国产算力其实真的比较简单，找到龙寡头就可以玩。

国产链不像海外链，非常完整的透明，大部分靠猜。最佳的策略就是跟踪龙寡头。全部都龙寡头加起来都超不过7家。

半导体设备+测试+晶圆厂，这些本质都是长鑫的上市，现在就是在慢慢兑现这个逻辑。

总结一下，国产算力边际变化的逻辑，会继续引领板块估值修复（上涨），半导体前面涨多了需要兑现一部分。

学习国产芯片研发动态(都在学习谷歌）

DS公司自研推理ASIC芯片

团队与架构：D已组建专门团队，芯片采用ASIC架构，针对其现有及下一代模型，增加了多个专用的向量加速单元。

技术特点：支持原生FP4；互联带宽和内存容量指标设定较高；可能采用3D堆叠技术（Memory），但最终方案尚未确定。

进度与制程：流片时间预计在2027年第一季度。目前未最终决定首颗芯片的制程，但已为高端制程做好准备。从ASIC架构看，即使采用相对成熟的国内制程，也有望通过内部优化接近高性能GPU（如B卡）的性能水平。

产能与性能：预计国内会给予较大产能支持；性能将优于GPGPU。目前芯片的量尚未明确预期。

3D DRAM堆叠（合肥）进展。

已具备DDR5能力，并对外提供3D堆叠工艺服务（已在定制化方面长期开展）。

现状与瓶颈：目前采用3D堆叠的国产卡不多，主要原因是良品率和工艺制造复杂度较高。大多数GPU厂商因良品率差异大而观望，仅少数早期加速卡厂商推出了3D堆叠产品，主流传统厂商仍在等待良品率提升。

其他厂商自研芯片计划

智谱

状态：正在考虑自研芯片，但团队仍处于非常早期阶段。

动机：保障海外模型推理业务（因其模型出海受限，被列入名单，海外部署成本高且经济效益不佳）。

时间点：预计2027年开始设计，2028年晚些时候可能量产。近期不会激进推进，主要精力仍在大模型迭代上。

算力限制与部署趋势

智谱的算力挑战

算力是其达成10亿美元ARR目标的核心限制因素，表现在：

训练算力：明显不足，正全球寻找高端算力（万卡起步）。

推理算力：希望在国内找到高性能算力，但依赖厂家大规模补贴难以持续；高效国产卡尚无理想选择。

应对策略：国内大规模采购英伟达卡；加快配置AMD等算力卡；在周边国家寻找推理算力资源。

国产卡海外部署

现状：国产卡目前没有大规模海外部署计划。昇腾已开始海外部署，其他厂家节奏很慢，处于初级试水阶段。

韩国等地区：韩国资源紧张，地缘政治风险高，不适合国产卡大规模部署。最多是厂商出于自身业务链需求，进行私有化部署，不会公有部署。

政策与市场动态

国内限制海外访问国产头部模型

措施：已出台文件，要求限制海外用户访问国内模型，防止其利用国内廉价电力和资源满足海外token业务。

细则与原因：具体细则仍在制定中。主要目的是保障国内算力资源优先满足国内AI发展需求，缓解国内算力紧张状况。

mx（或其他国产卡）需求排队情况

实际是2026年国产卡整体供应紧张，订单排到2027年，但未明确指向mx本身。

技术与产品规划

C700是否采用合肥HBM？

目前没有厂商明确采用。当前一代产品（HBM3）已在过渡中，下一代产品（HBM3E）才是长期目标，预计2027年下半年实现。3D堆叠良品率仍是主要顾虑。

英伟达卡（H200/B300）与Vera CPU动态

H200：严格监管，无放松迹象；市场基本买不到新机器，流通多为二手或拆机设备。

B300：开始对市场开放，但依然很难获得。

Vera CPU：国内几家互联网企业已提出需求，但尚未承诺采购量。主要用于早期评测，关注其软件生态、性能以及与国产ARM/X86处理器的性价比。

配套方式：可与国产卡通过PCIe互联；也可与海外卡通过NVLink高效互联（后者性能更强）。

现状：英伟达工程师正配合企业测试，商务谈判尚未开始。

下一代国产模型训练进展

模型迭代：训练持续进行，周期约3个月（小范围迭代）或半年（重大版本）。

对训练卡的需求：未明确具体规模，但从智谱“万卡起步”的需求看，头部模型对高性能训练卡的依赖极大。

光模块/NPO重要更新：北美CSP已签NPO长协

NPO：亚马逊、Meta 等海外头部云厂已为 NPO 签长协、明年起量，明年主流 NPO 光源约 120mW；英伟达在测 3.2T NPO、亚马逊在测 6.4T NPO

全球 AI 资本开支更新：今年约 7000-9500 亿美元，明年预期 1-1.3 万亿；硬约束在 ASML 光刻机新增产能，推算 2030 年上限约 4-5 万亿美元。

光模块/NPO需求：800G 今年约 4000 万只、1.6T 约 2500 万只；明年合计 1.5-2 亿只；NPO 与可插拔并非零和，打包需求增速约 50%。良率方面：可插拔 ≥95%、NPO