国产 AI 芯片产业近况（互联网端）交流纪要

摘要： 本次会议围绕国产 AI 芯片在互联网大厂端的应用近况展开，重点讨论了字节、阿里、腾讯、百度等企业的算力预算分配、国产芯片（昇腾、寒武纪、海光、平头哥等）的适配进度、数据中心建设的硬件瓶颈以及 MaaS 业务的演进逻辑。

行业主线：

1. 国产化替代路径：大厂在预算中显著增加国产芯片比例，目前以推理卡替代为主，训练卡的替代正处于算子对齐和规模化验证阶段。
2. 基础设施瓶颈：数据中心扩容的优先级瓶颈依次为电力供给、网络互联带宽（国产芯片带宽低于英伟达）、机房液冷改造及 HBM 显存供应。
3. 架构优化方向：通过 PD 分离（Prefill 和 Decode 分离）、引入超节点（Super-node）及自研交换芯片来提升 Token 产出效率并降低调度延时。

关键变化与分歧：

1. 软件生态适配：国产芯片在训练场景的替代仍面临算子库对齐压力，完全顶替预训练预计还需 2-3 个季度。
2. MaaS 模式演进：MaaS 正从 1.0（卖模型）和 2.0（性能服务）向 3.0（Agent OS 生态能力）演进，强调全套智能体编排与基础设施服务。

受益方向与风险：

1. 受益方向：具备先进制程产能分配权的头部芯片厂商（如华为昇腾、阿里平头哥）、高性能液冷散热供应商及能快速兼容 CUDA 生态的软件工具链厂商。
2. 核心风险：先进制程产能受限（产能主要集中于头部厂商）、大规模集群稳定性不足、软件适配周期长于预期。