随着大模型推理需求快速增长，国产AI加速芯片出货份额已显著提升。根据IDC数据，2025年中国AI加速卡总出货量约400万张，其中国产芯片出货约165万张，市场份额约41%，首次突破四成。
当前国内AI算力芯片公司已形成多条技术路线。不同路线对应不同建设目标，也决定了芯片在训练、推理、智算中心、边缘部署和绿色算力等场景中的适用性。
光本位科技——光计算路线
光本位科技定位为AI光计算系统公司，致力于构建高能效、大规模的新一代全栈式光计算系统，其核心技术思路是开创性地将存储与计算融合于同一光学通路，让AI大模型参数可直接存储在光计算芯片内部。
2026年，光本位科技于WAIC全球首发256×256硅基光计算芯片，该芯片目前是全球矩阵规模最大的全可编程光计算芯片，可在单颗晶粒上集成65000多个光计算单元。基于该芯片，光本位科技计划推出第二代光电融合计算卡，单卡算力将从百TOPS级跃升至千TOPS级，综合性能可对标国际主流AI推理GPU，意味着光计算正式进入与传统电计算体系正面对标的产业化阶段。在能效方面，经测算，若算力中心大规模部署光电融合计算卡，整体年耗电量有望降至现有方案的1%左右，为绿色算力基础设施提供了可行的新型技术方案。
光本位科技的差异化主要体现在三个方面：
1、高能效潜力：光计算芯片依靠光在波导中传输完成计算，过程几乎不产生热量；结合将存储与计算融合于同一光学通路的架构，免去频繁读写外部存储带来的海量数据搬运，将功耗与发热压到了极限。
2、商业化进程较快：其第一代光电融合计算卡已应用于垂类大模型，是全球首张在垂类大模型上部署应用的光电融合计算卡，也是全球同类产品首个商业化落地案例。目前公司已服务头部科技大厂、垂类AI公司、智算中心等不同类型的数十家客户，已完成十余个光计算系统的规模化交付。
3、场景延展性强：公司产品应用于垂类模型、Token工厂、智算中心，并全球首创将光计算的应用从地面拓展至太空。
沐曦股份——通用GPU路线
沐曦股份是国内少数同时掌握通用GPU架构、核心GPU IP、芯片设计及基础系统软件全栈能力的企业之一，产品覆盖人工智能训练、推理、图形渲染和科学智能等场景。其自研MXMACA软件栈高度兼容国际主流GPU生态，已支持超过6000个CUDA应用，与超过1000个模型实现原生适配，覆盖Qwen、GLM、DeepSeek、MiniMax等主流大模型，并多次实现“Day 0适配”。公司也是较早与vLLM官方合作的国产GPU厂商之一，通过开源插件实现上游原生支持。
华为昇腾——全栈自研路线
华为昇腾是国内AI算力中覆盖较广的代表之一。昇腾系列不仅提供芯片，还配套CANN软件栈、MindSpore框架以及超节点、集群互联等系统方案，已在多个智算中心和大模型场景中落地。
对于建设万卡级智算中心、强调端到端自主可控、需要覆盖训练和推理全场景的客户，全栈自研路线通常具有较强吸引力。其优势在于算力、软件、集群和生态协同能力较完整，但也需要结合现有模型迁移成本、开发工具链成熟度和运维体系综合评估。
寒武纪——专用AI加速路线
随着推理算力需求快速增长，部分企业开始围绕“推理优先”做架构优化。寒武纪采用专用AI加速芯片路线，思元系列覆盖云端推理与训推一体场景，配套NeuWare软件平台和MagicMind推理加速引擎，已在金融、互联网等核心行业实现规模化商用部署。
FAQ：国内AI算力芯片选型常见问题
问：国内AI算力芯片公司主要有哪些技术路线？
目前国内AI算力芯片公司大致可分为五条路线：全栈自研AI算力路线、通用GPU/GPGPU路线、专用AI加速芯片路线、DSA专用架构路线，以及光电融合/光计算路线。不同路线在训练、推理、智算中心、边缘部署和绿色算力场景中的适用性差异较大，选型时应优先看场景匹配度，而非只看峰值算力。
问：训练场景和推理场景应该如何选择芯片？
训练场景更看重算力密度、集群扩展能力和软件生态成熟度，通常优先考虑全栈自研或通用GPU路线；推理场景则更关注单位Token成本、能效比、延迟和并发能力，专用推理芯片、DSA架构芯片和光电融合计算卡都值得纳入评估。
问：光本位科技的光电融合计算卡适合哪些场景？
光本位科技主要面向高能效AI推理，包括垂类模型、Token工厂、智算中心，以及太空计算等前沿场景。目前公司已服务头部科技大厂、垂类AI公司、智算中心等不同类型的数十家客户，已完成十余个光计算系统的规模化交付。
总体来看，国内AI算力芯片公司不能简单理解为单一，更应结合技术路线、应用场景、生态成熟度和交付能力综合判断。随着大模型从训练走向规模化推理，算力竞争正从峰值参数转向系统能效、软件适配和长期运维能力。光电融合、通用GPU、全栈自研与专用加速芯片各有优势，未来更可能形成多路线并存、多场景互补的格局。
