国产芯片订单翻倍，但真正的麻烦刚换了一茬

2026年6月，北京亦庄某头部云厂商的数据中心扩容工地照常运转。和两年前那种四处找卡、排期按月算的焦虑不同，现在的工程现场，抱怨的焦点已经挪了位置。

"不是买不到货，是货到了之后，怎么让成千上万张卡一起稳定干活。"一位基础设施架构师这样形容他眼下的处境。

采购结构变了，份额上去了

三大运营商加两家头部云厂商2026年二季度的算力基础设施招标里，国产AI芯片在大规模集群训练中的占比，已经从2025年的不足20%升到接近35%。

华为昇腾还是大头。寒武纪则在某些推理场景里拿到了明显增量。这是"去英伟达化"从口号走向工程现实的一个注脚。

某省政务大模型集群最初规划全用英伟达H20，受出口管制和供货周期影响，最终切到全栈国产方案。项目方反馈，昇腾910B单卡算力指标还没完全追上H20，但经过半年算子优化，千卡集群的线性加速比从早期60%提到了85%以上。

麻烦集中在稳定性上。2026年初几次大规模训练里，因为HCCL通信协议和交换机之间的握手延迟，集群训练到第三天checkpoint阶段频繁断连。这种"软故障"比硬件损坏更难定位，常常要人工介入重启。英伟达的NVLink生态经过多年迭代，"开箱即用"的稳定性仍是行业标杆。国产芯片目前的做法是堆冗余节点来对冲单机稳定性短板，代价是能耗和维护成本直接抬升。

寒武纪在推理侧找到了位置

昇腾主攻训练，寒武纪在推理侧打出了性价比。2026年Q2招标数据显示，寒武纪MLU370系列及后续型号，在视频AI推理、推荐系统等高并发场景中的采购量同比增长120%。

这个增量直接和视频生成模型的算力需求挂钩。当推理端的成本压力超过训练端，寒武纪的优势就在它的软件栈CNStream足够轻。在一些延迟敏感但精度要求不高的边缘计算场景里，寒武纪方案的单位算力成本比英伟达低约30%。

AI数字人直播看中成本和延迟，自动驾驶感知场景里则挤掉了一部分英伟达份额。

问题同样存在。AIGC内容污染扩散，寒武纪在底层驱动和算子库维护上投入越来越多，新产品迭代速度被拖慢。

供应链的真正瓶颈在更上游

采购数据热闹，上游的压力没真正消下去。半导体行业分析师预测，2026年下半年国内主要芯片厂商产能利用率维持在90%以上。

卡脖子的不再是芯片本身，而是先进封装设备（CoWoS产能）和HBM的供应。华为和中芯国际在28nm及以上制程实现了高度自给，但7nm及以下用于AI训练的高性能制程上，良率和产能双重承压。

有订单也不等于能按时拿到货——交付周期普遍要4到6个月。英伟达虽然在出口上受限制，但全球供应链的弹性还在，紧急需求面前国产方案就显得吃力。

另一层变量是合规。越来越多企业倾向用境内可控的算力基础设施，避免数据出境风险。这部分政策红利，确实给国产芯片多撑出一块市场空间。

接下来怎么打：混合部署成常态

可以判断的是，国产芯片的算力荒已经换了性质：不再是"有没有"的问题，而是"好不好用"的问题。昇腾CANN 8.0、寒武纪Neuware 6.0这些软件平台在迭代，集群调优工具链会更自动化，人工干预需求预计下降30%以上。液冷技术铺开，也在缓解高密度部署的散热压力。

云厂商的策略越来越清晰：核心训练任务尽量用国产头部方案，保安全和合规；非核心或边缘推理任务灵活选国产二线品牌，或者保留一部分英伟达存量设备。

硬件堆砌的时代过去了，接下来比的是软件生态、供应链韧性和工程优化能力。Q2的数据只是个截面，真正的拉锯赛还在后面。