一、前言

随着人工智能和大模型技术的快速发展，GPU算力需求持续增长。在国际形势变化和供应链安全的背景下，国产GPU/DCU成为重要的战略选择。本报告对当前市场上主流的国产AI加速卡进行全面调研，从硬件规格、软件生态、性价比等维度进行分析评估，为采购决策提供参考依据。

昇腾毋庸置疑是国产卡第一首选，本文主要叙述除昇腾外的其它国产显卡。

---

二、主要厂商及产品分析

2.1 海光DCU

型号	显存	INT8 OPs	FP16 BF16 FLOPs	TF32	FP32 FLOPs	FP64	显存带宽	PCIe 接口	功耗 w
K100 AI版	64GB	392T	196T	96T	49T	-	896GB/s	5.0×16	350
K100	64GB	200T	100T	-	24.5T	24.5T	896GB/s	4.0×16	300

文档中心：海光开发者社区

评估：

• ✅ 文档完善，开发者社区活跃
• ✅ 主流模型适配较好，有丰富示例
• ✅ 架构兼容性好（基于AMD CDNA架构）
• ✅ 性价比较高，K100标准版约2万元

---

2.2 璧仞科技

型号	显存	INT8 OPs	FP16 BF16 FLOPs	FP32 FLOPs	显存带宽	互联带宽	功耗 w
BR100	64GB HBM2e	2048T	1024T	-	2.3 TB/s	128 GB/s	-

开发者论坛：璧仞开发者平台

评估：

• ⚠️ 硬件性能参数亮眼（FP16达1024T）
• ❌ 市场价格不透明
• ❌ 缺乏大模型部署相关文档和案例
• ❌ 生态建设不完善，使用风险较高

---

2.3 摩尔线程

型号	显存	核心数	INT8 FLOPs	FP16 BF16 FLOPs	FP32 FLOPs	显存带宽	显存位宽 bit	功耗 w
MTT S4000	48 GB GDDR6	-	200T	100T	-	768 GB/s	-	450
MTT S3000	32GB GDDR6	4096	-	-	15.5 T	448 GB/s	256	-

社区：摩尔线程博客

评估：

• ✅ 有官方torch_musa适配
• ✅ 文档相对完善
• ⚠️ 驱动安装流程较复杂
• ⚠️ S4000性价比一般（约7万元）
• ⚠️ GDDR6显存带宽相对HBM较低

---

2.4 寒武纪

型号	显存	INT4 OPs	INT8 OPs	INT16 OPs	FP16 BF16 FLOPs	FP32 FLOPs	显存带宽	显存位宽 bit	互联带宽	功耗 w
MLU590	96GB HBM2e	-	628T	-	314T	-	2.76 TB/s	-	-	-
MLU370-S4/S8	24GB /48GB LPDDR5	384T (推测)	192T	96T	72T	18T	307.2 GB/s	-	-	75

社区：寒武纪开发者社区

评估：

• ✅ 生态建设较好，有vllm官方插件支持
• ✅ MLU370系列性价比极高（1-1.5万元）
• ✅ 有快速验证环境，可测试模型兼容性
• ✅ 社区活跃，有实际微调案例
• ⚠️ 主要支持容器化部署

---

2.5 天数智芯

型号	显存	INT8 OPs	FP16 BF16 FLOPs	FP32 FLOPs	显存带宽	互联带宽	功耗 w	参考价
天垓150	64GB HBM2e	384T	-	-	1.6TB/s	-	350	¥80759
天垓100	32GB HBM2	295T	147T	37T	1.2TB/s	-	250	-
智铠100	32GB	-	200T	-	800GB/s	-	-	-

评估：

• ❌ 开源资料极少
• ❌ 生态建设不完善
• ❌ 不推荐选用

---

2.6 沐曦

型号	显存	INT8 OPs	FP16 BF16 FLOPs	FP32 FLOPs	显存带宽	显存位宽 bit	功耗 w
曦思 N100	16GB	160T	80T	-	-	-	-
曦云 C500	64GB HBM2e	560T	280T	36T	1.8TB/s	-	450

相关文档：

• 安装与维护文档
• Demo示例

评估：

• ✅ C500性能强劲（FP16 280T）
• ✅ 有vllm插件支持
• ✅ 文档和demo较完整
• ✅ 支持Gitee AI算力租用测试
• ⚠️ 价格较高（C500约6.6万元）

---

2.7 燧原科技

型号	显存	INT8 OPs	FP16 BF16 FLOPs	TF32 OPs	FP32 FLOPs	显存带宽	功耗 w
S60	48GB	-	392T	-	-	672 GB/s	-
云燧i20	-	256T	-	128T	-	-	-

评估：

• ❌ 资料匮乏
• ❌ 生态建设不成熟
• ❌ 不推荐选用

---

2.8 昆仑芯

型号	显存	INT4 OPs	INT8 OPs	INT16 OPs	FP16 BF16 FLOPs	FP32 FLOPs	显存带宽	互联带宽	功耗 w
M3000	-	-	-	-	-	-	-	-	-
M1000	-	-	-	-	-	-	-	-	-
P800	-	-	-	-	-	-	-	-	-
R480-X8	32GB GDDR6	×	256T	128T	128T	32T	512 GB/s	200 GB/s	-
RG800	-	-	-	-	-	-	-	-	-
R200	-	-	-	-	-	-	-	-	-
R100	-	-	-	-	-	-	-	-	-
K200 818-300(训练卡)	16GB HBM	√	256T	×	64T	16T	512 GB/s	-	150-200
K100 818-100(推理卡)	8GB HBM	√	128T	×	32T	8

评估：

• ❌ 公开资料极少
• ❌ 不推荐选用

---

2.9 砺算科技

型号	显存	INT8 OPs	FP16 BF16 FLOPs	TF32 OPs	FP32 FLOPs	显存带宽	功耗 w
7G105 专业级	24GB GDDR6	-	-	-	24T	-	-
7G06 消费级	12GB GDDR6	-	-	-	-	-	-

评估：

• ❌ 公开资料缺失
• ❌ 主要面向消费级市场
• ❌ 不推荐选用

---

三、市场格局

市场占有率排名

💡 市场占有率越高，通常意味着生态更完善、开源资料更丰富、踩坑成本更低。

---

四、性价比对比分析

主流产品价格与性能对比

品牌	型号	显存	FP16/BF16 FLOPS	单卡价格 (人民币)
寒武纪	MLU370-S4	24GB LPDDR5	72 TFLOPS	约 1.0 万元
寒武纪	MLU370-X4	24GB LPDDR5	96 TFLOPS	约 1.2 万元
寒武纪	MLU370-X8	48GB LPDDR5	96 TFLOPS	约 1.46 万元
沐曦	C500 (PCIe 版)	64GB	240 TFLOPS	6.6 万元
海光 DCU	K100 (标准版)	64GB HBM2e	299 TFLOPS	约 2 万元
海光 DCU	K100 AI 版	64GB HBM2e	196 TFLOPS	约 2.7 万元
摩尔线程 MTT	S4000	48G GDDR6	31.6 TFLOPS	约 7 万元
摩尔线程 MTT	S3000	32G GDDR6	31 TFLOPS	约 2.2 万元
英伟达	A100 80GB	80GB HBM2e	312 TFLOPS	7-10 万元
英伟达	RTX 4090	24GB GDDR6X	82.58 TFLOPS	1.3-1.4 万元

---

五、综合评估与推荐

推荐等级

等级	厂商	推荐理由
⭐⭐⭐⭐⭐	寒武纪	性价比最高，生态完善，vllm官方支持，社区活跃
⭐⭐⭐⭐	海光DCU	文档完善，兼容性好，适配广泛，价格适中
⭐⭐⭐	沐曦	高性能产品线，有vllm支持，但价格较高
⭐⭐⭐	摩尔线程	有官方PyTorch支持，但安装复杂，性价比一般
⭐⭐	璧仞科技	硬件参数亮眼，但生态待完善
❌	天数智芯、燧原、昆仑芯、砺算	资料匮乏，不推荐

采购建议

1. 预算有限，追求性价比：首选 寒武纪 MLU370系列

   • MLU370-S4（24GB）约1万元
   • MLU370-X8（48GB）约1.46万元
   • 生态最完善，社区资源丰富

2. 稳定性优先，中等预算：选择 海光DCU K100

   • K100标准版约2万元
   • 基于成熟架构，兼容性好

3. 高性能需求，预算充足：考虑 沐曦C500 或 海光K100 AI版

   • 大显存+高带宽，适合大模型训练/推理

---

六、总结

当前国产GPU/DCU市场格局初步形成，但整体生态仍在建设中。从实际可用性角度：

• 寒武纪和海光DCU是目前生态最完善的两家，建议优先考虑
• 沐曦和摩尔线程有一定潜力，但需关注后续发展
• 其他厂商由于资料匮乏、生态不完善，暂不建议作为主要选项

在选型时，建议优先通过Gitee AI算力租用等渠道进行实际测试验证，降低采购风险。