【本文仅在今日头条发布，谢绝转载】

当黄仁勋和他的“spy”绯闻在全球范围如火如荼时，国产AI芯片“五小龙”中在A股上市的三家厂商，摩尔线程、沐曦股份和燧原科技陆续交出2026年三季度“成绩单”，港股厂商天数智芯和壁仞科技则不披露三季度报。
英伟达的市场正在下跌黄仁勋积极推动对华出口，理由是”担忧彻底禁运会逼得中国自产“。这一点，正在应验。
这并不是市场情绪造成的短期波动。根据IDC数据，2026年上半年，英伟达在中国数据中心AI芯片市场的份额已经下降至34%，AI加速器出货量为67.8万颗，同比减少44%。
与此同时，华为出货量达到57.2万颗，市场份额升至28%。阿里平头哥、寒武纪、百度昆仑芯和海光信息也占据了一定份额。更值得注意的是，IDC追踪的11家中国芯片厂商中，有9家的出货量实现同比增长。
这意味着中国市场并没有因为英伟达先进芯片供应受限而停止扩张，反而在寻找替代方案。过去，很多企业购买英伟达产品，不仅因为芯片性能领先，更因为CUDA软件生态成熟，开发人员、工具链和应用程序都围绕它建立。换句话说，客户购买的不是一块GPU，而是一整套已经经过市场验证的计算体系。
但美国出口限制改变了企业的长期预期。如果今天能够买到某一型号，明年却可能因为政策变化而无法继续采购，那么企业就必须考虑替代方案。对于大型互联网公司、运营商和政府机构而言，算力基础设施动辄涉及数十亿甚至上百亿元投资，不可能把未来完全押在一家外国供应商身上。
黄仁勋担忧的事情，恰恰在这里发生了。原本中国企业可能愿意继续使用英伟达产品，同时采购少量国产芯片作为补充。

如今，供应的不确定性反而推动它们投入资源，建设自己的芯片、软件和集群体系。一旦国产方案进入生产环境，即使未来英伟达重新获得出口许可，客户也未必会把全部订单重新交还给它。
国产厂商三季度的财报，正好提供了一个观察窗口。摩尔线程单季度营收达到15.52亿元，同比增长约17.7倍。
沐曦股份达到15亿元，同比增长367.12%。燧原科技达到12.12亿元，同比增长395.34%。三家企业的营收都在快速扩张，说明国产AI芯片已经不只是实验室里的技术展示，而是开始进入真实的商业采购和交付环节。
当然，不能只看营收。摩尔线程前三季度扣非归母净利润仍亏损1.31亿元，只是第三季度单季实现盈利。沐曦股份前三季度扣非归母净利润达到2.59亿元。燧原科技前三季度仍亏损7.54亿元。更值得警惕的是，三家公司的毛利率均有不同程度下降，经营活动现金流也全部为负。摩尔线程前三季度经营活动现金流净流出33.09亿元，沐曦和燧原分别净流出13.38亿元和20.17亿元。
这说明国产芯片厂商正在经历一个典型的产业扩张阶段：订单增长很快，但研发、采购、备货和产能建设同样需要大量资金。尤其是HBM等高性能存储器件，供应紧张和价格上涨会直接挤压企业利润。芯片设计出来只是第一步，能否稳定获得先进封装、存储和制造产能，能否让客户的软件顺利迁移，才决定了企业能不能真正做大。

英伟达的优势依然存在。它在高端训练芯片、软件生态和全球客户基础方面拥有深厚积累，国产厂商短期内不可能在所有领域全面取代它。但市场竞争已经发生变化：过去英伟达面对的是一个愿意为性能支付溢价的中国市场，如今它面对的却是一个正在主动培养替代供应商、并且愿意为供应链安全付出成本的市场。
所以，黄仁勋推动对华出口，并不只是为了多卖几批芯片，而是在维护英伟达未来的市场入口。芯片产业最可怕的不是少卖一年的产品，而是客户逐渐习惯了另一套技术体系。当国产供应链完成从芯片到软件、再到集群部署的闭环，英伟达即使重新打开中国市场，也可能发现自己已经不再是唯一选择。
出口限制原本是为了延缓中国获得先进算力的速度，却也在加速中国建立自己的算力产业。这场竞争的结果，最终不只取决于谁的芯片性能更强，还取决于谁能让客户在未来十年持续使用自己的产品。
英伟达短期不可取代，长期有待观察当然老黄花了这么多年布置下来的护城河绝不那么容易攻破。
英伟达最重要的护城河，首先是CUDA。它并不是一款普通的软件，而是一套围绕GPU建立起来的开发平台。过去近二十年，大量开发者、科研机构和企业都在CUDA环境下编写程序，形成了庞大的工具库、开发经验和应用生态。许多AI框架虽然已经提供了相对统一的接口，但底层算子优化、模型训练和部署工具仍然高度依赖具体硬件平台。
这就产生了很高的迁移成本。企业如果想把原本运行在英伟达GPU上的业务转移到国产芯片，不是简单地拔掉旧芯片、插上新芯片就能完成。原有程序可能需要重新适配，部分算子需要重写，训练框架和推理引擎也要重新调优。更麻烦的是，迁移之后还必须验证模型精度、运行稳定性和集群性能。对于每天处理海量业务的互联网企业而言，停机和迁移带来的损失，有时比芯片本身的差价更昂贵。
其次，英伟达卖的早已不只是GPU。它把CPU、GPU、高速互联网络、交换机、存储和软件整合成完整的数据中心解决方案。以NVLink为例，它负责让大量GPU高速交换数据。InfiniBand和Spectrum-X则承担大规模集群之间的通信。随着模型参数和训练规模不断扩大，芯片之间如何传输数据，已经成为影响整体效率的重要因素。英伟达通过软硬件协同设计，让整套系统围绕自己的产品运行，而不是让客户分别采购零部件后再自行解决兼容问题。

这也是为什么单纯比较芯片算力意义有限。一颗国产芯片即使在某项测试中表现出色，也不代表它能够在数千颗芯片组成的集群里实现同样的效率。大规模训练需要解决通信延迟、任务调度、故障恢复、散热和功耗管理等问题。英伟达已经积累了大量实际部署经验，客户购买整套系统时，也是在购买这些经过验证的工程能力。
第三，英伟达拥有庞大的存量市场。全球云计算服务商、科研机构和企业已经部署了大量英伟达设备，围绕这些设备形成了成熟的运维体系和人才储备。新一代芯片上市后，原有客户可以在熟悉的软件环境中继续开发，工程师也不需要从头学习另一套体系。CUDA持续更新，还能让部分旧设备通过软件优化继续发挥价值。这种积累不是竞争对手增加几条生产线、推出一款新芯片就能复制的。
不过，护城河深厚不代表它永远无法被突破。AI产业本身仍处于快速变化阶段，尤其是推理业务逐渐成为重要市场之后，企业开始更加关注每百万Token的成本、单位功耗和响应速度。不同任务对芯片的要求并不相同，部分企业甚至会自行设计专用芯片，以降低长期运营成本。随着软件框架不断发展，硬件之间的适配难度也有可能逐渐降低。

国产厂商真正需要做的，因而不是在每一项指标上都追赶英伟达，而是找到能够形成商业优势的细分市场。只要在特定模型、推理场景或行业应用中，国产芯片能够提供更低的总成本和稳定的供应，就有机会获得客户。订单和收入积累起来之后，软件生态、开发者队伍和工程经验才有可能逐步成长。
所以，英伟达短期内依然难以取代，但长期优势并非不可动摇。它最大的挑战不是某一家国产芯片公司突然推出一款性能更强的产品，而是中国市场逐渐形成多套能够独立运行的算力体系。到那时，英伟达仍然可以是重要供应商，却未必还能维持过去那种近乎默认的市场地位。