“算力芯片行业深度研究报告：算力革命叠浪起，国产 GPU 奋楫笃行”由华创证券发布。

“幻影视界”整理分享报告摘要如下

GPU 并行计算能力适用于AI 训推需求，大模型发展催化GPU 需求。

GPU 不仅仅负责图形处理，也能执行通用计算任务。其核心由大量简单的计算单元构成，这些单元被组织成强大的计算阵列，能够同时对海量数据执行相同的简单操作，因此相比CPU 更擅长处理并行计算任务。当前主流的AI 计算加速芯片主要有四种技术架构，相较于ASIC 和FPGA，GPU 在通用计算性能和开发友好性上更具优势，也比仍处探索阶段的NPU 更为成熟，因而成为大模型训练和推理的主力。近年来，人工智能取得突破性进展，多模态大模型不断涌现。大语言模型的进化遵循Scaling Law 法则，其能力提升高度依赖海量算力供给。未来，随着AI 大模型向多模态、强推理、数据合成等方向演进，算力将继续作为核心驱动力，推动模型能力不断突破，加速AI 应用的广泛落地。

海外巨头持续加码AI 投入，英伟达占据全球主导地位。

大模型在应用端的表现持续取得显著进步，正逐步深入渗透日常生活和工作场景，活跃用户数量不断攀升，token 调用量保持高速增长。据谷歌业绩说明会，2025 年其月度Tokens 调用量从5 月的480 万亿大幅上升至7 月的980 万亿，并于10 月爆发式增长至1300 万亿，其提升节奏与谷歌Gemini 2.5、Nona Banana 等产品的更新步调保持一致。从谷歌AI 相关业务表现来看，大模型用户正在向付费用户转化，有望实现AI 投入的商业闭环。因此，北美科技巨头纷纷加码AI 相关投入。此外，自2025 年以来，包括英伟达、微软、OpenAI、Oracle 在内的北美AI 领域巨头已陆续签订投资与战略合作协议，进一步坚定对AI 的投资信心。在数据中心GPU 市场，英伟达一家独大且保持高速增长。其GPU 产品在AI 智算性能上持续革新，GB200 的训练性能达H100 的4 倍，推理性能为H100 的30 倍，并进一步推出专为扩展推理与AI 推理任务设计的GB300。此外，CUDA 编程工具大幅降低了开发门槛，进一步巩固了英伟达在AI 智算领域的竞争壁垒。

幻影视界整理分享报告原文节选如下：

本文仅供参考，不代表我们的任何投资建议。幻影视界整理分享的资料仅推荐阅读，用户获取的资料仅供个人学习，如需使用请参阅报告原文。