沙利文正式发布《全球新型算力芯片及未来关键技术发展行业研究报告（2026）》丨可重构数据流开启算力破局新篇章（内附获取方式）

人工智能已成为数字经济的核心生产资料，算力则是支撑人工智能产业持续演进的关键基础设施。随着大模型参数规模从亿级向万亿级跃升，训练与推理算力需求呈指数级增长，全球AI算力芯片产业正迎来前所未有的发展机遇。与此同时，传统以GPGPU为代表的通用算力路线面临外部管制与摩尔定律受限的双重约束，以数据流DATAFLOW、ASIC/DSA为代表的新型AI算力芯片，正成为破解通用性弱、计算效率低与规模扩展能力弱三大产业痛点的关键力量。

新型AI算力芯片面向AI计算新范式而生，在智能体（Agent）应用爆发、推理场景规模化落地的背景下，其对低功耗、低延迟、高可靠性的适配能力愈发凸显。同传统通用算力相比，新型AI算力芯片在能效比、计算效率、扩展性等方面具备独特优势，并可依托软件定义硬件实现与算法迭代的协同演进。受益于政策自主可控、AI算力需求爆发与摩尔定律瓶颈下的技术破局等多重因素驱动，新型AI算力芯片已成为全球差异化算力缺口的关键力量。

2026年，弗若斯特沙利文（Frost & Sullivan，以下简称"沙利文"）正式发布《全球新型算力芯片及未来关键技术发展行业研究报告（2026）》（以下简称《报告》），报告旨在对全球新型AI算力芯片行业进行全面深入分析，从技术路线、产业发展、市场需求、竞争格局、企业实践等多方面探究行业发展背后的驱动因素，挖掘行业发展巨大潜力，追踪行业未来发展趋势。

微信扫码获取报告

《全球新型算力芯片及未来关键技术发展行业研究报告（2026）》从AI产业发展路径与算力需求特征入手，梳理了AI算力芯片迭代方向与产业面临的三大核心挑战，系统阐述了GPGPU与新型算力芯片两大阵营、GPGPU／数据流DATAFLOW／ASIC-DSA三大技术路线的定义、核心能力与代表厂商，深入剖析了优质AI算力芯片应具备的五大核心特质，以及可重构数据流在算网融合、三维集成、晶圆级等技术方向上的进化潜力，并全面呈现了全球新型AI算力芯片领域的竞争格局与代表企业的产品布局与发展历程，最后对新型AI算力芯片市场的规模空间与未来发展趋势进行了前瞻研判。

下文为《报告》部分节选，详细内容可扫描二维码获取完整版：

AI时代下的算力芯片产业机遇

人工智能发展路径演进

2025年，AI产业已从传统判别式AI走进大模型阶段，2026年向智能体阶段迈进。以规则与特征工程为核心的判别式AI，聚焦单一任务与垂直场景，应用以识别、分类为主；进入大模型阶段后，模型参数从亿级到万亿级指数增长，Transformer架构奠定基础，自注意力机制让大规模并行训练成为可能，融合文本、图像、音视频等多种信息的多模态能力加速融合；面向应用与智能体阶段，AI从"工具"走向"生成主体"，智能体（Agent）开始承担复杂任务，AI应用向千行百业加速渗透，重塑产业格局。模型迭代与需求落地两大引擎共同驱动产业向纵深演进。

资料来源：沙利文研究

中国人工智能产业链全景

人工智能产业链围绕算力、算法与数据三大要素展开，向上贯通芯片、服务器、网络设备等算力基础设施，向下渗透至金融、制造、交通、能源等千行百业的智能化应用。AI算力芯片作为产业链的核心底座，为模型训练与推理提供基础算力支撑，是支撑AI产业持续演进的关键环节。

资料来源：沙利文研究

中国AI算力芯片市场规模分析

得益于人工智能应用加速落地、大模型训练与推理需求快速增长以及算力基础设施持续投入，中国AI算力芯片市场保持高速扩张。根据沙利文研究，中国AI算力芯片市场规模由2021年的288.3亿元人民币增长至2025年的2,088.0亿元人民币，2021-2025年复合年均增长率达64.0%。在大模型产业化、算力集群建设及行业数字化转型的推动下，市场规模预计将进一步扩大至2030年的16,156.0亿元人民币，2026E-2030E年复合年均增长率为48.8%。整体来看，中国AI算力芯片市场正由早期探索阶段迈入规模化、高强度算力需求驱动的快速发展阶段，成为支撑AI产业持续演进的关键基础设施。

资料来源：沙利文研究

中国智能算力需求分析

中国智算需求爆发，未来五年推理算力需求将保持年均70%增长。在训练算力与推理算力的双擎驱动下，中国智能算力需求进入高速扩容阶段。2021-2025年，训练算力复合年均增长率（CAGR）达65.9%，推理算力CAGR高至102%。随着AI大模型研发、多模态技术迭代等对高算力训练资源持续刚性需求，以及智能制造、智慧城市等多行业场景的规模化落地，2026-2030年中国智能算力规模预计可从1,707.8EFLPOS增长至9,835.1EFLPOS，训练、推理算力的CAGR分别保持36.5%、69.7%的高位水平。

未来随着推理算力规模渗透率的持续提升，各智能终端设备、边缘服务节点等推理场景的覆盖范围与应用深度不断拓展，其对具备低功耗、低延迟、高可靠性等特质的AI算力芯片的依赖度将显著增强，将直接推动适配推理需求的新型AI算力芯片的市场需求进入快速扩容阶段。

资料来源：沙利文研究

新型AI算力芯片技术路线与市场

AI算力芯片的迭代方向

AI算力芯片的迭代方向，取决于产业当下面临的三大挑战。其一，通用性层面，不同场景AI任务差异与模型迭代周期缩短，芯片需兼顾多样化需求与快速迭代能力；其二，规模扩展能力层面，AI计算集群向万卡级规模的扩张，需强化网络互联以释放集群性能；其三，计算效率层面，模型规模扩大与AI计算任务普及，需提升计算效率以降低成本。上述三大痛点，构成了新型AI算力芯片技术演进的核心牵引。

资料来源：沙利文研究

两大阵营与三大核心路线

面向AI计算新范式，全球AI芯片产业2026年形成两大阵营：GPGPU与新型算力芯片。新型算力芯片阵营涵盖数据流DATAFLOW、ASIC/DSA两大路线，与GPGPU阵营共同构成三大核心路线。

路线1为GPGPU，即通用图形处理器，最初是专门为了处理计算机的图形渲染工作而设计的硬件组件，基于SIMT架构实现大规模并行计算，核心特征为通用性强、适配多算法场景、高灵活性，但在特定任务下能效比有限、场景适配灵活性较弱。路线2为数据流DATAFLOW，又称软件定义硬件SDH，是一种可根据不同应用需求动态调整自身体系结构的计算系统，利用灵活重组的硬件资源为特定应用提供与之匹配的硬件形态，核心技术能力包括可重构算子阵列、数据流调度、软硬件协同编译，具备能效比高、计算效率优的特征。路线3为ASIC/DSA，是一种为特定的应用场景、计算任务或功能需求专门设计制造的集成电路，能够在针对性的任务中实现高于通用芯片的运行效率与能效表现，核心技术能力包括专用算子加速、指令级优化、模型-硬件协同设计，具备计算效率高、能效比高、计算延迟低的特征。

为满足AI时代下爆发式增长的算力需求，目前已形成以GPGPU为代表的通用算力，和以数据流DATAFLOW、ASIC/DSA为代表的新型算力芯片两大技术阵营、三大核心路线齐头并进，共同构筑起人工智能产业发展算力底座。

资料来源：沙利文研究

优质AI算力芯片的五大核心特质

面对产业挑战，未来优秀算力芯片具备五大核心特质。在核心性能基石维度，芯片需具备高算力；在成本与绿色发展维度，需具备高能效比；在适配算法迭代维度，需具备灵活性；在融入主流生态维度，需具备通用性；在支撑大规模集群维度，需具备可扩展性。AI算力芯片作为产业升级核心基础设施，只有兼备高算力、能效比、灵活性、通用性、可扩展性五大核心特质，才能攻克通用性弱、计算效率低与规模扩展能力弱三大核心痛点。

资料来源：沙利文研究

新型AI算力芯片复制GPGPU高速增长路径

基于核心特质，新型AI算力芯片大概率将复制GPGPU的高速增长路径。从政策层面看，GPGPU面临外部严格进出口限制：美国对高端计算芯片实施严格进出口管制和禁运，英伟达H200等芯片被美国商务部执行严格"逐案审查"，制程代工厂和核心EDA工具等环节被锁定限制。从技术层面看，摩尔定律受限、效能提升乏力：摩尔定律失效，频率增长停滞，GPGPU传统设计面临先进集成技术融合挑战，性能提升边际效应递减，系统级扩展遇瓶颈。与此同时，国家政策大力扶持新型AI算力芯片产业，推动技术自主可控，《国家数据基础设施建设指引》提出"多元异构算力协同"，《新时期促进集成电路产业和软件产业高质量发展的若干政策》聚焦高端芯片，国家战略明确自主可控算力为核心目标。

反观GPGPU发展现状，市场趋于成熟稳定，竞争格局已然明确：英伟达以市值4.4万亿美元居全球之首，自1999年上市以来在GPGPU领域建立绝对统治；摩尔线程作为国产GPGPU第一股，上市首日股价涨幅达468%，募集资金近80亿。而新型AI算力芯片技术路径逐步清晰，商业验证正在发生：市场开始前瞻性关注新型算力芯片领域的创新机遇，在部分应用场景实现实际落地，开始形成可验证商业模式（清微智能可重构数据流、华为昇腾ASIC等）。清微智能、Groq、华为等头部企业已在新型AI算力领域实现规模化商业部署。

资料来源：沙利文研究

可重构数据流：兼具高效能与通用灵活适配

可重构数据流是依托可配置计算单元阵列与数据流驱动执行的计算范式。通过硬件可编程性实现计算单元运算逻辑重组、数据路径重构，无需硬件迭代即可让通用硬件平台精准匹配多类算法数据流特征。该技术打破传统专用芯片场景局限，兼具专用计算架构的高效能与通用计算平台的灵活适配能力，可覆盖大模型训推等多元场景，其核心是通过软件定义计算逻辑，在保障计算性能与能效比的同时，降低算法迭代与硬件适配成本，构建兼顾灵活性、算力密度与部署效率的新一代计算架构。

可重构数据流在五大维度均展现优良特征和开发潜力：其一，高算力，通过PPA极致优化与高计算单元利用率实现算力释放；其二，高能效比，通过存算融合降低单次访存代价；其三，可扩展性，依托芯片级直连与集群构建难度低的特点，原生兼容RDMA技术实现低延迟直连协同，无需额外互联设备即可高效构建万卡级算力集群；其四，灵活性，灵活适配高速迭代的算法逻辑，硬件可编程性支持计算单元动态重组、在线配置，能快速适配从CNN到Transformer的不同算法；其五，通用性，多元化下游场景适配并兼容主流AI开发生态，天然兼容RISC-V指令集及CUDA、主流AI框架等生态，并能兼容Triton等AI软件工具，可直接复用开源体系与工具链。

资料来源：沙利文研究

可重构数据流的高度进化潜力

可重构的技术特性天然适配算网融合、三维集成和晶圆级等未来芯片技术。在算网融合方向，可重构数据流天然适配芯片级直连，扩展性强，将集群构建难度从指数级降为线性级，并减少存储/传统网络依赖、优化芯片间传输；在三维集成方向，可重构数据流适配垂直堆叠计算单元3D DRAM与高密度互连，既能为动态并行调度提供充足的计算单元资源池，又能突破平面架构的互连瓶颈；在晶圆级方向，通过整片晶圆构建的互联结构，以高一致性、高密度的通道资源，匹配可重构数据流大规模动态并行调度对高互联带宽的核心需求。三大技术方向的融合，为可重构数据流的算力拓展提供了关键载体。

资料来源：沙利文研究

中国新型AI算力芯片市场规模展望

新型AI算力芯片市场规模空间等于AI计算芯片市场规模乘以新型AI算力芯片渗透率。当前阶段，新型算力芯片处于早期商用阶段，渗透率低，具备初步商业化能力，GPU核心技术仍由国外垄断，算力需求以训练为主，商业化成本较高，规模为数万亿量级中的数百亿量级。短期-中期阶段，随着商业化落地与关键客户部署，渗透率逐步攀升，合作共研、软件生态体系基本建立，算法需求从训练转移至推理场景，供给端形成初步规模，规模达数千亿量级。中长期阶段，技术成熟、大规模铺量，渗透率接近峰值，依托规模效应与协同深化，全栈成熟生态落地，多领域取得原创性突破、实现换道超车，需求侧重构、推理需求占大比例，供给侧形成系统生态集群，规模达万亿量级。中国新型算力芯片市场规模未来五年将突破万亿人民币量级。

资料来源：沙利文研究

新型AI算力芯片竞争格局与代表企业

全球新型AI算力芯片厂商全景

全球新型AI算力芯片领域已形成以数据流DATAFLOW、ASIC/DSA为代表的主流厂商全景。在数据流路线，代表厂商包括Sambanova（2017年成立，产品为搭载RDU芯片的DataScale系统，核心技术被英伟达收购）、Groq（2016年成立，产品为LPU芯片，暂无上市计划）、清微智能（2018年成立，产品为TX5、TX8系列，筹备上市）；在ASIC/DSA路线，代表厂商包括华为（1987年成立，产品为昇腾系列Ascend，暂无上市计划）、寒武纪（2016年成立，产品为MLU系列思元，已上市688256.SH）。

资料来源：沙利文研究

破解"软件生态之困"：国产芯片从"能用"到"好用"

当前，新型AI算力芯片企业适配模块数量领先，彰显新型架构在开源生态中的成长潜力，已成为国内AI生态第一梯队选手。在编译器与编程生态层面，通过PTX级RISC-V指令集兼容、PyTorch/TensorFlow适配无缝对接主流框架，实现零改造接入模型生态，并兼容CUDA API、实现存量代码无缝迁移，自研推出AI计算芯片及配套软件栈，可显著降低代码改造工作量与迁移成本。在大模型训练与推理层面，自研功能完备软件栈实现全栈兼容能力，开发、移植、迭代、优化环节省时、省力、省事、省心。在开源生态建设层面，携手产业联盟深度参与FlagOS开源生态建设。2026年WAIC大会，清微智能正式发布全栈自研的RAISA软件栈（Reconfigurable AI System Architecture），持续推动国产芯片从"能用"到"好用"。

资料来源：沙利文研究

新型AI算力芯片市场未来发展趋势分析

市场核心驱动因素分析

新型AI算力芯片企业爆发式增长，背后是需求端与供给端的双重驱动。在需求端，AI算力缺口持续扩大：训练算力指数级增长，大模型参数量从数十亿级飙升至万亿级；推理场景爆发，AI Agent等应用使推理算力需求超训练10倍以上。在供给端，国产替代与技术断供倒逼自主可控：英伟达占据绝大多数市场份额，形成卡脖子风险；中国将AI芯片纳入国家战略，地方政府推出"算力券"，为国产新型算力芯片打开了广阔的市场空间。

相关企业资本市场表现分析

无论是GPGPU企业，还是新型算力芯片企业，均受市场追捧获高估值红利。摩尔线程上市首日表现不俗，上市首日高开468%，盘中一度升至688元/股，当天收报600.50元/股，上涨425.46%，市值达到2822.52亿元；天数智芯上市两个多月时间，股价涨幅高达55.2%；壁仞科技上市首日高开82.14%，当天收报34.46港元/股，上涨75.82%，市值达到826亿港元。

从并购端看，英伟达为补齐自身在AI推理赛道的短板、锁定LPU架构核心技术与顶尖团队，选择收购Groq；此次交易对价达200亿美元，较Groq三个月前69亿美元的估值近乎翻三倍，溢价幅度显著。新型算力芯片企业有望复刻英伟达并购Groq路径，达成GPU企业高估值。

资料来源：沙利文研究

他山之石：从新能源汽车产业的今天，看见新型AI算力芯片的未来

新型算力芯片与新能源汽车具备共同的产业逻辑。新能源汽车同样通过软件定义硬件，实现车辆功能持续OTA迭代升级，打破传统硬件限制；新型算力芯片通过软件定义硬件，让芯片能根据不同AI任务实时动态重组，兼顾高效性与灵活性。二者均在需求端、技术端与市场端形成共振：需求端依托增长的规模化应用打开空间，技术端以架构创新打破传统硬件限制，市场端则随着渗透率提升实现规模跃升。从中国新能源汽车产业的今天，可以看见新型AI算力芯片的未来。

资料来源：沙利文研究

未来发展趋势展望

未来新型AI算力芯片市场规模将进一步增长，行业监督监管更加完善，新一代新型AI算力芯片有望满足更多AI场景需求，产品可及性和接受度提高。目前国内已经涌现出一批创新能力与技术实力可与国际水平同台竞技的企业，以清微智能为代表的国产厂商，其具有创新优势和落地优势的产品将有望在全球竞争中占据一定的市场份额。全球AI芯片新三大路线蓬勃发展，新型AI芯片以五大特质迈向万亿蓝海。