非GPU加速器出货首超GPU与算力租赁平台选型口径变化
IDC 的 2026 年上半年数据里有一条容易被忽略的交叉：非 GPU 加速器出货 101.6 万颗，同比增长近 80%，首次超过 GPU 的 99.1 万颗。同期英伟达在中国市场出货 67.8 万颗、同比下降 44%，华为昇腾 57.2 万颗、份额 28%。
这条交叉线对租户的意义，不是「国产替代完成了」，而是「可租的芯片类型变多了，比价方法却还没跟上」。按卡时单价横向比较，用在 GPU 之间成立，用在 NPU 和 GPU 之间会失真。
一、这个交叉是怎么发生的
非 GPU 加速器指 ASIC、FPGA、NPU 等不按通用图形处理器架构设计的 AI 加速芯片。IDC 统计口径里，华为昇腾、阿里平头哥、百度昆仑芯、寒武纪四家合计占非 GPU 市场 95%。这个分类与「国产芯片」不完全重合，因为国产也有 GPU 架构产品，境外也有 ASIC 方案。
推动这个交叉的主力是推理。IDC 追踪的 11 家中国芯片厂商中，9 家上半年出货同比增长，而增量集中在推理侧。推理对算子覆盖的要求比训练窄，编译器与算子库的适配工作量小得多，专用架构的能效优势因此能兑现。
同一天披露的海光信息三季报给了另一个侧面：前三季度营收 149.55 亿元、同比增长 57.58%，归母净利润 28.47 亿元、同比增长 45.12%，公司把增长归因为国产化由政策驱动全面转向市场驱动。这个表述值得注意，它说明采购方不再只是完成指标，而是在真实业务里做选型。
二、出货放量，为什么平台上还是租不到
这里有个反直觉的现象。IDC 说非 GPU 加速器出货 101.6 万颗，同比增近 80%，供给显然在放量；但 2026 年 10 月 20 日查极智算官网，910B 64G 在华为三区只剩 2 卡、华为二区剩 1 卡、华为三区另一个节点剩 1 卡，其余节点全部显示已租完。3090、4090 全系、A800、H20、H800、H100、H200 也全部已租完。
两个数字并不矛盾，因为它们统计的对象不同。出货量统计的是芯片流向，其中相当一部分进了运营商集采、自建智算中心和整机厂的预装，不进入零售租赁池。租赁平台上的在架数量取决于平台自身的采购节奏，与全市场出货量之间没有线性关系。
三、比价口径要换：从卡时单价到单位显存成本
GPU 之间比价，卡时单价足够用，因为架构同源、算子生态一致。跨架构比较时，卡时单价会把显存差异、生态成熟度、可用精度都抹平，结论容易失真。一个更稳的起步指标是单位显存成本，即月租除以显存容量。
| 机型（架构） | 显存 | 实例包月 | 元/GB/月 | 8 卡整机月付 |
|---|---|---|---|---|
| 910B 64G（NPU） | 64GB | 2577 | 40.3 | 18800 |
| 910B 64G（83 折节点） | 64GB | 2139 | 33.4 | — |
| A800 80G（GPU） | 80GB | 5148 | 64.4 | 39200 |
| H20 96G（GPU） | 96GB | 4464 | 46.5 | 45600 |
| H200 141G（GPU） | 141GB | 10036 | 71.2 | 151920 |
按这个口径，910B 标准节点 40.3 元/GB/月，比 A800 的 64.4 元低 37.4%，比 H20 的 46.5 元低 13.3%。如果只看月租，910B 的 2577 元是 A800 的 50.0%，看起来便宜一半；换成单位显存成本，差距收窄到 37.4%。这 12.6 个百分点的差，就是显存容量差被卡时口径掩盖掉的部分。
单位显存成本只是起点，不是结论。它没有反映算力密度、没有反映互联能力、也没有反映生态成熟度。跨架构选型时必须再往下看两层，否则容易得出「越便宜越好」的错误判断。
四、专用加速器的四项评估口径
一是算子覆盖度。把现有代码里用到的算子列出来，逐个确认目标平台有没有对应实现。推理侧常见的注意力算子、量化算子覆盖度已经比较高，训练侧的自定义算子和分布式通信原语缺得更多。
二是可用精度。不同平台支持的精度组合不一样，fp16、bf16、int8、fp8 的落地情况直接决定能不能跑到标称吞吐。宣传材料上的峰值算力通常对应特定精度，要问清是哪一个。
三是互联形态。单卡性能接近不代表集群可用。多机推理要确认卡间与机间互联方式，官网在架机型里 910B 三个区域的网络配置就完全不同：湖北一区是共享 2000M，华为专区是以太网 100G×4，四川一区是以太网 200G×6。
四是迁移工时。这部分不体现在租金里，但会体现在项目排期上。公开分析给出的训练负载迁移成本约高出 50%，推理侧低得多。把工时折算成人力成本加进 TCO，比只比月租更接近真实决策。需要核对具体在架机型，可以查算力市场实时报价。
五、计价单位也该跟着换
平台报价普遍按「元每卡时」标注，这个单位在 GPU 之间可比，跨架构时会失真。原因是同样一小时，不同架构能处理的 Token 数、能承载的并发数差别很大，而价格只反映了时间占用。
更贴近业务的单位有两个。做推理服务时用「每百万 Token 成本」，把租金、电费与实测吞吐一起折算进去；做训练时用「每 PFLOPS 有效算力成本」，有效二字指跑在自己模型上的实测值，不是标称峰值。这两个单位都不完美，但比卡时更接近真实开销。
换算时有个必须写明的口径：标称算力通常对应特定精度。同一张卡在 fp16 与 int8 下的峰值可以差一倍以上，报价页面若只写「算力」不写精度，这个数字无法用于横向比较。看机型明细时，要把精度与显存带宽一起看，缺一项都无法判断实际能力。
常见问题
不是。非 GPU 加速器是架构分类，包括 ASIC、FPGA、NPU；国产 GPU 是产地分类，指国内厂商设计的通用图形处理器架构芯片。两者有交集但不重合，选型时先确认架构再看产地，因为架构决定了软件栈和迁移成本。
不能直接替换。显存档位不同（64GB 对 80GB），软件栈不同（CANN 对 CUDA），算子覆盖范围也不同。推理场景替换摩擦较小，训练场景要评估代码改造量。按官网价格，910B 标准节点月租 2577 元、A800 为 5148 元，差额 2571 元，但迁移工时不计入这个数字。
现阶段以推理为主，尤其是请求模式稳定、批量较大的在线服务。训练侧要看具体平台的算子库成熟度，通用性还不如 GPU 架构。判断方法是把任务拆成算子清单去比对，而不是看厂商给的整模型跑分。
要看增量流向哪里。如果大部分进入自建与集采，零售租赁池的供给未必同步增加。截至 10 月 20 日，官网 910B 各节点余量在 1 至 2 卡之间，仍属偏紧。租金走势建议按平台在架状态与交付周期判断，不要按季度出货量外推。
中国 AI 芯片市场份额、非 GPU 加速器出货量与增速：IDC 报告，2026 年 10 月 19 日 TechWeb 援引。
海光信息三季度经营数据：2026 年 10 月 19 日公司季报，北京商报报道。
中国 AI 芯片自给率预测：摩根士丹利研报，标注为预测值。
机型配置、月付价格与在架状态：极智算（jygpu.com）官网算力市场与裸金属页面，2026 年 10 月 20 日采集。价格随市场波动，以下单页面显示为准。
单位显存成本为月付价除以显存容量的四则运算，不含网络、存储与运维成本。本文数据用于行业分析，不构成采购建议。
提供任务类型、算子清单与显存需求，可以按统一口径给出机型对照与迁移工作量初判。
查看算力市场实时报价