AI芯片初創公司，進入“斬殺線”？

文 | 半導體產業縱橫

2026年Q1的一則數據，給AI芯片賽道潑了一盆冷水。

全球共有135家企業投身人工智能處理器研發，其中36家是手握技術、資金與生態優勢的上市公司巨頭。英偉達、AMD、谷歌、亞馬遜AWS、高通、特斯拉、Meta、微軟、博通、美滿電子等名字，幾乎覆蓋了從算力底層到終端應用的全產業鏈布局。

剩下的99家，是撐起賽道創新活力的初創公司。它們大多瞄準細分場景，專攻專用人工智能加速器，Tenstorrent、Cerebras、SambaNova、Groq、Esperanto 等玩家，曾憑借差異化技術路線收獲不少關注。

但賽道的淘汰賽已然拉開序幕。JPR給出的預測直指殘酷現實：到2030年，全球專業AI芯片開發商將銳減至約25家。

從99到25，這場行業大篩選，正在倒逼每一家初創公司重新思考生存邏輯。

AI芯片初創公司，面臨四重掣肘

第一重掣肘，是資本更聚焦于頭部AI芯片初創企業。

2023-2024 年的 AI 大模型熱潮，引爆了全球算力需求。數據顯示，2024年全球AI領域融資總額達5995.2億元，較2023年增長超3000億元，實現翻倍式增長。

資本的邏輯是“算力稀缺”，只要能做出芯片，就有望填補市場缺口，因此AI芯片初創公司估值水漲船高。但進入2026年，資本邏輯已徹底逆轉，如果說以前的境遇是“算力不足”，那么當下便陷入“炫技到應用”的尷尬。

本文匯總了十二家極具競爭力的AI芯片初創公司：

其中，Cerebras以晶圓級芯片聞名，這是一種將整個晶圓制成單個芯片的技術，從而實現前所未有的計算密度和性能。與英偉達的GPU相比，Cerebras Systems聲稱，他們的芯片在某些AI工作負載上能夠提供高達20倍的性能提升。 尤其是在AI推理方面，CS-3 具有顯著優勢。

Matrix專注于研發基于數字存算一體技術的AI推理芯片，并于去年開發出一種全新的3D動態隨機存取內存技術實現方案，承諾將推理工作負載的性能提升"數個數量級"。

Groq 推出了名為LPU的推理芯片，專注于AI模型的推理環節，即讓已經訓練好的大模型在真實應用中高效運行。Groq稱其LPU在速度、低延遲和成本控制上優于通用GPU，能夠為大規模AI部署提供更具性價比的算力。去年12月，英偉達與Groq已達成非獨家許可協議，將把Groq的AI推理技術整合進未來產品中。

上述公司幾乎都被譽為英偉達的有力挑戰者，但是受制于英偉達GPU和CUDA生態的主導地位，他們在爭取商業客戶方面面臨著艱巨的挑戰。這一困境也直接傳導至融資領域，讓曾經狂熱的資本變得愈發理性。

對于多數中小AI芯片初創企業而言，重資產、低盈利的特點，只會更難以尋求到新的資金來源。

第二重掣肘，是云廠商自研，從客戶變對手。

谷歌、亞馬遜、微軟、Meta 四大云巨頭，過去是英偉達最大的客戶，也是初創公司最渴望的“金主”。但現在，它們集體轉向自研 ASIC 芯片，不僅減少采購外部芯片，反而成為最強競爭者。

去年10月，亞馬遜宣布世界上最大的AI 計算集群之一 Project Rainier 現已投入使用。這一超級集群配備近 50 萬顆 Trainium2 芯片，分布于美國境內多個數據中心。亞馬遜 AWS 合作伙伴 Anthropic 已經開始在該集群上運行工作負載，這一AI 基礎設施提供的計算能力是 Anthropic 之前訓練其 AI 模型所用的 5 倍以上。而到 2025 年底，Anthropic 將在超過100 萬顆 Trainium2 芯片上運行 Claude 模型的訓練、推理等工作負載。

隨后在2025年12月，亞馬遜發布Trainium 3，其搭載新一代Neuron Fabric互聯技術，單臺Trn3 UltraServer可集成144張芯片，總算力達362 FP8 PFLOPs。通過EC2 UltraClusters 3.0架構，芯片集群規模較上一代提升10倍，最高可擴展至100萬張芯片，已為Anthropic的“Project Rainier”項目提供算力支持。Karakuri、Metagenomi等客戶實測顯示，該芯片可降低AI模型訓練與推理成本達50%。

這也意味著最起碼超100 萬顆的AI芯片，亞馬遜都可以自給自足。

今年1月，微軟宣布推出Maia 200。微軟聲稱，新產品的4位浮點（FP4）性能比Trainium 3高出3倍，8位浮點（FP8）性能超過谷歌第七代TPU。

谷歌則宣布將2026年TPU芯片出貨量目標大幅上調50%至600萬顆。4月初，Anthropic與谷歌、博通簽下最新協議，根據協議，Anthropic將從2027年起獲得基于谷歌TPU處理器、由博通提供的約3.5吉瓦AI算力支持。此次合作延續了雙方的戰略布局：2025年10月，Anthropic已宣布與谷歌擴大合作，計劃部署多達100萬枚TPU（算力超1GW）支持Claude模型需求。TPU作為谷歌自研AI芯片，除自用外，大模型廠商（如Meta）也積極采用，凸顯其在高性能推理與訓練場景的競爭力。

這一合作也代表了AI算力市場的結構性演變：在英偉達GPU主導的“第一供應鏈”之外，由谷歌TPU和博通制造能力結合的“第二供應鏈”正在形成。

第三重掣肘，是傳統AI芯片龍頭的全方位碾壓。

英偉達、AMD、英特爾憑借深厚的技術積累和生態壁壘，對初創公司形成降維打擊。

英偉達在AI芯片市場的市占率達九成，已構建了無法撼動的CUDA生態護城河。并不止于此，正如上文所言，英偉達還與Groq達成非獨家許可協議，將把Groq的AI推理技術整合進未來產品中。在今年3月的GTC大會上，英偉達還發布Blackwell Ultra GPU，推理算力提升100倍。可以說不論是生態、還是算力、亦或是差異化路線，英偉達皆有布局。

AMD憑借 MI300 系列在性價比上突破，拿下了更多的市場份額，英特爾聯手SambaNova專注于 AI 推理和訓練芯片及相關軟件的研發。

第四重掣肘，生態的壁壘是初創公司難以逾越的鴻溝。

AI 芯片不是孤立的硬件，而是“芯片+工具鏈+框架+模型優化”的完整生態。英偉達 CUDA 擁有數百萬開發者，支持幾乎所有 AI 框架和模型；AMD 憑借 ROCm 不斷追趕；云廠商自研芯片與自家云服務深度綁定。而九成的初創公司只有芯片，沒有完整生態，客戶要適配新芯片，需投入大量人力重構代碼、優化模型，遷移成本極高，這直接讓多數客戶望而卻步。

AI芯片的未來，留下哪一條路線?

自2025年起，AI芯片需求發生關鍵轉向：2025年前行業重心偏向訓練端，核心是海量算力支撐大模型爆發式迭代；如今AI產業正轉向重推理端，因為大模型研發已趨于平穩，商業化落地便成為核心，隨著高效、低成本、低延遲成為算力核心訴求，這也重塑了國外AI芯片初創企業的生存邏輯。

當前主流的AI芯片路線主要包括GPU和ASIC等。

GPU路線的代表企業包含英偉達、AMD等。GPU憑借并行計算能力強、通用性高的優勢，成為AI訓練與推理的主流選擇，尤其是通用GPU（GPGPU），能夠適配絕大多數AI模型與場景，無需針對特定場景進行定制化開發，這也是其能夠快速普及的核心原因。但正是這種“通用性”，讓GPU路線成為初創公司最難突破的賽道。這也正對應上文的“第三重掣肘”，留給初創公司的市場空間本就有限。

當前，初創公司布局GPU路線主要分為兩大方向：一是高端通用GPU的“性價比”，二是細分場景專用GPU，實現精準卡位。前者方面，比如國產芯片公司壁仞科技、沐曦科技便已推出研發性能接近英偉達H100、H20等，且更具成本優勢的產品，同時憑借本土供應鏈優勢，已實現規模出貨。后者方面，部分公司打造“場景專用”的GPU產品，避開與巨頭的正面競爭。比如聚焦自動駕駛場景的初創公司，針對車載環境的低功耗、高可靠性需求，優化GPU的功耗控制與實時性，打造車載專用AI GPU；聚焦邊緣計算場景的初創公司，則精簡GPU架構，降低功耗與體積，適配邊緣設備的部署需求。

再看ASIC路線，根據Marvell預測，2023-2028年全球AI ASIC市場規模將從66億美元躍升至554億美元，年復合增長率達53%。

該路線是AI芯片初創公司突圍的核心路徑，也可分為三大方向：第一類是提供極致性能的ASIC產品，比如上文提到的國際AI芯片公司Cerebras、Groq，它們放棄通用路線，針對超大規模AI訓練、低延遲推理等極端場景，定制開發ASIC芯片。第二類和GPU場景類似，是提供細分場景專用的ASIC產品。比如上文提到的Matrix，針對AI推理的存儲瓶頸，開發全新的3D DRAM技術。第三類是通過與頭部客戶綁定，直接為其定制芯片。比如SambaNova便選擇與英特爾合作，為英特爾x86生態定制專用AI ASIC加速卡，打造“CPU+ASIC”的協同方案。

在 AI 芯片初創公司中，選擇 ASIC 路線的企業占比超六成，但不同細分方向的發展邏輯截然不同。比如上述三類公司中：

第一類AI ASIC芯片公司能夠解決巨頭芯片無法覆蓋的極端場景需求，但是這類公司如若無法成為細分領域絕對龍頭，則可能面臨被巨頭收購或投資的情況，從而成為其技術補充。

第二類AI ASIC芯片公司核心邏輯是“場景深耕+技術優化”，無需追求極致的通用性能，只需精準匹配行業需求，就能在細分場景中獲得生存空間，同時由于場景聚焦，生態建設成本低，客戶遷移成本也相對較低，更容易實現規模化盈利。

第三類AI ASIC芯片公司的核心優勢在于“生態綁定”，無需獨自面對市場競爭，借助巨頭的資源實現生存與發展，同時通過定制化開發，避免與巨頭正面競爭，成為巨頭生態的“補集”，這也是最穩妥的ASIC突圍路線之一。

未來，AI芯片市場或將朝著“異構融合”方向發展，GPU與ASIC并非相互替代，而是通過合理搭配實現算力效率最大化。回到“99進25”的淘汰賽，無論是選擇GPU路線，還是ASIC路線，核心都在于精準定位——立足自身資源與能力，避開巨頭核心優勢，要么在GPU路線的細分場景或性價比領域尋找缺口，要么在ASIC路線的場景定制或生態綁定中構建壁壘。

那么，將目光落在國產AI芯片公司，這些公司在過去一年過的如何？

國產AI芯片公司，黃金窗口期

國產AI芯片的光景，似乎過的還不錯。隨著AI 應用全面滲透，高性能計算芯片需求激增，國產AI芯片迎來發展黃金窗口期。

其中海光信息2025年營收約143.77億元，較上年同期增長56.92%；歸母凈利潤25.45億元，同比增長31.79%。

寒武紀實現營收64.97億元，達到453.21%，歸母凈利潤20.59億元，同比增長555.24%，終于實現扭虧為盈。云端產品線是寒武紀的絕對收入支柱，2025年實現收入約64.76億元，同比增長455.34%，占總營收的比重超過99%；邊緣產品線實現收入約339.39萬元；IP授權及軟件業務實現收入約228.87萬元。

沐曦股份2025年實現營收16.44億元，同比大幅增長121.26%；實現歸母凈利潤-7.89億元，較上年同期-14.09億元收窄43.97%，這是該自公司成立以來首次實現虧損幅度收窄。財報表示，2025年收入增長主要因為隨著產品及服務獲得下游客戶的廣泛認可與持續采購，GPU產品出貨量顯著增長。其中，沐曦股份的訓推一體GPU板卡（曦云C系列為主）銷量達33649片，同比增長147.31%，而智算推理GPU板卡銷售量則為4946片，同比增長達到866.02%。

壁仞科技2025年營收為10.35億元，較上年同期的3.37億元增長207.2%，毛利為5.57億元，較上年同期的1.79億元增長211%；毛利率為53.8%。

摩爾線程2025年營收為15.06億元，較2024年同期增長243.37%。歸屬于母公司所有者的凈利潤為-10.24億元，與上年同期相比，虧損收窄幅度為36.70%。

天數智芯實現總營收 10.34 億元，同比大增 91.6%；毛利 5.58 億元，同比飆升 110.5%。2025年，其通用GPU產品產生的收入達到9.23億元，同比增長149.6%，占同年總收入的89.3%。其中，專為滿足AI模型訓練需求而設計的天垓系列，收入為5.84億元，同比增長116.7%，而專為云端及邊緣推理應用而設計的智鎧系列，收入為3.39億元，同比增長238.2%，收入貢獻占比也由2024年的18.6%增長至32.8%。

隨著國產算力需求的提升，以及各家技術研發的逐步深入，當前，國產芯片廠商正在不斷分食英偉達的在華市場。根據IDC 最新報告，國產 GPU 與 AI 芯片廠商的市場份額首次攀升至 41%，而英偉達在中國市場的占比從過去近乎壟斷的 95% 急速滑落至 55%。

IDC的數據顯示，2025 年中國 AI 加速卡總出貨量約400 萬張。英偉達仍以約220 萬張、55% 份額位居第一，但相較此前近乎 95% 的絕對霸主地位，這一變化堪稱斷崖式的下跌。

IDC 分析指出，中國本土AI芯片市場迎來重大格局轉變的原因主要在于：美國出口管制切斷中國獲取英偉達高端芯片渠道，而同時中國國內對供應鏈自主化的迫切需求，共同推動本土國產芯片快速上量，特別是2025年中國 AI 新基建與智算中心集中落地，采購傾向國產化，成為本土芯片增長的核心動力。