一、主营业务
公司是我国云端 AI 芯片领域的领军企业之一，致力于成为“通用人工智能基础设施领军企业”。公司坚持原始创新、自主研发的技术路线，构筑长期可持续发展的核心竞争力和护城河。成立 8 年来，公司自研迭代了四代架构 5 款云端 AI 芯片，构建了覆盖 AI 芯片、AI 加速卡及模组、智算系统及集群和 AI 计算及编程软件平台的完整产品体系。
核心技术领域，公司经过多年积累，形成了芯片及硬件、软件及编程平台和算力集群方案三大类，全方位、立体化的核心技术体系。底层硬件方面，公司基于自主指令集，对标英伟达 Tensor Core 加速计算单元和 NVLink 卡间互联技术，原创自主架构的 GCU–CARE 加速计算单元和 GCU–LARE 片间高速互连技术，相应架构不仅具有编程灵活性，而且深度支持 AI 大模型高并行度加速计算。软件平台层面，公司未跟随英伟达主导的 CUDA 生态，自研了包括驱动程序、编译语言与编译器、算子库、工具链的全栈 AI 计算及编程软件平台“驭算TopsRider”，以链接公司硬件与人工智能应用程序，大大降低了主流 AI 模型的编程开发难度和迁移成本，能够让公司硬件产品在应用场景中更好地释放性能。算力集群方面，公司报告期内千卡、万卡智算中心项目已经实现收入，目前公司已经联合客户研发超节点方案，联合打造具有商业化价值的万卡高速互联集群。
生态建设上，受益于与互联网大厂多年在软硬件定制化方面的深耕合作，公司多代产品已在广泛的互联网 AI 场景中大规模商用，持续为基于从传统 AI 模型到 AI 大模型的国民级互联网应用提供 AI 算力支撑。公司的产品持续迭代开发能力以及产品竞争力已经得到市场的检验和认可，正逐步实现从“技术产品闭环”到“商业价值闭环”的关键跨越。此外，公司也正充分发挥自身优势，与下游更广泛的合作伙伴共建生态。除参与国家“东数西算”枢纽节点的智算中心项目外，公司正积极深化与国内网络运营商的合作，并开拓多条垂类行业的业务机会，为AI 赋能千行百业提供普惠的算力支持。此外，为实现可持续发展，燧原科技高度重视与 EDA/IP、晶圆制造、封装测试、系统元器件等全产业链条伙伴的长期战略合作，保障稳定的产品开发与供给交付。
截至 2025 年末，公司已获得境内发明专利 313 项，已承担 12 项国家及地方科技攻关项目，参与了58项AI芯片与智算系统的关键国家及行业标准的制定，获得世界人工智能大会“SAIL 之星”、中国算力大会“年度突破成果”、三次“中国芯”最高奖“年度重大创新突破产品”“吴文俊人工智能科学技术专项一等奖”、全球“未来产业之星”大赛未来产业超能奖等重要奖项。此外，公司申报的“基于燧原万卡集群的先进计算技术底座实践”成功入选工信部 2025 年计算技术底座典型应用案例。公司甘肃庆阳万卡集群亦为国内首个获中国信通院大规模智算集群服务成熟度五星级认证的国产万卡推理集群，充分印证了公司在国产算力底座建设与产业化落地方面的领先实力。
报告期内，公司的主营业务未发生重大变化。
2、主要产品及服务
公司围绕自研云端 AI 芯片构建了覆盖 AI 加速卡及模组、智算系统及集群的全栈算力产品体系，并基于具有自主知识产权的 AI 计算及编程软件平台驭算TopsRider 实现软硬协同优化，为云端训练、云端推理及通用人工智能应用提供高性能国产算力底座。公司产品及服务矩阵如下：
（1）AI 加速卡及模组
报告期内贡献公司收入的主要产品形态之一。产品以公司云端 AI 芯片为基础，将配套的存储模组、电源与信号管理模组、散热组件以及高速接口等组件集成在 PCB 载板或 OAM 模组而成。报告期内，公司单张 AI 加速卡及模组内一般包含一颗云端 AI 芯片。具体如下：
（2）智算系统及集群
智算系统：公司智算系统品牌为云燧智算机（Cloud Blazer POD），是面向 AI 模型训练和推理场景的单机柜、单算力节点设备，构成了智算集群的最小算力单元。直接客户一般作为项目总集成商向公司采购多个云燧智算机为终端客户构建智算集群。云燧智算机一般由 4-8 台 AI 专用服务器和多台网络交换机通过高速线缆互联集成在单个机柜构成。其中单个 AI 专用服务器一般以 8 张公司的 AI 加速卡或模组为基础，配套 CPU、DRAM 内存、企业级固态硬盘、电源与供电模块、散热模块、网卡等硬件以及系统软件构成。报告期内，公司单个云燧智算机通常集成 32 至 64 张 AI 加速卡及模组。具体如下：
智算集群：公司智算集群是机房级的多算力节点、多机柜互联的算力基础设施。智算集群以多台云燧智算机为基础，进一步配套 CPU 通用服务器、高速网络设备、独立存储服务器等系统硬件和公司自研配套系统软件，构成面向大型智算中心的高性能人工智能算力集群。集群采用分布式架构，强调强扩展能力与线性加速比，通过高带宽、全互联拓扑实现千卡级及以上规模集群的高速互联，能够高效支撑千亿参数以上规模大模型的并行训练。报告期内，公司仅对成都高新电子一家客户作为项目总集成商采用智算集群模式交付产品。
智算集群配套系统软件：算力集群通常服务于多用户、多场景的特性以及智能算力集群运维管理过程中的实际需求，公司自研推出了燧池智算平台（CloudBlazer Station）、燧原异构算力调度平台及燧原智能运维平台，向 AI算力中心提供大规模算力资源管理能力。
OGX 产品：OGX 是公司基于自研的第四代训推一体加速模组 L600 打造的单机 8 卡标准化 AI 专用系统产品，属于智算系统产品。OGX 基于 OAM2.0 模组形态，通过高性能互联与散热设计形成整机方案，可以适配传统智算集群架构，并可在中等规模大模型训练与推理场景中提供灵活的算力部署能力。依托一体化设计，OGX 支持快速上线与标准化交付，作为 AI 集群基础节点广泛应用于推理与轻量训练场景。
ESL32/64 超节点：ESL 是公司基于自研的第四代训推一体加速模组 L600打造的超节点产品，是基于 RoCE 协议可实现大规模跨卡与跨节点通信的机架级算力产品，属于智算系统产品。ESL 采用多卡 Scale-up 架构，可在单节点集成 32 卡或 64 卡，特别适用于大模型的预训练与高并行推理场景。依托开放的RoCE 互联生态与合作伙伴联合开发的系统方案，ESL 能够支持大规模集群构建，满足大模型训练与推理的计算需求：
（3）AI 计算及编程软件平台
公司坚持独立自主、开放创新的软件生态战略，为自研的 AI 芯片、AI 加速卡及模组，以及相关产品提供统一的 AI 计算及编程软件平台驭算 TopsRider，以链接人工智能芯片与人工智能应用程序，报告期内公司未单独对外销售 AI 计算及编程软件平台。
TopsRider 平台是公司完全自主构建的统一 AI 计算及编程软件平台，涵盖了包括固件、驱动程序、编译语言与编译器的开发套件、包含算子库和通信库的AI 计算扩展库和深度学习框架五个层次的基础软件，以链接公司硬件与人工智能应用程序，大大降低了 AI 大模型的编程开发难度和迁移成本，能够让公司硬件产品在应用场景中更好地释放性能。公司硬件产品已经深度适配，并支持了AI 智能搜索、大模型业务平台、智能语音交互、智能内容推荐等 AI 应用场景，已适配近千个 AI 模型，覆盖包括互联网以及非互联网领域超 300 个应用场景。具体如下：
（4）IP 授权及其他
报告期内，该类收入主要为公司 IP 授权收入以及少量技术开发收入。
3、主营业务收入构成及特征
报告期内，公司主营业务收入按产品类别的构成情况如下：
二、发行人所处行业的基本情况
（一）发行人所处行业及确定所处行业的依据
公司主要从事云端 AI 芯片及相关产品的研发和销售。根据国家统计局发布的《中华人民共和国国民经济行业分类（GB/T4754-2017）》，公司所属行业分类为“I65 软件和信息技术服务业”之“I6520 集成电路设计”。
三、行业情况
1、人工智能算力基础设施行业发展概况
（1）AI 算力需求增长促使全球云厂商加大 AI 资本开支，进一步带动人工智能算力基础设施的规模增长
从 GPT 到 DeepSeek，人工智能技术作为一项革命性技术，近年来在自然语言处理、深度学习、神经网络等领域不断取得重大突破。目前阶段的人工智能产业发展相比过去全面提速，模型的泛化能力越来越强，使得大模型凭借强迁移性可以在产业中得到广泛应用。这种通用性反过来也使得大模型具备规模效应和经济性。通用大模型以及芯片、算力基础设施等底层环节能力的不断改善，带来人工智能在应用场景类别、场景深度的持续提升，并最终带来产业基础能力、应用场景之间的不断相互促进，并在正向循环逻辑下，驱动全球 AI 产业发展不断提速。在旺盛的市场需求、丰富应用场景的驱动下，全球智能算力（指基于 AI加速芯片的加速计算平台提供人工智能训练和推理的计算能力）规模呈现增长态势，带动人工智能资本支出持续攀升。根据花旗研究的数据，全球人工智能资本支出规模将由 2024 年 0.2 万亿美元增长至 2028 年的 1.4 万亿美元，年均复合增长率超 50%。根据公开信息披露，北美四家头部云厂商谷歌、微软、亚马逊和 META 合计 2026 年资本开支将超过 7,000 亿美元，同比 2025 年增长 70%以上，主要投向人工智能领域。根据行业数据统计，AI 服务器价值量约占人工智能资本支出的比例约为 40%-50%，AI 加速卡约占 AI 服务器的 70%，综合考虑，AI 加速卡约占人工智能支出的 30%左右，人工智能应用深化和人工智能资本支出提升的互促效应，将长期拉动 AI 加速卡市场规模的提升。
（2）AI 加速卡 2024 年全球市场已超过 1,000 亿美元，预计 2028 年将超过 5,000 亿美元，届时中国市场需求将超过万亿人民币，占全球市场约 30%
云端 AI 芯片往往以 AI 加速卡的形式进行销售，或进一步集成至智算系统及集群售往各类客户。以互联网巨头及 AI 大模型企业为代表的各类企业逐步增大的人工智能资本开支进一步带动了全球 AI 加速卡的规模。根据灼识咨询数据，2024 年全球 AI 加速卡以收入计的市场规模约为 1,190.28 亿美元。在人工智能技术持续演进与数字化基础设施加速完善的推动下，人工智能的商业化应用有望加快落地，并进一步带动人工智能芯片市场的快速增长，预计 2028 年全球 AI加速卡市场规模将达到 5,257.70 亿美元。
作为全球最大的人工智能市场之一，中国对 AI 加速卡的需求也在快速增长。中国 AI 加速卡从 2020 年的 122.54 亿元增长到 2024 年的 2,164.77 亿元，复合年增长率为 105.01%。预计到 2028 年，该市场将达到 11,076.46 亿元，从 2024年到 2028 年的复合年增长率为 50.40%。2028 年中国 AI 加速卡市场需求将占届时全球市场需求的约 30%。
这一增长趋势主要源于人工智能应用需求的快速提升，尤其是 AI 大模型训练和推理对算力的强烈需求，使 AI 加速卡成为数据中心计算加速的关键硬件。同时，国家不断出台政策支持以及“东数西算”等战略的推进，加快了数据中心的建设，也进一步推动需求增长。
（3）人工智能的商业化应用带动 token 调用的上涨，拉动算力需求，乐观预计下 2030 年全球 AI 加速卡市场空间预计达万亿美金
AI 应用在各个领域开始快速渗透，进一步带动 token 调用的上涨。2024 年以来，头部大模型公司日均 token 消耗数量从千亿级已增长至十万亿级。根据火山引擎 2025 Force 原动力大会、谷歌 2025 I/O 开发者大会，2025 年 9 月，字节日均 token 消耗量超过 30 万亿，一年多时间增长 250 倍；谷歌日均 token 消耗量已达 43 万亿，一年半时间增长 134 倍。
根据中信证券研究部预计，2030 年全球月 token 调用量在保守和乐观情况的假设下预计将达到 559-1,878 千万亿的水平，约为 2025 年的全球 token 调用量 5.5 千万亿的 100-349 倍。5 年百倍以上的推理需求增长预计，进一步打开算力建设的想象空间。根据推理计算量约为 2*token*激活参数量*1.12 的近似公式，同时考虑整体算力利用率、推理算力占比等因素，初步预计 2030 年全球新增算力需求将达到 24-90 万 EFLOPS，相当于 2025 年新增算力需求的 10-39 倍，假设单位算力价格由 2025 年的 8.3 美元/EFLOPS，年均下降 15%-25%至 2030年的 2.0-3.7 美元/TFLOPS，2030 年全球 AI 加速卡市场空间为 0.9-1.8 万亿美元，约为 2025 年的 5-9 倍。
2、人工智能算力基础设施行业发展趋势
（1）云端 AI 芯片是全球 AI 芯片的主流，预计 2024 年至 2028 年云端 AI芯片的市场规模占比始终超过 80%
AI 加速卡根据部署位置可分为云端和边缘端，云端 AI 加速卡主要应用于数据中心和云端服务器等，随着全球互联网厂商对于数据中心的投入持续扩大，云端 AI 加速卡市场规模快速增长。根据灼识咨询预测，全球 AI 加速卡的云端应用市场规模将从 2024 年的 1,078.66 亿美元增长到 2028 年的 4,523.96 亿美元，复合增长率为 43.11%，占全球 AI 加速卡市场规模超 80%。
（2）大模型行业逐渐从大规模训练阶段走向推理落地阶段，预计 2026 年全球 AI 推理对 AI 加速卡需求将超过 AI 训练场景，中国市场这一趋势更加明显
随着 DeepSeek 系列大模型的发布，大幅提升开源模型的性能并降低 AI 软件、AI 硬件的使用成本，加速人工智能应用的落地，进而推动推理端算力需求。根据灼识咨询预测，到 2028 年，AI 加速卡的推理用需求将呈现爆发式增长，市场规模将从 2024 年的 476.11 亿美元增长到 2028 年的 3,256.18 亿美元，复合增长率为 61.71%。这一增速远超整体 AI 加速卡市场的平均水平，反映出推理在实际应用部署中的巨大需求。
对于中国而言，依托 DeepSeek 模型性价比的持续提升，国内 AI 应用凭借丰富的产业生态与成熟的流量优势，实现了在各领域的规模化发展。其中，互联网厂商凭借庞大的存量客户群体，推出的各类 AI 应用一经上线即对推理算力形成大规模需求；而随着用户粘性的逐步增强，推理算力的需求规模预计将进一步扩大。此外，DeepSeek、千问等主流 AI 模型的开源化发展，大幅降低了非头部 AI 厂商在模型预训练环节的投入需求，进一步推动推理算力需求在整体算力需求中的占比持续提升。从细分结构来看，中国训练用AI加速卡市场规模在2020年至 2024 年间以 97.95%的复合增速增长，预计在 2028 年将达到 2,990.64 亿元。而推理用 AI 加速卡则展现出更快的增长趋势，2020 年至 2024 年的年均增速为 111.06%，未来四年有望以 59.41%的高增速扩张至 8,085.82 亿元，占比逐步提升至超 70%。
（3）推理场景对于 CUDA 生态的依赖在持续减弱，AI 加速卡性价比成为关键，DSA 架构 AI 加速卡需求占比逐步提高
ChatGPT 的诞生标志着大语言模型从技术探索走向大规模应用的转折点，DeepSeek 系列模型的发布打破了闭源模型的垄断并吸引全球开发者参与生态建设，加速了 AI 应用的渗透，在开源模型的基础上实现技术普惠，推动人工智能真正进入“全民时代”。AI 应用的底层大模型开发者也逐步收敛至头部几家大模型厂商，这使得 AI 加速卡厂商所需适配的大模型逐步收敛，逐步减弱了对于 CUDA 生态的依赖，而 AI 加速卡的能效比正成为技术发展的核心指标。
GPGPU 架构与非 GPGPU 架构：目前 AI 芯片的主流架构分为以英伟达为首的 GPGPU 架构和包含谷歌 TPU、华为昇腾、发行人等的非 GPGPU 架构（即DSA 架构）。GPGPU 架构通过强化通用并行计算单元形成了成熟的通用编程生态，可覆盖 AI 计算、科学计算、图形渲染等多个场景，但针对 AI 计算这一特定领域场景的效率存在一定损耗。非 GPGPU 架构主要为广义的 ASIC 架构。在AI 领域，ASIC（Application-Specific IC）是一个广义概念，是针对 AI 计算这一特定领域进行优化的处理器架构，其核心在相同的芯片面积上，通过牺牲场景通用性来提升特定应用场景下的效率。与 GPGPU 架构不同，该架构弱化通用加速单元配置，强化 AI 计算专用加速单元，将有限的芯片面积及晶体管数量更多地配置予 AI 计算需要的加速单元。因此，在 AI 芯片领域，ASIC 不再兼顾 GPGPU的多场景兼容属性，专用于 AI 计算场景，在硬件层面也对 AI 计算场景进行优化，进而使得加速效率更高。
DSA 架构与 ASIC 架构关系：结合上文，AI 芯片领域，ASIC 芯片是一个广义 概 念 。 最 严 格 意 义 的 ASIC 芯 片 等 同 于 场 景 完 全 定 制 化 ， 即 完 全Application-Specific，例如加拿大 Taalas 公司，专门设计此类 ASIC 芯片，其HC1 芯片直接将 Llama 特定大模型固化在芯片硬件架构，只能用于该模型推理应用，但效率极高。如更换模型算法，必须重新流片；国内部分端侧专用于图像识别、语音唤醒等传统 AI 模型的 ASIC 芯片也属于这一类别；DSA 架构（DomainSpecific Architecture）是ASIC芯片概念的发展，其基于AI并行计算这一Domain进行加速优化，但并不固化在 AI 并行计算的某个特定场景或模型（即并不Application-Specific，可适用于 Domain 内的多个 Application），这需要公司硬件架构既具备可编程性和通用性，兼顾 AI 计算领域的算法、模型以及用户场景迭代；又要确保 AI 并行计算的效率和性能。公司 AI 芯片采用 DSA 架构，舍弃了非 AI 并行计算领域的通用性，但具备满足 AI 并行计算领域的通用性。具体硬件架构上，公司芯片包含了多个专用于 AI 矩阵计算的 GCU-CARE 加速单元（类似英伟达芯片的 Tensor Core 单元），每个加速单元均可独立编程。考虑 AI 算法和模型迭代，主流 AI 芯片厂商，尤其是云端领域所采用的 ASIC 路径通常为DSA 架构。谷歌 TPU、亚马逊 Trainium、华为昇腾、昆仑芯、寒武纪以及发行人的产品均属于 DSA 架构的 AI 芯片。
在推理阶段，AI 芯片需要在功耗、成本和实时性等方面进行优化，由于 DSA架构可针对特定模型所需算子进行优化定制，相较于 GPGPU 架构加速卡在针对特定场景或模型下有更好的适配性，在成本、性价比等方面具备优势。此外，近期谷歌发布完全依靠自研的TPU芯片训练的大模型Gemini 3系列且在多项测试中均处于行业领先地位，强化了 DSA 架构 AI 加速卡能够实现万亿参数大模型全流程训练的落地能力，进一步提升市场对于 DSA 架构芯片远期市场份额和格局的预期。基于高盛全球投资研究部的模型预测，在 AI 服务器的 AI 芯片中非GPGPU 架构（即 DSA 架构）芯片的出货占比将呈现明确上升趋势，预计将从2024 年的 36%，逐步增长至 2027 年的 45%。
（4）AI 加速卡基础设施向集群化和综合化演进
随着大模型的不断发展，相关主流 AI 大模型参数已高达数千亿，单一 AI加速卡已难以满足超大规模计算需求。行业供应重点正从单点性能提升，转向系统化集群解决方案。
现代智算集群通过三项关键策略突破应对挑战：
一是纵向扩展策略（Scale-Up），即通过增加单个节点的资源来提升性能，如改进 AI 加速卡芯片架构和采用更先进的制程进行制造，以提升 AI 芯片的峰值算力；或通过高速互联架构（如英伟达的 NVLink、公司的 GCU-LARE）实现AI 芯片间超低延迟通信以提升单个节点内部的数据流通效率。
二是横向扩展策略（Scale-Out），即通过增加更多的算力节点来分散负载和提升处理能力，用于需要处理大规模数据集和复杂模型的应用场景。但提高集群系统的可用性和可靠性十分重要，从千卡集群到万卡、十万卡集群，节点故障几率会随集群规模增长而上升，数据中心需要更加高效的监控体系和先进的故障恢复机制，基于诸如智能显存分配、故障点恢复管理等技术，确保集群在发生节点故障时能够迅速响应，最小化停机时间。
三是跨区域扩展（Scale-Across），即通过高性能网络将地理上分散的多个数据中心连接起来，形成统一的计算资源池，突破单个数据中心的物理限制。这一策略依赖光通信技术和网络优化算法以解决长距离传输的带宽和延迟问题。
（5）未来中国 AI 加速卡需求主要集中在头部互联网厂商，2028 年头部三家互联网厂商 AI 资本支出国内占比接近 50%
伴随大模型演进、AIGC 爆发及产业智能化加速，中国企业 AI 资本支出持续攀升。但当前趋势显示，中小企业更倾向于通过云服务弹性租赁算力快速构建AI 能力，而非自建 AI 算力集群。头部互联网企业因自身大模型训练及海量推理需求，正持续加大 AI 投入，导致市场呈现头部集中态势。根据 BERNSTEIN 预测，到 2028 年，字节跳动、阿里巴巴和腾讯的 AI 资本支出将占据中国 AI 资本支出的近 50%，凸显了进入头部互联网厂商供应链对 AI 加速卡供应商的重要性。
四、竞争对手
6、公司所处行业在产业链中的地位和作用
人工智能算力基础设施行业是人工智能产业中的重要组成部分，主要为下游人工智能的训练及推理提供算力，以支持人工智能技术的持续创新以及人工智能应用对各行各业的赋能。人工智能算力基础设施产业链市场景气度与下游半导体和终端应用市场高度相关，其产业链环节以及上下游行业之间的关联性如下：
随着人工智能技术的发展与突破，尤其是大模型技术的不断发展，智能算力需求呈现快速发展的态势。一方面，大模型不断往大参数、多模态的方向发展，以实现更智能、功能更完善的人工智能，因而在训练端存在大规模的智能算力需求；另一方面，随着大模型的不断迭代升级，人工智能对于包括智慧城市、智慧金融、智慧创作设计等多个行业和场景的赋能作用愈发显现，也使得在推理端存在大规模的智能算力需求。人工智能算力基础设施行业通过一系列的创新技术及产品迭代，为人工智能产业提供算力支撑，在产业链中具有基础性的重要地位和作用。
1、竞争格局与行业内主要企业
全球 AI 加速卡的主要构成情况如下：
（1）全球竞争格局
目前，全球云端 AI 芯片行业中呈现英伟达独大的竞争格局。根据灼识咨询预测和英伟达年度报告测算，2025 年英伟达 AI 加速卡的份额约为 70%。英伟达相应产品均采用了 GPGPU 架构。随着 AI 大模型推理需求不断提升，具有更高效能、更大数据吞吐量和更低功耗特性的 DSA 架构算力产品开始加速部署。谷歌在 2025 年 11 月发布了综合性能强大的 Gemini3 大模型，该模型由谷歌采用自研 TPU（DSA 架构）训练完成，打破了英伟达在 AI 大模型训练领域的绝对垄断。未来随着谷歌、亚马逊、META 和微软等主要互联网厂商量产自研云端AI 芯片产品（均为 DSA 架构）以及谷歌 TPU 产品逐步对外销售，预计英伟达全球市场的垄断地位将受到挑战。
（2）中国竞争格局
国内云端 AI 芯片行业处于发展初期，国际厂商英伟达占据中国市场主要份额，但中国本土企业不断突破技术壁垒，占据了一定的市场份额。中国本土云端AI 芯片厂商包括以华为海思、寒武纪和发行人等为代表的 DSA 架构厂商和以摩尔线程、沐曦股份、天数智芯和壁仞科技等为代表的 GPGPU 架构厂商。
根据IDC数据和发行人销售量情况，2025年中国AI加速卡整体出货规模约400万张，其中英伟达以约220万张出货量占据约55%的市场份额。公司当年AI加速卡及模组销售量达6.6万张，对应中国AI加速卡市场的占有率约1.7%，在国内其他AI芯片厂商中位居前列。未来，英伟达在国内市场销售存在一定不确定性，国产AI芯片厂商在中国市场出货量占比不断提升是大概率趋势。
2、行业内主要企业介绍
（1）英伟达（美国纳斯达克证券交易所上市，NVDA.O）
英伟达（NVIDIA）成立于 1993 年，是最早将 3D 图形引入游戏和多媒体市场的公司，推出全球首款 GPU，使显卡成为独立的图形处理核心。英伟达专注于设计和制造图形处理器、数据中心加速芯片及全栈 AI 软件工具，在优越产品性能和 CUDA 生态加持下，已经从一家游戏显卡公司转型为全球 AI 计算领域的领导者。
（2）AMD（美国纳斯达克证券交易所上市，AMD.O）
AMD（超威半导体）成立于 1969 年，是全球领先的半导体设计公司，专注于计算机、通信和消费电子行业的微处理器（CPU、GPU、主板芯片组等）设计和制造，提供高性能计算解决方案，并提供闪存和低功率处理器解决方案。
（3）寒武纪（上海证券交易所科创板上市，688256.SH）
寒武纪成立于 2016 年，提供云边端一体、软硬件协同、训练推理融合、具备统一生态的系列化智能芯片产品和平台化基础系统软件，核心产品包括思元系列云端芯片、MLU 系列边缘芯片及终端 IP 授权，主要应用于服务器厂商和产业公司，面向互联网、金融、交通、能源、电力和制造等领域的复杂 AI 应用场景。
（4）海光信息（上海证券交易所科创板上市，688041.SH）
海光信息成立于 2014 年，主要从事高端处理器、加速器等计算芯片产品和系统的研发、设计和销售，主要产品包括高端通用处理器（CPU）和协处理器（DCU）。海光 CPU 处理器兼容市场主流的 x86 指令集，DCU 产品基于通用图形处理器设计理念，为科学计算、人工智能计算提供算力，可以全面支持深度学习训练、推理场景，以及大模型场景等，在国产服务器芯片市场占据重要地位。
（5）摩尔线程（上海证券交易所科创板上市，688795.SH）
摩尔线程成立于 2020 年，主要从事全功能 GPU 及相关产品的研发、设计和销售，致力于为 AI、数字孪生、科学计算等高性能计算领域提供加速计算的基础设施和一站式解决方案，自主研发 MUSA 统一架构，核心产品包括桌面级显卡、AI 智算芯片及智能 SoC 类产品。
（6）沐曦股份（上海证券交易所科创板上市，688802.SH）
沐曦股份成立于 2020 年，主要从事人工智能训练和推理、通用计算与图形渲染三大领域的全栈 GPU 芯片研发、设计和销售，自主研发 XCore 架构及MXMACA 软件栈，核心产品是曦云 C 系列训推一体芯片。
（7）壁仞科技（香港联合交易所，6082.HK）
壁仞科技成立于 2019 年，主要从事开发 GPGPU 芯片及基于 GPGPU 的智能计算解决方案，为 AI 提供所需的基础计算能力。通过整合自主研发的基于GPGPU 的硬件及专有的 BIRENSUPA 软件平台，壁仞科技的解决方案支持从云端到边缘的广泛应用中 AI 模型的训练及推理。
（8）天数智芯（香港联合交易所，9903.HK）
天数智芯成立于 2015 年，提供针对不同行业的通用 GPU 产品及 AI 算力解决方案，其产品组合主要包括通用 GPU 芯片及加速卡，以及定制 AI 算力解决方案（包括通用 GPU 服务器及集群），将硬件与专有的软件栈结合，以满足客户在训练及推理场景中的特定需求。
（9）华为海思（未上市）
华为海思成立于 2004 年，系华为集团的全资子公司，在人工智能计算领域，华为海思基于昇腾系列（Ascend）AI 处理器和基础软件构建 Atlas 人工智能计算解决方案，包括 Atlas 系列模块、板卡、小站、服务器、集群等丰富的产品形态，打造面向“端、边、云”的全场景 AI 基础设施方案，覆盖深度学习领域推理和训练全流程。
（10）昆仑芯（未上市）
昆仑芯成立于 2011 年，前身为百度智能芯片及架构部，目前为百度控股子公司，是一家在体系结构、芯片实现、软件系统和场景应用均有深厚积累的 AI芯片企业。
（11）平头哥（未上市）
平头哥成立于 2018 年，系阿里巴巴集团的全资半导体芯片业务主体，拥有端云一体全栈产品系列，涵盖数据中心芯片、IoT 芯片等，实现芯片端到端设计链路全覆盖。
五、发行人报告期的主要财务数据及财务指标
2026年一季度
2025年度
营业总收入(元)
11.20亿
9.90亿
净利润(元)
-6.32亿
-11.64亿
扣非净利润(元)
-6.34亿
-11.97亿
发行股数 不超过量4,303.5173 万股，超额配售选择权:
发行后总股本不超过过于43,035.1728 万股
行业市盈率:70.23倍(2026.8.28数据)
同行业可比公司静态市销率估值(不扣非):101.30(寒武纪)、39.69(海光信息)、166.63(摩尔线程)、164.25(沐曦股份)去除极值117.97
同行业可比公司动态市研率估值(不扣非):54.88(寒武纪)、31.36(海光信息)、72.28(摩尔线程)、120.12(沐曦股份)去除极值69.66
2025年主营业务收入:9.90亿。
2026年主营业务收入:22.40亿。
拟募集资金600,000.00万元,募集资金需要发行价:139.42元,实际募集资金:61.19亿元.
募集资金用途:1基于五代 AI 芯片系列产品研发及产业化项目 2基于六代 AI 芯片系列产品研发及产业化项目3先进人工智能软硬件协同创新项目
9月发行新股数量1支。8月发行新股数量10支。今年总共发行64支。
电子 -- 半导体 -- 数字芯片设计
所属地域：上海市
主营业务：云端AI芯片及其相关产品的研发、设计和销售。
产品名称：AI加速卡及模组、智算系统及集群、AI计算及编程软件平台
产品名称：斯泰度塔单抗注射液、TNM001、TNM009、TNM005、TNM006、TNM035
控股股东：无控股股东
实际控制人：ZHAO LIDONG、张亚林 (持有上海燧原科技股份有限公司股份比例：9.03%、8.97%)
是否有战略配售:本次发行最终战略配售数量为 860.7034 万股，约占发行总数量的 20.00%。
股是否有保荐公司跟投:
(科创板)
行业市盈率预估发行价:-元，可比公司预估市销率发行价静态:271.38元，可比公司预估市销率发行价动态:160.25元。
实际发行价:142.18元,发行流通市值:61.19亿,发行总市值:611.87亿
价格区间:362.58元,最高:625.23元,最低:162.23元.是否有炒作价值:
动态行业市盈率预估发行价:-元。
上市首日市盈率:(动)、(TTM)倍.行业市盈率是否高估: 否 可比公司市盈率是否高估:否
公司EPS动态不扣非:-公司EPSTTM不扣非:-
EPSPE
是否建议申购:估值没有问题，可以申购。
行业:人工智能算力基础设施行业。
关键字:公司是我国云端 AI 芯片领域的领军企业之一，致力于成为“通用人工智能基础设施领军企业”。公司坚持原始创新、自主研发的技术路线，构筑长期可持续发展的核心竞争力和护城河。成立 8 年来，公司自研迭代了四代架构 5 款云端 AI 芯片，构建了覆盖 AI 芯片、AI 加速卡及模组、智算系统及集群和 AI 计算及编程软件平台的完整产品体系。
（1）AI 加速卡及模组（2）智算系统及集群（3）AI 计算及编程软件平台（4）IP 授权及其他
（2）电子显微镜系列1）扫描电镜2）双束电镜
（3）气体吸附分析系列
（4）随钻测量系列
AI 加速卡领域竞争对手:（1）英伟达（2）AMD（3）寒武纪（4）海光信息（5）摩尔线程（6）沐曦股份（7）壁仞科技（8）天数智芯（9）华为海思（10）昆仑芯（11）平头哥（12）燧原科技
扫描电镜领域竞争对手:德国蔡司、国仪公司。
发行公告可比公司:寒武纪、海光信息、摩尔线程、沐曦股份、燧原科技。
发行价:142.18元，溢价率%，TTM%，实际开盘%。
作者声明： 本文转载自第三方，旨在提供资讯参考，并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日，作者与文中提及的标的不存在持仓关系。