AI芯片/算力产业链 完整详解⚠️ 以下仅产业结构拆解，不构成任何投资建议整体链条分四层：上游半导体基础设施 → 中游AI芯片设计（寒武纪所在层）→ 整机互联配套 → 下游算力/模型/应用，越往上卡脖子越硬、产能约束越强；越往下内卷越重、生态壁垒越关键。一、最上游：制造基础设施（当前国产最大瓶颈）这一层决定你能不能把AI芯片造出来，优先级＞芯片设计本身，也是当前国产算力最紧缺环节1. EDA / IP- EDA：芯片设计工具链，三巨头垄断，国产仅部分点工具可用，大芯片全流程仍受限- IP：通用计算IP、SerDes、高速接口、DDR/HBM PHY，是芯片拼装基础- 结论：最底层卡脖子，不直接赚AI爆发快钱，但属于安全底座2. 晶圆代工（制程产能）- 高端AI大芯片需要7nm/5nm等效制程，国内主力是中芯N+2（等效7nm）- 现状：产能极度稀缺、大芯片良率偏低，华为/海光/寒武纪优先分产能，是硬供给天花板- 管制环境：EUV受限，不能走台积电最先进线，倒逼Chiplet拆分设计3. HBM / 高速存储（本轮AI最紧缺BOM项）- AI芯片瓶颈往往不是算力，是显存带宽，HBM通过2.5D堆叠解决带宽- BOM占比极高，高端卡接近一半成本；国内供给非常薄弱，是仅次于先进制程的短板- 区别：普通GDDR便宜、成熟；HBM才是训练/大参数推理刚需4. 先进封装 CoWoS / 2.5D / 3D、载板- AI芯片+HBM必须通过CoWoS这类先进封装绑定在一起，是Chiplet路线的核心配套- 国内封测厂承接国产AI芯片配套封装，是确定性较强的补短板环节，大基金重点倾斜- 配套：ABF载板、TSV、中介层、散热材料，跟着封装景气走5. 半导体设备 / 材料光刻、刻蚀、沉积、光刻胶、特种气体、抛光液，周期最长、替代最慢，属于长期主线✅ 产业共识：当前国产算力第一约束 = 先进制程产能 + HBM + 先进封装，不是芯片设计能力寒武纪财报大额预付存货，本质就是提前锁定这几段供应链产能二、中游：AI芯片设计（寒武纪、海光、昇腾所在层，博弈最强、估值波动最大）先分清两个完全不同市场：训练芯片 vs 推理芯片类型 核心需求 壁垒 国产现状 代表 训练芯片 超高算力、FP8/BF16、万卡互联、超大HBM、集群调度 硬件+软件生态+集群能力最高 几乎只有昇腾能规模化千卡训练，其余以小批量为主 英伟达H100/H200、昇腾910/950 推理芯片 高吞吐、低延迟、INT8/FP4、性价比、能效、单卡部署灵活 适配、成本、推理引擎、客户验证 国产最容易突破、当前放量主力赛道 寒武纪思元、昇腾310/510、海光DCU、昆仑芯 寒武纪核心定位：推理优先、兼顾部分训练，独立第三方Fabless，MLU自研架构，MagicMind推理引擎，在字节等互联网推理集群已经批量落地，这也是它和昇腾/海光差异化的地方。国产芯片设计三条清晰路线（不是简单竞争，是分流）1. 华为昇腾：全栈闭环路线- 芯片+CANN算子+MindSpore框架+Atlas服务器+集群+云，全部自研- 优势：集群互联最强、政企/智算中心首选、自主可控天花板、出货量国产第一- 短板：不兼容CUDA，迁移成本高，产能受制程约束，优先供给自有体系2. 海光信息：CUDA兼容路线（DCU）- 最接近英伟达迁移体验，类CUDA DTK栈，原有CUDA代码改最少- 优势：商业化迁移成本最低，政企、传统服务器生态融合好- 短板：架构授权边界约束，不是完全从零自研3. 寒武纪：纯自研架构、推理优先第三方路线- MLU独立架构、NeuWare/MagicMind，不绑定云/服务器厂商，对外卖卡- 优势：推理性价比、互联网大厂独立采购、已经实现盈利、A股纯AI设计标的- 短板：万卡训练集群互联弱于昇腾、生态开发者规模小、客户集中、估值高波动大- 另外还有：百度昆仑、阿里平头哥（自用为主）、摩尔线程/沐曦等创业通用GPU芯片设计层整体特点✅ 需求确定性强、弹性最大❌ 内卷最严重、生态追赶慢、估值普遍高、受上游产能/良率约束极强、业绩兑现波动大👉 也是你之前看到科创/芯片ETF在低位持续净买入、但个股（寒武纪）仍然深度回撤的原因：指数买一篮子分散风险，个股还要消化高估值、解禁、筹码交换、生态验证周期三、下游配套层：互联、服务器、板卡、液冷芯片做成加速卡之后，要拼成AI集群，这一段业绩兑现往往更稳1. 光模块 / 光芯片 / 交换芯片 / SerDes- 多卡集群互联刚需：800G→1.6T，AI景气最早兑现环节之一- 逻辑：芯片装成服务器，首先要解决高速互联，中际旭创这类属于这一环2. AI服务器整机 / PCB / 电源 / 液冷散热- 把加速卡+CPU+HBM+光模块集成整机，浪潮、工业富联、曙光等- 属于组装属性，量上来之后业绩明确，但毛利率低于芯片- 衍生：高速PCB、载板、液冷、供电，都是AI功耗提升带来新增量3. 板卡/固件/操作系统、分布式调度软件- 集群能不能跑起来，一半问题在调度、驱动、算子适配，也就是软件生态- 国产最大隐性壁垒在这里，远大于单纯硬件算力四、最下游：算力服务、大模型、行业应用1. 算力租赁 / 智算中心：买芯片服务器，打包成算力出租，赚算力价差- 属于重资产资本开支后周期，景气传导靠上游芯片供给释放、算力价格上行2. 大模型 / MaaS / 推理服务：把算力封装成API，真正消耗推理算力- 现在行业大趋势：训练是一次性投入，推理是长期持续消耗，算力总量重心向推理迁移，正好匹配寒武纪这类芯片的主赛道3. 行业应用：金融、安防、运营商、自动驾驶、机器人，需求分层落地五、产业链景气传导顺序（结合2026现状）1. 最先紧缺：上游产能侧 → HBM、先进封装、晶圆代工、设备材料（卡脖子、供给刚性）2. 然后兑现：光模块、交换互联（订单能见度高）3. 中游高弹性：AI芯片设计（昇腾/海光/寒武纪），但分化极大、博弈重、估值波动大4. 之后：AI服务器整机、PCB、液冷电源配套5. 后周期：算力租赁、模型应用，看资本开支投放节奏对应行情：当高位芯片设计股深度回调（比如寒武纪从1620跌到990、跌破0.618），资金会优先去上游短板环节、或者ETF指数低位收集筹码，就是群聊里说的「3天300亿科创芯片ETF低位买」的产业背景。六、针对寒武纪，在链条里的优劣势再明确一次✅ 匹配环节：云端推理集群（字节这类互联网）、中小训练、政企信创推理，是国产推理赛道核心标的，不是万卡训练主力✅ 优势：独立第三方、不绑定自有云、纯自研架构、推理引擎优化深、已经盈利、ETF科创指数权重标的⚠️ 短板：1. 同样受中芯N+2产能、良率、HBM供给约束2. 软件生态规模远小于CUDA、也小于昇腾，训练集群场景弱3. 客户集中度高、估值高Beta大，属于板块里弹性博弈型，不是稳健型4. 本轮回调除了通用获利盘，本质也是市场从纯炒算力预期，切换到分环节看产能、分场景看兑现七、几个关键结论1. 国产替代主线是真的，但链条不同环节确定性、壁垒、景气节奏完全不一样，不是所有芯片设计都同等受益2. 当前最大瓶颈不在设计，而在先进制程产能、HBM、CoWoS先进封装，这三段是国产最优先补短板方向3. 芯片设计内部：昇腾=全栈训练集群，海光=兼容迁移，寒武纪=推理优先第三方，三条路线分流客户，不是单一胜负4. 产业长期大方向：算力需求持续向上；但个股层面，高估值AI设计股，回撤到0.618以下，属于高波动筹码交换，不等于马上反转，还要等缩量、催化、新客户/新品验证5. ETF批量低位买入，本质是资金认可板块长期逻辑、规避个股单一风险，和个股独立技术回调是两件事以上数据仅供参考，不做投资建议。