AI 推理芯片阵营排行：谁在孵化最强模型

PHP武器库
0 阅读7分钟

最近换个角度看 Artificial Analysis 的排行榜：不看模型本身，看它们跑在什么芯片上。每个模型背后站着一个芯片厂商，把对应关系排出来，比模型分数本身更有信息量。

数据来源为 Artificial Analysis 排行榜和各厂商公开信息（2026 年 4 月）。

综合排名

排名芯片阵营代表芯片最强模型Intelligence Index
1NVIDIAH100/B200GPT-5.5 (xhigh)60
2Google TPUTrillium v6Gemini 3.1 Pro57
3AWS TrainiumTrainium 2Claude Opus 4.7 (max)57
4Groq LPULPUKimi K2.654
5华为昇腾昇腾950PRDeepSeek V4 Pro (Max)52
5Meta MTIAMTIA + H100Muse Spark52
7CerebrasWSE-3GLM-4.7 (仅推理托管)42

AI芯片阵营综合排名图表

编程专项排行

Artificial Analysis 还有一套独立的编程评分体系（Coding Index）。按各芯片阵营的最强编程模型来排：

排名芯片阵营最强编程模型Coding Index
1NVIDIAGPT-5.5 (xhigh)59.1
2Google TPUGemini 3.1 Pro55.5
3AWS TrainiumClaude Opus 4.7 (max)53.1
4华为昇腾DeepSeek V4 Pro (Max)47.5
4Meta MTIAMuse Spark47.5
6Groq LPUKimi K2.647.1
7CerebrasGLM-4.736.3

AI芯片阵营编程能力排行图表

综合和编程两套评分不完全对应——综合智能高的不一定编程最强。以下按综合排名逐个说。

第一名：英伟达 + GPT-5.5

OpenAI 的 GPT-5.5 以 60 分排全球第一，运行在英伟达 H100 集群上，配合 TensorRT-LLM 实现推理优化。英伟达的壁垒在于生态体系——CUDA 软件栈、NVLink 互连、TensorRT 推理引擎，十多年积累，几乎所有顶级模型团队都建立在这个体系之上。

最新一代 GB200 Grace Blackwell Superchip 将两颗 B200 GPU 和一颗 Grace CPU 通过 900GB/s NVLink 连接，官方宣称推理性能比 H100 提升 30 倍。

NVIDIA H100 GPU

第二名：Google TPU + Gemini 3.1 Pro

Gemini 3.1 Pro 评分 57，使用 Google 自研的第六代 Trillium TPU，完全不依赖英伟达 GPU。Gemini 的训练运行在由数万张 Trillium 芯片组成的集群上，通过自研光互连技术连接。单颗 Trillium 算力 512 TOPS，通过大规模集群部署和软件优化来弥补单芯片纸面性能差距。

Google Trillium TPU v6e

第三名：AWS Trainium + Claude Opus 4.7

Claude Opus 4.7 评分 57，主力训练芯片为亚马逊自研的 Trainium 2。2026 年 AWS 完成 Project Rainier 项目，在美国多个数据中心部署超过 50 万颗 Trainium 2 芯片，专门用于 Anthropic 训练 Claude，年底计划增加到 100 万颗。亚马逊已承诺追加 250 亿美元投资，Anthropic 签订了 10 年内采购 5 吉瓦 Trainium 算力的合同。按芯片部署规模计算，这是目前全球最大的非英伟达 AI 训练集群。

AWS Trainium2 AI 芯片

第四名：Groq LPU + Kimi K2.6

Groq 开发的 LPU（Language Processing Unit）采用 TSA（张量流架构）设计，每个核心集成 230MB SRAM，计算全部在片上完成，绕开了传统 GPU 推理的内存带宽瓶颈。Moonshot AI 的 Kimi K2.6 运行在 Groq LPU 上，评分 54。Llama 70B 在 LPU 上的推理速度为 300 tokens/s。

2025 年 12 月，NVIDIA 以 200 亿美元完成对 Groq 的资产收购及核心团队吸纳。2026 年 GTC 大会上发布了 Groq 3 LPU，LPU 技术被整合进 NVIDIA AI 工厂架构。

Groq LPU 推理卡

第五名：华为昇腾 + DeepSeek V4 —— 这可能是最重要的一条

DeepSeek V4 Pro 评分 52，与 Meta 的 Muse Spark 并列第五。但分数不是这条的重点。

2026 年 4 月，DeepSeek V4 完成了从英伟达 CUDA 到华为昇腾 CANN 的全栈迁移。昇腾 910B 采用 7nm 工艺和达芬奇架构，最新的 950PR 也已量产。DeepSeek V4 系列已能在 910B 上完成单机及多机部署。

这件事的意义不在技术层面，而在产业格局。在芯片禁令持续收紧的背景下，全球第五的模型跑在全套国产芯片上——这意味着中国最强的开源模型已经脱离了对英伟达的依赖。从 CUDA 到 CANN，十几年的生态迁移，DeepSeek 只用了 16 个月。

前四名里的 Groq 被吞了，AWS 和 Google 靠的是自家体量，英伟达是十多年的生态壁垒。而 DeepSeek + 昇腾是唯一一个靠"被迫"走出来的路线，用被卡脖子的条件硬跑到了这个位置。

我不觉得 52 分就满意了，但它证明了一件事：国产算力链已经闭环。 以前说"国产替代"更像愿景和口号，现在它是一个能在榜单上和全球顶级玩家并列的事实。

华为昇腾 AI 芯片

寒武纪思元 AI 芯片

除了华为，国内其他芯片厂商也在快速跟进。寒武纪在 DeepSeek-V4 发布当天完成了 Day 0 适配，基于自研 vLLM-MLU 推理引擎，同时支持 V4-Pro 和 V4-Flash 两个版本，适配代码已开源——这已经不是第一次了，之前 V3.2 发布时也是当天同步。海光 DCU 走的是 GPGPU 架构、兼容类 CUDA 环境的路线，宣称可实现 DeepSeek 的"零等待"部署。加上昆仑芯、天数智芯等也在做适配，DeepSeek-V4 目前在国产芯片上的可用选项已经不限于一家。

这意味着国产算力正在从"能不能跑"过渡到"你选哪家"的阶段。华为昇腾拿了最高分，但背后是一条正在成型的供应链。

第五名（并列）：Meta MTIA + Muse Spark

Muse Spark 评分 52，由 Meta Superintelligence Labs 开发，是 Meta 首个闭源模型。该模型直接集成到 WhatsApp、Instagram、Facebook 等 Meta 旗下应用中，面向超过 30 亿月活用户，不提供 API 和开源权重。

硬件方面，Meta 目前拥有 35 万张 H100 GPU 的大规模集群，同时自研 MTIA 芯片，与 Broadcom 签署了多代芯片联合开发协议，与 AMD 签署了 6GW 芯片供应协议。Muse Spark 在此混合算力体系下训练。

Meta MTIA 自研 AI 芯片

第七名：Cerebras WSE-3 + GLM-4.7

Cerebras 采用晶圆级芯片设计，将整块晶圆作为单个芯片。第三代 WSE-3 拥有 4 万亿晶体管、90 万个 AI 核心，片上内存带宽 21 PB/s，约为 H100 的 7000 倍。

Cerebras 本身不训练模型，只提供推理托管服务。平台上推理速度最高的模型为 Llama 3.1 8B（2337 tokens/s），Llama 4 Maverick 在其上创下 400B 参数模型的推理纪录（969 tokens/s）。平台上评分最高的模型为智谱 Z.ai 的 GLM-4.7，Intelligence Index 为 42。

Cerebras WSE-3 晶圆级芯片

整理完这个榜单，我的两个判断

  1. DeepSeek + 昇腾的组合是中国算力的分水岭。 以前说"国产替代"总觉得差一口气，但头部模型已经能在国产芯片上跑出全球第五的成绩，这是从 0 到 1 的变化。
  2. Cerebras 这种"极致专用"路线，天花板看得见。 把所有晶体管堆在一个晶圆上追求绝对速度，在特定场景确实做到了英伟达做不到的事。但只能推理不能训练、只能托管别人模型——这条路能走多远，取决于它能不能找到自己的"引擎"。

这个榜单我会持续跟踪。毕竟芯片格局的变化，最终会决定我们能用到什么样的模型。

参考资料

原文标题： AI 推理芯片阵营排行：谁在孵化最强模型

原文地址： phpreturn.com/index/a69f1…

原文平台： PHP武器库

版权声明： 本文由phpreturn.com（PHP武器库官网）原创和首发，所有权利归phpreturn（PHP武器库）所有，本站允许任何形式的转载/引用文章，但必须同时注明出处。

avatar
文章
阅读
粉丝