中国AI算力规模从2019年的30 EFLOPS增长至2026年的1270 EFLOPS（IDC预测），十年间增长超40倍，这一爆发式增长正深刻重塑人工智能产业链，上游芯片、服务器、光模块等硬件环节与下游应用场景均迎来显著受益机会，但各环节受益程度因技术壁垒和需求结构而存在差异。
算力增长驱动上游硬件需求
AI算力的核心是芯片。根据IDC预测，未来几年AI芯片复合增速有望达到50%左右。上游环节中，GPU作为目前唯一可用于AI训练的已量产芯片，占据AI芯片市场主要份额；而FPGA凭借开发周期短、可配置性强的特点，在AI推断市场潜力巨大；ASIC则因高性能、低能耗，有望成为AI技术首选。此外，主流的AI服务器计算架构采用CPU+XPU的异构形式，带动服务器、光模块、散热等配套需求同步增长。
产业链价值分配正在转移
随着算力增速从138%逐步降至38%，产业链价值重心正从“通用计算”向“专用优化”转移。推断类AI芯片（FPGA、ASIC）的占比有望逐步提升，因为大模型从开发阶段进入应用落地后，对能耗、时延、成本的考量更为突出。同时，数据中心互联需求推动光模块等环节受益，而大模型厂商则面临算力成本压力，促使下游应用更注重效率与成本平衡。
中游与下游：云平台与应用场景
中游的云计算平台（如阿里云、亚马逊、微软等探索云服务器+FPGA模式）提供AI训练推理服务，受益于算力扩容。下游自动驾驶、医疗、金融等应用场景，则通过AI芯片的推断能力实现落地。未来随着大模型成熟并广泛应用，推断类芯片需求将加速释放，推动下游应用规模化发展。
常见问题
AI算力增长对国产芯片厂商有何影响？
国产FPGA厂商（如紫光国微、复旦微电、安路科技）2021年合计市占率已超过15%；国产ASIC厂商（如海思、寒武纪）采用7nm工艺，在算力方面与海外产品比肩。国产化加速推进背景下，中国厂商有望快速追赶。
为什么推断芯片未来占比会提升？
当前大模型多处于开发阶段，对训练芯片需求更大。未来随着模型成熟并应用于生产生活，推断场景将大量增加，对能耗、时延、成本更敏感的FPGA和ASIC芯片占比将逐步提升。
FPGA和ASIC哪个更适合AI应用？
FPGA开发周期短、硬件可重构，适合技术迭代快的领域；ASIC则为特定用途定制，性能、能效更优。两者均适用于AI推断，ASIC有望成为未来AI技术首选，但当前ASIC在AI领域渗透率仍较低。