研判2026！中国科学计算行业产业链图谱、市场规模、竞争格局及发展趋势分析：行业呈现出国际企业主导、国内厂商快速追赶的格局[图]

内容概要：近年来，算力性能、能效水平及相关基础技术的持续演进，为科学计算的大规模部署和应用提供了供给侧基础，同时，企业数字化研发、工程仿真及科研创新需求的不断增强，推动科学计算由科研辅助工具逐步演进为支撑科技进步与产业升级的重要基础能力。随着科学计算技术从科研机构向产业端扩展、从实验验证向生产与商业场景延伸，越来越多企业开始在研发设计和复杂系统分析中引入科学计算手段，持续拓展行业应用边界，叠加国家持续出台专项科技扶持政策、布局重点科研专项，为产业发展营造稳定有利的外部环境，赋予行业长期增长动能，供需两端红利叠加、政策持续赋能的多重利好共振下，我国科学计算产业迎来高速发展期，据中国信通院统计数据显示，2025年我国科学计算市场规模达1347.03亿元，同比增速29.4%。

相关上市企业：摩尔线程（688795）、沐曦股份（688802）、海光信息（688041）、寒武纪（688256）、中科曙光（603019）

相关企业：英伟达半导体科技（上海）有限公司、超威半导体（中国）有限公司、英特尔（中国）有限公司、上海思朗科技股份有限公司

关键词：科学计算产业链、科学计算市场规模、科学计算竞争格局、科学计算发展趋势

一、概述

科学计算在科学智能闭环中承担高质量数据生成与机理求解的核心职能，能力本质由高性能算力与高精度数值仿真共同构成。在算力侧，科学计算提供稳定可扩展的算力底座，重点解决算力供给与算效提升，典型能力包括FP64高精度计算、超大规模并行与调度，以及面向海量数据的高吞吐处理；在需求侧，随着效率、能耗比、可控性与交付效率约束增强，科学计算正由追求通用峰值转向面向特定负载的体系化优化，通过专用加速器、互联网络、并行软件栈与整机系统的协同创新提升任务算效。

科学计算产业的核心价值，在于持续供给高可信数据，并提炼能够驱动科学理论优化与创新的关键洞见。依托“仿真+算力”的组合，科学计算为科研与工程提供可规模化的虚拟实验能力，科研人员可以通过虚拟实验实现模型理论验证、优化设计与探索创新，同时持续沉淀高质量数据集。科学计算涉及众多细分技术方向，主要包括分子动力学、量子化学计算、计算流体力学、电子设计自动化与计算光刻、分子对接、电磁仿真、大气与气象仿真、基因测序与生物信息仿真、其他工程仿真等。

在科学计算的发展过程中，CPU、GPU、FPGA、ASIC等成熟计算芯片架构长期承担底层算力供给职能，为不同类型的计算任务提供支撑。在摩尔定律演进节奏放缓以及传统冯·诺伊曼体系结构面临效率瓶颈的背景下，TPU、MaPU等新型计算架构逐步出现，尝试通过在计算组织方式、数据流动机制及资源调度策略等层面进行创新，应对高并行度、强数据依赖和高吞吐需求等新型计算负载所带来的挑战。相关架构在特定算法场景下探索了区别于传统通用处理器的实现路径，为提升科学计算中的计算效率和能效水平提供了新的技术思路。计算芯片架构的持续演进，本质上反映了通用计算能力与专用计算效率之间的长期权衡与协同发展，不同架构在可编程性、并行度、能效水平及适用场景等方面各具特点，因而在科学计算的不同应用领域中形成了差异化分工。在科学计算应用场景中，不同类型计算芯片在架构设计目标和适用负载方面各具侧重。CPU、GPU、ASIC等通用或专用架构在控制逻辑处理、并行计算及特定加速场景中已形成成熟应用体系；其中，GPU在大规模并行计算方面具备较强能力，ASIC在特定高精度计算任务中可实现极高的执行效率。

科学计算与传统超算（SuperComputing）、智能计算（AIComputing）既有密切联系，又在原理和侧重点上存在一定差异，其核心特征在于以理论模型为驱动、以数值仿真为手段，通过计算生成高质量数据，为智能计算提供AI训练的“数据工厂”。因此，承担模型真实化与数据生产任务的科学计算，相比传统超算以及目前大规模建设的智算中心，存在较大技术路径差异。

二、产业链

科学计算产业链上游主要包括基础硬件、基础软件及其他配套设备等环节，是科学计算相关产品和服务的重要支撑基础，上述环节在产品质量、良率水平、产能稳定性以及行业竞争格局和价格波动等方面，与芯片设计业务在成本控制、交付稳定性和持续迭代能力等方面具有较强关联性；中游作为产业链的枢纽，承担着将底层算力转化为高效行业解决方案的职能，通过对硬件资源与特定算法的二次集成与深度协同优化，中游服务商有效释放了硬件效能，实现了算力资源与复杂场景需求的精准匹配；科学计算作为前沿科技和产业创新的重要基础工具，其下游应用广泛覆盖研发投入强度高、系统复杂度高的行业领域，主要应用方向划分，相关领域可概括为生物医药、高端装备、新能源、新材料、集成电路、合成生物、地球科学及低空经济等多个方向，终端用户主要包括企业、政府、高校、科研机构等。

从终端用户构成来看，2025年我国科学计算市场的主要需求主体包括政府端与企业端两类，其中，企业端为最大需求来源，占比超70%，企业端需求主要体现为工业企业在研发设计、工程仿真、复杂系统分析等业务场景中，对科学计算相关软硬件产品及配套服务的采购与使用，而政府端需求主要来源于政府部门、科研院所及高等院校在科学计算基础设施建设、科研应用及相关能力提升方面的投入。

相关报告：智研咨询发布的《中国科学计算行业市场竞争格局及产业前景研判报告》

三、发展现状

近年来，算力性能、能效水平及相关基础技术的持续演进，为科学计算的大规模部署和应用提供了供给侧基础，同时，企业数字化研发、工程仿真及科研创新需求的不断增强，推动科学计算由科研辅助工具逐步演进为支撑科技进步与产业升级的重要基础能力。随着科学计算技术从科研机构向产业端扩展、从实验验证向生产与商业场景延伸，越来越多企业开始在研发设计和复杂系统分析中引入科学计算手段，持续拓展行业应用边界，叠加国家持续出台专项科技扶持政策、布局重点科研专项，为产业发展营造稳定有利的外部环境，赋予行业长期增长动能，供需两端红利叠加、政策持续赋能的多重利好共振下，我国科学计算产业迎来高速发展期，据中国信通院统计数据显示，2025年我国科学计算市场规模达1347.03亿元，同比增速29.4%。

四、竞争格局

1、整体格局

经过多年竞争与发展，全球科学计算市场头部化现象显著，整体呈寡头垄断格局，英伟达和超威半导体两家国外领先厂商基本分割了全球市场，在综合技术实力、销售规模、资金实力、人才团队等方面优势明显。自人工智能市场爆发式增长以来，英伟达凭借优越的产品性能和完善的CUDA生态筑造了护城河，领先优势不断扩大。目前，全球科学计算的竞争正由英伟达、谷歌、超威半导体等少数巨头主导的单线竞赛，演进为围绕芯片企业（CPU自主设计、GPU/专用加速器）—整机企业（板卡与系统集成、异构算法集群、科学计算专用一体机、软硬一体自研整机）—软件生态（算法与工具链、计算平台服务）—行业落地多层协同的多主体格局，共同塑造科学计算算力供给的性能上限、能效水平与自主可控边界。

从国内市场来看，我国科学计算市场呈现多元化和快速发展的特征，主要竞争对手包括芯片设计公司与超级计算中心，其中，芯片设计类公司具体可分为三类，主要为面向科学计算等复杂计算负载场景，提供优质算力与解决方案的公司，包括：1）设计、研发及销售GPU芯片的公司，除国际巨头英伟达、AMD外，还包括国内上市公司摩尔线程、沐曦股份等；2）设计、研发及销售CPU芯片的公司，如国际巨头Intel、AMD，国内上市公司海光信息等；3）采用其他技术路线（例如ASIC/DSA等）的科学计算芯片公司，如国内上市公司寒武纪等。

超级计算中心主要指由国家及区域战略部署、政府主导建设的超级计算中心，此类系统通常采用基于CPU与高性能加速器的异构并行架构，以实现极致峰值性能与高效任务调度为核心目标，为基础科研与复杂工业仿真提供底座式算力支撑。在行业竞争及对标维度上，该领域涵盖了以ElCapitan、Frontier、富岳、天河、神威为代表的国内外传统超算系统，也包括以Selene等为代表的智能计算集群。总体而言，国内科学计算行业呈现出国际企业主导、国内厂商快速追赶的竞争格局，未来，随着国内企业在技术、生态和市场拓展方面的持续突破，有望在更多领域实现国产替代和市场拓展。

2、代表国产企业分析——上海思朗科技股份有限公司

上海思朗科技股份有限公司致力于围绕自主可控的高性能内核架构——MaPU开展芯片自主研发及产业化应用，并面向数据规模激增与计算负载复杂化需求，以自研芯片为核心提供软硬件产品与解决方案。自成立以来，公司坚持“以科技创新夯实国家算力底座，以创新架构引领科学计算变革”的发展理念，持续深耕MaPU架构的技术创新与工程化落地，依托100%自主知识产权，在指令集体系结构、芯片内核等关键环节实现根本性突破，兼顾高性能与通用可编程性，已成功构建面向科学计算、先进通信等领域的自主可控硬件体系与软件生态。公司基于MaPU芯片架构及自研指令集体系结构推出了HPP系列科学计算芯片，并以HPP芯片为核心打造“天穹”3D科学计算机。在分子动力学等应用方向，“天穹”3D科学计算机是全球范围内少数能够在微秒级长时间尺度、百万原子级高精度模拟能力上与美国Anton系列同量级比肩的产品，并相较全球其他通用架构方案如CPU、CPU+GPU等超算实现若干数量级的性能优势。“天穹”3D科学计算机面向科学智能核心领域，依托高性能、高精度、高能效的科学计算能力，支撑生物医药管线开发、科学智能高质量数据集建设、赋能科学研究及算力服务四大应用场景，推动科学计算规模化应用与商业化落地。2026年1-3月思朗科技营业总收入完成1.37亿元，其中，科学计算业务收入1.32亿元，占营业总收入的96.22%。

五、发展趋势

1、从“堆规模”走向“拼效率”，架构创新成为核心驱动力

后摩尔时代，单纯依赖制程微缩和通用算力堆叠的路径已触及边际效应递减的瓶颈。我国科学计算行业正加速从“峰值算力竞赛”转向“有效算力释放”，体系结构级深度优化成为突破关键。行业竞争重点向领域专用架构设计、软硬件协同优化以及存储与互联结构的底层创新聚焦，旨在将庞大的理论算力转化为真实的计算效率。

2、从单一通用架构走向异构算法—硬件集群协同

面对科学计算应用对并行度、吞吐能力和能效的持续提升要求，单一通用计算架构在效率释放方面逐渐面临瓶颈。中国科学计算算力体系正由以通用CPU/GPU为核心的单一技术范式，逐步向多架构协同的异构集群演进。在部分计算场景中，科研机构和企业正通过引入专用加速器、FPGA等可编程器件，以“算法特征引导硬件配置”为思路，实现计算任务的合理分配与系统整体效率提升。与此同时，大规模异构集群在软硬件协同、任务调度及通信组织等方面的工程复杂性亦同步增加，对跨节点通信、数据同步及网络拓扑设计提出了更高要求，推动行业在系统管理层面持续探索优化路径。

3、硬件架构与软件协同走向深度融合

异构计算的广泛应用推动硬件体系由以CPU为中心的单一控制模式，向多类计算单元协同的异构体系演进，应用层级从芯片内部、节点内部拓展至系统级的分区异构与协同调度。在软件层面，跨架构统一和灵活调配成为重要发展方向，通过构建统一的异构软件平台，整合编译器、编程语言、加速库及开发工具，为底层不同计算架构提供一致的编程模型和应用接口，实现多样化异构算力的统一管理与调度。我国科学计算行业正着力构建自主可控的异构软件生态，以应对多架构并存带来的适配与开发挑战。

4、高精度仿真与AI协同驱动算力体系重构

在科学智能深度发展的背景下，科学计算负载正从传统的“高精度数值仿真”单一路径，向“高精度物理仿真”与“低精度AI算法”协同演进的范式转型。传统超算依赖FP64等高精度浮点运算，而AI代理模型构建、参数反演及不确定性评估等环节则更侧重于FP16、BF16、FP8等低精度高吞吐计算。行业正经历从“分层集群/分离式器件”向“架构级深度融合”的转型，在同一处理器或计算节点内集成多类算力单元，并构建统一的存储与调度机制，从底层消除跨芯片数据搬移产生的系统损耗，大幅优化“仿真—训练—验证”全流程的整体算效。

以上数据及信息可参考智研咨询（www.chyxx.com）发布的《中国科学计算行业市场竞争格局及产业前景研判报告》。智研咨询是中国领先产业咨询机构，提供深度产业研究报告、商业计划书、可行性研究报告及定制服务等一站式产业咨询服务。您可以关注【智研咨询】公众号，每天及时掌握更多行业动态。

智研咨询依托全链路上下游企业调研体系，整合供应商名录、交易占比、区域分布及客户画像等多维核心数据，通过可视化图谱技术，构建集供应商、客户、行业分布、市场占有率于一体的全景供应链图谱。助力企业快速锚定关键合作方、洞察行业竞争格局，为企业拓展产业版图、布局上下游合作、构建产业生态提供极具参考价值的全景视角与决策依据，实现被动响应到数智预判的供应链管理升级，为战略决策与资源整合提供高价值的数据底座。

企业供应链图谱服务内容：1.上下游企业深度调研：系统梳理供应链上游供应商、下游客户全名单，精准采集企业基本信息、交易金额占比、合作紧密度等核心数据。2.行业与区域分布解析：整合供应商/客户所属行业分类、区域分布特征，清晰呈现产业集聚格局与行业占比结构。3.全景图谱可视化呈现：基于调研数据构建供应链生态图谱，直观展示上下游关联关系、交易链路及市场份额分布。4.核心价值数据萃取：提取企业技术力量、市场占有率、商业模式等关键信息，同步呈现供应链核心竞争力与竞争态势。5.决策支撑服务：依托图谱数据，提供供应链风险节点识别、优质资源筛选、战略布局方向建议，赋能企业决策。