一边是中国AI企业一年采购超百万颗英伟达GPU，以填补国产芯片短期难以覆盖的巨大需求缺口；一边是IDC最新数据显示英伟达在华AI芯片市场份额已降至34%，华为携28%的份额逼近；与此同时，微软以史上最大规模自研芯片押注回应算力焦虑，并将全球数据中心容量从12GW向38GW狂飙突进。

四组信息交织在一起，勾勒出全球算力竞争的最新格局：竞争的重心，已不再是单颗芯片的性能参数，而是供给稳定性、软硬件生态适配，以及资本与能源的综合承载力。这是一场从芯片到集群、从软件到电力的全链条竞赛。

百万颗GPU流入：生态黏性比出口管制更“硬”

据英国《金融时报》援引业内人士消息，中国科技企业在过去一年间采购了超过100万颗英伟达游戏和工作站GPU，用于填补AI算力需求的缺口。这些芯片主要是RTX Pro 6000D、RTX Pro 5000以及RTX 5090等符合美国出口管制要求的消费级产品，被重新调配至AI推理等相对简单的工作负载场景。

这一需求规模的背后，是一个颇为悬殊的供需账本。中国的国家AI战略推动今年国产AI芯片产量翻倍，但预计350万颗的国产总产量，面对“远超过500万颗”的市场需求，仍留下近150万颗的缺口。缺口之下，即便性能上与华为昇腾910C等国产旗舰存在差距，英伟达的合规GPU依然凭借“到手即用”的优势填补了市场空白。

值得注意的是，这一采购狂潮发生的时点，恰逢全球显卡市场供应紧张、价格飞涨。RTX 5090官方建议零售价1999美元，但第三方渠道实际成交价已不低于7199美元，且近乎从零售市场消失。消费者市场的“显卡荒”，与AI算力需求的虹吸效应形成互为因果的循环。

IDC数据背后的国产替代真实进度

与百万颗GPU流向形成对照的，是IDC最新报告揭示的中国市场结构性变化。2026年上半年，英伟达在中国数据中心AI芯片市场的份额已降至34%，出货量同比减少44%至67.8万个。而华为AI加速器出货量从去年同期的30万个增至57.2万个，几乎翻倍，市场份额达28%，与英伟达的差距已缩至6个百分点。

更值得关注的是市场结构本身的演进。今年上半年中国AI加速器总出货量为200.8万个，其中GPU出货量99.1万个，同比下降26%；而面向特定AI计算和推理场景的非GPU加速器出货量约101.6万个，增长近80%。在非GPU加速器市场，华为、平头哥、昆仑芯和寒武纪四家合计占据95%的份额，主要被政府机构、互联网企业和电信运营商采用。

IDC预计全年来看，GPU出货量将同比下降9%，但整体市场增长19%——这意味着，中国AI算力市场正在从GPU单一主导走向多元化架构并存，国产芯片率先在推理等场景撕开了突破口。

CUDA的隐性枷锁：硬件替代易，生态迁移难

然而，百万颗GPU的市场需求本身，恰恰印证了一个无法回避的现实：英伟达的竞争优势不只在芯片本身，更在于CUDA软件生态的深度黏性。即便国产芯片在性能上逐渐追赶，开发者对CUDA的工具链、库和社区积累的依赖，仍是短期内难以逾越的迁移成本。

华为的CANN（异构计算架构）作为替代方案正在成长，但对于追求快速上线的大规模AI服务而言，生态切换的时间和工程成本仍然高昂。这解释了为何大量中国企业宁愿采购游戏GPU做“降级使用”，也不愿在部分场景中承担迁移到国产软件栈的风险。

这种生态锁定效应，也为全球云厂商自研芯片浪潮提供了一个反向注脚：它们要打破的，正是同一座CUDA高墙。

云厂商集体“造芯”：垂直整合不可逆转

当微软宣布“迄今为止在自研芯片上最大的一笔押注”时，这场算力竞争的下半场图景更加清晰。Azure Maia 200已投入生产，服务包括Microsoft Copilot在内的核心负载；新一代Maia 300则专为长上下文推理、延迟敏感的对话体验和多步骤智能体任务设计，预计相比领先GPU系统每兆瓦可多输出40%的Token。从2027年起，Maia系列将扩展至数吉瓦级规模部署，成为微软产品和服务的主要推理系统。

- 图片 -

微软并非孤例。亚马逊和谷歌更早布局自研芯片，Meta的第三代AI芯片MTIA 450将于明年上半年部署，Anthropic与三星的深度谈判直指定制化推理芯片——从架构定义到制造工艺与HBM集成的全面技术合作。就连OpenAI也在推进代号“Tigris”的芯片项目，试图构建支撑超级智能的专属芯片制造网络。

这些竞争关系错综复杂的公司，为何不约而同走向同一条路？答案在于AI推理需求爆发式增长下，算力成本与能效已成为决定商业模型成立与否的关键变量。针对自有工作负载定制芯片，意味着可以按需优化架构、压缩成本、提升效率。IDC的数据同样印证了这一方向：互联网企业、电信运营商正加速采用非GPU加速器，以满足大规模推理需求。

算力竞赛升级：集群效率与能源承载力成新赛点

微软另一条米兰体育-米兰(中国)官网或许更值得关注：到2032年，微软全球数据中心网络容量将从约12GW扩至超过38GW——这一数字将超过纽约州用电高峰时的电力需求。这一扩张路线图包括自有和租赁的数据中心设施，但不含从CoreWeave等新型云服务商租用的算力。

这揭示了算力竞争的本质性变化。IDC在分析中国AI半导体市场时明确指出，竞争正从单个芯片的性能转向大规模计算系统的效率——连接多个芯片的算力集群的性能和运行效率，正成为关键竞争因素。当一个集群包含数万甚至数十万颗芯片时，互联带宽、散热能力、电力供应、软件调度效率，共同决定了系统的实际算力输出。单颗芯片再强，也无法独立支撑大模型训练和持续推理的需求。

对于中国通信产业而言，这一趋势既是挑战也是机遇。电信运营商作为算力网络的重要建设者和使用者，已在IDC统计中成为国产非GPU加速器的核心用户之一。随着“东数西算”工程推进和全国一体化算力网建设，如何统筹芯片、网络、能源与算力调度，将决定中国能否在算力竞争中建立系统性的比较优势。

竞争才刚刚开始

英伟达第二季度营收960亿美元的业绩说明，AI算力市场的总盘子仍在快速膨胀，足以容纳多方玩家。但结构性变化已经发生：英伟达在训练领域仍占主导，推理市场正被自研芯片和多元化架构快速渗透；中国市场上，国产替代正在从“可用”走向“好用”，但生态迁移仍需时日；全球云厂商则通过垂直整合，将芯片、软件、数据中心和能源纳入同一张战略版图。

这场竞赛的终局远未到来。但有一点已经明确：从单颗芯片性能到系统性算力供给能力，竞争的维度正在被彻底重塑。