国产GPU产业正迈入规模化增长的新阶段。

8月28日晚间，徽声在线从国产GPU领军企业壁仞科技（06082.HK）获悉，其上市后首份中期财报显示：2026年上半年实现营收12.36亿元，同比激增1997.6%；毛利率达42.7%，亏损幅度收窄至3.77亿元，经调整后亏损3.37亿元。这一数据背后，折射出国产GPU从技术验证到商业落地的关键跨越。

值得关注的是，20倍的爆发式增长建立在去年同期5890万元的基数之上。但横向对比全年数据，今年上半年营收已超越2025年全年的10.35亿元，印证着企业从项目制交付向持续性规模出货的战略转型。这种转变恰逢国内算力需求结构性升级的关键窗口期。

算力市场的变革正在重塑产业格局。随着大模型参数规模突破万亿级，AI编程与智能体（Agent）技术将单次任务转化为持续交互的长流程，导致单个任务的token消耗量呈指数级增长。这种变化对芯片厂商提出全新要求：单卡性能指标已不足以决定竞争力，数百乃至上千张GPU的协同效率、内存访问速度、系统稳定性等系统级能力，正成为影响算力成本的核心要素。

对于进入规模交付阶段的国产GPU企业而言，竞争维度已从芯片本身扩展至生态体系构建。除芯片性能外，大客户拓展能力、集群部署经验、软件适配速度以及交付保障体系，共同构成决定订单持续性的关键因素。

算力需求爆发与国产GPU放量周期共振

壁仞科技的业绩增长需置于AI算力市场扩容的大背景下审视。当前大模型应用正从训练环节向推理环节延伸，AI编程需要持续生成与验证代码，智能体长程任务涉及多步骤操作，多模态内容生成更显著提升单次调用的计算负载。这种转变使得GPU需求来源从科技巨头扩展至互联网平台、云服务商及各地智算中心。

据弗若斯特沙利文数据，中国AI芯片市场规模从2021年的303亿元跃升至2025年的3039亿元，四年扩张近10倍；预计2030年将突破1.6万亿元，2026-2030年复合增长率达38.6%。基础设施投资持续加码：TrendForce将2026年全球AI服务器出货增速预测从28%上调至31%，预计字节跳动、腾讯、阿里、百度四家云服务商今年资本开支同比增长超80%，主要投向大型AI数据中心及GPU集群建设。

这些需求最终转化为芯片厂商的订单。壁仞科技上半年收入结构变化印证了这一趋势：12.36亿元营收中，智能计算解决方案贡献11.68亿元（上年同期仅5815万元），软件收入首次单独披露达6517万元。客户结构方面，公司已完成互联网巨头供应商认证并启动批量交付，客户覆盖头部互联网企业、AI大模型开发商、国家级算力平台及金融、能源、教育等多行业政企客户。

互联网大客户的批量交付具有标志性意义。作为算力市场主要采购方，云厂商对供应商的考核不仅限于认证通过，更涉及集群稳定性、软件兼容性、供应链保障及综合成本等长期指标。这种严苛的准入机制，恰恰为国产GPU提供了证明自身实力的舞台。

项目落地规模同步扩张。在智算中心领域，壁仞与合作伙伴建成京津冀国产算力集群，多家大模型企业采用其千卡集群进行多模态预训练与强化学习。更引人注目的是，公司与上海仪电、曦智科技、中兴通讯联合推出的"光跃"光互连GPU超节点实现数千卡规模商用部署，在混合专家（MoE）模型测试中端到端训练性能提升超30%。

这些突破与国内智算设施扩张形成共振。国家数据局数据显示，全国智能算力规模从2025年底的159万PFLOPS增至2026年3月底的188万PFLOPS，7月底进一步突破245万PFLOPS，七个月新增86万PFLOPS。智算中心扩容直接带动GPU、服务器及集群解决方案需求，能否进入大型智算中心已成为决定芯片厂商订单规模的关键因素。

系统能力竞争成为新战场

需求扩张的同时，国产AI芯片供给格局发生深刻变化。受先进AI芯片对华出口限制影响，互联网企业、云厂商及智算中心加速采购国产芯片。随着本土厂商出货量提升，竞争焦点从填补供应缺口转向满足生产级算力需求。

IDC数据显示，2025年中国AI加速卡出货量约400万张，本土厂商合计出货165万张（占比41%），英伟达出货220万张（占比55%）。TrendForce更预测，2026年国产方案在中国高端AI芯片市场份额将接近90%。尽管不同机构统计口径存在差异，但数据共同指向一个趋势：国产AI芯片正在重塑国内市场格局。

市场份额提升仅是起点。当国产GPU进入大规模生产环境，客户更关注性能达标率、系统稳定性及持续交付能力。在先进制造、高带宽内存（HBM）及软件生态等环节，国产厂商仍需突破技术瓶颈。下一步竞争的核心，在于证明自身能从替代方案升级为长期主力算力供应商。

大模型发展进一步推动技术竞争从单卡向系统层面延伸。随着模型参数突破万亿级、集群规模扩展至数百甚至上千张GPU，卡间数据交换频率激增，互连带宽、内存访问及集群调度效率直接影响实际可用算力。这种变化催生新的技术需求：在万亿参数模型训练中，卡间通信开销已不容忽视，系统互连效率成为算力释放的关键制约因素。

国内超节点市场随之爆发。华泰证券测算，到2028年国产超节点市场规模将达3414亿元，2026-2028年复合增速约194%。壁仞科技下一代产品布局紧扣这一趋势：采用自研指令集、计算核心及Chiplet架构，支持FP8/FP4低精度计算；自研BLink 2.0互连协议实现内存语义、统一编址及在网计算，最高支持1024卡Scale-up扩展。

在2026年世界人工智能大会上，壁仞发布新一代NPO光互连超节点方案，单个超节点支持1024卡扩展，率先完成从电互连到NPO的技术演进。基于此，公司形成16卡标准服务器、128卡高密整机柜及1024卡分布式解耦架构的三级产品矩阵，其中1024卡方案采用NPO光互连技术。

光互连技术升级成为行业共识。随着GPU数量增加，卡间数据传输量呈指数级增长，电互连在带宽、距离及功耗方面的局限性日益凸显。在数百卡Scale-up系统中，光互连已成为提升系统效率的关键技术路径。

LightCounting预测，2026年采用硅光调制器的光收发器销售额将占整体市场半数以上，NPO/CPO部署速度加快。今年7月，华为联合20余家产业链企业启动OPEN NPO项目，发起国内首个NPO光互连多源协议。壁仞科技的光互连方案，正是这一技术浪潮中的典型实践。

这些变革重塑了GPU评价体系。单卡算力指标之外，通信效率、功耗控制及实际可用算力表现成为新的衡量标准。在超节点时代，系统级能力决定着芯片厂商的竞争力天花板。

为支撑下一代产品开发，壁仞科技持续加大研发投入。2026年上半年研发支出达8.04亿元，同比增长40.7%，占营收比重约65%；过去三年半累计研发投入39.93亿元。截至6月底，公司累计申请专利1917项（发明专利1823项），获得授权专利1006项（发明专利927项），构建起覆盖芯片架构、互连协议及软件生态的技术壁垒。

生态与交付能力决定最终胜负

芯片商业化落地最终取决于软件生态与交付保障能力。

根据半年报，壁仞科技BIRENSUPA软件栈已兼容PyTorch、vLLM、SGLang、PaddlePaddle等主流框架，支持上千款AI模型运行。公司完成DeepSeek-V4、智谱GLM-5、Qwen3.6、Kimi K2.6等多款旗舰大模型的"Day 0"级适配，累计支持近30款国产大模型。更关键的是，通过自研多智能体平台SUPACODE实现模型分析、算子调优及通信优化自动化，将新模型适配周期缩短50%以上；针对Agentic场景的KV Cache重复计算问题，设计多级分层缓存架构使缓存命中率超95%。

适配速度成为软件生态的核心竞争力。大模型迭代速度加快，若新模型发布后需长时间才能在国产GPU上稳定运行，将显著增加客户迁移成本。软件生态的成熟度，最终体现在模型迁移效率与上线速度上。

壁仞科技正尝试破解国产芯片生态碎片化难题。公司牵头制定的跨厂商异构混训国家标准已进入批准流程，异构混推国家标准也在制定中。这两项标准旨在解决不同厂商、不同架构芯片混合训练与推理时的软件兼容性问题，降低多芯片协同部署成本。

交付能力构成另一道竞争壁垒。截至6月30日，壁仞科技存货余额12.15亿元，较2025年末增长28.1%；与服务相关的预付款项达15.34亿元，增幅230%。公司表示，这些资金主要用于提前锁定关键产业链产能。在资金层面，7月8日完成1.53亿股H股配售，募资净额约70.4亿港元，其中60%（约42.23亿港元）计划用于加速下一代产品商业化，预计2027年底前投入完毕。

规模放量之后，国产GPU的持续增长面临三重考验：下一代产品能否按计划量产、互联网大客户订单能否延续、1024卡超节点能否实现规模化部署。当大模型进入万亿参数与高频调用阶段，单芯片性能已难以定义企业上限，系统效率、软件适配及规模交付能力将成为决定市场份额的关键变量。从壁仞科技的半年报可以看出，其经营重心已明显转向规模交付能力建设，而这个阶段的答案，将写在量产数据与大客户订单中。