赢金配资网 昆仑芯启动IPO后首次业绩披露，国产“芯+云+模”全栈AI至少跑通三家

5月18日，百度发布2026年第一季度财报。数据显示，百度AI业务收入达到136亿元，占总营收的比重首次突破50%，其中，自研AI芯片昆仑芯P800完成规模化验证，并已交付多个万卡集群。这也是昆仑芯启动科创板IPO进程后的首次业绩披露。

随着昆仑芯的批量交付，国内“芯+云+模”全栈AI路线已正式跑通三家，分别为百度、阿里巴巴与华为。全栈AI通常指从芯片、云服务、模型到应用全产业链自研，技术难度高、资本投入大，是难以复制的技术护城河。

业内人士指出，尽管国产芯片与英伟达等高端AI计算芯片之间仍存在至少一代的差距，但凭借“国芯+国云+国模”所构筑的生态基石，国产AI产业链正加速形成自主闭环。

可满足前沿大模型训练要求

根据百度财报披露，基于昆仑芯打造的天池256卡超节点将于今年6月正式上市。记者提前探访发现，该超节点全面适配国产CPU（中央处理器）+GPU（图形处理器）+DPU（数据处理器）的异构协同架构，能够整合通用计算、并行计算与数据处理三类能力，形成统一的算力底座。

基于昆仑芯的天池256卡超节点。

在硬件配置上，天池超节点除常规内存体系外，还搭载了国产自研的冷却分配单元“天玑2.0”，散热方案从风液混合升级为全液冷，能源效率仅为1.15，配备自研超高带宽交换机，最高支持512卡规模化组网。

“基于昆仑芯的天池256卡超节点，性能较上一代提升25%，并完成对文心、DeepSeek、智谱、MiniMax等主流模型的适配，推理效率提升50%。”百度集团执行副总裁、智能云事业群总裁沈抖表示，天池256卡超节点可按需扩展至数十万卡乃至百万卡级超大集群，最大化提升计算效率的同时，数据中心整体建设周期缩短约30%。

沈抖还透露，文心5.1重要版本的训练就是在昆仑芯上完成，集群有效训练率高达97%，足以满足前沿大模型在计算精度、稳定性、框架适配及长周期运行等方面的严苛要求。

据悉，基于昆仑芯等国产算力底座，招商银行上线超800个AI智能体应用，覆盖风控、营销、研发、办公等核心场景。浦发银行则基于昆仑芯精调出金融分析专精模型，对公贷款尽调效率明显提高。

三家全栈AI路径各不相同

“目前国内真正具备‘芯片+云服务+大模型’全栈AI商业化能力的，至少有百度、阿里巴巴和华为三家。”一位业内人士告诉记者，字节跳动、腾讯等头部互联网企业虽已具备成熟的云服务与大模型能力，并加码自研芯片投入，但短期内仍不具备商业化条件。

百度的芯片之路最早可追溯至2011年。彼时，百度正处于搜索时代的统治地位，搜索、广告及其背后的推荐算法均高度依赖芯片算力。正是从FPGA（现场可编程门阵列）这类定制化芯片起步，百度于2018年发布自研XPU架构芯片，最终在2020年实现云端AI芯片昆仑芯的量产。15年坚守，终于换来了如今IPO的前夜。

昆仑芯系列模组展示。

今年1月，阿里巴巴旗下平头哥推出“真武810”芯片，并宣布服务超过400家国内客户。目前，平头哥真武芯片累计出货量已达47万片，覆盖超30家车企及智驾方案提供商，主控芯片镇岳510累计出货量超过50万片，最新款智能网卡磐脉920也已于近期量产，率先部署于阿里云数据中心。阿里巴巴集团CEO吴泳铭预计，今年AI相关收入在年底有望冲击300亿元，“AI已跨越初期投入阶段，正式迈入商业化回报周期。”

与百度、阿里不同，华为走的是另一条路径。依托昇腾等自研芯片，华为并未推出面向个人消费市场的大模型产品，而是将盘古大模型深耕于医疗、金融等30多个行业、400余个具体场景，走出一条“行业纵深”的差异化路线。

软硬件融合生态力争赶超

近两年来，在美国技术封锁的压力下，国产AI芯片实现突飞猛进的发展，但必须正视的是，国内外差距仍然显著。

从硬件指标看，英伟达最新的Blackwell平台最高显存已突破192GB，而国产主流AI芯片大多仍停留在上一代显存方案，显存普遍处于64GB至96GB。部分国产芯片已与英伟达H20基本持平，但与最前沿产品相比，仍有一代的代差。

短期内在硬件层面追平英伟达并不现实，国内AI大模型厂商正尝试从软硬件融合生态层面，尽快实现弯道赶超。

例如，阿里巴巴于今年3月成立Token Hub事业群，本质上是将原本散落于阿里云、通义实验室、千问App中的AI能力，按照“创造Token、输送Token、应用Token”的逻辑重新整合为一体。上周，百度也设立模型委员会，并组建Token Factory（词元工厂）。“托昆仑芯，以智能体优先为理念，词元工厂能大幅减少Token的重复计算，推理速度较市场平均水平提升约25%，同时Token消耗最高可降低23%。”沈抖表示，AI云的下半场，比拼的不是谁消耗了更多Token，而是谁能把每一个Token用得更好。

吴泳铭在财报分析会上也多次强调“国芯+国云”对国产大模型的意义。他认为，AI产业离不开AI训练和AI推理两大关键工厂，工厂规模将直接决定未来的收入规模。“工厂的核心是AI数据中心建设，虽然会消耗大量现金流，但这些刚性基础设施具有确定的投资回报。”

冠达配资提示：文章来自网络，不代表本站观点。