大模型训练与推理需求的爆发，正推动 CPU+XPU异构计算 成为AI算力基础设施的核心架构，其市场规模具备显著的长期扩容空间。核心驱动在于：AI服务器主流计算架构均采用CPU+XPU异构形式，大模型参数规模的持续增长直接推高对XPU加速芯片的需求，同时算力需求从云端训练向边缘推理延伸，将进一步带动该架构在更广泛场景的渗透率提升。
异构计算：AI服务器的核心架构
主流的AI服务器计算架构，采用的一般是 CPU+XPU的异构形式。其中，CPU负责处理基础任务，读取和准备数据，并将数据传输到XPU进行计算；而GPU、FPGA、ASIC等XPU作为加速芯片，是AI计算的核心，处理大规模的并行计算。
从AI芯片的分类来看，训练芯片更注重绝对的计算能力，目前应用最多的主要是GPU；而推断芯片更侧重能耗、时延、成本等综合指标，FPGA和ASIC在该场景潜力巨大。随着各类大模型的成熟并逐步应用，推断类AI芯片的占比有望逐步提升，为异构计算带来更丰富的需求层次。
市场增长的核心动力
异构计算市场扩容的动力主要来自三个维度：
- 算力需求的指数级增长：根据IDC预测，未来几年AI芯片的复合增速有望达到50%左右。中国AI算力规模从2019年的30 EFLOPS增长至2026年的1270 EFLOPS（预测值），期间始终保持38%以上的高速增长，直接拉动对CPU+XPU异构平台的需求。
- 大模型参数规模驱动：大模型参数规模的持续增长，直接推高对XPU加速芯片的搭载需求，进而拉动整个异构计算平台的市场规模。
- 应用场景的持续延伸：算力需求正从云端训练向边缘推断延伸。基于CPU的传统计算架构无法充分满足AI高性能并行计算的需求，需要FPGA等AI架构专属芯片，这将带动CPU+XPU架构在更广泛场景的渗透率提升。
主要XPU芯片的市场空间
| 芯片类型 | 核心特点 | 市场前景 |
|---|---|---|
| GPU | 通用性强，适合大规模并行计算，唯一已量产可用于AI训练的芯片 | 占据AI芯片市场主要份额 |
| FPGA | 硬件可重构，开发周期短、效率高，适合迭代快的领域 | 全球市场规模预计从2021年的82.9亿美元增长到2025年的125.2亿美元 |
| ASIC | 定制化芯片，高性能、低能耗，专用化程度最高 | 全球市场规模预计到2027年达1677.49亿元 |
常见问题
CPU+XPU异构计算与传统CPU架构有何区别？
传统CPU架构无法充分满足AI高性能并行计算的需求。CPU+XPU异构架构中，CPU负责数据读取与准备，XPU（GPU/FPGA/ASIC）专攻大规模并行计算，两者协同实现算力效率的最优解，已成为AI服务器的主流设计。
训练和推断场景对异构计算的需求有何不同？
训练场景计算规模庞大，更依赖GPU的绝对计算能力；推断场景计算量相对较小，更注重能耗、时延等综合指标，FPGA和ASIC在该领域潜力更大。目前大模型多处于开发阶段，训练芯片需求更大，未来推断类芯片占比有望逐步提升。
国产XPU芯片在异构计算市场中的位置如何？
在FPGA领域，国产厂商已崭露头角，但技术实力与国际巨头仍有差距；在ASIC领域，尚未形成明显的头部厂商，国产厂商在工艺制程上与国外同步，部分产品性能已具备比肩海外厂商的能力，有望在国产化推进中加速追赶。