100和H100 GPU的消息引发业内广泛关注。虽然英伟达积极争取美国政府许可，并提供低配版产品，但这也再次给国内产业界敲响了警钟。

观察者网注意到，在这轮ChatGPT爆火中，A股也有不少芯片股随之大涨，但炒作意味浓厚。

例如，国产GPU厂商景嘉微曾同时透露“产品未涉及AI训练与ChatGPT相关业务”和“JM9系列图形处理芯片可用于人工智能计算领域”两则消息。在市场信息不对称的情况下，景嘉微股价一个月里大涨超过60%，随后高管很快披露了减持公告。

深交所互动易截图

但也有一些上市公司明确表示拥有类GPU芯片业务。例如，海光信息在招股书中透露，该公司系列产品可以广泛应用于大数据处理、人工智能、商业计算等应用领域。自1月中旬以来，海光信息股价累计涨近30%。

此外近几年在市场上连续大额融资的初创公司，像天数智芯、壁仞科技、摩尔线程等公司，也都推出了自研的通用GPU产品。例如，去年8月壁仞科技发布首款7nm制程的通用GPU芯片BR100，称其可与英伟达的旗舰H100一较高下，但尚未量产上市。

英伟达的“霸权”之下，这些新创公司的产品要想在市场上打开局面，一方面要解决性能和生态适配问题，甚至要反向适配英伟达的生态，另一方面要寄望于国内芯片制造的突破。以在芯片量产方面走在同行前列的天数智芯为例，到2022年底累计销售订单为3亿元，与数十亿的融资相比仍差距显著。

除了GPU，CPU、ASIC（专用集成电路）和FPGA（现场可编程门阵列）等芯片被视为也可为不同AI计算任务提供算力，例如寒武纪就推出了一系列ASIC加速芯片，华为也设计了昇腾310和昇腾910系列ASIC芯片，但ASIC芯片通常针对AI应用专门设计了特定架构，通用性不如GPU。

图源：浙商证券

谈到高端算力芯片的市场竞争，海光信息在招股书中指出，在通用处理器领域，英特尔、AMD的CPU产品在全球市场中占据绝对优势地位；在协处理器领域，英伟达、AMD的GPGPU产品占据绝对优势地位。总体上国内厂商的市场份额与国际龙头企业相比差距较大，面临着该领域激烈的市场竞争。

“今天芯片产业面临的问题不是科研问题，更不是资本运作的问题，而是在成熟的产业生态体系里，我们没有占到核心关键点，更没有核心掌控力。”海银资本创始合伙人王煜全2月8日撰文指出。

他提到，今天非常主流的CPU、GPU芯片生态，是美国政府和众多欧美科技企业花了30多年时间逐步培育、发展起来的。这个领域，从最上游的指令集、芯片设计软件，到下游制造需要的光刻机，都已经有非常成熟的布局。除了表面上能看到的各种技术专利、行业标准，还有大量沉淀在业内，很难快速传播和复制的制造、生产经验，已经形成了壁垒森严的体系。

王煜全呼吁，在系统芯片异构计算时代，芯片企业、人工智能企业和产生大量数据的应用企业，这三方要深度合作，这样芯片的制造水平未必是最好，但芯片训练的模型是最好的。

“虽然英伟达占据先发优势，但其他厂商也在迎头赶上。”近期还有行业人士指出，对ChatGPT这类大模型训练，包括商业巨头和头部的研发机构都有持续在投入，像国内的百度、智源、华为、阿里等，其投入规模至今应该超百亿，主要是数据、硬件和人才的持续投入。可预知的是，还有很长的路要走，大模型应用正处于行业爆发的前夜，可以拭目以待。