IDC Report: NVIDIA's China AI accelerator share falls to 34%, Huawei follows closely at 28%

文章主体

近日，市场研究机构IDC发布的最新报告显示，2026年上半年，中国数据中心AI加速器市场格局发生明显变化。其中，英伟达市场份额降至34%，华为以28%的份额紧随其后，出货量达到57.2万颗，较去年同期接近翻倍。与此同时，阿里巴巴旗下平头哥、寒武纪、百度旗下昆仑芯等本土企业的市场份额持续提升，国产AI芯片厂商正加快进入规模化交付阶段。

比市场份额变化更值得关注的，是国内AI算力需求结构正在发生转变。IDC数据显示，今年上半年，中国AI加速器总出货量约200.8万颗；其中，非GPU加速器出货量达到101.6万颗，同比增长近80%，首次超过GPU出货规模。

这一变化的背后，是我国人工智能产业向规模化应用加速迈进的趋势。随着大模型、智能体等应用不断拓展，企业对AI算力基础设施需求日益增长，尤其是金融、通信、互联网、制造等行业，为国产芯片技术创新和商业化落地创造了新的条件。

IDC报告指出，2026年上半年，华为AI加速器出货量达到57.2万颗，市场份额为28%；平头哥占据7%的市场份额，寒武纪、昆仑芯和海光分别占据5%、4%和3%。在IDC跟踪的11家中国半导体厂商中，有9家企业的出货量实现同比增长。

对此，瑞达恒研究院经理王清霖对《中国经营报》记者表示，这反映出国内AI芯片市场正在形成以头部厂商为引领、多种技术路线共同发展的竞争格局。一方面，以华为为代表的企业依托芯片架构、软件生态及系统集成能力，在大型智算中心、互联网和行业计算市场持续拓展；另一方面，平头哥、寒武纪、昆仑芯等企业也逐步形成差异化的产品定位，在云计算、大模型训练和推理等领域扩大应用。

CHIP中国实验室主任罗国昭表示，过去几年，大模型对算力的需求主要集中在模型预训练、参数优化等环节，但市场更加看重芯片的高性能计算能力。随着大模型逐步进入商业化应用阶段，推理计算的重要性持续提升。特别是智能体、多模态交互以及企业内部知识服务等应用加快普及，面向高并发、低时延和低成本运行的算力需求不断增加。

这一变化也反映在AI芯片的出货结构上。IDC数据显示，今年上半年，中国GPU加速器出货量为99.1万颗，同比下降26%；非GPU加速器出货量则达到101.6万颗，同比增长近80%。其中，华为、平头哥、昆仑芯和寒武纪4家企业在非GPU加速器市场合计占据约95%的份额。

值得注意的是，报告指出，非GPU加速器出货量超过GPU，并不意味着GPU技术的重要性下降，而是反映出AI算力体系正在走向多元化。

更重要的是，国内算力基础设施建设为国产芯片提供了持续扩大的市场基础。

工信部最新公布的数据显示，截至2026年9月底，我国智能算力规模达到2592EFLOPS，同比增长146%。智能算力供给能力快速提升，表明人工智能基础设施仍处于扩张阶段，也意味着算力芯片、服务器、网络互联及配套软件的产业需求正持续释放。

国产厂商加快规模化商用

其中，华为昇腾正通过超节点架构和基础软件生态建设，推动国产算力从单芯片能力向大规模集群能力升级。

今年7月举行的2026世界人工智能大会上，华为首次公开展示昇腾950超节点真机，现场采用1024卡集群部署，面向大模型训练和高并发推理需求，通过高带宽、低时延互联及统一内存编址等技术，提高大规模计算系统的协同效率。

据华为方面披露，截至今年7月，昇腾384超节点已累计商用部署超过750套，覆盖互联网、运营商、金融、教育、医疗、制造等多个行业；同时，华为已联合3000多家合作伙伴，开发7000多套行业解决方案，服务2000多家政企核心客户。在软件生态层面，华为也在持续推进CANN异构计算架构以及Mind系列基础软件的开源开放，并加强与PyTorch、vLLM等主流开发框架和推理工具的适配，以降低开发者在不同算力平台之间迁移模型和应用的技术成本。

国内其他AI芯片厂商也在通过不同路径拓展商业化市场。据阿里巴巴方面透露，平头哥已形成覆盖GPU、CPU、存储和网络芯片的产品矩阵。其中，真武系列芯片包括最新一代AI处理器真武M890，已通过阿里云服务向自动驾驶、互联网、金融服务等20多个行业的超过650家外部客户提供商业化应用，支持训练、微调及推理等不同类型的AI工作负载。

同时，寒武纪也实现了规模化应用带动下的经营增长。寒武纪表示，依托人工智能芯片、基础系统软件平台以及集群软件工具链的持续研发，其产品已在金融、互联网等核心行业实现规模化商用部署。

此外，昆仑芯P800已完成大规模集群实践验证，并依托百度智能云百舸AI计算平台，实现3.2万卡集群点亮和规模化应用。通过芯片、计算平台和推理框架协同优化，百度试图进一步提升国产算力在大模型训练和推理场景中的部署效率。

罗国昭表示，国产AI芯片竞争已经不再局限于芯片参数层面的竞争，而是逐步形成了集研发、软件工具、产业集群和应用为一体的产业体系。尤其是越来越多国产AI芯片已进入企业业务环节，并通过大量企业使用的数据反馈，提高其稳定性与易用性，并进一步降低企业适配和迁移成本。这意味着国产AI芯片产业正在从早期的产品验证，逐渐进入规模化交付、业务变现的良性阶段。

产业竞争转向

随着AI模型规模扩大和应用负载不断增加，全球AI芯片产业也在发生新的技术演进。IDC指出，市场竞争焦点正从单颗芯片性能转向系统整体能力，包括芯片在大型计算集群中的协同运作表现。

罗国昭认为，在传统算力竞争模式下，芯片制程工艺、计算单元的数量及峰值运算性能，往往是决定产品竞争力的重要因素。但在大规模AI计算场景中，芯片间的数据传输、内存调度、模型并行效率以及软件适配能力，同样都会影响到系统的实际性能。

尤其是在大模型推理场景中，企业更加关注每秒能够处理多少Token、响应时延能否满足业务要求，以及单位Token的综合计算成本。芯片峰值性能较高，并不意味着实际业务中的算力利用效率会更好。

这一趋势也正在推动国内企业调整技术发展方向。记者注意到，在今年9月举行的华为全联接大会2026上，华为发布昇腾960超节点。华为副董事长、轮值董事长汪涛表示，华为坚持围绕“超节点+集群”，通过系统架构创新构建竞争力，同时推动开源开放算力生态建设。

与此同时，AI芯片市场需求仍有较大的增长空间。IDC预计，2026年中国AI加速器整体出货量将同比增长19%。到2029年，全球加速计算服务器市场规模将超过1万亿美元，反映出人工智能基础设施仍处于持续扩张周期。

中国工程院院士邓中翰此前公开指出，当前国产高端算力芯片在数据中心、算力集群等关键场景的规模化应用中，仍面临技术适配性、生态体系和算力利用效率三方面挑战。部分国产芯片与大模型及算力集群多元计算需求的适配仍有不足，软硬件协同、标准统一及应用验证等环节也有待完善。

同时，软件生态也是影响国产算力商业化的重要因素。商汤科技大装置事业群CTO宣善明此前表示，现阶段国产算力落地的突出堵点集中在显存容量、卡间互联带宽及融合算子性能等方面。此外，由于不同模型、芯片和应用场景之间存在大量适配需求，单独一家企业难以完成全部适配工作，需要产业链各方加强协同。

（文章来源：中国经营网） 正文中部 内嵌广告