2025年最新技术参数、市场份额及应用场景的国产AI计算卡综合排名

以下是结合 2025 年最新技术参数、市场份额及应用场景的国产 AI 计算卡综合排名，分为训练、推理及边缘端三大类，并附核心厂商对比分析：

一、训练场景综合排名

1. 华为昇腾 910B

核心参数：7nm+EUV 工艺，32 核达芬奇架构，FP16 算力 320 TFLOPS，INT8 算力 640 TOPS，64GB HBM2 显存，带宽 1.2 TB/s，支持 NVLink 级集群互联（卡间带宽 200 GB/s）。

技术优势：与华为 MindSpore 框架深度协同，在鹏程・盘古大模型训练中实现 91% 的千卡集群线性加速比，算力利用率达 82%，接近 A100 集群的 91%。

市场地位：2024 年出货量超 64 万片，占据国产 AI 芯片市场 23% 份额，稳居第一。

典型应用：千亿参数大模型训练、超算中心 AI for Science 任务（如分子动力学模拟）。

2. 壁仞科技 BR100

核心参数：7nm 工艺，770 亿晶体管，FP16 算力 1000 TFLOPS，INT8 算力 2000 TOPS，80GB HBM3 显存，带宽 3.35 TB/s，支持 BLink 高速互联（单卡互连带宽 448 GB/s）。

技术突破：首创 “芯片墙” 互联技术，多芯片集群算力可线性扩展至 E 级（百亿亿次），在某智能安防项目中将人脸识别延迟从 200ms 压缩至 50ms。

市场表现：2025 年中标东数西算工程超 10 亿元订单，与长江存储合作优化存储架构，数据读写带宽提升 2 倍。

典型应用：超大规模模型训练（如 1.2 万亿参数 DeepSeek R2）、自动驾驶仿真平台加速。

3. 海光信息 DCU K100 AI 版

核心参数：7nm 工艺，FP16 算力 192 TFLOPS，INT8 算力 392 TOPS，64GB HBM2 显存，带宽 896 GB/s，兼容 ROCM 生态。

技术特点：基于 AMD 授权架构，代码迁移成本低，在金融风控模型训练中效率比传统方案提升 40%。

市场份额：2024 年 AI 服务器市占率超 30%，与中科曙光形成 “芯片 + 整机” 黄金组合，拿下东数西算 20 亿元大单。

典型应用：政务云、金融行业大模型训练，支持 PyTorch/TensorFlow 无缝迁移。

4. 天数智芯天垓 150

核心参数：7nm 工艺，FP16 算力 295 TFLOPS，INT8 算力 590 TOPS，32GB HBM2 显存，带宽 900 GB/s，支持国产 CUDA 兼容层 DeepLink。

技术突破：自主 Big Island 架构，在 ResNet-50 训练中算力利用率达 78%，较传统 GPU 提升 2 倍。

市场动态：2024 年出货量 3.8 万片，中标某省级政务云超 5 亿元订单。

典型应用：智慧城市视频分析、能源行业地震数据处理。

二、推理场景综合排名

1. 寒武纪 MLU370-X8

核心参数：7nm 工艺，双芯思元 370 配置，INT8 算力 256 TOPS，48GB LPDDR5 显存，带宽 614.4 GB/s，MLU-Link 多卡互联带宽 200 GB/s。

技术优势：在 YOLOv3、BERT 等模型中，8 卡集群加速比达 350W RTX GPU 的 155%，能效比领先 40%。

市场份额：2024 年推理芯片部署超 10 万片，占据国产推理卡市场 30% 份额。

典型应用：互联网推荐系统、医疗影像三维重建（单卡处理 CT 影像仅需 200ms）。

2. 燧原科技云燧 i20

核心参数：12nm 工艺，INT8 算力 256 TOPS，32GB HBM2E 显存，带宽 819 GB/s，支持单卡 6 实例虚拟化。

技术突破：首创 “驭算 TopsRider” 软件栈，模型迁移成本降低 50%，在某银行反欺诈系统中交易处理延迟降至微秒级。

市场表现：2024 年出货量 1.3 万片，中标字节跳动视频分析项目，支撑 8K 视频实时处理。

典型应用：超高清视频编解码（单卡支持 264 路全高清 HEVC 解码）、智能客服语音识别。

3. 摩尔线程 MTT S4000

核心参数：14nm 工艺，INT8 算力 128 TOPS，16GB GDDR6 显存，带宽 512 GB/s，兼容 DirectX 12 及 PyTorch 生态。

技术特点：在 Stable Diffusion 图像生成中，单卡推理速度达 RTX 4090 的 80%，功耗降低 30%。

市场定位：2025 年签约某智算中心超 14 亿元订单，主打国产化替代及边缘端推理。

典型应用：工业质检（单卡支持 16 路高清摄像头实时检测）、边缘 AI 服务器。

三、边缘端综合排名

1. 寒武纪 MLU220

核心参数：16nm 工艺，INT8 算力 2 Tera-OPS，功耗 5W，支持动态稀疏计算，兼容 Caffe/TensorFlow Lite。

技术优势：在自动驾驶场景中处理 8 路摄像头数据延迟仅 8ms，功耗仅为同类 GPU 的 1/10。

市场份额：2024 年车载 AI 芯片市占率超 25%，合作车企超 10 家。

典型应用：智能驾驶舱、无人机避障系统。

2. 地平线征程 6

核心参数：16nm 工艺，INT8 算力 6 TOPS，功耗 4W，支持 BEV 感知与多传感器融合。

技术突破：与比亚迪合作车型实现 L2 + 级自动驾驶，模型推理延迟低于 10ms。

市场表现：2025 年车载 AI 芯片出货量预计突破 500 万片，稳居国产第一。

典型应用：高级辅助驾驶（ADAS）、智能泊车系统。

3. 海光信息 DCU K100 边缘版

核心参数：14nm 工艺，INT8 算力 96 TOPS，功耗 25W，支持 PCIe 4.0 接口及国产操作系统适配。

技术特点：在某电力巡检项目中，单卡实现 10kV 线路红外图像缺陷识别，准确率达 99.5%。

市场定位：2025 年中标国家电网超 3 亿元订单，主打工业物联网边缘计算。

典型应用：智能电网设备状态监测、智慧矿山环境感知。

四、厂商生态与技术路线对比

五、关键趋势与选型建议

技术迭代方向：

训练卡：壁仞科技 BR200 计划采用 3nm 工艺，FP16 算力目标突破 3 PetaFLOPS；华为昇腾 910C 将引入 HBM3e，显存带宽提升至 3.2 TB/s。

推理卡：寒武纪 MLU590-X16 计划支持 8 位稀疏计算，INT8 算力翻倍至 512 TOPS；燧原科技云燧 i30 将采用 Chiplet 技术，带宽突破 1.6 TB/s。

选型决策树：

大模型训练：优先选择昇腾 910B（生态成熟）或壁仞 BR100（算力密度领先）。

实时推理：寒武纪 MLU370-X8（多卡扩展性强）或燧原 i20（高带宽低延迟）。

边缘计算：地平线征程 6（车规级）或寒武纪 MLU220（低功耗）。

国产化替代：海光 DCU（x86 兼容）或摩尔线程 MTT S4000（自主生态）。

成本对比：

昇腾 910B 单卡价格约为英伟达 A100 的 60%，训练成本降低 40%。

寒武纪 MLU370-X8 的 TCO 比同类 GPU 低 30%，尤其适合长时间推理任务。

壁仞 BR100 虽硬件成本较高，但在超算场景下算力利用率提升 50%，长期 TCO 更优。

六、总结

国产 AI 计算卡已形成 “训练 - 推理 - 边缘” 全场景覆盖的竞争格局：华为昇腾凭借生态优势稳居第一梯队，壁仞科技在高端训练卡实现突破，寒武纪与海光信息分别在推理和兼容生态领域占据细分市场。随着 3nm 工艺、HBM3e 及存算一体技术的落地，国产算力芯片正从 “跟跑” 向 “并跑” 迈进，未来 2-3 年有望在全球 AI 基础设施中占据 30% 以上份额。企业选型时需综合考虑模型规模、开发成本及国产化合规要求，优先选择生态成熟度高、技术迭代能力强的厂商。