人工智能算力行业被预测未来几年复合增速有望达到50%左右，高增长往往伴随高不确定性。该行业的主要风险集中在技术路线快速迭代、上游供应链瓶颈、出口管制制约以及下游需求兑现不及预期这四个环节，投资者需警惕高增长预期下的预期差风险。

技术迭代与资产减值风险

AI芯片行业技术演进极快，芯片分为CPU、GPU、FPGA和ASIC四大类，其通用性逐渐降低，但运算效率逐步提高。目前GPU是唯一已量产的AI训练芯片，而FPGA和ASIC更适用于推断场景。随着大模型从开发阶段走向成熟应用，推断类芯片占比可能逐步提升，这意味着今天投入巨资建设的训练算力，可能因技术路线切换而面临资产减值压力。FPGA凭借硬件可重构、开发周期短的特点，在技术不确定性较大的领域是较为理想的解决方案，但这也反过来意味着技术路线的选择本身存在较高风险。

供应链与产能瓶颈

AI芯片高度依赖上游晶圆代工和先进封装产能。在FPGA领域，工艺制程和门级规模是评价产品性能的重要指标，当前国产厂商先进制程集中在28nm，与国际先进水平存在差距；国产厂商旗舰产品门级规模仅为国际高端产品的25%左右。在ASIC领域，国产厂商集中采用7nm工艺制程，与国外厂商相同，但先进制程的获取能力本身受到外部环境制约。供应链的脆弱性不仅体现在制造环节，也体现在技术获取的可持续性上，这是高增速行业能否兑现预期的基础前提。

需求波动与商业化节奏

当前大部分大模型仍处于开发阶段，对训练芯片的需求更大。但算力需求本质上是派生需求，最终取决于AI应用能否在生产生活中大规模落地。如果下游AI应用商业化进展不及预期，算力需求可能出现回摆，导致高增速预期面临下修。同时，ASIC在AI行业的渗透率目前依然较低，受研发成本与研发壁垒限制，其大规模应用有赖于下游应用的持续成熟来摊薄研发成本，这一传导链条存在时间差和不确性。

常见问题

AI芯片行业增速这么快，主要靠什么驱动？

根据预测，AI芯片复合增速有望达到50%左右，核心驱动力是算力需求随AI应用普及不断扩大。目前训练环节主要依赖GPU，未来随着大模型成熟并在生产生活中应用，推断类芯片（FPGA和ASIC）的占比有望逐步提升，形成多品类接力增长。

国产AI芯片与国际水平的差距主要在哪里？

在FPGA领域，国产厂商已崭露头角（紫光国微、复旦微电、安路科技等），但工艺制程和门级规模与国际领先水平存在差距；在ASIC领域，国产厂商采用与国际相同的7nm工艺，部分旗舰产品在算力性能上已具备比肩国际厂商的能力，且市场尚未形成明显的头部垄断格局。

高增速行业的投资风险主要体现在哪些方面？

高增速往往伴随高估值和高预期，一旦技术路线切换、供应链受限或下游需求不及预期，预期差可能引发较大波动。具体需关注技术迭代导致的资产减值、先进制程获取的可持续性，以及AI应用商业化落地的实际节奏。