200.8 万颗 AI 加速器：份额怎么拆

一句话总结：2026 上半年中国数据中心 AI 加速器出货 200.8 万颗，英伟达 33.8%、华为 28.5%，非 GPU 首次超过 GPU。但把"非 GPU 过半"这个转折拆开看，它主要靠华为一家撑——华为占非 GPU 的 47% 到 57%。

这个数字我先看到的是"非 GPU 首超 GPU"，觉得是个结构性转折。算完份额才意识到，这个转折的含金量取决于一个前提：非 GPU 里除了华为还有多少。

先把数算清楚。

AI 加速器 200.8 万颗是什么规模

先做个量级锚定。

200.8 万颗加速器，如果按 8 卡一台服务器算，是 25.1 万台服务器。如果按单卡 400W 估，满载功率约 800 MW。

对比一下：一个大型数据中心园区的 IT 负载通常在 100–300 MW 量级。所以这半年的出货量，相当于三到八个大型园区。

再看显存总量。按英伟达那 67.9 万颗、单卡 141GB 算：

67.9 万 × 141GB = 95.7 PB

之前算过 60 万颗 H200 滞留香港那事，那批卡是 84.6PB。这半年国内实际到货的英伟达卡，显存总量比滞留的那批还多。

这个对比说明：卡确实在进来，只是渠道和用途不透明。

出货量份额：英伟达 33.8%、华为 28.5%

图 1：上为总量份额，下为 GPU 与非 GPU 的拆分；非 GPU 里华为占四到五成

把份额算出来：

TOTAL = 200.8          # 万颗
SHARE = {"英伟达": 33.8, "华为": 28.5}
other = 100 - sum(SHARE.values())

for name, pct in SHARE.items():
    print(f"{name}: {pct}% → {TOTAL * pct / 100:.1f} 万颗")
print(f"其他厂商: {other:.1f}% → {TOTAL * other / 100:.1f} 万颗")

输出：

英伟达: 33.8% → 67.9 万颗
华为: 28.5% → 57.2 万颗
其他厂商: 37.7% → 75.7 万颗

75.7 万颗由"其他"分。公开信息里能对上的有：

昆仑芯 4% 折算是 8 万颗。剩下 67.7 万颗要在平头哥、沐曦、天数、摩尔、燧原、壁仞之间分——平均每家 11 万颗。

这个分布说明一件事：除了英伟达和华为，其余厂商的份额都很碎。 没有第三家能单独撑起两位数份额。

非 GPU 首超：出货量的结构转折靠什么撑

这是全文最该算的一段。

"非 GPU 超过 GPU"意味着非 GPU 至少占 50%，也就是 100.4 万颗以上。

华为的 57.2 万颗全部算作非 GPU（昇腾是 NPU/ASIC 路线）。那非 GPU 里剩下的是多少？

HW = TOTAL * 28.5 / 100
for ratio in (50, 55, 60, 66):
    non_gpu = TOTAL * ratio / 100
    print(f"非 GPU 占 {ratio}%: 共 {non_gpu:.1f} 万颗，"
          f"华为 {HW:.1f} 万颗，占非 GPU 的 {HW/non_gpu*100:.1f}%")

输出：

非 GPU 占 50%: 共 100.4 万颗，华为 57.2 万颗，占非 GPU 的 57.0%
非 GPU 占 55%: 共 110.4 万颗，华为 57.2 万颗，占非 GPU 的 51.8%
非 GPU 占 60%: 共 120.5 万颗，华为 57.2 万颗，占非 GPU 的 47.5%
非 GPU 占 66%: 共 132.5 万颗，华为 57.2 万颗，占非 GPU 的 43.2%

四种情况下，华为占非 GPU 的 43.2%–57.0%。

也就是说，非 GPU 这半边里，四到五成是华为。

剩下那部分（43%–57%）由昆仑芯、寒武纪、燧原、壁仞这些分。这个结构意味着：

第一，"非 GPU 超过 GPU"这件事的本质是"昇腾超过了英伟达的出货量"。 因为 GPU 那边几乎全是英伟达（33.8%），非 GPU 那边一半是华为（28.5%）。两个数字一对比，是昇腾 57.2 万 vs 英伟达 67.9 万——还没超，但很接近。

等等，这里有个矛盾。如果英伟达 67.9 万全部是 GPU，那 GPU 总量至少 67.9 万。而非 GPU 要超过 GPU，得超过 67.9 万，也就是至少 68 万。那非 GPU 占比至少是 68/200.8 = 33.9%，不是 50%。

"非 GPU 首超 GPU"这个说法，和"非 GPU 占 50% 以上"不是一回事。

正确的理解应该是：非 GPU 的出货量超过了 GPU 的出货量。GPU 那边除了英伟达，可能还有少量其他厂商（比如 AMD），但基本可以忽略。所以：

• GPU ≈ 67.9 万（英伟达为主）
• 非 GPU ≈ 132.9 万（200.8 - 67.9）
• 非 GPU 占 66.2%

如果是这样，华为占非 GPU 的 43%。剩下的 75.7 万颗全在非 GPU 阵营里，包括昆仑芯、寒武纪、燧原、壁仞、沐曦（如果沐曦算 GPGPU 的话可能有争议）。

这个算法更自洽，也更符合"首超"这个措辞。我在上面用 50%–66% 做敏感性分析，是想说明"不管哪种口径，华为都占非 GPU 的四到五成"，这个结论不变。

结论是：非 GPU 这条线，四到五成靠华为，其余靠一群小厂商。 华为倒不了，这条线就成立；但"多家竞争"这个格局还没形成。

换算成算力是多少

出货量不等于算力。粗略换算一下。

按单卡 FP16 稠密算力估：

1135 EFLOPS 的 FP16 稠密算力是什么概念？前沿模型一次预训练大概需要 10^24–10^25 FLOP，折算成 EFLOPS·秒是 10^6–10^7。1135 EFLOPS 跑满一天是 9.8×10^7 EFLOPS·秒。

也就是这批卡全部满载跑一天，够一次前沿模型的预训练。 当然这是理论上限，实际利用率能到 40% 就不错。

这个估算的误差很大（单卡算力是估的，不同型号差三倍以上），但它说明一个量级：国内半年的加速器出货，够支撑个位数的前沿模型训练。

这个估算的误差到底有多大，值得说清楚。

同一厂商不同型号差三倍。 昆仑芯的最新一代和上一代，单卡算力能差 3 倍以上；华为的昇腾 910B 和 910C 也不是一个量级。按一个平均值算，误差会累积。

标称算力和实际可用算力差得更远。 厂商标的是峰值（还是稀疏、还是 INT8），实际跑模型时能到一半就不错。这中间的折扣，不同软件栈差别很大。

封装和互联也要算进去。 单卡算力再高，卡间互联带宽不够，多卡训练就跑不起来。这一层的能力在出货数据里看不到。

所以上面那张表只能当量级参考，不能当采购依据。真正要判断"这批卡能干多少活"，得看实际集群的 MFU（模型算力利用率），那个数字通常不公开。

国产算力的窗口：真实约束是产能

最后回到"窗口期"这个话题。

英伟达 CEO 辞任之后，很多人说国产算力窗口打开了。从上面的数字看，窗口不是"开不开"的问题，是"能供多少"的问题。

三个约束按硬度排序：

第一，产能。 华为的昇腾产能是瓶颈，平头哥的产能优先服务阿里自身。第二梯队里沐曦 2026 年 5 月才量产 C600，天数的量产规模未披露。这些都不是"想扩就能扩"的。

第二，先进封装。 这部分国产化率不足 10%，是硬约束。封装产能上不去，芯片设计得再好也出不来。

第三，软件栈。 CUDA 的优势不在硬件，在十几年的工具链和开发者习惯。换平台要重写代码、重新调优，这个成本不会因为供应紧张就消失。

所以我的判断是：窗口期是真实的，但它的宽度由产能决定，不由政治事件决定。 200.8 万颗里非 GPU 占六成，说明替代在发生；但替代的速度受限于封装和产能，不是受限于需求。

对买方，这意味着未来两年国产卡的交付会持续紧张。签长约、提前锁产能，比等降价更实际。

参考资料

• 2026 上半年中国数据中心 AI 加速器出货数据：IDC 中国
• 国产 AI 芯片梯队与产能情况：虎嗅转《IT时报》，2026-11-12
• 平头哥分拆上市公告：阿里巴巴集团公告，2026-11-10