过去几年看国产GPU，市场最喜欢问的是一个问题：
能不能训练大模型？
参数够不够，显存多不多，集群能不能跑起来，能不能替代海外GPU。
但AI走到今天，另一个问题正在变得越来越重要：
模型训练出来以后，谁来跑这些模型？
AI搜索、Agent、办公助手、代码生成、图片视频生成……用户每使用一次AI，背后都要发生一次甚至多次模型推理。
模型可以隔一段时间训练一次，但推理是每天、每小时、甚至每秒都在发生。
所以如果AI真正从大模型走向应用，GPU市场的逻辑也会慢慢发生变化。
训练解决的是“把模型造出来”。
推理解决的是“让模型真正被用起来”。
最近天数智芯发了2026年中报。
如果只挑一个数字来看，我觉得最值得研究的不是公司整体191.6%的营收增长，而是：
6.54亿元。
这是天数智芯上半年的推理GPU收入。
同比增长651.8%。
而2025年一整年，这块收入也只有3.39亿元左右。
今年半年，已经接近去年全年的两倍。
这可能是理解天数智芯下一阶段商业化的一条重要线索。
天数的收入结构，半年时间换了个主角
先看一个很直观的变化。
2025年全年，天数智芯训练GPU收入约5.84亿元，推理GPU收入约3.39亿元。
当时训练还是更大的那一块。
到了2026年上半年，结构反过来了。
训练GPU收入2.62亿元，同比增长38.0%。
推理GPU收入6.54亿元，同比增长651.8%，占公司总收入的69.2%。
也就是说，推理已经从辅助收入来源，变成了天数智芯现在最大的收入来源。
但比651.8%本身更有意思的，是另外两个数字。
公司在中报里解释推理GPU收入增长时提到，随着AI推理市场需求增加，以及高阶智铠产品销售，报告期内推理产品的销量和售价均大幅提升。
与此同时，推理GPU毛利率从去年同期的32.4%升到了35.6%。
把这几个数字摆在一起：
量在涨，价在涨，同比毛利率也在涨。
这比单纯一个651.8%的收入增速更值得看。
因为如果只是靠降价抢市场，通常会看到收入和销量起来，但价格或者毛利率承压。
天数智芯这半年呈现出来的情况不太一样。
至少从财报数字看，推理GPU正在经历的不是简单“以价换量”，而是产品放量和商业价值提升同时发生。
为什么偏偏是推理？
这可能和AI产业所处的阶段有关。
过去两三年，大模型行业最重要的事情是训练。
大家比参数、比集群、比谁能训练更大的模型。
这种情况下，算力需求自然高度集中在训练端。
但模型越来越成熟之后，下一步一定是应用。
一个大模型训练完成，并不会自动产生商业价值。只有它被放进搜索、办公、编程、金融、医疗、智能客服以及各种Agent里，被用户真正调用起来，AI才开始进入日常生产和生活。
而这些调用，最后都会变成推理算力。
天数智芯自己在半年报里也提到了这个变化：AI应用正在加速落地，算力需求向云、边、端推理扩散，大模型互联网应用进入规模部署阶段；AI助手、文生图、AIGC等应用，对推理、延迟和成本越来越敏感。
这会让GPU市场出现一个很有意思的变化。
训练阶段，大家很容易围绕极致性能竞争。
但到了推理，客户算的账会越来越细。
同样一个模型，用多少张卡？
每个Token的成本是多少？
同样一台服务器能够支撑多少并发？
延迟是多少？
功耗是多少？
模型迁移和部署麻不麻烦？
最后其实都落到一个东西：
TCO，也就是总拥有成本。
这意味着推理GPU不一定只是单纯比“谁的峰值参数最高”。
谁能在性能、成本、软件、部署和交付之间找到一个更好的平衡，谁就更有机会进入真实业务。
训练GPU争的是模型能不能跑，推理GPU争的是模型能不能低成本、大规模地一直跑。
后者可能是一门完全不同的生意。
380+客户，价值可能不只是380这个数字
再看天数智芯另外一个数据。
截至2026年6月底，公司累计服务客户已经超过380家，并称其产品已经在互联网、AI大模型、金融服务、医疗、科研等领域实现持续性的规模化落地。
这个数字放到推理的逻辑里看，会更有意思。
因为AI最终很可能不是一个只属于互联网公司的产业。
金融有自己的模型。
医疗有自己的模型。
制造业会有自己的模型。
科研、教育、交通、能源，也都会产生不同的AI应用。
而不同场景需要解决的问题并不一样。
模型不同，软件环境不同，业务流程不同，对、延迟、精度、成本的要求也不同。
所以GPU厂商进入一个行业，得到的不只是一个客户。
背后还会积累模型适配、软件优化、工程部署、行业场景和客户服务经验。
如果AI未来真的进入千行百业，那么今天覆盖的客户越多、场景越广，这些经验未来能够复用的地方也就越多。
这也是国产GPU商业化一个容易被忽略的地方。
芯片做出来以后，不是摆在货架上等客户买。
它需要不断进入真实环境，在一个个客户、一个个模型、一个个业务场景里磨。
380+客户的意义，也可以从这个角度理解。
它代表的不只是销售覆盖面，也是GPU进入真实AI场景的广度。
一边做广，一边做深
但客户还有另外一个维度。
深度。
如果说金融、医疗、科研等越来越多的客户决定了GPU商业化的“广度”，那么互联网、大模型等算力需求集中的客户，则可能决定商业化的“深度”。
一个客户采购几张、几十张GPU做测试，与真正把产品放进生产环境，是两种完全不同的状态。
一旦进入规模部署，后面的要求也完全不一样。
软件要稳定。
模型要持续适配。
供应链要保证交付。
出了问题要快速解决。
更重要的是，如果客户自己的AI业务持续增长，对推理算力的需求也会跟着增长。
所以天数智芯在解释上半年GPU收入增长时，有一句话其实值得注意。
除了扩大市场份额和客户群，公司还专门提到了：
加深与主要客户的合作。
把这句话和380+客户放在一起看，天数智芯现在其实有两条商业化线索：
一条是做广，一条是做深。
做广，是进入更多行业、更多模型、更多AI应用。
做深，是从测试和导入走向规模部署，让一个客户采购更多GPU。
前者决定市场边界有多大。
后者决定单个场景能够做多深。
如果两条线同时往前走，GPU才真正从一个产品变成一门规模生意。
还有一个数字：96.9%
这也是为什么，我觉得天数智芯中报里的96.9%值得单独拿出来看。
上半年，公司GPU芯片及板卡收入占总收入的比例达到96.9%。
换句话说：
天数智芯现在的收入，基本就是靠GPU芯片和板卡卖出来的。
这一点为什么重要？
因为AI芯片公司的收入可以有很多种形态。
可以卖GPU，可以卖板卡，也可以把GPU装进服务器，连同CPU、内存、硬盘一起形成整机收入，还可以进一步做系统集成。
这些模式本身没有高低之分。
但如果想观察一家国产GPU公司的产品到底有没有真正卖起来，那么GPU芯片和板卡本身创造了多少收入，是一个比较直接的指标。
天数智芯上半年AI算力解决方案收入只有1360万元，占总收入1.4%。
所以这轮9.46亿元收入背后，真正放大的主要还是GPU产品。
再回头看那6.54亿元推理收入，意义就不太一样了。
它不是藏在一个巨大的服务器或者系统集成收入里面。
推理GPU本身，已经成为了公司最大的收入来源。
推理做大以后，GPU会越来越像一门“生意”
当然，推理市场和训练市场的赚钱方式也不完全一样。
天数智芯上半年训练GPU毛利率64.5%，推理GPU是35.6%。
差距不小。
但这背后恰恰体现了两种市场不同的商业逻辑。
训练追求高性能、大集群。
推理更靠近最终用户，对TCO、部署效率和规模交付更敏感。
所以推理越往真实市场走，GPU厂商面对的就越是一套成熟商业世界里的问题。
客户会算成本。
会比较不同方案。
会谈价格。
会要求稳定供货。
也会要求软件和服务跟得上。
但另一方面，它面对的市场也可能更广。
因为训练大模型的是有限数量的机构，使用AI的却可能是千行百业。
今天是互联网、大模型。
以后可能是金融、医疗、制造、科研、教育，以及更多现在还没有大规模使用AI的行业。
而每增加一种AI应用，背后都可能增加新的模型调用。
如果说训练GPU更多受益于大模型建设，那么推理GPU面对的，则是AI应用不断扩散之后持续产生的算力需求。
模型越多人用，推理才越有生意。
真正值得看的，是AI开始被用起来之后
所以再回头看天数智芯这份半年报，会发现几个数字其实可以连成一条线。
6.54亿元，是推理GPU已经开始形成收入规模。
651.8%，是这块业务正在快速放量。
销量、售价和同比毛利率同时提升，说明这轮增长不只是简单的价格换市场。
380+客户，是GPU已经进入越来越多真实场景。
96.9%，则说明这些变化最终主要落在GPU芯片和板卡本身的销售上。
再加上公司披露的“加深与主要客户合作”，两条商业化路径也逐渐清楚：
向外进入更多行业，向内进入客户更深的生产环境。
过去几年，国产GPU最重要的问题是：
芯片能不能做出来？
模型能不能跑起来？
现在，问题正在慢慢往下一层走：
有多少客户真的在用？
能进入多少AI场景？
一个客户会不会持续买？
当AI进入千行百业以后，又有多少模型最终跑在这些GPU上？
这可能才是推理时代真正大的想象空间。
毕竟训练模型只是AI产业的开始。
真正大的市场，可能要等模型被越来越多人、越来越多行业真正用起来之后，才会慢慢展开。
#社区牛人计划#$天数智芯(HK|09903)$
本文作者可以追加内容哦 !
