101.6 万颗非 GPU 卡首次超过 GPU、英伟达份额掉到 34%:私有化选型的三行参数得改

行业新闻 · 丁香 · 发布 2026-10-25 · 阅读 38

这一轮不是总量涨,是结构换

IDC 2026 年上半年中国数据中心 AI 加速器报告给出的数字是 200.8 万颗。拆开看,非 GPU 加速器出货 101.6 万颗,同比增长近 80%,占比 50.6%,首次超过 GPU 的 99.1 万颗;GPU 同期同比下降 26%。

把同比口径倒推一年会更清楚:用 101.6 万颗与增长 80% 反算,去年同期非 GPU 约 56.4 万颗;用 99.1 万颗与下降 26% 反算,去年 GPU 约 133.9 万颗,两者相加约 190.4 万颗。也就是说,今年上半年的总盘子只比去年多约 5.5%。增量不在新批的预算里,在换手率里。不是企业多掏了一笔钱,而是原本要下给 GPU 的单子被改成了别的架构。

份额表:34% 后面还有 28%、7%、5%、4%、3%

同一份报告里,英伟达份额降到 34%;华为 28%,出货 57.2 万颗,比去年同期接近翻倍;平头哥 7%、寒武纪 5%、昆仑芯 4%、海光 3%。IDC 跟踪的 11 家中国半导体厂商中,9 家出货同比增长。

但把镜头切到非 GPU 那一半,华为、平头哥、昆仑芯、寒武纪四家合计约占 95%。对做私有化采购的人来说,这条比 34% 好用得多:能报上价的货架只有四家,而且其中几家的产能与交付节奏并不对外透明。所谓国产替代走到今天,在选型表上的真实体现不是"选项变多",而是"议价对手从六家变成四家"。

负载从训练挪到推理,才是驱动项

工信部数据显示,截至 2026 年 9 月底,全国智能算力规模达到 2592 EFLOPS,同比增长 146%。供给端扩张这么猛,出货结构却向非 GPU 倾斜,说明需求侧的口径变了:智能体、多模态交互、企业内部知识服务上量之后,被考核的是高并发、低时延、单位 Token 成本,而不是峰值算力。IDC 的判断是 2026 全年出货量同比增长 19%,到 2029 年全球加速计算服务器市场规模超过 1 万亿美元。

要写进验收单的三条硬参数

商汤大装置事业群 CTO 宣善明把国产算力的落地堵点概括为三处:显存容量、卡间互联带宽、融合算子性能。中国工程院院士邓中翰提到的三方面挑战是技术适配性、生态体系和算力利用效率。两组说法指向同一件事:单卡算力早已不是瓶颈项。显存决定你能装多大的模型和多长的 KV 缓存;互联带宽决定多卡并行之后还剩多少有效吞吐;融合算子决定同一张卡在不同框架上的实测差异。

所以我建议把招标技术附件的第一行改掉:从"单卡峰值算力"改成"指定模型、指定上下文长度下的每百万 Token 综合成本"。峰值算力没法验收,Token 成本可以,它把显存、带宽、算子三个变量压成一个可复算的数。

采购侧的三段报价法

系统级能力正在替代单卡性能成为谈价标的。华为披露,截至 7 月昇腾 384 超节点累计商用部署超 750 套,覆盖互联网、运营商、金融、教育、医疗、制造等行业,并联合 3000 多家伙伴开发 7000 多套行业方案、服务 2000 多家政企客户;昆仑芯 P800 依托百度百舸平台实现 3.2 万卡集群点亮;平头哥真武 M890 通过阿里云服务 20 多个行业、超过 650 家外部客户。以上数字均为厂商披露。

这类交付把互联成本前置了:柜内带宽和统一内存编址的钱,在买整柜时一次付掉,而不是像八卡服务器那样按需扩容。对预算有限的团队,整柜起步意味着最小可采购单元被抬高,这是超节点路线最容易被忽略的门槛。

更贵的一笔通常不在硬件清单上。模型当天适配只对新发布的模型有效,存量应用的架构、语言与接口都要改。采购预算里如果没有单列迁移工时,落地期一定超支。我的做法是三段分开报价:显存池容量与卡数、指定场景下的有效吞吐、存量迁移人力折算。三段分开比,比总额比价更接近真实持有成本。

一句观察

结构切换期最大的风险不是买不到卡,而是拿"峰值算力比价"这套旧方法论,去买一个已经变成"显存加互联加软件栈"的生意。份额表看看就好,34% 还是 50% 不改变你的验收单;改变验收单的,是你准备用哪个模型、多长上下文、多少并发去测它。

来源:IDC 2026 年上半年中国数据中心 AI 加速器市场报告(经《中国经营报》《今日头条》报道);工业和信息化部智能算力规模数据;华为、阿里、百度公开披露数据。