算力的账本开始被逐层结清：昇腾工具链开源、存储暴利、七亿用户

9 月 30 日到 10 月 1 日，AI 产业链四个不同位置同时给出了自己的账本。软件侧，DeepSeek 把面向华为昇腾平台的基础设施组件整套开源；硬件侧，美光交出营收同比增长 379% 的单季财报；市场侧，中国互联网络信息中心发布报告，中国生成式 AI 用户规模突破 7 亿；工具侧，新思科技与 OpenAI 签署多年期协议，联合开发用于芯片设计的前沿模型。

这四条放在一起读，能看到一个明确的转向：过去两年 AI 的叙事集中在「要投多少」，现在开始变成「投下去的每一层能不能结账」。软件生态能不能替代 CUDA、存储的暴利能持续多久、七亿用户会不会带来付费转化、AI 能不能反过来加速芯片设计——四个问题分别对应产业链的四层账本。

一、软件侧：昇腾拿到了一套「对应版」工具链

DeepSeek 于 9 月 30 日官宣，正式开源面向华为昇腾算力平台的基础设施组件，涵盖 TileLang 高级语言编译工具、计算库与分布式通信库。官方表述是：所有组件与此前面向英伟达平台的开源组件一一对应。

具体清单值得逐个看。

• TileLang 昇腾版：对昇腾 Ascend C 底层指令做封装，提供高级语言编程方式，官方称不损失硬件性能；
• DeepGEMM：加速通用矩阵运算；
• DeepEP：提供大规模跨设备通信；
• TileKernels：提供数据处理所需的常规向量计算与访存算子；
• FlashMLA：稀疏注意力算子，用于提升长上下文处理效率；
• DeepSelect：实现高效的数据筛选。

两个细节比清单本身更重要。其一，DeepSeek 称其训练中用到的每一个 TileLang 算子，在昇腾上都有对应的高性能实现——这意味着这套工具链不是演示性质的移植，而是从自家 V4 系列模型训练里长出来的。其二，官方提到与华为团队共同推进基于昇腾 950 的 128 卡超节点方案，并对计算与通信做了深度优化。

国产算力过去最大的短板从来不是单卡算力，而是上层软件生态的迁移成本。整套工具链按「与英伟达一一对应」的方式开源，实际降低的是开发者换平台的改造成本——这才是「替代」能不能发生的关键变量。

二、硬件侧：存储的暴利是这轮投入结出的现金流

美光科技于 9 月 30 日（当地时间）发布 2026 财年第四季度财报。单季营收 542.3 亿美元，同比增长约 379%，高于市场普遍预期的 514.9 亿美元；调整后毛利率约 87%，调整后每股收益 33.42 美元，同样超出预期。下一财季指引营收区间 600 亿至 630 亿美元，远高于机构此前约 567.7 亿美元的估算均值。

结构上看，真正拉动增长的是数据中心与 HBM。数据中心业务单季营收 180 亿美元，上年同期为 15.8 亿美元；云存储业务 162.8 亿美元。DRAM 营收同比增长 343% 至 398 亿美元，占总营收 73%。长期供应协议金额从 6 月的约 220 亿美元升至约 320 亿美元，且大部分由客户预付款支撑。

值得注意的反差是二级市场的反应：财报公布后美光盘后股价并未跳涨，反而微幅下挫。市场关注的不是当下利润，而是两个前瞻问题——价格上涨速度会不会趋缓，以及新增产能会在什么时点把供需重新推回宽松。公司方面已表示，预计 2027 与 2028 财年的供应紧张程度会强于 2026 财年。

• 对下游采购方的含义：存储正在从「随时可买的标准件」变成「需要提前锁量锁价的战略物料」，长约比例上升意味着现货议价空间收窄；
• 对投资视角的含义：利润最陡的一段往往出现在供给最紧的时点，而股价通常在指引见顶前就开始反映预期，两者存在时滞；
• 对国产链的含义：HBM 的工艺门槛（TSV 硅通孔与高密度 3D 堆叠）在供给端形成壁垒，这恰好是国内存储厂商差距最大的环节之一。

三、市场侧：七亿用户与 2185 EFLOPS 的底盘

中国互联网络信息中心政策与国际合作所于 9 月 29 日发布《生成式人工智能应用发展报告（2026）》。截至 2026 年上半年，中国生成式 AI 用户规模突破 7 亿人，普及率超过 50%。

应用结构上，76.0% 的用户会使用生成式 AI 回答问题，47.8% 用于处理图片或视频，37.6% 用于文本相关任务，32.5% 用于工作总结、会议纪要与 PPT 制作。使用频次层面，AI 综合助手与 AI 效率办公类应用的使用次数同比增长均超过 100%。

供给侧的三个数字同样重要：截至 2026 年 6 月，中国智能算力规模达 2185 EFLOPS，同比增长 177%；全国产十万卡 AI 超集群正式投用，芯片、计算、存储、网络、散热等核心软硬件均采用国产技术；已建成高质量数据集超过 12 万个。产业链落地方面，规上制造业企业 AI 技术应用普及率已超过三成，覆盖研发设计、生产制造、质检运维等环节。

资本端的信号更直接：2026 年上半年发生 1255 起 AI 相关投融资事件，金额合计约 2501.4 亿元，已分别达到 2025 年全年的 78% 和 182%。金额增速远高于事件数量增速，说明单笔规模在放大——钱正在从「广撒」转向「重仓」。

四、工具侧：前沿模型开始学着自己造芯片

新思科技与 OpenAI 于 9 月 30 日宣布签署多年期协议，联合开发 GPT-Synopsys——一款用新思科技 EDA 工具执行半导体设计工作流的专业化模型。协议包含收入分成安排与联合市场推广，OpenAI 将向新思科技支付工具授权订阅费用，产品面向客户后，双方按芯片设计改进成效分享收入。

技术定位上，双方把它描述为让前沿模型从「通用工具的使用者」变成「EDA 工具的专家用户」：能像资深工程师一样运行工具、解读输出，并在迭代中优化功耗、性能与面积。产品运行在 OpenAI 托管基础设施上，与新思科技的 Synopsys.ai 及 Autopilot 智能体平台深度集成，客户设计数据不用于模型训练。消息公布后，新思科技股价盘中一度上涨逾 7%。

这条新闻的投资含义不在短期收入，而在验证一个闭环：模型能力提升依赖更强的芯片，更强的芯片依赖更快的设计工具，而当模型本身成为设计工具的一部分，这个循环的迭代周期就被压缩了。对国产链而言，它同时提出了一个对照问题——设计工具侧的自主程度，和制造侧的自主程度一样，都属于能不能自己控制节奏的问题。

五、对创业者和投资人的三点提示

• 其一是把「生态迁移成本」当成评估国产算力的核心指标。单卡参数可比性有限，真正决定能否规模落地的是上层工具链是否齐备、迁移改造量是否可控，这次开源提供的正是可量化观察的样本；
• 其二是区分「周期利润」与「结构利润」。存储当下的超高毛利率来自供需错配，长约比例上升说明下游在为不确定性付费；判断持续性要看新增产能的投产节奏，而不是看单季度的历史峰值；
• 其三是把用户规模转化为单位经济模型。七亿用户是存量底盘，但使用次数增长超过 100% 的集中在综合助手与效率办公，能产生订阅或调用付费的也是这两类——评估应用层项目时，看它落在哪一类，比看总用户数更有意义。

把四条线并排看，2026 年下半年的 AI 产业正在从「投入期叙事」切换到「结算期叙事」。软件生态在补位，硬件环节在兑现，用户底盘在扩张，工具链在自我加速。这四条都不是单点事件，而是同一个进程的不同侧面：算力正在从一种需要不断解释的预期，变成一种可以被逐层核算的实物资产。