深度报告-2025-12-12-华创证券-寒武纪（688256）_深度研究报告_国产_AI_芯片领军者_云边端共铸核心壁垒_37页_3mb

> **来源：[研报客](https://pc.yanbaoke.cn)** 集成电路 2025年12月12日 寒武纪-U（688256）深度研究报告 # 国产AI芯片领军者，云边端共铸核心壁垒 “云-边-端”全场景布局，国产AI芯片龙头。公司成立于2016年，作为国内AI芯片领域领军企业，核心聚焦AI芯片研发与技术创新。公司构建“云-边-端”全场景产品矩阵，涵盖云端智能芯片及加速卡、边缘端智能芯片及加速卡、终端智能处理器IP三大核心业务，产品包括思元590、思元370等云端训练与推理芯片，可满足互联网、金融、交通、能源等多行业AI应用场景需求。技术层面，公司已形成从指令集架构、芯片设计到基础系统软件的完整技术体系，是国内少数具备全栈自研能力的AI算力解决方案提供商，且已实现云端AI训练芯片大规模商用。2024Q4以来，公司营收持续爆发，2025Q1-2025Q3，公司连续三个季度实现营收增速 $+4230.22\% / + 4425.01\% / + 1332.52\%$ ，商业化提速发展。凭借“云-边-端”全场景产品矩阵、全栈自研技术及云端AI训练芯片商用突破，叠加连续高业绩增速，公司持续夯实行业领军地位。 全球算力市场需求大爆发，国产替代加速发展。行业端，全球GPU市场正经历结构性变革，人工智能、大数据、云计算等技术爆发式发展推动算力需求持续攀升。据弗若斯特沙利文数据显示，到2029年，我国AI芯片市场规模将从2024年1425.37亿元激增至13367.92亿元，2025年至2029年期间年均复合增长率为 $53.7\%$ 。从细分市场上看，GPU市场增长速度最快，其市场份额预计将从2024年 $69.9\%$ 上升至2029年 $77.3\%$ 。美国对高端芯片出口限制倒逼国内算力自主可控进程提速，国内厂商凭借对下游客户需求的快速响应和本地化服务，已在特定领域取得一定市场份额，并持续向新应用领域延伸。 全栈技术自主及定增加码，构筑核心竞争壁垒。硬件端，当前已迭代至第五代MLUarch微架构，7nm工艺思元590芯片集群FP16算力达2.048PFLOPS，支持Chiplet异构集成与MLU-Link8卡互联技术，性能对标国际主流产品；软件端NeuWare统一基础系统软件平台实现“一次开发、多端部署”，兼容TensorFlow、PyTorch等主流AI框架，同时通过开源Torch-MLU等工具链降低客户应用迁移成本，开发者社区规模持续扩容。成长规划上，公司已经通过定增募集39.85亿元，重点投向大模型芯片平台（研发训练/推理/多模态芯片）与软件平台（构建编译/训练/推理全栈工具链），针对性突破大模型对高并行度、高存储效率的核心需求；公司正通过持续投入研发“边缘及车载智能芯片”等项目，长期拓展智能驾驶、智能制造等新兴场景的应用，逐步缩小与国际龙头的技术代差，为业绩增长注入长期动力。 投资建议：作为国内AI芯片领域的头部企业，寒武纪构建了从指令集架构到芯片设计、再到基础系统软件的完整技术体系。受益于AI算力需求持续增长，公司产品在互联网、运营商、金融等多个重点行业应用场景落地，业务有望实现爆发式增长。我们预计公司2025-2027年营业收入为72.62、132.28、206.85亿元，对应增速 $518.3\%$ 、 $82.2\%$ 、 $56.4\%$ ；归母净利润为25.20、48.97、77.99亿元，对应增速分别为 $657.0\% /94.4\% /59.3\%$ ；对应EPS分别为5.98、11.61、18.49元。首次覆盖，给予“推荐”评级。 风险提示：技术迭代与生态建设不及预期；供应链与外部环境不稳定；客户集中度过高。 主要财务指标 2024A 2025E 2026E 2027E 营业总收入(百万) 1,174 7,262 13,228 20,685 同比增速(%) 65.6% 518.3% 82.2% 56.4% 归母净利润(百万) -452 2,520 4,897 7,799 同比增速(%) 46.7% 657.0% 94.4% 59.3% 每股盈利(元) -1.07 5.98 11.61 18.49 市盈率(倍) -1,288 231 119 75 市净率(倍) 107.5 48.6 34.5 23.6 资料来源：公司公告,华创证券预测 注：股价为 2025 年 12 月 11 日收盘价 # 推荐（首次） 当前价：1382.02元 # 华创证券研究所 # 证券分析师：吴鸣远 邮箱：wumingyuan@hcyjs.com 执业编号：S0360523040001 # 联系人：周楚薇 邮箱：zhouchuwei@hcyjs.com 公司基本数据 总股本(万股) 42,168.52 已上市流通股(万股) 41,835.02 总市值(亿元) 5,827.77 流通市值(亿元) 5,781.68 资产负债率(%) 10.12 每股净资产(元) 27.04 12个月内最高/最低价 1,587.91/523.50 市场表现对比图(近12个月) # 投资主题 # 报告亮点 本报告对寒武纪自研MLU指令集及微架构的技术特点进行分析，系统梳理其“云-边-端”一体化产品矩阵的协同效应；结合公司最新定增项目（已募集资金39.85亿元），依据项目规划与行业趋势，评估公司在大模型算力领域的布局方向及潜在发展空间，并分析其在国内GPU市场份额的潜在提升路径。 报告通过对比国际龙头与国内厂商的技术发展情况，分析寒武纪在AI芯片性能、能效及生态构建方面的差异化特点；同时，结合行业数据与政策动态，探讨国产替代窗口期下的投资逻辑。 # 投资逻辑 投资逻辑框架主要基于技术、市场、战略三大维度： 技术壁垒巩固：寒武纪MLUarch®系列微架构已迭代至第五代，支持FP32至INT4全精度计算，思元系列芯片在训练-推理一体化布局中性能对标国际领先产品；硬软协同的NeuWare平台降低开发门槛，生态粘性持续增强。 需求端爆发：AI大模型参数激增拉动GPU需求，国内云厂商（如阿里巴巴、腾讯）及运营商CAPEX向算力倾斜，IDC预测2029年中国AI芯片市场规模将显著增长至13,367.92亿元，其中GPU份额占比将达 $77.3\%$ 战略拐点显现：公司2025年前三季度营收同比增长 $2386.38\%$ ，盈利由负转正，定增项目聚焦面向大模型的芯片与软件平台，有望进一步抢占国产替代红利；政策端算力券定向补贴加速需求释放。 # 关键假设与盈利预测 公司作为国内AI芯片领域的头部企业，构建了从指令集架构到芯片设计、再到基础系统软件的完整技术体系。受益于AI算力需求持续增长，公司产品在互联网、运营商、金融等多个重点行业应用场景落地，业务有望实现爆发式增长。我们预计公司2025-2027年营业收入为72.62、132.28、206.85亿元，对应增速 $518.3\%$ 、 $82.2\%$ 、 $56.4\%$ ；归母净利润为25.20、48.97、77.99亿元，对应增速分别为 $657.0\% /94.4\% /59.3\%$ ；对应EPS分别为5.98、11.61、18.49元。首次覆盖，给予“推荐”评级。 # 目录 # 一、科研技术背景强大，国产人工智能芯片龙头企业 6 （一）研发实力雄厚，中国AI芯片领域领军企业之一 6 （二）营收规模突破与盈利拐点显现，产品结构聚焦高价值赛道 8 # 二、GPU市场需求爆发，国产替代空间广阔 13 （一）产业链：芯片设计为核，GPU成AI计算驱动引擎 13 （二）需求端爆发：GPU市场增长，云厂商AI资本支出提速 16 1、AI大模型拉动GPU需求大幅提升 16 2、国内云巨头与运营商共同加码AI算力CAPEX 18 （三）供给端重构：美国升级芯片出口限制，国产芯片加速追赶 19 # 三、硬软协同筑壁垒，算力加码强全栈 25 （一）技术领先：自主构建AI芯片技术壁垒，硬软协同破局 25 1、硬件性能突出：产品性能迭代突破，瞄准高端算力需求 25 2、软件生态与开发者支持：开放易用体系降低门槛，生态粘性持续增强……27 （二）战略布局：定增加码大模型算力，强化全栈技术竞争力 29 # 四、盈利预测 31 # 五、风险提示 33 # 图表目录 图表 1 公司历史沿革 图表2公司股权架构图（数据截至2025年10月16日） 图表3公司核心技术团队介绍 图表 4 公司主要产品及业务介绍 ..... 8 图表 5 公司 2020-2025 年前三季度营业收入. 图表6公司2020-2025年前三季度归母净利润 图表7公司2020-2025年上半年主要产品营收 图表8公司2020-2025年上半年主要产品毛利率 图表 9 公司毛利率、净利率情况 ..... 10 图表 10 公司三费情况. 10 图表 11 研发费用情况 ..... 10 图表 12 研发人员及其占比情况 图表 13 公司存货情况. 11 图表 14 公司预付款项情况. 11 图表 15 公司经营性现金流情况 ..... 12 图表 16 公司加权 ROE 及 ROA 情况 ..... 12 图表 17 AI 计算加速芯片产业链 图表 18 AI 算力的特征 ..... 14 图表 19 GPU 的构成 ..... 14 图表 20 GPU 关键参数介绍 ..... 15 图表 21 GPU 生态系统图 图表 22 中国人工智能市场支出预测 ..... 17 图表 23 中国人工智能市场支出预测（行业）2026 ..... 17 图表 24 2020-2029 年我国 AI 计算加速芯片市场规模. 17 图表 25 2024-2029 年我国 GPU 芯片及其他 AI 芯片市场份额. 17 图表26 国内云巨头CAPEX投入规模及增长趋势（单位：亿元，%） 18 图表 27 三大运营商 CAPEX 投入规模及增长趋势 (单位：亿元,%) ..... 19 图表 28 英伟达与超威半导体对比情况 ..... 20 图表 29 近年美国科技领域部分限制 ..... 20 图表 30 我国 AI 芯片相关政策工程 (部分) ..... 21 图表 31 部分省份及城市算力券政策要点 ..... 22 图表 32 国际龙头企业及国内重点企业人工智能芯片发展情况 ..... 23 图表33 2024H1我国GPU市场份额 ..... 24 图表 34 寒武纪智能芯片架构演进 ..... 25 图表35 寒武纪智能芯片领域通用性核心技术积累 26 图表 36 寒武纪云端 AI 芯片及加速卡技术参数 ..... 27 图表 37 Cambricon Neuware 框架 ..... 27 图表38 寒武纪开发者社区 28 图表 39 寒武纪 GitHub 项目 ..... 28 图表 40 市场主流 AI 芯片厂商研发进展对比表 ..... 29 图表 41 本次募集资金投资项目的具体情况 ..... 29 图表 42 面向大模型的芯片平台项目进度安排 30 图表 43 面向大模型的软件平台项目进度安排 30 图表 44 公司主营业务拆分及预测 (单位：百万元) 31 # 一、科研技术背景强大，国产人工智能芯片龙头企业 # （一）研发实力雄厚，中国AI芯片领域领军企业之一 专注AI芯片研发，我国AI芯片领域领军企业之一。寒武纪成立于2016年，专注于人工智能芯片产品的研发与技术创新，致力于打造人工智能领域的核心处理器芯片。公司始终围绕“云-边-端”全场景战略持续开展技术迭代与产品演进，已完成多代架构升级，具体来看：2016-2018年，先后推出1A/1H/1M处理器及思元100系列芯片，初步构建云端与边缘端产品体系；2019年，推出第二代云端芯片思元270，并于2021年科创板上市后发布思元290训练芯片及玄思1000加速器。2021年，实现思元370量产，同步推出MLU370系列加速卡，完成训练-推理一体化产品布局。2022-2024年，MLU370-X8及思元590芯片已与智象未来、百川智能等大模型客户完成全面适配，进入生成式AI算力供应链。当前，寒武纪产品广泛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应用场景提供充裕算力，推动人工智能赋能产业升级。 图表1公司历史沿革 资料来源：公司公告，华创证券 股权结构稳定，重要股东具备国资背景。自寒武纪上市以来，公司创始人、董事长、总经理陈天石博士一直为公司控股股东与实控人，截至2025年10月16日，寒武纪股权结构保持稳定：陈天石直接持有公司 $28.35\%$ 股份，同时，陈天石是北京艾溪科技中心（有限合伙）的执行事务合伙人及实控人，艾溪合伙持有公司 $7.27\%$ 股份，陈天石博士合计拥有公司 $35.62\%$ 的表决权继续巩固实际控制人地位。公司第二大股东北京中科算源资产管理有限公司持股比例为 $15.57\%$ ，其为中国科学院计算技术研究所全资设立的国有法人单位。中科算源的参与为公司长期技术发展路径与经营战略提供了稳定支撑。 图表 2 公司股权架构图(数据截至 2025 年 10 月 16 日) 资料来源：WIND、华创证券 核心技术成员兼具深厚学术背景与丰富行业经验，为公司战略延续与技术发展提供了重要保障。团队技术背景突出，核心研发由多位中国科学院计算技术研究所博士主导：董事长陈天石从事人工智能和处理器芯片等相关领域工作近二十年，自2010年起历任计算所助理研究员至博士生导师，2016年创立公司以来领导公司跻身全球智能芯片公司前列。公司核心研发人员多毕业于著名高校或科研院所，拥有计算机、微电子等相关专业的学历背景，多名骨干成员拥有知名半导体公司多年的工作经历。整体来看，管理层在人工智能与芯片技术领域具备深厚积累，为公司后续产品迭代与商业化扩张提供了持续支撑。 图表3 公司核心技术团队介绍 姓名 职务 年龄 介绍 陈天石 董事长、总经理、核心技术人员 40 中国科学技术大学计算机软件与理论专业博士学历，2010年7月至2019年9月就职于中国科学院计算技术研究所，历任助理研究员、副研究员及硕士生导师、研究员及博士生导师。2016年3月创立公司，现任公司董事长、总经理、核心技术人员。 陈帅 副总经理、核心技术人员 39 中国科学院计算技术研究所计算机系统结构博士学历。2014年至2015年，任中国科学院计算技术研究所工程师。2015年至2016年，任多伦多大学电子和计算机工程系博士后。2016年至今，就职于寒武纪，现任公司副总经理、核心技术人员。 王在 董事、副总经理 41 中国科学技术大学计算机应用技术博士学历。2011年至2015年就职于郑州商品交易所并任核心交易系统工程师，2016年至2018年就职于中科院计算所从事科研工作。2016年作为公司创始团队成员加入公司，现任公司董事、副总经理。 刘少礼 董事、副总经理 38 中科院计算所计算机系统结构博士学历。2014年至2019年就职于中科院计算所并任副研究员。2016年作为创始团队成员加入公司，现任公司董事、副总经理、核心技术人员。 刘毅 副总经理、核心技术人员 40 北京大学微电子与固体电子学硕士学历。2010年至2012年，就职于龙芯中科，任工程师。2012年至2016年，就职于上海英伟达半导体（科技）有限公司任高级工程师。2016年至今，就职于中科寒武纪科技股份有限公司，现任公司副总经理、核心技术人员。 张尧 副总经理、核心技术人员 39 中国科学院计算技术研究所计算机系统结构硕士研究生学历。2012年至2014年任计算技术研究所微处理器中心助理工程师。2014年至2015年任龙芯中科高级工程师。2015年至2016年任北京小米松果电子有限公司高级工程师。2016年至今，就职于中科寒武纪科技股份有限公司，现任公司副总经理、核心技术人员。 资料来源：公司公告，华创证券 产品矩阵完善，提供云边端一体、软硬件协同的人工智能综合解决方案。公司主要产品线包括云端产品线、边缘产品线、IP授权及软件。在云端产品方面，寒武纪推出思元370芯片、加速卡及训练整机，凭借支持多数据位宽，超大容量和低功耗特点，为云服务商提供强大算力支持；在边缘端产品方面，寒武纪推出了思元220边缘计算模组，有效处理本地数据，减少延迟，在物联网和智慧城市场景中广受好评。软件侧，公司提供IP授权及软件生态配套研发。硬件侧，公司思元系列产品覆盖AI算力行业的计算集群、自动驾驶、边缘计算和AIOT设备全领域。近年来，公司积极拥抱生成式AI浪潮。2023年，公司从底层硬件架构出发，针对自然语言处理、视频图像生成等软件使用重点场景进行优化，提升产品在编程开发的灵活性、易用性、性能、能耗、面积等方面的竞争力。 图表 4 公司主要产品及业务介绍 产品线 产品类型 产品特征 云端产品线 云端智能芯片及加速卡 为云计算和数据中心场景中的人工智能应用提供高计算密度和高能效的硬件资源，以支持这些场景下复杂性和数据吞吐量的快速增长所需的人工智能处理任务。 智能整机 面向有技术基础的商业客户提供计算集群中单体训练服务器。 边缘产品线 边缘智能芯片及加速卡 有效弥补终端设备计算能力不足，缓解云计算场景中数据隐私、带宽延时限制的隐患。 IP授权及软件 IP授权 授权分享智能处理器IP到客户产品中给其使用。 基础系统软件平台 通过消除不同场景间的软件开发壁垒，同时具备灵活性和可扩展性的特点，使得同一人工智能应用程序无需复杂的移植过程，就能在公司云、边缘端以及系列化芯片与处理器产品上便捷且高效地运行。 智能计算集群系统业务 数据中心集群 要聚焦人工智能技术在数据中心的应用，为人工智能应用部署技术能力相对较弱的客户提供软硬件整体解决方案，以科学地配置和管理集群的软硬件、提升运行效率。 资料来源：公司年报，华创证券 # （二）营收规模突破与盈利拐点显现，产品结构聚焦高价值赛道 公司业绩拐点确立，云端芯片成为核心增长引擎。2020-2025H1，寒武纪完成从战略调整期到业绩爆发期的关键转型，核心财务指标呈现显著改善趋势。1）营收端呈现阶梯式增长。2020-2023年，受行业周期波动及供应链因素影响，公司营业收入分别为4.59亿元、7.21亿元、7.29亿元、7.09亿元。2024年，随着云端智能芯片开始实现规模化商业落地，公司营收同比大幅增长 $65.56\%$ 至11.74亿元，成功达成股权激励设定的“2024年营收不低于11亿元”目标。2025年前三季度，云端产品线在互联网及运营商等头部客户大额订单支撑下实现爆发式增长，公司营收显著增长至46.07亿元，同比增长 $2386.38\%$ ，标志着公司进入规模化盈利阶段。2）盈利端实现由亏转盈。2020-2022年，受持续高强度研发投入及资产折旧等因素影响，公司归母净利润亏损有所扩大。2024年随着规模效应显现及业务结构优化，公司亏损收窄至-4.52亿元。2025年前三季度，公司实现归母净利润16.05亿元，同比大幅增长 $321.49\%$ ，完成从亏损到盈利的历史性成就，彰显公司商业化能力的实质性提升。 图表5公司2020-2025年前三季度营业收入 资料来源：WIND，华创证券 图表6公司2020-2025年前三季度归母净利润 资料来源：WIND，华创证券 产品结构持续优化，战略聚焦成效显著。公司产品结构持续向高毛利、高增长的云端智能芯片及加速卡与智能计算集群系统集中，边缘端及终端业务占比逐步收缩，战略转型成效显著。具体来看：1）云端智能芯片及加速卡业务作为公司技术核心产品，2020-2023年营收分别为 $0.86 / 0.80 / 2.19 / 0.9$ 亿元，2024年实现跨越式增长至11.66亿元——这一增长部分源于业务结构转型，寒武纪的营收来源从过去依赖政府项目的智能计算集群业务，转向以云端芯片产品线为主，营收占比高达 $99.3\%$ ，成为绝对主导收入来源；2020-2024年该业务毛利率维持在 $56.69\% -76.30\%$ 区间，彰显技术壁垒支撑下的较强定价能力。2）边缘端智能芯片及加速卡业务，2021年因客户合作放量实现营收1.75亿元，营收占比为 $24.3\%$ ，2024年营收降至0.07亿元，营收占比为 $0.6\%$ ，毛利率波动区间为 $31.11\% -55.88\%$ 。3）终端智能处理器IP业务，毛利率保持 $99\%+$ ，凸显IP授权业务的轻资产、高盈利特性。2025年前三季度，公司营收达46.07亿元，同比增长 $2386.38\%$ ；其中2025H1， $99.6\%$ 收入来自云端AI芯片业务，公司战略聚焦算力主赛道成效显著，产品结构优化有力支撑了盈利能力提升。 图表7公司2020-2025年上半年主要产品营收 资料来源：WIND，华创证券 图表8公司2020-2025年上半年主要产品毛利率 资料来源：WIND，华创证券 盈利能力持续改善，三费费率持续优化。1）公司毛利率保持在较高水平，2020-2023年分别为 $65.38\%$ 、 $62.39\%$ 、 $65.76\%$ 和 $69.16\%$ ，体现了公司在智能芯片领域的技术壁垒与定价能力优势；2024-2025年前三季度，受业务结构变化影响，毛利率略有回落至 56.71%和55.29%，但仍保持较强市场竞争力。2）净利率方面，公司经历持续亏损后实现重要转折。2020-2024年净利率分别为-94.68%、-115.08%、-181.75%、-123.78%和-38.91%，亏损幅度逐年收窄，2025年前三季度净利率大幅改善至34.81%，实现由负转正。3）费用管控方面，公司费率呈现持续优化趋势。销售费用率由2020年的9.79%显著下降至2025年前三季度的0.93%，主要系注重投入产出效率，通过精准营销与客户拓展推动业务增长；管理费用率从2020年的35.97%下降至2025年前三季度的2.99%，主要受益于营收规模扩大带来的摊薄效应及内部管理效率提升。整体来看，费用结构的持续优化为公司盈利能力提升提供了有力支撑。 图表 9 公司毛利率、净利率情况 资料来源：WIND，华创证券 图表 10 公司三费情况 资料来源：WIND，华创证券 研发驱动技术壁垒巩固，人才梯队建设合理。公司保持研发战略定力，2020-2024年研发费用分别为7.68亿元、11.36亿元、15.23亿元、11.18亿元和12.16亿元，2025年前三季度达8.43亿元，同比增长 $27.89\%$ ，为新一代智能处理器微架构、指令集及基础软件平台的持续优化提供坚实保障。研发团队结构持续优化，2025年上半年研发人员达792人，占员工总数 $77.95\%$ ，其中硕士及以上学历占比 $80.18\%$ ，研发队伍结构合理，技能全面，有力支撑公司技术创新与产品研发能力。 图表11 研发费用情况 资料来源：WIND，华创证券 图表 12 研发人员及其占比情况 资料来源：WIND，华创证券 存货与预付款项变动反映业务聚焦成效，运营资金管理与业务战略协同性增强。1）存货方面，2020-2025年前三季度公司存货价值分别为0.91/2.87/2.87/0.99/17.74/37.29亿元；2021年存货同比大幅增长 $217\%$ ，主要系库存商品和委托加工备货增加所致；2022年边缘端市场需求收缩，存货维持2.87亿元；2023年公司战略聚焦云端芯片业务，库存管理精准度显著提升，存货规模下降；2024年因云端战略备货存货同比增长 $1685\%$ 。2025年前三季度受云端芯片订单放量影响，在互联网及运营商客户大额订单推动下，公司适度增加原材料与在产品备货，存货规模同比增长 $267.39\%$ 升至37.29亿元。2）预付款项变动与公司供应链协作及研发投入密切相关，2020-2024年分别为 $0.09 / 0.85 / 0.08 / 1.48 / 7.74$ 亿元，2025年前三季度达6.90亿元。2021年预付款项增长主要源于为保障边缘端芯片产能而预付的晶圆代工费用；2023年因云端芯片研发需要，公司提前锁定关键测试资源，预付研发相关服务费用增至1.48亿元；2024年公司预付款项随业务规模扩张持续增长，截至2024年年末增至7.74亿元，较上年年末大幅增长 $424\%$ 。整体来看，公司存货与预付款项等营运资金的变动与业务发展节奏高度协同。存货规模的灵活调控与供应链预付安排的针对性，共同体现了公司根据业务阶段动态管理运营资金的能力。 图表 13 公司存货情况 资料来源：WIND，华创证券 图表 14 公司预付款项情况 资料来源：WIND，华创证券 现金流与资产利用效率显著改善，公司步入良性发展轨道。公司经营性现金流持续改善，销售回款能力增强与成本管控优化共同驱动资金状况好转，为业务扩张与研发投入提供稳定支撑。1）经营活动现金流量净额2025年前三季度大幅收窄至-0.29亿元。从阶段性特征看，2021-2022年公司现金流承压，主要受研发投入、业务备货与存货减值等因素影响。2023年经营性现金流同比改善至-5.96亿元，核心驱动因素为智能计算集群项目验收后销售回款增加以及公司优化采购策略使采购支出减少。2024年公司主动增加经营性采购支出，为后续业务发展奠定基础。2025年前三季度，公司经营性现金流实现质的突破，大幅收窄至-0.29亿元，主要受益于云端芯片大规模交付后销售回款大幅增加，互联网与运营商客户付款履约能力提升，叠加经营性应收项目周转效率改善，标志着公司经营质量实现实质性突破。2）资产利用效率同步提升，受前期研发投入资本化及折旧摊销影响，2020-2024年加权ROE与ROA均处于负值区间。随着2025年前三季度公司盈利转正，加权ROE与ROA分别提升至 $33.61\%$ 和 $22.14\%$ ，反映资产利用效率显著改善。 图表 15 公司经营性现金流情况 资料来源：WIND，华创证券 图表 16 公司加权 ROE 及 ROA 情况 资料来源：WIND，华创证券 # 二、GPU市场需求爆发，国产替代空间广阔 # （一）产业链：芯片设计为核，GPU成AI计算驱动引擎 # AI计算加速芯片产业链分为上、中、下游三部分，中游设计为产业核心环节。 1）中游芯片设计环节处于产业链核心地位，决定行业技术路线与竞争格局；设计厂商可采用 IDM或Fabless模式，部分企业同时具备自研EDA与IP能力，进一步巩固其战略枢纽角色。中游除设计外，还涵盖晶圆制造、封装测试，分别由晶圆代工厂与封测厂完成，保障芯片性能与可靠性。 2）上游提供设计环节所需的EDA/IP工具及制造环节所需的设备与材料，为设计与制造奠定技术与资源基础。 3）下游为分销及系统集成，分销商负责芯片流通，系统制造商（ODM）将芯片导入终端方案，最终应用于AI加速、机器人、自动驾驶、元宇宙、数字孪生、科学计算、工业自动化及消费电子等多元场景。 图表 17 AI 计算加速芯片产业链 资料来源：《摩尔线程招股说明书》 AI算力芯片是指专门为AI应用设计的处理器芯片，具备并行计算能力以及针对特定神经网络计算的架构。AI算力芯片具备高效的计算能力和针对深度学习、机器学习等AI任务的加速性能，通常具有并行计算能力和针对特定神经网络计算的架构，广泛应用于语音识别、图像处理、自然语言处理等AI场景。AI算力强调使用专门为人工智能算法优化的硬件加速器，如GPU、TPU等。与通用计算任务相比，人工智能算法训练往往需要处理大量样本数据，单个训练任务的计算量常常以亿级及以上计算规模计量。 图表 18 AI 算力的特征 # 采用专门的AI加速器硬件 AI算力主要依靠GPU、TPU等AI加速卡来提供计算能力。这些加速器的架构专门针对人工智能算法的计算模式进行了优化 # 计算强度大 人工智能算法训练往往需要处理大量样本数据，单个训练任务的计算量通常以兆级甚至亿级计算规模计量。这对算力的计算能力提出了很高要求 # 并行计算能力强 人工智能算法依赖大规模并行计算来提升训练速度。AI算力通过集群式部署满足重度并行计算任务的需求 资料来源：前瞻产业研究院，华创证券 GPU：从图形渲染到计算加速的核心处理器。GPU（图形处理芯片）又称显示核心、视觉处理器、显示芯片，是一种主要用于计算加速领域的微处理器。GPU早期主要应用于图形渲染，随着软硬件技术的迭代，其应用已广泛扩展至计算加速领域。作为一种专为并行计算设计的微处理器，GPU凭借其大规模并行架构，能够高效执行海量计算任务。GPU的核心竞争力源自两大支柱：一是决定其算力与能效的微架构设计；二是由开发工具、程序库及API构成的成熟软件生态，显著降低了开发门槛并提升各场景下的调用效率。在人工智能浪潮的推动下，GPU已成为AI训练与推理领域的主流算力基石。其高带宽内存与并行计算特性高度契合神经网络中的矩阵运算、卷积操作等关键需求。此外，GPU也广泛应用于科学计算与数据分析等多个高性能计算领域，逐步成长为现代计算基础设施中不可或缺的核心组件。 指决定处理能力与效率的内部架构与设计。 图表 19 GPU 的构成 微架构 TPC TPC TPC TPC 顶层：GPC-负责整体功能调度 第二层：TPC-进行纹理处理 # # # # 第三层：SM-专门执行实际图形处理任务，包括内置核心、寄存器等。 软件生态系统 除了微架构、API和软件生态系统，GPU还包括其他组件，如VRAM（视频内存）、内存接口、图形和计算管线、电源管理、冷却系统、接口和连接、BIOS等。 第四层：核心-执行计算ALU $^+$ FPU $^+$ 执行上下文 $^+$ 解码 其他组件 围绕GPU硬件建立的一整套开发工具、库、框架及支持环境，旨在提高开发效率、优化性能并加速各类应用的广泛部署。 确保软件充分利用GPU处理能力 性能分析和优化工具 针对特定计算任务的优化：高效的预算算法 加速后 软件生态系统 洋和源恒 允许开发人员编写与GPU硬件直接交互的代码 基本硬件操作界面：高效利用GPU计算资源 API - 一组定义软件和硬件之间通信规则和功能的接口。 - 规范了开发人员通过API调用访问和控制GPU功能的方式，提供了广泛的图形和计算能力。 资料来源：《摩尔线程招股说明书》 单卡侧，GPU的综合性能由核心数量、工作频率、显存容量、显存带宽、计算能力及计算精度等多个关键参数共同决定。这些核心指标的综合水平，直接影响GPU在AI训练与推理、图形渲染以及科学计算等重要应用场景中的实际效能。当前，主流GPU厂商持续致力于提升核心数、频率、显存配置及算力精度等关键技术指标，通过不断创新推动GPU性能迭代升级，为众多行业与应用场景的数字化进程提供坚实支撑。 图表 20 GPU 关键参数介绍 参数名称 参数简介 参数性能 核心数量 作为GPU的核心指标,核心数量越多,GPU在处理图形渲染、科学计算、AI计算加速等任务时能够处理更多线程,提升运算效率。 核心数的增加不仅可以显著提升性能,也能有效分摊工作负载,从而更好地满足高强度计算需求。 时钟速度 时钟速度指GPU每秒可执行的时钟周期数,对数据处理速度和性能输出具有直接影响。 更高的时钟速度意味着在同等时间内能够完成更多的运算任务,满足对实时性、低延时的应用场景需求。 显存容量 显存是GPU临时存储数据的空间,容量的大小在处理大型数据集、高分辨率图像或视频时尤为重要。 较大的显存容量可减少GPU与系统内存之间的频繁数据传输,在多任务或高分辨率场景下有效提升性能和效率。 显存带宽 显存带宽指单位时间内GPU内部存储器可传输的数据量。 较高的显存带宽确保了在面对高负载时,数据能被快速送达处理核心,进而维持流畅的运行效率。对需要高吞吐量的应用(如深度学习推理或复杂图形渲染)而言,显存带宽是关键的性能瓶颈之一。 计算能力 计算能力通常以GFLOP/S(每秒十亿次浮点运算)表示,是衡量GPU并行计算性能的主要指标。 更高的计算能力意味着在AI计算、科学计算、工程模拟等高强度场景中可以实现更快的运算速度和更高的产出。 算精度覆盖范围 GPU支持的计算精度范围(如FP64、FP32、FP16、FP8、INT8等)反映了其在多样化任务中的灵活度。 随着AI技术的不断演进,不同的应用场景对计算精度的要求也各不相同。能够支持多种精度水平的GPU不仅具备更高的灵活度,也能在多样化的AI任务中实现更佳的性能与能效。 资料来源：《摩尔线程招股说明书》、华创证券 生态侧，GPU生态系统由上层算法库、中层接口、驱动程序、编译器及底层硬件架构等多环节构成，是支撑GPU高效运行与广泛应用的核心体系。其关键组件包括两方面：一是决定处理能力与效率的微架构；二是由开发工具、程序库及应用程序接口（API）组成的软件生态，后者为开发者在各类场景中高效调用GPU计算能力提供保障。具体来看，GPU生态系统的核心构成可分为三大层面： (1) 硬件基础: 以 GPU 微架构为核心, 包含计算核心、存储单元、通信接口等硬件组件, 决定 GPU 的基础算力与性能边界; (2) 软件层: 涵盖驱动程序、编译器、 DirectX/OpenGL/CUDA 等 API, 以及数学库、深度学习框架等算法库, 是连接硬件与应用的关键桥梁; (3) 开发者生态: 完善的生态是技术落地的重要支撑, 例如英伟达 CUDA 生态通过丰富的工具和库推动 GPU 在多领域规模化应用; 同时, 统一编程模型与兼容接口能降低开发门槛, 如摩尔线程 MUSA 架构兼容主流生态, 可减少跨平台开发成本。 图表 21 GPU 生态系统图 资料来源：《摩尔线程招股说明书》 # （二）需求端爆发：GPU市场增长，云厂商AI资本支出提速 # 1、AI大模型拉动GPU需求大幅提升 我国AI大模型市场蓬勃发展。从全球市场来看，IDC数据显示，2024年全球生成式AI市场五年CAGR或达 $63.8\%$ ；到2028年，该市场规模将达到2842亿美元，占AI市场投资总规模的 $35\%$ 。聚焦我国市场，2024年我国生成式AI占AI市场投资总规模的 $18.9\%$ 。伴随生成式AI技术的快速发展，这一占比将持续提升，预计到2028年，我国生成式AI投资占比将达到 $30.6\%$ ，投资规模超300亿美元，对应的五年CAGR为 $51.5\%$ 。 从长期发展动力来看，AI技术的创新迭代不断推动应用场景进一步落地，其中AIGC、多模态、智能决策等热点方向，为市场拓展带来了更多想象力与可能性。同时，“数字化”、“数智化”转型背景下，AI大模型被政府、企业广泛关注并积极推动，为我国AI市场规模的长期增长奠定了基础。从行业应用来看，在五年预测期内AI支出主要来自专业服务领域的行业用户、政府和金融行业，合计约占市场总量 $50\%$ 以上。增长速度来看，银行和地方政府增速最快，五年CAGR均超 $23\%$ 。 图表 22 中国人工智能市场支出预测 中国AI与生成式AI市场规模预测，2023-2028 来源：IDC中国，2025 图表 23 中国人工智能市场支出预测(行业)2026 资料来源：IDC 中国《2025 年 V1 版全球人工智能和生成式人工 资料来源：智通财经网,转引自 IDC 中国 2023, 华创证券 智能支出指南》, 华创证券 AI大模型参数激增，推动我国GPU市场规模快速增长。当前AI技术正加快融入千行百业，超大规模AI模型和海量数据对算力的需求也持续攀升。云游戏、元宇宙、VR/AR等新应用场景加速发展，大模型的训练和推理过程进一步带动算力需求爆发，同时也推动算力需求由通用性CPU算力向高性能GPU算力发展。据摩尔线程招股说明书引用弗若斯特沙利文数据显示，到2029年，中国的AI芯片市场规模将从2024年的1,425.37亿元激增至13,367.92亿元，2025年至2029年期间年均复合增长率为 $53.7\%$ 。从细分市场上看，GPU的市场增长速度最快，其市场份额预计将从2024年的 $69.9\%$ 上升至2029年的 $77.3\%$ 图表 24 2020-2029 年我国 AI 计算加速芯片市场规模 图表25 2024-2029年我国GPU芯片及其他AI芯片市场份额 资料来源：弗若斯特沙利文，援引自《摩尔线程招股说明书》、资料来源：弗若斯特沙利文，援引自《摩尔线程招股说明书》、华创证券 华创证券 # 2、国内云巨头与运营商共同加码AI算力CAPEX 国内云厂商CAPEX投入提速，AI算力成为重点布局方向。根据科智咨询，2023年以来，除基础电信运营商外，新增AIDC投资主要由字节跳动驱动；截至2024年底，国内AIDC累计投入超过1875亿元。展望2025年，阿里巴巴、腾讯、华为等头部互联网企业计划同步扩大资本开支，叠加字节跳动新增采购，为行业持续扩张奠定基础。 - 字节跳动：公司在AI领域持续加大投入，2024年旗下子公司的火山云太行算力中心二期项目投资额约达73亿元，占地约530亩，分两期建设； - 阿里巴巴：2025-2027年，阿里将投入超过3800亿元，用于建设云和AI硬件基础设施，总额超过去十年总和，创下中国民营企业在云和AI硬件基础设施建设领域有史以来最大规模投资纪录； - 腾讯：2024年，腾讯实现营收6602.57亿元。2025年公司资本开支预计将占全年收入的“低两位数百分比”，据此测算，全年CAPEX或将接近千亿的水平； - 百度：公司将继续把提升人工智能能力作为长期战略重点进行投资，但其资本开支规模相对有限：以2024年为例，百度CAPEX约80亿元，仅为阿里巴巴同期投入的 $10\%$ 图表26 国内云巨头CAPEX投入规模及增长趋势（单位：亿元，%） 资料来源：iFind、华创证券 运营商整体CAPEX回落，但算力相关投入逆势增长。2024年，三大运营商资本开支总额约3188.7亿元，较前期略有收缩；2025年三大运营商计划投资规模合计降至约2,898亿元，延续压降趋势。尽管整体CAPEX下调，但投资结构持续优化，传统网络建设占比逐步下行，算力与AI相关投入则实现逆势提升，成为运营商适度超前布局的核心方向。 中国移动：2024年公司资本开支为1,640亿元，同比下降 $9.04\%$ ；其中算力领域投资为371亿元，占比约 $22\%$ 。公司预计2025年资本开支约为1,512亿元，较2024年小幅下调；其中算力方向计划投入373亿元，与2024年基本持平，在资本开支中的占比提升至 $25\%$ 。在2025中国移动全球合作伙伴大会主论坛上，中国移动正式发布“AI+”行动计划，表明到2028年底，中国移动将持续加大对人工智能领域的投入力度，总体投入翻一番，建成国内规模最大、技术领先的智算基础设施，探索十万卡智算集群建设，全国产智能算力规模突破100EFLOPS。 中国联通：2024年，公司资本开支为613.7亿元，同比下降 $17\%$ ；其中算力投资同 比增长 $19\%$ 。2025年，公司资本开支预算下调至约550亿元，但算力投资预计同比提升 $28\%$ ，并为人工智能重点基础设施和重大工程专项单列预算。公司高级副总裁唐永博在业绩说明会上表示，将根据智算、6G等需求以及国内外发展趋势，适时调整投资规模。 中国电信：2024年，公司资本开支为935亿元，同比下降 $5.4\%$ ，其中包括算力在内的产业数字化投为325亿元。2025年公司资本开支预算为836亿元，预计同比下滑 $10.6\%$ 但产业数字化投资占比预计提升至 $38\%$ ，算力相关投资同比增长 $22\%$ 。公司董事长柯瑞文在业绩说明会上表示，算力方面初步安排增长约 $20\%$ ，未来将根据客户需求与市场情况灵活调整投资规模。 图表27 三大运营商CAPEX投入规模及增长趋势（单位：亿元，%） 资料来源：各公司公告及业绩说明会、华创证券 # （三）供给端重构：美国升级芯片出口限制，国产芯片加速追赶 AI芯片行业整体呈现寡头垄断格局，国际龙头企业在技术、市场和生态方面具有显著优势。全球范围来看，经过多年竞争与发展，全球GPU市场头部化现象显著，整体呈寡头垄断格局，英伟达（NVIDIA）和超威半导体（AMD）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。根据沐曦股份招股说明书引用Jon Peddie Research的数据，独立GPU市场方面呈现“一超一强”格局，其中英伟达一家独大，近年来持续维持超 $80\%$ 的市场份额，而AMD公司则占据剩余近 $20\%$ 的市场份额。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CUDA生态筑造了护城河，领先优势不断扩大。根据沐曦股份招股说明书引用TechInsights数据，在GPU市场，2023年全球应用于智算中心的GPU总出货量达到了385万颗，相比2022年的267万颗增长了 $44.2\%$ 。其中，英伟达面向智算中心市场的GPU出货量达到了376万颗，市场份额超过 $90\%$ 图表 28 英伟达与超威半导体对比情况 公司名称 成立时间 主营业务及主要产品 英伟达（NVIDIA，NVDA.O） 1993年4月 主要从事GPU的设计和制造，产品应用于游戏、专业可视化、数据中心和自动驾驶等领域，在AI领域处于领先地位 超威半导体（AMD，AMD.O） 1969年5月 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 资料来源：摩尔线程招股说明书、华创证券 美国限制措施不断升级，加速国内AI芯片国产替代进程。近年来，针对芯片、先进计算等领域，美国通过出口管制、实体清单，法案等方式出台了一系列限制措施，包括调整高性能芯片受限参数、防止芯片厂商绕过限制等，芯片管制措施持续升级。据摩尔线程招股说明书数据，寒武纪、海光信息等公司的AI芯片产业化程度较高，并已在国内市场实现规模化营收。美国高端GPU出口限制逐步加强的背景下，中国企业推进国产替代的步伐正不断加快。 图表 29 近年美国科技领域部分限制 发布机构 发布时间 制裁 限制内容 美国特朗普政府 2025/4/16 出口管制 对英伟达H20芯片实施出口许可证制度，名义上允许合规申请，但因许可证“无限期生效”且实际审批停滞，或构成事实禁售（备注：当地时间7月14日，英伟达通过官网宣布将恢复向中国销售H20；2025年11月美国宣布暂停实施‘出口管制50%穿透性规则’一年，相关管制措施或存在阶段性调整） BIS 2025/3/26 实体清单 扩大实体清单至54家中国实体，新增目标包括AI、量子技术、高超音速武器相关企业，适用“推定拒绝”许可政策 BIS 2024/12/2 实体清单 将140家中国企业列入清单，针对24种半导体制造设备、3类EDA工具及HBM实施新管控，新规在之前基础上补充，涉及的设备包括蚀刻、沉积、微影等关键设备，几乎涵盖所有晶圆厂所需 美国财政部 2024/10/28 投资禁令 美国政府以美在华投资可能“威胁国家安全”为名，发布了主要针对中国半导体、量子技术、人工智能的投资禁令，并于2025年1月2日生效 BIS 2024/3/29 出口管制 进一步限制中国获取美国人工智能芯片和芯片制造工具的能力：新规不仅限制芯片本身出口，还适用于含有这些芯片的笔记本电脑等高端消费电子产品 BIS 2023/10/17 出口管制 针对芯片的出口禁令新规，是对2022年10月7日发布的规则进行修改更新的版本，调整了高级芯片受到限制的参数且出台了新的措施，防止芯片厂商绕过限制政策；同时制裁13家中企 BIS 2023/3/3 实体清单 28家中国企业列入实体清单，包括浪潮集团、龙芯中科、华大基因、第四范式等 BIS 2022/10/7 出口管制 1、在《出口管制清单》新增管制特定先进计算芯片、含有该等芯片的计算机产品及相关软件及技术、特定半导体制造设备及相关软件和技术、及特定半导体制造设备；2、针对先进计算及超级计算机新增两个外国直接产品规则（FDPR）规则；3、针对中国境内的超级计算机以及半导体制造“设施”开发生产特定参数集成电路的任何物项设置最终用途管制；4、对于EAR第744章附录4特定实体清单主体标注脚注4，扩大对其产品、最终用户限制范围；5、限制“美国人”直接或间接参与或帮助中国境内的半导体制造“设施”开发、生产特定集成电路或获得用于开发该等集成电路的任何物项 BIS 2022/8/12 出口管制 对具有GAAFET结构的集成电路所必需的EDA/ECAD软件、以金刚石和氧化镓为代表的超宽带半导体材料、包括压力增益燃烧（PGC）在内的四项技术实施了新的出口管制 美国总统拜登签署 2022/8/9 《芯片与科学法》 加大对美国半导体产业发展的资金支持，限制接受补贴的企业与中国合作 行政命令 授权美国财政部禁止、限制、监督美国投资者对中国、中国香港和中国澳门的特定领域投资，包含半导体和微电子、量子信息技术和人工智能 BIS 2019/5/15、8/19 实体清单 先后将华为及其 114 家附属公司列入“实体清单” BIS 2016/3/7 实体清单 将中兴通讯等中国企业列入“实体清单”，对中兴公司采取限制出口措施 资料来源：环球时报、集微网、美国白宫官网、BIS官网、新华社、芯智讯、中国首席经济学家论坛、中华人民共和国海关总署、中华网、ictimes、山东省商务厅、钛媒体、华创证券 强调“适度超前建设网络设施”，国产算力落地路径清晰。国务院提出深入实施“人工智能+”行动政策，旨在推动人工智能与经济社会深度融合。计划到2027年实现人工智能与六大重点领域广泛深度融合，到2030年全面赋能高质量发展，到2035年全面建成智能经济与社会新阶段，为中国式现代化提供核心支撑。中国信息通信研究院副院长魏亮在2025中国算力大会上表示，“国家正按照‘点、链、网、面’体系化推进全国一体化算力网络工作，通过推动优化算力布局、强化技术协同创新、适度超前建设网络设施、丰富算力应用场景，持续提升算网综合供给能力。”下一步，加快突破GPU芯片等关键核心技术，扩大基础共性技术供给。同时，东数西算工程在推进算力基建过程中，助力破解区域发展不平衡等问题，为算力基建自主化提供了资源调配与产业协同机遇，推动构建更均衡、更自主可控的算力网络。目前地方已率先落地相关布局，如甘肃庆阳市政府与燧原科技、亿算智能签订《共建国产十万卡算力集群及新质生产力生态圈战略合作框架协议》；河南2024年计划投资568亿元推进智算中心建设；截至2025年4月，宁夏标准机架、智算算卡、算力规模分别较2024年底新增2.6万张、2.3万张、3.4万P，预计2025年内新增标准机架28万架，强化“东数西算”枢纽功能；标志着我国自主可控的超大规模AI算力基础设施建设进入实质推进阶段。 图表 30 我国 AI 芯片相关政策工程 (部分) 维度 核心政策/工程 量化目标与要求 人工智能与经济社会融合发展 国务院深入实施“人工智能+”行动政策 2027年实现人工智能与六大重点领域广泛深度融合；2030年人工智能全面赋能高质量发展；2035年，全面建成智能经济与社会新阶段，为中国式现代化提供核心支撑 点、链、网、面体系化推进 算力布局政策体系 持续推动算力网络“点、链、网、面”体系化高质量发展：将推动完善算力布局政策体系，引导各地合理布局智能算力设施；加快突破GPU芯片等关键核心技术，扩大基础共性技术供给；面向教育、医疗、能源等重点行业，开展算力赋能专项行动。 算力基建自主化 “东数西算”工程 为算力基建自主化提供了资源调配与产业协同机遇，推动构建更均衡、更自主可控的算力网络； 地方协同布局 省级/市级算力规划 地方政府主导推进，通过项目签约、资金投入等落地：河南计划投资568亿元推进智算中心建设；宁夏2025年内预计新增28万架标准机架，扩容枢纽节点能力；甘肃庆阳市共建国产十万卡算力集群及生态圈。 资料来源：人民日报、经济日报、庆阳融媒、华创证券 算力券定向补贴落地，助力国产AI算力需求释放。超长期特别国债资金以“算力券”形式定向支持智算需求侧，成为推动AI产业发展的重要政策工具。从地方推进节奏看，北京、贵州、浙江、天津、河南、安徽、河北、深圳等省市已率先出台实施细则。这种定向支持不仅能直接刺激企业对国产智算资源的需求，还或将加速寒武纪、海光、昇腾等国 内厂商的技术迭代与规模扩张，推动AI产业链上下游协同发展，为各地产业数字化转型提供有力支撑。 图表 31 部分省份及城市算力券政策要点 省份/城市 发布时间 补贴比例 河南省 2025年8月9日 使用算力资源的企业每年可享不超过100万元算力券奖励 石家庄市 2025年7月2日 按照购买算力资源费用的50%予以补贴，最高不超过100万元算力券；每家企业每年享受奖补累计不超过100万元算力券 安徽省 2025年5月18日 补贴比例按照10%或30%比例分档补助；服务合同实际执行金额核价后，按照智算算力服务支持比例计算补贴金额；核价后金额高于或等于限高价的，统一按照限高价补贴 浙江省 2025年5月16日 智算算力服务支持比例按照10%或30%比例分档补助；服务合同实际执行金额核价后，按照智算算力服务支持比例计算补贴金额；核价后金额高于或等于限高价的，统一按照限高价补贴 天津市 2025年4月27日 按照算力服务合同的10%申请算力券，同一企业每年度累计兑现算力券金额不超过200万元，同一合同仅能申请一次算力券且申请补贴金额不低于1万元 深圳市 2025年3月31日 年租用智能算力开展AI大模型训练、推理费用达到50万元（含）以上，以训力券单次抵扣不超过服务合同金额的50%。同一需求方年度累计申请的训力券额度最高1000万元 贵州省 2024年11月13日 对使用本地国产化算力开展适配的，可按适配服务金额的30%给予现金券的激励，同一适配需求主体年度累计激励额度不超过150万元 北京市 2023年10月11日 单次申领算力券金额最高不超过智能算力合同额的20%，同一企业每个自然年度累计申领和兑付算力券金额不超过200万元 资料来源：各省市政府公开文件、华创证券 国内厂商凭借对下游客户需求的快速响应和本地化服务，已在特定领域取得一定市场份额，并持续向新应用领域延伸。国内市场来看，国内人工智能芯片市场呈现多元化和快速发展的特征。GPU作为人工智能芯片的重要组成部分，在人工智能计算市场占据核心地位。近年来，受到美国高性能计算芯片出口管制与国内政策推动等因素影响，海外厂商在中国市场的份额呈现明显下降趋势。国产人工智能芯片公司迎来黄金发展期，以不同技术路径切入市场，各具特色。 图表 32 国际龙头企业及国内重点企业人工智能芯片发展情况 公司 产品结构 经营模式 盈利模式 企业规模 研发实力 产业化程度 应用场景落地 技术成熟度 生态竞争能力 英伟达 基于GPU 云端和边缘端人工智能芯片 Fabless 销售芯片、加速卡以及整机系统 大型企业 2024年研发投入129.14亿美元,研发费用率9.90% 产业化程度极高,市场占有率全球领先 主要面向云端和边缘端人工智能、游戏、专业图形、汽车等应用场景 技术成熟度全球领先,且不断迭代中 生态竞争能力全球领先,CUDA生态引领国际市场 AMD 数据中心、客户端、游戏及嵌入式四大业务板块,包括CPU、GPU、FPGA、DPU、SoC等芯片产品 Fabless 销售芯片、加速卡以及整机系统 大型企业 2024年研发投入64.56亿美元,研发费用率23.23% 产业化程度高,在全球市场占有率较高 数据中心、客户端、游戏及嵌入式等多领域 成熟且不断迭代中 生态竞争能力较强,ROCm生态在专业计算等领域表现较为优异 海光信息 基于x86指令框架海光CPU和基于GPGPU架构DCU Fabless 销售CPU和DCU产品 大型企业 2024年研发投入34.46亿元,研发投入率37.61%;截至2024年底研发人员数量2,157人,占比90.18% 产业化程度较高,并已在国内市场实现规模化营收 电信、金融、互联网等领域 较为成熟且不断迭代中 积极参与开源社区,与众多厂商合作,构建软硬件生态 寒武纪 云端、边缘端、终端通用智能芯片和IP Fabless 销售IP授权、芯片、加速卡以及智能计算集群系统 大型企业 2024年研发投入10.72亿元,研发费用率91.30%;截至2024年底研发人员数量741人,占比75.61% 产业化程度较高,并已在国内市场实现规模化营收 云边端的视觉、语音、自然语言、搜索推荐等 较为成熟且不断迭代中 具备云边端一体化开发环境,支持统一的软件生态 景嘉微 GPU芯片、图形显控模块和加固类产品、小型专用化雷达等 Fabless 销售GPU芯片、图形显控模块和加固类产品、小型专用化雷达等 大型企业 2024年研发投入2.81亿元,研发费用率60.18%;截至2024年底研发人员数量586人,占比61.55% 产业化程度较高,并已在国内市场实现规模化营收 应用于图形渲染等领域,产品在图形处理和可视化等场景中广泛应用 较为成熟且不断迭代中 产品以图形渲染为主,应用场景明确 摩尔线程 基于全功能GPU的板卡、一体机及集群设备,覆盖云端、边缘端和终端场景 Fabless 销售GPU板卡、一体机和集群设备 初创企业 2024年研发投入13.59亿元,研发费用率309.88%;截至2024年底研发人员数量886人,占比78.69% 量产,并已在国内市场实现商业化 AI智算集群、专业图形加速、桌面级图形加速,以及端侧智能设备 较为成熟且不断迭代中 依托自研MUSA架构搭建国产计算加速生态 资料来源：摩尔线程招股说明书、华创证券 国产AI芯片市场份额与竞争力稳步提升。美国出口管制背景下，国内芯片产业国产化节奏加快，企业协同发展形成良好生态。海关总署数据显示，2025年1-2月，我国处理器及控制器类芯片进口额284.6亿美元，同比增长 $8.6\%$ ；同期本土出口额90.6亿美元，同比增长 $21.4\%$ ，出口增速较进口高出12.8个百分点，出口增速远超进口，显示中国芯片在全球供应链中的地位有所提升。 从市场格局看，国产芯片份额持续提升。IDC数据显示，2024年中国加速芯片市场规模超270万张，其中国产人工智能芯片出货量超82万张，占比超 $30\%$ ；央视新闻预计2025年昇腾芯片出货量将超70万片。细分到数据中心GPU市场，2024年上半年英伟达虽以 $80\%$ 份额领先，但国产阵营突破明显：华为以 $17\%$ 份额位列第二，百度、寒武纪等合计占 $3\%$ 。从增长动能看，华为同比增速达 $287.0\%$ ，寒武纪等厂商亦表现亮眼，国产芯片替代活力持续释放。 图表33 2024H1我国GPU市场份额 资料来源：IDC《2024H1ChinaDatacenterGPU&OtherAcceleratorAdapterMarketAnalysis》、华创证券 # 三、硬软协同筑壁垒，算力加码强全栈 # （一）技术领先：自主构建AI芯片技术壁垒，硬软协同破局 # 1、硬件性能突出：产品性能迭代突破，瞄准高端算力需求 寒武纪依托全栈自主研发，在AI芯片硬件领域构建核心壁垒。公司自2016年推出首款商用智能处理器后，持续聚焦“自主可控”。 1）微架构方面，自研MLUarch®系列微架构已迭代至第五代，目前已完成第五代微架构及配套智能处理器的研发并实现量产，新一代架构在研。公司是国内外在该技术方向积累最深厚企业之一，截至2025年3月末，公司已取得专利623项（境外专利214项）。 2）指令集方面，公司是国际上最早开展智能处理器指令集研发的少数几家企业之一，当前已完成五代智能处理器指令集研发。公司已形成了体系完整、功能完备、高度灵活的智能芯片指令集专利群。公司在云端、边缘端、终端三条产品线的所有智能芯片和智能处理器核以及基础系统软件均构建于自研的MLU指令集基础之上。截至2025年3月末，公司已取得专利228项（其中境外专利58项）。此外，公司在其他智能芯片技术领域有充分的通用性技术积累，包括SoC芯片设计、处理器芯片功能验证、先进工艺物理设计、芯片封装设计与量产测试、硬件系统设计等。 图表34 寒武纪智能芯片架构演进 MLUarch00 智能加速IP核 MLUarch01 多核架构 MLUarch02 多核共享片内存储 MLUarch03 多芯粒架构 第五代架构 量产 新一代架构 在研 资料来源：IT之家、华创证券 图表 35 寒武纪智能芯片领域通用性核心技术积累 技术大类 在主营业务及主要产品中的应用和贡献情况 专利或其他技术保护措施 成熟程度 技术来源 智能处理器架构 已完成五代智能处理器架构研发。公司是国内外在该技术方向积累最深厚的企业之一。公司在云端、边缘端、终端三条产品线的所有智能芯片和智能处理器核均基于自研处理器架构研制。 已取得专利623项（其中境外专利214项） 成熟稳定 自主研发 智能处理器指令集 指令集是处理器芯片生态的基石。公司是国际上最早开展智能处理器指令集研发的少数几家企业之一。已完成五代智能处理器指令集研发。公司已形成了体系完整、功能完备、高度灵活的智能芯片指令集专利群。公司在云端、边缘端、终端三条产品线的所有智能芯片和智能处理器核以及基础系统软件均构建于自研的MLU指令集基础之上。 已取得专利228项（其中境外专利58项） 成熟稳定 自主研发 SoC芯片设计 公司已掌握复杂SoC设计的一系列关键技术，有力支撑了云端大型SoC芯片（思元100、思元270、思元370和思元290）和边缘端中型SoC芯片（思元220）的研发。 已取得专利81项（其中境外专利25项） 成熟稳定 自主研发 处理器芯片功能验证 公司拥有成熟先进的处理器和SoC芯片功能验证平台，确保了智能处理器和SoC芯片逻辑设计按时高质量交付，有效保障了多款芯片产品的一次性流片成功。 已取得专利14项 成熟稳定 自主研发 先进工艺物理设计 公司已掌握7nm等先进工艺下开展复杂芯片物理设计的一系列关键技术，已将其成功应用于思元100、思元220、思元270、思元290、思元370等多款芯片的物理设计中。 非专利技术 成熟稳定 自主研发 芯片封装设计与量产测试 应用于公司云端、边缘端不同品类芯片产品的封装设计与量产测试过程，有效支撑了公司处理器芯片的研发。 已取得专利11项（其中境外专利5项） 成熟稳定 自主研发 硬件系统设计 有效解决了高速信号完整性、大功率供电下的电源完整性、大型芯片散热、机箱模块化等关键问题，支撑公司基于自研芯片研发模组/智能板卡、整机、集群等多样化的产品形态。 已取得专利60项（其中境外专利11项） 成熟稳定 自主研发 资料来源：公司公告、华创证券 # 寒武纪通过思元系列芯片与加速卡构建了覆盖云端训练至边缘视频解析的全栈算力体系。 - 核心产品MLU370-S4/S8加速卡采用 $7\mathrm{nm}$ 制程的MLUarch03自研架构，支持FP32至INT4全精度计算，峰值算力达192TOPS（INT8）与18TFLOPS（FP32），搭配307.2GB/s LPDDR5内存带宽及48GB超大内存容量，实现高吞吐量数据处理；同级型号MLU370-X4则强化媒体处理能力，集成40,000帧/秒全高清图片解码器，支持16K超分辨率编解码。在视频解析领域，全系产品搭载新一代编解码单元，可同时处理132路HEVC1080P视频流（超越行业128路上限），成为智慧城市万级摄像头中枢的核心载体。 - 云端训练场景依托思元590集群方案，通过MLU-Link多芯互联技术实现8卡级联扩展，FP16集群算力高达2.048PFLOPS（达英伟达A100集群效能的 $70\%$ ），结合动态稀疏计算技术提升 $30\%$ 有效算力利用率，显著缩短千亿参数模型训练周期。MagicMind推理加速引擎是基于思元370芯片的技术，作为核心优势之一，依托该芯片采用的Chiplet（芯粒）技术、MLUarch03芯片架构等，可在推理加速环节发挥作用，助力实现训推一体，提升开发部署效率，降低用户学习、开发及运营成本， 为AI计算相关场景提供推理加速支撑。 图表 36 寒武纪云端 AI 芯片及加速卡技术参数 芯片名称 加速卡型号 算力参数 制程工艺 内存容量/带宽 最大热功耗 思元270 MLU270-S4 INT8:128 TOPS 台积电16nm 16GB DDR4 ECC 102GB/s 70W INT4:256 TOPS INT16:64 TOPS MLU270-F4 INT8:128 TOPS 台积电16nm 16GB DDR4 ECC 102GB/s 150W INT4:256 TOPS INT16:64 TOPS 思元370 370-S8 INT8:192 TOPS 台积电7nm 48GB LPDDR5 307.2GB/s 75W 视频解析:132路1080P流 370-X4 FP16:96TFLOPS 台积电7nm 24GB LPDDR5 307.2GB/s 150W 图片解码:40,000帧/秒 思元590 590集群 FP16 集群算力:2.048 PFLOPS(8卡互联) 资料来源：寒武纪官网、湖北日报、21世纪经济报道、华创证券 # 2、软件生态与开发者支持：开放易用体系降低门槛，生态粘性持续增强 NeuWare统一平台：跨场景开发效率提升，技术能力覆盖核心环节。寒武纪NeuWare统一基础系统软件平台是其AI技术落地与生态构建的核心支撑，不仅为云边端全系列智能芯片（思元系列）提供底层支持，更通过关键环节的技术优化与生态开放举措，夯实自主软件体系竞争力。从核心技术能力来看，NeuWare软件栈以模块化分层设计为基础，整合软件开发工具链，有效消除不同应用场景下的开发障碍，核心实现“一次开发、多端部署”的关键价值——开发者无需对AI应用进行复杂移植，即可使其在寒武纪云端、边缘、终端全系列芯片上高效运行，既显著提升跨硬件平台的开发与部署效率，也实现云边端异构硬件资源的统一管理、调度与协同计算，充分释放全场景算力潜力，且整体具备高性能、灵活性与可扩展性的技术特征。 图表 37 Cambricon Neuware 框架 资料来源：公司招股书、华创证券 多维度布局开发者支持体系，以开源与协作筑牢AI生态根基。寒武纪围绕“线下技术服务、人才培养协作、开源社区运营”三大核心方向展开布局，通过多维度资源整合与能力协同，搭建起全方位、立体化的开发者支持体系，既为生态注入持续活力，也为“芯片+软件”技术体系的产业落地提供保障。1）在人才培养层面，公司聚焦生态长期发展的人才根基，与北京大学、中国科学技术大学等国内顶尖高校深化合作，通过共建人工智能课程体系、定向培养全栈技术专项人才的方式，一方面为行业输送适配寒武纪技术体系的专业人才，另一方面也通过校企协作强化技术研发与人才储备的联动，为生态的持续扩张与技术迭代夯实人才基础。2）在开源社区运营与生态协同层面，寒武纪以“主动开源”为核心策略，通过开源核心软件工具链（包括Torch-MLU、Triton-Linalg AI编译器前端等）吸引开发者参与，其GitHub平台已形成活跃的开发者社区，有效提升生态凝聚力。同时，公司从开发者实际需求出发，原生支持Transformers、Accelerate、DeepSpeed等主流组件，并全面适配开源推理引擎vLLM，大幅降低开发者的技术使用门槛；更依托社区用户的实时反馈形成“开发-反馈-优化”的迭代闭环，持续完善自主AI软件生态的兼容性与易用性。从生态构建的最终价值来看，上述多维度举措与技术协同优势形成互补，不仅强化了生态伙伴的粘性，更推动公司云边端产品矩阵在多行业实现规模化落地，助力技术价值向产业应用高效转化，进一步巩固其在AI芯片领域的生态竞争优势。 图表38 寒武纪开发者社区 资料来源：公司官网 图表 39 寒武纪 GitHub 项目 资料来源：github 硬件架构与软件平台为AI芯片厂商发力重点。目前市场上主要的人工智能芯片厂商包括英伟达、AMD、华为海思以及寒武纪等，上述市场主流人工智能芯片厂商在处理器架构、指令集、芯片直连、多卡全互联交换、软件平台与系统级算力方案等细分软硬件技术领域，均有着共性化的布局，但受发展历史沿革和当前国际产业局势的影响，各企业在不同细分领域上的技术进展和领先性存在差异。其中，在智能芯片的处理器架构与指令集领域，国内外企业进展差距较小；在芯片直连、多卡全互联交换、软件平台，国内企业正在积极加快布局。公司将从智能芯片的硬件和软件平台两个维度，持续强化公司面向大模型技术与应用需求的技术领先性。 图表 40 市场主流 AI 芯片厂商研发进展对比表 公司 处理器架构 指令集 芯片直连 多卡全互联交换 软件平台 英伟达 Blackwell 架构已量产，新一代 Rubin 架构在研 CUDA 指令集 NV Link 持续迭代 NV Switch 交换芯片持续迭代中 CUDA AMD 面向人工智能计算的第4代架构（CDNA4）正在量产中；第5代架构（CDNA5）在研 CDNA 指令集 Infinity Fabric Link 持续迭代 AMD Infinity Fabric 网络扩展技术持续迭代中 ROCm 华为海思 达芬奇架构已量产，新一代架构计划尚未公布 Ascend 指令集 HCCS UB Switch MindSpore 寒武纪 第5代架构已量产，新一代架构在研 MLU 指令集 MLU-Link 持续迭代 MLU-Link 支持单机8卡全相连 寒武纪软件栈 资料来源：《2025年度向特定对象发行股票申请文件的审核问询函回复》、华创证券 # （二）战略布局：定增加码大模型算力，强化全栈技术竞争力 定增完成，全面强化大模型时代AI芯片全栈竞争力。公司已于2025年9月22日完成定向增发，并于10月21日上市公告。此次定增计划募集资金总额约39.85亿元，所募资金已到位，将用于面向大模型的芯片平台项目、面向大模型的软件平台项目和补充流动资金。公司作为智能芯片领域全球知名的新兴公司，专注于人工智能芯片产品的研发与技术创新，全面系统掌握智能芯片及其基础系统软件研发和产品化核心技术，在智能芯片及相关领域开展了体系化的知识产权布局，先后研制了多款领先智能处理器及芯片产品。本次募集资金投资项目围绕大模型需求的多样化，研发新一代的智能芯片技术和相关产品，将全面提升公司在大模型演进趋势下的技术和产品综合实力。在软件方面，将开展相应的优化策略、软件算法以及软件工具的创新研究，并建设面向大模型的软件平台，有望进一步支撑公司智能芯片算力性能的充分发挥，增强公司智能芯片对大模型新技术趋势和新应用拓展的灵活适应能力，将有效提升面向大模型算法开发和应用部署的高效支撑与服务能力。 图表 41 本次募集资金投资项目的具体情况 项目名称 实施主体 总投资(万元) 拟用募集资金(万元) 建设/实施内容 面向大模型的芯片平台项目 中科寒武纪科技股份有限公司 290,000 205427.94 研发面向大模型训练、大语言模型推理、多模态推理及交换需求的系列化芯片；建设先进封装技术平台，提升对未来大模型需求的硬件适应性 面向大模型的软件平台项目 中科寒武纪科技股份有限公司 160,000 145207.77 构建灵活编译系统、训练平台、推理平台三大模块，形成面向大模型的完整软件栈，提升芯片易用性与大模型全业务流程支撑能力 补充流动资金项目 中科寒武纪科技股份有限公司 48,000 47897.02 补充营运资金，保障日常经营及业务拓展资金需求 合计 498,000 398532.73 资料来源：《中信证券股份有限公司关于中科寒武纪科技股份有限公司2025年度向特定对象发行A股股票之上市保荐书》、华创证券 面向大模型的芯片平台项目，有助于完善系列化产品布局与先进封装能力。本项目拟投资金额为29亿元，其中拟投入募集资金20.54亿元。在智能芯片的硬件维度，本项目拟开展面向大模型的智能处理器技术创新突破，研发覆盖不同类型大模型任务场景的系列化芯片方案，包括面向大模型训练的芯片、面向大语言模型推理的芯片、面向多模态推理的芯片以及面向大模型需求的互联协议与交换芯片；拟建设先进封装技术平台，灵活高效地支撑不同场景下差异化产品的封装，增强智能算力硬件产品对未来大模型技术发展新需求的适应性。 图表 42 面向大模型的芯片平台项目进度安排 任务内容 第一年 第二年 第三年 T+3月 T+6月 T+9月 T+12月 T+3月 T+6月 T+9月 T+12月 T+3月 T+6月 T+9月 T+12月 面向大模型需求的新一代智能处理器技术 指令集扩展与优化设计 智能处理器核微架构设计 面向大模型的系列芯片研发与试制 面向大模型训练的芯片的设计与试制 面向大语言模型推理的芯片的设计与试制 面向多模态模型推理的芯片的设计与试制 面向大模型需求的交换芯片的设计与试制 备芯片与大模型应用的适配/集成验证/调优 面向大模型需求的先进封装技术平台 建设“芯片设计-封装实现”协同开发流程 先进封装关键技术研究 支撑服务项目芯片的封装试制与测试 资料来源：《2025年度向特定对象发行A股股票募集说明书》 面向大模型的软件平台项目，或将提升芯片适配性与全流程部署效率。本项目拟投资金额为16亿元，其中拟投入募集资金14.52亿元。在智能芯片的软件平台维度，本项目将基于公司智能芯片的硬件架构特点，在高并行度、高计算效率、高存储效率等大模型技术重点需求领域，开展相应的优化策略、软件算法以及软件工具等创新研究；建设面向大模型的软件平台，平台将涵盖灵活编译系统、训练平台以及推理平台三大功能模块，以提升公司智能芯片的易用性和适应性，支撑服务从大模型的算法开发到应用部署的全业务流程。 图表 43 面向大模型的软件平台项目进度安排 任务内容 第一年 第二年 第三年 T+3月 T+6月 T+9月 T+12月 T+3月 T+6月 T+9月 T+12月 T+3月 T+6月 T+9月 T+12月 软件平台核心模块研发 异构编译系统 训练平台 推理平台 软件平台的优化 面向主流大模型的适配与优化 资料来源：《2025年度向特定对象发行A股股票募集说明书》 # 四、盈利预测 # 营业收入与毛利率假设： > 云端智能芯片及加速卡：国产替代政策驱动下，互联网、运营商、金融等重点行业对AI算力需求持续井喷，公司思元系列芯片凭借接近国际领先水平的性能已在这些场景规模化落地。预计2025-2027年业务增长率为 $520.5\%$ 、 $82.4\%$ 、 $56.5\%$ ，毛利率为 $57.30\%$ 、 $58.00\%$ 、 $58.70\%$ 。 > 边缘端智能芯片及加速卡：公司边缘产品在能效比方面具备优势，随着资源向云端核心业务集中，业务进入稳步发展阶段。预计2025-2027年增长趋于平稳：预计2025-2027年增长率为 $-10.00\%$ 、 $0.00\%$ 、 $5.00\%$ ，毛利率为 $52.00\%$ 、 $54.00\%$ 、 $56.00\%$ 。 > 终端智能处理器IP：终端IP业务历史上受市场需求波动影响规模有所调整。得益于无实质生产成本的业务特性，毛利率长期保持在 $100.00\%$ 。预计2025-2027年业务增长率为 $75.00\%$ 、 $70.00\%$ 、 $70.00\%$ ，毛利率为 $100.00\%$ 、 $100.00\%$ 、 $100.00\%$ 。 > 智能计算集群系统：该业务以往以政府及国企项目为主，2023年收入占总营收比重较高。自2024年起，公司战略重心全面转向市场化云端芯片业务，该板块逐步调整并不再专项披露后续数据。 图表 44 公司主营业务拆分及预测(单位：百万元) 单位:百万元 2020 2021 2022 2023 2024 2025E 2026E 2027E 合计 营业收入 458.92 721.04 729.04 709.38 1,174.46 7261.60 13227.71 20684.61 yoy 57.12% 1.11% -2.70% 65.56% 518.3% 82.2% 56.4% 毛利率 65.38% 62.39% 65.76% 69.16% 56.71% 57.16% 57.91% 58.63% 云端智能芯片及加速卡 营收 86.25 80.23 219.45 90.57 1,166.28 7,237.00 13,199.00 20,650.00 yoy -6.98% 173.53% -58.73% 1187.71% 520.5% 82.4% 56.5% %sales 18.79% 11.13% 30.10% 12.77% 99.30% 99.7% 99.8% 99.8% 毛利率 76.30% 58.54% 63.47% 60.63% 56.69% 57.30% 58.00% 58.70% 边缘端智能芯片及加速卡 营收 20.82 175.15 37.84 10.82 6.54 5.89 5.89 6.18 yoy 741.26% -78.40% -71.41% -39.56% -10.00% 0.00% 5.00% %sales 4.54% 24.29% 5.19% 1.53% 0.56% 0.08% 0.04% 0.03% 毛利率 49.01% 41.29% 31.11% 55.88% 51.50% 52.00% 54.00% 56.00% 终端智能处理器IP 营收 11.72 6.87 1.14 0.23 0.41 0.72 1.22 2.07 yoy -41.38% -83.41% -79.82% 78.26% 75.00% 70.00% 70.00% %sales 2.55% 0.95% 0.16% 0.03% 0.03% 0.01% 0.01% 0.01% 毛利率 99.77% 99.86% 100.00% 100.00% 100.00% 100.00% 100.00% 智能计算集群系统 营收 325.65 455.6 458.51 604.53 yoy 39.90% 0.64% 31.85% %sales 70.96% 63.19% 62.89% 85.22% 毛利率 61.93% 70.58% 70.42% 70.78% 资料来源：WIND、华创证券预测 盈利预测与投资建议：基于上述预测，我们预计公司2025-2027年营业收入为72.62、132.28、206.85亿元，对应增速 $518.3\%$ 、 $82.2\%$ 、 $56.4\%$ ；归母净利润为25.20、48.97、77.99亿元，对应增速分别为 $657.0\% /94.4\% /59.3\%$ ；对应EPS分别为5.98、11.61、18.49元。首次覆盖，给予“推荐”评级。 # 五、风险提示 # 1、技术迭代与生态建设不及预期 人工智能芯片技术迭代速度较快，行业技术更新周期相对较短。虽然公司在AI芯片领域取得了一定进展，但与国际头部企业相比，在部分技术指标上仍有提升空间，软件生态建设工作正在积极推进中。若公司不能持续保持研发投入力度，及时跟进技术发展趋势，可能对公司产品的市场竞争力产生一定影响。 # 2、供应链与外部环境不稳定 公司采用Fabless模式运营，在晶圆代工、封装测试等环节对特定供应商存在一定依赖。目前，公司及部分子公司受到相关贸易政策影响，在当前全球供应链格局持续调整的背景下，若外部环境出现变化，可能对供应链的稳定性产生一定影响。公司正积极采取措施优化供应链结构，加强与合作伙伴的沟通协作，以降低潜在影响。 # 3、客户集中度过高 公司客户结构有待进一步多元化，2024年主要客户贡献了较大比例的营业收入。虽然当前主要客户合作关系良好，业务发展态势积极，但客户集中度相对较高。若未来主要客户需求出现调整或市场环境发生变化，可能对公司业务的稳定性带来一定影响。公司正积极推进客户拓展工作，努力扩大客户基础，提升业务结构的均衡性。 # 附录：财务预测表 资产负债表 单位:百万元 2024A 2025E 2026E 2027E 货币资金 1,986 6,792 9,254 14,609 应收票据 9 29 40 78 应收账款 305 556 869 1,161 预付账款 774 716 1,281 1,968 存货 1,774 1,990 3,128 4,647 合同资产 20 36 132 269 其他流动资产 931 1,736 2,094 2,334 流动资产合计 5,800 11,855 16,798 25,067 其他长期投资 0 0 0 0 长期股权投资 247 300 300 300 固定资产 231 303 361 391 在建工程 150 191 232 273 无形资产 183 1,014 2,063 2,680 其他非流动资产 106 115 122 127 非流动资产合计 917 1,923 3,078 3,772 资产合计 6,718 13,778 19,876 28,838 短期借款 100 150 200 250 应付票据 0 0 0 0 应付账款 515 622 1,392 2,139 预收款项 0 0 0 0 合同负债 1 131 132 103 其他应付款 7 7 7 7 一年内到期的非流动负债 12 12 12 12 其他流动负债 183 356 658 960 流动负债合计 818 1,278 2,402 3,472 长期借款 0 0 0 0 应付债券 0 0 0 0 其他非流动负债 469 469 469 469 非流动负债合计 469 469 469 469 负债合计 1,287 1,747 2,871 3,941 归属母公司所有者权益 5,423 12,001 16,898 24,697 少数股东权益 8 30 107 200 所有者权益合计 5,430 12,031 17,005 24,897 负债和股东权益 6,718 13,778 19,876 28,838 现金流量表 单位: 百万元 2024A 2025E 2026E 2027E 经营活动现金流 -1,618 2,349 3,739 6,322 现金收益 -299 2,664 5,164 8,233 存货影响 -1,675 -216 -1,139 -1,518 经营性应收影响 -247 -509 -1,435 -1,492 经营性应付影响 278 410 1,074 1,020 其他影响 325 0 74 80 投资活动现金流 -412 -1,652 -1,375 -1,061 资本支出 -341 -1,074 -1,396 -1,070 股权投资 -17 -53 0 0 其他长期资产变化 -53 -525 21 9 融资活动现金流 48 4,109 99 94 借款增加 77 50 50 50 股利及利息支付 0 -1 -3 -2 股东融资 56 0 0 0 其他影响 -85 4,060 51 46 利润表 单位:百万元 2024A 2025E 2026E 2027E 营业总收入 1,174 7,262 13,228 20,685 营业成本 508 3,111 5,568 8,558 税金及附加 3 29 56 62 销售费用 70 73 106 155 管理费用 181 232 410 641 研发费用 1,216 1,307 2,249 3,413 财务费用 -19 16 -31 -26 信用减值损失 137 -60 -20 -20 资产减值损失 -53 -130 -70 -50 公允价值变动收益 0 0 0 0 投资收益 23 16 18 18 其他收益 220 250 250 250 营业利润 -456 2,571 5,049 8,081 营业外收入 1 1 1 1 营业外支出 1 2 2 2 利润总额 -456 2,570 5,047 8,080 所得税 1 51 101 202 净利润 -457 2,518 4,946 7,878 少数股东损益 -5 -1 49 79 归属母公司净利润 -452 2,520 4,897 7,799 NOPLAT -476 2,534 4,916 7,852 EPS(摊薄)(元) -1.07 5.98 11.61 18.49 主要财务比率 2024A 2025E 2026E 2027E 成长能力 营业收入增长率 65.6% 518.3% 82.2% 56.4% EBIT 增长率 48.3% 644.2% 94.0% 60.5% 归母净利润增长率 46.7% 657.0% 94.4% 59.3% 获利能力 毛利率 56.7% 57.2% 57.9% 58.6% 净利率 -38.9% 34.7% 37.4% 38.1% ROE -8.3% 21.0% 29.0% 31.6% ROIC -9.7% 23.6% 31.4% 33.7% 偿债能力 资产负债率 19.2% 12.7% 14.4% 13.7% 债务权益比 10.7% 5.3% 4.0% 2.9% 流动比率 7.1 9.3 7.0 7.2 速动比率 4.9 7.7 5.7 5.9 营运能力 总资产周转率 0.2 0.5 0.7 0.7 应收账款周转天数 145 21 19 18 应付账款周转天数 266 66 65 74 存货周转天数 663 218 165 164 每股指标(元) 每股收益 -1.07 5.98 11.61 18.49 每股经营现金流 -3.84 5.57 8.87 14.99 每股净资产 12.86 28.46 40.07 58.57 估值比率 P/E -1,288 231 119 75 P/B 108 49 35 24 EV/EBITDA -1,960 215 111 69 资料来源：公司公告,华创证券预测 # 计算机组团队介绍 # 首席分析师、组长：吴鸣远 上海交通大学硕士，曾任职于东方证券、兴业证券研究所，所在团队于2020—2022年连续三年获得新财富最佳分析师第三名，2023年加入华创证券研究所。 # 分析师：祝小茜 中央财经大学经济学硕士。曾任职于信达证券。2024年加入华创证券研究所。 # 分析师：胡昕安 工学硕士，曾任职于海康威视，2023年加入华创证券研究所。 # 助理研究员：周志浩 西安交通大学金融工程学士，克拉克大学金融学硕士，曾任职于众安保险权益投资部，2024年加入华创证券研究所。 # 助理研究员：周楚薇 香港中文大学经济学硕士。2024年加入华创证券研究所。 # 助理研究员：杨玖祎 香港中文大学硕士。2024年加入华创证券研究所。 # 助理研究员：陈科玮 圣路易斯华盛顿大学硕士。2025年加入华创证券研究所。 华创证券机构销售通讯录 地区 姓名 职务 办公电话 企业邮箱 北京机构销售部 张昱洁 副总经理、北京机构销售总监 010-63214682 zhangyujie@hcyjs.com 张菲菲 北京机构副总监 010-63214682 zhangfeifei@hcyjs.com 张婷 北京机构销售副总监 zhangting3@hcyjs.com 刘懿 副总监 010-63214682 liuyi@hcyjs.com 侯春钰 资深销售经理 010-63214682 houchunyu@hcyjs.com 顾翎蓝 资深销售经理 010-63214682 gulinglan@hcyjs.com 刘颖 资深销售经理 010-66500821 liuying5@hcyjs.com 阎星宇 销售经理 yanxingyu@hcyjs.com 车一哲 销售经理 cheyizhe@hcyjs.com 吴昱颖 销售经理 wuyuying@hcyjs.com 深圳机构销售部 张娟 副总经理、深圳机构销售总监 0755-82828570 zhangjuan@hcyjs.com 张嘉慧 高级销售经理 0755-82756804 zhangjiahui1@hcyjs.com 王春丽 高级销售经理 0755-82871425 wangchunli@hcyjs.com 王越 高级销售经理 wangyue5@hcyjs.com 汪丽燕 销售经理 0755-83715428 wangliyan@hcyjs.com 温雅迪 销售经理 wenyadi@hcyjs.com 胡丁琳 销售助理 hudinglin@hcyjs.com 付雅琦 销售助理 fuyaqi@hcyjs.com 许馨匀 销售助理 xuxinyun@hcyjs.com 上海机构销售部 许彩霞 总经理助理、上海机构销售总监 021-20572536 xucaixia@hcyjs.com 祁继春 上海机构销售副总监 qijichun@hcyjs.com 黄畅 上海机构销售副总监 021-20572257-2552 huangchang@hcyjs.com 吴俊 资深销售经理 021-20572506 wujun1@hcyjs.co