2026年以来，国产大模型调用量持续扩容，AI算力需求持续上涨，存储价格回暖预期增强，国内存储厂商扩产和上市进程也不断牵动着市场情绪。
全球AI芯片格局亦迎来深刻调整，全球算力技术路线加速演进、供给格局持续优化，也为我国半导体产业打开了窗口期。英伟达在一季度财报电话会议上表示，预计今年下半年开始生产和发货下一代机架级人工智能系统Vera Rubin。此前，谷歌在I/O大会上宣布TPU 8t系列正式商用，并联合黑石集团投入50亿美元布局独立TPU算力云。
作为AI发展的“发动机”，算力芯片的技术路线与产业格局，已成为全球科技竞争的关键制高点。在国内，中国半导体产业正从“追赶”走向“并跑”，在AI芯片设计与存储两大领域同步发力，多条技术路线并行突围，为自主算力底座奠定基础。
目前，全球AI算力竞争正步入“GPU与TPU并行发展”的新棋局。长期以来，英伟达GPU凭借强大通用性与成熟生态，主导全球AI训练与推理市场。但随着大模型参数规模持续扩大、推理需求呈指数级增长，高能耗、高成本、算力利用率偏低等问题日益突出。
在此背景下，TPU路线快速崛起。据了解，TPU专为深度学习张量运算定制，去除图形渲染等冗余模块，在相同功耗下可提供数倍于GPU的AI计算性能。市场数据显示，2026年谷歌TPU出货量预计达600万片，英伟达GPU约700—750万片，两者合计占据全球约80%市场份额，呈现出GPU+TPU并行发展的新格局。
国内AI算力市场快速增长，得益于芯片设计与存储两大领域的多路突围。AI芯片领域呈现出GPU、ASIC、TPU多条路线并行态势，其中，摩尔线程、沐曦、壁仞等企业践行GPU路线，持续推进产品迭代，主攻通用计算与图形渲染场景；而华为昇腾、寒武纪、百度昆仑芯等企业则选择ASIC路线，目前已形成规模化落地。
在全球主流的TPU赛道上，中国企业也实现了“从0到1”的突破。其中，以中昊芯英为代表的国产TPU厂商，凭借自研架构实现量产，填补了国内纯TPU架构的空白，助力我国成为全球少数掌握TPU技术并实现商用的国家之一。
在存储芯片领域，国内企业也实现了关键突破。其中，长江存储作为国内唯一的NAND闪存原厂，已实现294层3D NAND的量产，核心指标跻身全球第一梯队；长鑫存储则在DRAM领域持续攻关，已量产多款DDR4、LPDDR4X及DDR5产品，逐步缩小与国际领先企业的代际差距。
业内专家指出，国产半导体在芯片和存储领域的双重突破，具有深远的战略意义。一方面，补齐了我国算力技术路线的结构性短板，摆脱对单一路线的依赖；另一方面，大幅提升高端算力自主供给能力，为千行百业数字化智能化转型提供支撑。
