最近，隨著摩爾線程、沐曦股份在科創(chuàng)板的先后上市，壁仞科技和燧原科技也緊隨其后進入上市進程的事情，掀起了一股國產(chǎn)GPU的熱潮。

市場普遍沉浸在“國產(chǎn)替代”、“萬億賽道”、“IPO熱潮”的樂觀情緒中。然而，三大潛在灰犀牛風險正悄然逼近：

1. Scaling Laws（規(guī)模定律）可能正在失效或邊際效益銳減；

2. 前兩年算力基建的過度擴張導致的“爛尾”的風險正在上升；

3. 全球頭部云服務(wù)商（CSP）加速自研芯片，擠壓第三方GPU廠商生存空間。

這三者疊加，或?qū)a(chǎn)GPU企業(yè)構(gòu)成系統(tǒng)性挑戰(zhàn)。

先來說一下Scaling Laws，這個定律是指模型性能隨數(shù)據(jù)量、參數(shù)量和算力投入呈冪律增長。過去幾年，大模型競賽都是基于堆參數(shù)、堆卡、堆電費這個邏輯。

但現(xiàn)在，現(xiàn)實的拐點已經(jīng)出現(xiàn)了。

從最新的模型Gemini 3、GPT-5 來看，單純擴大規(guī)模帶來的性能提升已經(jīng)顯著放緩。

同時，能效比也在成為瓶頸：每增加1倍算力，能耗可能翻倍，而性能僅提升10%到20%。

國產(chǎn)的GPU，目前還普遍處于追趕階段，如果繼續(xù)沿用“堆卡”的邏輯，就可能會陷入“高投入、低回報”的陷阱。

摩爾線程、沐曦都主打“對標H100”，如果無法在能效、軟件棧、稀疏計算等新維度實現(xiàn)突破的話，它們的硬件將面臨“性能過剩但無用武之地”的尷尬。

并且，從投資者的預期看，也可能從“規(guī)模驅(qū)動”轉(zhuǎn)向“效率驅(qū)動”，從而倒逼國產(chǎn)GPU從“跑分競爭”轉(zhuǎn)向“場景適配”。

這樣看來，如果Scaling Laws失效成為共識，將直接削弱國產(chǎn)GPU“以量補質(zhì)”的戰(zhàn)略邏輯，迫使行業(yè)進入“精耕細作”的時代。

再來看看算力基建爛尾的風險。

這不是一個新話題。過去兩年，各地政府爭相建設(shè)智算中心、超算集群，動輒宣稱“萬P級”、“百億億次”。

而國產(chǎn)GPU，像燧原、壁仞都成為地方政府采購的主力，訂單激增，沐曦2025年在手的訂單達到14.3億元。

但這里存在一定的隱患。一個是需求虛高：大量智算中心缺乏真實AI負載，更像是一個“展示工程”。

一個是運維成本失控：GPU集群的功耗巨大，電費+冷卻的成本遠超預期，部分項目已出現(xiàn)“建得起、用不起”的現(xiàn)象。

再一個是技術(shù)迭代周期非?？欤航裉靹偛渴鸷肁100/H100級替代品，兩年后可能已被淘汰，造成資產(chǎn)閑置。

這對國產(chǎn)GPU肯定會造成沖擊。短期利好訂單，但長期依賴政府/國企采購不可持續(xù)。

如果2026到2027年出現(xiàn)大規(guī)模基建收縮或財政緊縮，國產(chǎn)GPU企業(yè)有很大可能會面臨“訂單斷崖”的情況。

尤其對聚焦數(shù)據(jù)中心、缺乏消費端回旋余地的企業(yè)，風險更高。

更進一步說，如果算力基建從“投資拉動”轉(zhuǎn)向“效益考核”，將會暴露大量低效的項目，這肯定會連帶拖累GPU供應(yīng)商。

最后，再來看看云廠CSP們自研芯片的“降維打擊”。

全球CSP加速垂直整合的趨勢已經(jīng)擺上臺面。

谷歌的TPU v5、v6 已全面替代英偉達用于內(nèi)部訓練；

亞馬遜的Trainium芯片已經(jīng)覆蓋80%的推理負載；

微軟已經(jīng)和AMD合作定制MI300X，并投資CoreWeave構(gòu)建替代生態(tài)；

阿里也自研了AI推理芯片含光800和通義千問專用的NPU；

百度的昆侖芯已迭代至第三代；

騰訊不僅是燧原股東，也自研AI推理芯片紫霄。

CSP們?yōu)槭裁匆ň拶Y自研芯片？至少是因為三個核心優(yōu)勢：

一是軟硬件更協(xié)同。自研的芯片專為自家的模型優(yōu)化，能效比遠超通用GPU；

二是成本更可控。無需支付英偉達高溢價，長期的TCO，也就是總擁有成本更低；

三是供應(yīng)鏈更安全。可以規(guī)避出口管制的風險，尤其對中國的CSP而言。

這樣看來，原本是國產(chǎn)GPU的重要客戶的CSP，現(xiàn)在卻紛紛“自立門戶”。CSP自研芯片已經(jīng)不是“可選項”，而是“必選項”。國產(chǎn)GPU如果不能打入非CSP生態(tài)（如中小企業(yè)、科研機構(gòu)、制造業(yè)），可能就會被困在一個愈發(fā)狹窄的市場。

三大灰犀牛在逼近，國產(chǎn)GPU的應(yīng)對之道在哪里？

我覺得，面對Scaling Laws 失效，要聚焦能效比、稀疏訓練、混合精度、編譯器優(yōu)化；從“通用算力”轉(zhuǎn)向“場景專用”；

面對算力基建爛尾的風險，要拓展非政府客戶，例如汽車、醫(yī)療、工業(yè)仿真等；同時發(fā)展租賃、算力即服務(wù)（CaaS）的商業(yè)模式。

面對CSP自研芯片帶來的擠壓，要構(gòu)建開放的生態(tài)，例如兼容CUDA，降低遷移的成本；聯(lián)合獨立軟件銷售商來打造垂直解決方案。

此外，今年工信部牽頭組建的“國產(chǎn)GPU適配聯(lián)盟”正在制定適配標準，如果這個標準能夠真正落地，也有可能形成生態(tài)護城河，可以緩解CSP封閉體系帶來的擠壓。

國產(chǎn)GPU的崛起是國家戰(zhàn)略所需，也是技術(shù)自主的必然路徑。但熱潮之下，必須警惕“灰犀?！?，當規(guī)模紅利消退、基建泡沫破裂、CSP筑起高墻，唯有真正具備技術(shù)縱深、商業(yè)閉環(huán)和生態(tài)韌性的企業(yè)，才能穿越周期，成為真正的贏家。否則，這場IPO盛宴帶來的熱潮，可能只是一場昂貴的集體幻覺。[微風]