人工智能芯片需求预计以约50%的复合增速扩张，但训练端与推理端的供需结构差异，正在让产业链议价能力和价格传导路径明显分化。训练环节以GPU为主，供给高度集中、议价能力较强，价格更多由上游产能与头部厂商主导；推理环节FPGA与ASIC格局相对分散，价格传导更依赖下游场景的议价与替代选择。 据IDC预测，未来几年AI芯片复合增速有望达到50%左右，这一扩张节奏会持续放大两类芯片的传导差异。

训练端：供给集中，议价向上游倾斜

训练对芯片的绝对计算能力要求高、计算量庞大。在目前已量产的芯片中，GPU是唯一可用于AI训练的品类，因此占据了AI芯片市场的主要份额。供给端高度集中，意味着头部厂商在产能分配和定价上拥有较强话语权，成本上行更容易向下游传导，而下游客户的议价空间相对有限。

推理端：格局分散，价格传导更看替代

推理计算量相对较小，更侧重能耗、时延与成本，CPU、GPU、FPGA、ASIC均可参与。FPGA具备开发周期短、可配置性强的特点，在AI推断市场潜力较大；ASIC为特定用途定制，在性能、能效、成本方面优势明显，同样适合推理场景。格局上，全球FPGA市场由赛灵思与Altera主导，市占率分别为52%和35%；国内紫光国微、复旦微电、安路科技2021年合计市占率超过15%。ASIC则尚未形成明显头部厂商，国内海思、寒武纪等集中采用7nm工艺，算力可与海外厂商比肩。供给方越多，下游可选方案越丰富，单一环节的议价能力越容易被稀释。

环节供给集中度议价特征价格传导
训练（GPU）高上游主导成本较易向下传导
推理（FPGA）海外主导、国产追赶中等受国产替代节奏影响
推理（ASIC）无明显头部相对分散更依赖场景与规模

供需结构如何决定议价与传导

议价能力的核心变量是供给集中度与替代难度。训练端GPU短期内难以被替代，价格传导路径短、效率高；推理端FPGA和ASIC存在多方案竞争，且国产厂商在工艺与规模上仍有差距——国产FPGA先进制程集中在28nm，旗舰产品门级规模约为赛灵思高端产品的25%左右——这既构成追赶空间，也意味着价格竞争会更充分。随着大模型逐步成熟并在下游落地，推理类芯片占比有望提升，产业链议价重心也可能随之迁移。

常见问题

训练芯片和推理芯片的价格传导有什么不同？

训练端以GPU为主，供给集中、替代难度高，成本变化更容易向下游传导；推理端可选FPGA、ASIC等多种方案，竞争更充分，价格传导受下游议价和替代选择影响更大。

FPGA和ASIC在推理市场谁更有议价优势？

两者定位不同：FPGA灵活、开发周期短，ASIC在性能、能效、成本上更专精。目前ASIC尚无明确头部厂商，FPGA则由海外巨头主导，国内厂商合计市占率已超15%，议价能力仍取决于技术追赶与国产替代进度。

AI芯片高增速会如何影响产业链格局？

据IDC预测，AI芯片复合增速有望达50%左右，需求扩张会同时放大训练端的集中优势与推理端的分散竞争。随着大模型走向应用，推理芯片占比可能提升，产业链议价与价格传导路径也将随之演变。