在AI大模型产业化加速的当下，算力需求正从训练阶段向推理阶段倾斜。

　　在近期举办的第二十二届中国国际半导体博览会（IC China 2025）上，英特尔公司副总裁、英特尔中国研究院院长宋继强指出，从2025年开始智能体AI的相关算力逐渐攀升，未来会渐渐超过传统训练基座大模型和训练微调大模型的算力，成为驱动AI算力增长的核心动力。

　　《中国经营报》记者观察发现，国内芯片产业的人士大多数认为，尽管英伟达、AMD在通用AI计算市场仍占据主导地位，但在推理端，尤其是面向视频生成、边缘计算和行业应用的推理场景，正成为中国AI芯片企业实现差异化突围的赛道。

　　国产化替代与全球化竞争并行

　　“从工艺上来讲，我们跟美国大概差两代工艺。”上海合见工业软件集团有限公司总经理徐昀客观地分析当前中国智算产业面临的挑战。在地缘政治影响下，国内智算发展在先进工艺、高带宽存储器（HBM）、封装技术及设计工具等关键环节，均面临不同程度的外部限制，成为产业进阶的重要制约因素。

　　徐昀举例指出，当前国内AI芯片主流采用12纳米与7纳米先进工艺，而北美地区已逐步向2纳米工艺节点推进；受工艺差距影响，国内单颗AI芯片的算力仅约为北美同类产品的30%，在内存容量、数据带宽等关键性能指标上，也仅能达到北美芯片的40%至70%。

　　面对芯片工艺层面的客观差距，国内行业并未被动应对，而是通过技术路径创新实现突破。例如，借助算力组网、超节点架构设计等方案，在384组卡的部署规模下，国内AI系统的整体算力可达到北美同类系统的2.1倍。这一策略，已成为当前阶段弥补单芯片性能差距、推动国产AI算力规模化落地的重要路径。

　　在国内市场，多重因素共同推动国产推理芯片加速替代。一方面，地缘政治背景下，产业链自主可控需求持续升温；另一方面，国内AI产业快速发展，对推理算力的需求呈爆发式增长，为国产芯片提供了广阔的应用空间。

　　镕铭微电子（济南）有限公司首席执行官朱照远指出，中国芯片产业正加速向全球产业链中高端发起冲击，在技术补位与能力追赶层面持续突破。这一进程既涵盖CPU、GPU等通用计算领域的主流芯片赛道，通过技术迭代缩小与国际领先水平的差距；也包括车规级芯片及其他垂直细分领域，依托国内市场需求优势快速完善产品矩阵与应用生态；同时，VPU（视频处理单元）芯片凭借其在视频AI推理、超高清处理等场景的专用性优势，为中国芯片产业提供了 “换道超车” 的重要机遇。

　　推理赛道是蓝海

　　当前AI算力需求的结构性转变，为中国芯片企业提供了重要战略机遇。随着开源大模型的成熟与普及，AI模型预训练环节已形成相对稳定的市场格局，而终端应用落地催生的推理算力需求，正进入爆发式增长阶段。

　　“2023年之前，训练与推理的算力需求占比约为6:4，但到了2025年，这一比例已实现反转。” 曦望Sunrise商业产品负责人阎研表示，当前预训练大模型技术已接近成熟，高性能训练芯片的市场增长空间逐渐收窄；与之相反，推理模型优化、高阶智能体开发及下游垂直应用正处于快速爆发期，这意味着高性价比推理芯片市场仍是一片蓝海。

　　宋继强也认为：“未来80%的AI计算将花在推理领域。其中智能体AI是产生客户价值的核心场景，其算力需求增长速度从2025年起将逐步加快，最终超越训练场景的算力需求。”

　　据宋继强分析，智能体AI的复杂度远超传统推理任务。完成一个基于思维链的回答，使用的Token数比传统Chatbot多10倍；而智能体AI需要将任务拆解为多个步骤，调用多种模型，其复杂度和Token使用量达到传统方法的100倍，对推理芯片的性能、能效与兼容性提出更高要求。

　　市场需求的变化同时正在重塑AI芯片的市场格局。阎研指出，与训练芯片需兼顾通用算力与极致性能不同，推理芯片更强调场景适配性、低功耗与成本控制，这恰好契合了中国芯片企业在特定领域的技术积累与产业链优势。从技术逻辑来看，推理与训练在计算框架、精度要求、内存利用等方面存在显著差异。训练过程需要高算力，以支持海量数据处理与模型参数迭代，而推理阶段更注重数据吞吐量、低延迟响应与能效比优化。

　　阎研进一步表示：“当前AI算力需求仍保持高速增长，国产芯片已基本解决‘有无’问题；下一阶段，产业核心目标将从‘可用’向‘好用’升级，同时持续提升性价比，这也是中国AI芯片企业在推理赛道实现破局的关键方向。”