2025年末，中國GPU（圖形處理器）行業迎來了資本市場的狂歡時刻。摩爾線程、沐曦股份相繼登陸上海科創板，壁仞科技上周也在港股掛牌，燧原科技在A股排隊登場。對於正處於突圍關鍵期的中國GPU企業而言，美國同行的發展經驗既是鏡鑒也是指南。
梳理美國GPU行業的發展歷程，我們能清晰看到三條貫穿始終的主線：技術路線的聚焦、市場資源的集中、生態體系的構建。
美國GPU行業整合之路
萌芽與混戰：技術探索期的分散競爭（1981至1993年）
1981年，IBM 5150個人計算機的問世，搭載了MDA和CGA兩款開創性的2D加速卡，這標誌着PC圖形顯示時代的開啟，也為GPU的誕生埋下了伏筆。在隨後的十多年裏，美國GPU行業處於野蠻生長的探索階段，技術路線五花八門，市場玩家群雄逐鹿，尚未形成統一的行業標準。這一時期的行業特徵是「分散」與「探索」。有的企業聚焦於提升圖形分辨率，有的專注於優化色彩表現，還有的嘗試突破3D渲染的效率瓶頸。這種分散競爭的格局，在一定程度上促進了技術的多元化探索，但也導致了資源的浪費和重複研發，制約了行業的整體發展速度。對於下游的遊戲開發商和PC廠商而言，多樣的技術方案意味着高昂的適配成本，不利於產業鏈的協同發展。
整合與崛起：技術標準化下的格局重塑（1993至2006年）
1993年，黃仁勳與兩位工程師在硅谷創立英偉達，成為美國GPU行業整合崛起的關鍵轉折點。彼時，3D遊戲需求正迎來爆發式增長，《雷神之錘》等經典遊戲的問世，暴露了CPU在圖形渲染方面的算力瓶頸，市場迫切需要專門的圖形處理芯片來解決這一問題。但當時的市場依然被3dfx等企業主導，3dfx憑藉初代Voodoo顯卡和專用的Glide API，一度佔據了85%左右的3D顯卡市場份額，成為行業龍頭。
真正的行業變革發生在1999年。該年10月，英偉達推出了劃時代的GeForce 256芯片，實現了3D渲染任務從CPU向GPU的轉移，黃仁勳也正式提出了GPU（Graphics Processing Unit）的概念並註冊了商標。這款芯片將圖形處理的多個功能集成於單一芯片，具備了與CPU等同甚至更優的計算能力，徹底改變了圖形處理的技術邏輯。而微軟通過收購RenderMorphics公司，將其Reality Lab實驗室的3D圖形技術整合到Windows 95系統中，推出了Direct 3D API，與3dfx的Glide API展開競爭，最終Direct 3D成為行業主流標準，為技術的統一和整合奠定了基礎。
技術標準的統一，為行業整合提供了前提條件。英偉達抓住這一歷史機遇，憑藉GeForce系列產品的技術優勢，迅速崛起並開啟了行業整合之路。2000年12月，英偉達斥資7000萬美元現金加100萬美元股票，收購了當時已一蹶不振的3dfx。這次收購堪稱美國GPU行業整合的經典案例：英偉達不僅消除了最主要的競爭對手，還獲得了3dfx的40多項核心專利和100位經驗豐富的工程師，這些技術和人才資源為後續產品的迭代升級提供了強大支撐。
成熟與擴張：生態主導下的全產業鏈整合（2006年至今）
如果說前兩輪整合聚焦於技術和市場份額的爭奪，那麼進入21世紀後，美國GPU行業的整合則上升到了生態體系構建和全產業鏈布局的層面。英偉達在這一階段展現出了卓越的戰略眼光，通過一次關鍵的戰略決策，徹底改變了GPU行業的發展軌跡。2006年，英偉達推出了CUDA平台（Compute Unified Device Architecture），允許開發者直接調用GPU算力進行非圖形領域的通用計算，這一決策將GPU從單一的圖形渲染工具，拓展為通用計算平台，為後續在人工智能、高性能計算等領域的爆發奠定了基礎。
如今，CUDA生態已成為英偉達最堅固的護城河。全球超過400萬開發者在CUDA平台上進行研發，PyTorch、TensorFlow等主流深度學習框架均與CUDA深度適配，算子覆蓋率近100%。這種生態優勢使得下游企業和開發者形成了路徑依賴，即使有其他企業推出性能相當的硬件產品，也難以在短期內撼動英偉達的市場地位。經過數十年的整合與發展，美國GPU行業最終形成了英偉達絕對主導、AMD補充競爭的穩定格局。
中國GPU行業戰略機遇
與美國GPU行業自然演進的整合路徑不同，中國GPU行業的發展從一開始就帶有強烈的時代印記和政策驅動特徵。在全球算力競爭日趨激烈、美國持續升級科技封鎖的背景下，中國GPU行業迎來了國產替代的戰略機遇期，但同時也面臨着技術差距、生態薄弱、產能受限等多重挑戰。
行業現狀：國產替代浪潮興起
中國GPU行業的起步相對較晚，早期市場幾乎被英偉達、AMD等國際巨頭壟斷。根據相關數據，2024年英偉達、華為海思和AMD在中國AI芯片市場中分別佔據66%、23%、5%的市場份額，摩爾線程和沐曦股份等國產廠商的市佔率均僅為1%。
近年來，隨着人工智能、數據中心、智能駕駛等新興領域的需求爆發，疊加國家對核心電子元器件自主可控的戰略需求，中國GPU行業迎來了創業熱潮。「國產GPU四小龍」（壁仞科技、摩爾線程、沐曦股份、燧原科技）均成立於2020年前後，同時一大批中小企業也紛紛入局，行業呈現出「百花齊放」的分散競爭格局。
政策層面的大力支持為行業發展注入了強勁動力。「十四五」規劃明確將GPU納入核心電子元器件攻關工程，中央及地方政府通過產業基金、稅收優惠等方式支持國產替代，2024年國家級GPU研發專項投入已超200億元。「東數西算」工程的推進，進一步擴大了算力基礎設施的建設需求，為國產GPU提供了廣闊的應用場景。市場需求方面，人工智能大模型的訓練和推理、智能駕駛領域控制器的升級、工業互聯網的普及等，都對GPU算力提出了指數級增長的需求，而美國的技術封鎖導致高端GPU供給缺口，為國產替代創造了戰略窗口。
儘管發展勢頭迅猛，但中國GPU行業的短板依然十分明顯。國產頂尖AI GPU在單卡硬件性能上約落後英偉達最新產品1.6至2倍，訓練場景整體落後2至3倍，製程工藝差半代到一代；軟件生態差距更為顯著，國產架構的主流框架適配率僅為65%至80%，開發者數量僅為CUDA生態的零頭，算力利用率遠低於國際水平。
現實困境：各自為戰資源內耗
當前中國GPU行業的分散競爭格局，在一定程度上激發了企業的創新活力，但也帶來了嚴重的資源內耗，不利於行業的長遠發展。這一點與美國GPU行業早期的混戰階段極為相似，主要體現在三個方面：
一是研發資源的重複浪費。GPU研發是一項技術密集、資金密集的系統工程，需要在芯片設計、架構創新、軟件適配等多個環節進行長期投入。當前，國內數十家GPU企業都在各自為戰，紛紛投入巨資進行底層技術研發，導致大量研發資源被重複消耗。許多企業在技術路線上相互模仿，缺乏差異化創新，不僅無法形成協同效應，還使得國產GPU在整體技術突破上進展緩慢。
二是市場資源的過度分散。國產GPU的市場需求雖然旺盛，但目前仍以特定行業和場景的替代需求為主，市場規模相對有限。大量企業的湧入導致市場競爭異常激烈，許多企業為了搶佔市場份額，紛紛採取低價策略，進一步壓縮了利潤空間，使得企業難以積累足夠的資金用於後續研發。
三是生態建設的各自為戰。生態建設是GPU行業的核心競爭力，需要長期的投入和積累。當前，國內多家GPU企業都在構建自己的軟件生態和開發者社區，但由於資源分散，每個企業的生態都難以形成規模。不同企業的軟件平台互不兼容，導致下游應用廠商需要投入大量成本進行多平台適配，嚴重影響了國產GPU的推廣和應用。（待續）
（作者為外資投資基金董事總經理）
