几年前，一家企业要建 AI 训练集群，选 GPU 时其实没有多少纠结空间。

预算够，就买成熟产品；预算紧，也得围着成熟的软件生态转。芯片参数只是桌面上的一张纸，工程师更在意的是模型能不能直接跑、程序要不要重写、几十张卡能不能稳定协同，出了问题有没有工具快速定位。

GPU 这门生意，难的从来不只是把一颗芯片造出来。

2025 年 2 季度，在 AI 和数据中心 GPU 市场中，英伟达的份额一度达到约 94%。一个数字就能看明白行业门槛：后来者面对的不是普通领先者，而是一套已经形成硬件、软件、开发工具、客户习惯和工程经验闭环的成熟体系。

就在这种格局里，上海一家 GPU 企业一路挤进了牌桌。

2026 年 1 月 8 日，天数智芯正式在香港联合交易所主板挂牌，股票代码 9903.HK。公司并不是最近才闯进 GPU 赛道。早在 2018 年，它就启动通用 GPU 设计，2021 年推出并量产天垓 100，成为国内较早把自主通用 GPU 从设计图纸推进到批量商业交付的企业之一。到 2025 年 6 月 30 日，公司累计向超过 290 名客户交付超过 52000 片通用 GPU 产品。

这件事的分量，恰恰藏在 " 量产 " 两个字里。

一、造出 GPU 很难，把 GPU 卖出去更难

芯片行业有个很现实的地方：发布会上的参数，可以在一天之内传遍行业；客户机房里的稳定运行，却要一张卡一张卡磨出来。

一颗 GPU 从流片成功到客户愿意采购，中间隔着很长一段路。

模型框架要适配，算子要优化，编译器要稳定，驱动不能三天两头出问题，多卡通信还得扛得住长时间高负载。几十张卡测试没问题，到了几百张、几千张卡，任何不起眼的小毛病都可能被放大。

这就像一家新开的餐馆，做出一道好菜只能证明厨师有手艺，连续几年每天接待几百桌，还能保证速度、味道和成本，才算真正进入生意场。

天数智芯早期最重要的突破，并不只是天垓 100 采用了 7nm 工艺，而是它把训练 GPU 送到了实际客户手里。

它后来又布局推理产品。

训练和推理看起来都叫 AI 算力，需求却不一样。

训练追求的是长时间、高强度计算，一套大模型可能连续运行很多天；推理面对的是成千上万次请求，用户点击一下、问一句话，后台都可能调用算力。前者像建一座工厂，后者更像每天不停接单的配送系统。

两种生意都能做，企业面对的市场才会更宽。

二、2026 年的变化，已经从 " 能不能做 " 走到了 " 好不好用 "

到了 2026 年，国产 GPU 竞争的焦点已经变了。

几年前，人们最关心的是芯片有没有。

现在客户问得越来越细：同样跑一个模型，要多少张卡？显存够不够？通信效率怎么样？迁移已有程序麻不麻烦？一个集群连续运行几个月，故障率能不能压下来？

参数表上的峰值算力再漂亮，如果实际任务只能发挥其中一小部分，客户花出去的钱依旧会变成机房里的电费、服务器和闲置计算资源。

2026 年 1 月，天数智芯公布了后续 GPU 架构路线。公司披露的测试结果中，天数天枢架构在 DeepSeek V3 相关场景里的平均性能较 Hopper 架构方案高约 20%，注意力机制相关计算的实际有效利用效率达到 90% 以上。到了 2026 年 7 月，新一代天垓 300 进一步针对 Attention、MoE 等大模型高频计算环节进行优化。

这些数字真正有价值的地方，不是谁在一张表里赢了几个百分点。

模型越来越大之后，算力浪费本身就是钱。

100 张卡只有 60 张卡的有效工作效率，与 100 张卡接近 80 张、90 张卡的有效效率，采购成本、电力成本、机房空间和任务周期都会出现差距。

AI 时代有一句很现实的话：芯片卖的是算力，客户买的却是完成任务的时间。

谁能用更少资源把同一件事做完，谁才更容易留下客户。

三、9.46 亿元半年收入，比漂亮参数更能说明变化

商业化是 GPU 企业绕不开的一道关。

研发 GPU 需要持续投入，芯片设计、验证、软件开发、人才队伍、产品迭代，每一项都很烧钱。产品不能形成收入，研发投入就很难长期滚动起来。

天数智芯 2025 年营业收入约 10.34 亿元，同比增长 91.6%。

进入 2026 年后，增长速度进一步加快。2026 年上半年，公司实现营业收入约 9.46 亿元，同比增长 191.6%，归母净利润约 1.06 亿元；其中推理系列产品收入约 6.54 亿元，训练系列产品收入约 2.62 亿元。

半年收入已经接近上一个完整年度。

对于普通读者来说，这组数字比芯片架构名字更容易理解。

一家芯片公司有没有进入市场，不看它讲了多少技术名词，看客户愿不愿意真金白银买单。

服务器厂商买卡，要对自己的整机负责；算力中心买卡，要考虑几年使用周期；企业把模型迁过去，更要承担开发和调试成本。采购数量增加，至少说明产品已经从实验室里的样品，逐步走进真实业务。

这一步，国产 GPU 过去走得格外慢。

因为客户买的从来不只是一块板卡。

四、英伟达最深的护城河，其实藏在芯片后面

很多人容易把 GPU 竞争理解成 " 谁的算力数字更高 "。

如果事情只有这么简单，新芯片行业就不会这么难。

工程师使用 GPU，需要编译器，需要驱动，需要数学库，需要通信库，需要调试工具，还需要大量已经写好的代码。一个成熟生态经过多年积累，开发者遇到问题，搜索一下往往就能找到别人踩过的坑。

换一套 GPU，企业最担心的也不是卡贵几万元。

模型效果会不会变化？

过去积累的工具还能不能用？

团队是不是得重新学习？

项目延期 1 个月产生的人力成本，很可能比省下来的硬件采购费用更高。

所以国产 GPU 发展到今天，竞争已经不只是晶体管和算力，而是一场系统工程。

硬件能跑只是入场券。

软件好用、迁移成本低、集群稳定、常见模型更新后能够快速适配，这些不起眼的细节加起来，才决定客户第二次还会不会采购。

我们把 GPU 想成一座城市就容易理解了。

芯片是道路，软件工具是水电网络，开发者是居民，应用则是商店和工厂。光把路修得又宽又漂亮，没有水、没有电、没人愿意搬进来，这座城依旧热闹不起来。

国产 GPU 过去很长时间缺的，恰恰是后面这部分。

五、" 坐上牌桌 " 不代表已经赢，而是终于有资格连续出牌

天数智芯的特殊性，还来自一个容易被忽略的时间点。

它并不是 AI 大模型爆发后才临时决定做 GPU。

公司 2018 年已经启动通用 GPU 设计，2021 年实现训练产品量产，随后继续补推理产品、软件栈和算力解决方案。到 2026 年，产品覆盖开始向云端、边缘和终端延伸。

芯片行业最怕追热点。

因为一颗复杂芯片从架构设计到真正进入市场，需要很长周期。等行业热点已经摆在眼前再启动研发，产品出来时，市场可能已经换了一轮玩法。

提前几年下注的人，也不代表都会成功。

可没有前面那些年枯燥的架构设计、流片、调试、驱动开发和客户适配，后面的商业订单根本接不住。

这也是我认为天数智芯身上比较有意思的一点。

国产 GPU 正在出现一种过去并不常见的变化：企业开始拥有真实交付量，客户开始形成重复使用场景，收入开始扩大，产品开始连续迭代，软件生态也不得不跟着硬件一起往前跑。

一家公司能不能成为长期玩家，要看很多年。

可一个产业有没有开始成熟，看的是有没有企业完成 " 产品—客户—收入—再研发 " 的循环。

只有这个循环转起来，芯片行业才不再依赖一次发布、一次融资或者一次漂亮跑分维持热度。

普通人可能永远不会亲手摸到一块天垓 300，也不会在家里装一台 GPU 服务器，可算力最终会藏进每个人每天使用的产品里。

搜索、办公软件、视频生成、智能客服、设计工具、企业系统，背后都在消耗 GPU。

算力选择变多，影响的也不只是芯片公司。

服务器厂商多一种方案，开发者多一个平台，算力中心多一种采购选择，应用企业才可能拥有更灵活的成本空间。技术产业真正成熟的标志，从来不是出现一个万能赢家，而是客户终于有得选。

从 2021 年的第一批量产产品，到 2026 年的上市、产品迭代和收入增长，天数智芯走了好几年。

GPU 这张牌桌依旧很挤，英伟达的生态优势也没有因为一家国产企业出现就消失。

可牌桌上多了一把椅子，本身就意味着变化。

芯片最怕的是只有故事，没有产品；产业最需要的，则是一批愿意把难事一遍遍做下去的人。

5 年前，讨论国产通用 GPU，很多话题停留在 " 能不能造 "。

走到 2026 年，问题已经变成了：谁能稳定交货，谁的软件更好用，谁能把成本压下来，谁能让客户下一批还愿意买。

这才是一场真正开始进入长期竞争的生意。

你更看重国产 GPU 的哪一步——性能追赶、软件生态，还是大规模商业落地？评论区聊聊你的看法。

温馨提示：以上内容资料、素材均来源于网络，若有侵权、有误的数据、知识内容，请联系作者删除或者纠正！谢谢！本文作者无意针对，影射任何现实国家，政体，组织，种族，个人。相关数据，理论考证皆来源于网络资料，以上内容并不代表本文作者赞同文章中的律法，规则，观点，行为以及对相关资料的真实性负责。以上文章仅供参考，具体信息还是以官方通告为准。本文作者就以上或相关所产生的任何问题概不负责，亦不承担任何直接与间接的法律责任。