2025年寒武纪公司深度研究报告：国产AI芯片领军者，云边端共铸核心壁垒

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。

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。

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。

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。

（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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

（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%。

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%。

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%。

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 100 EFLOPS。

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。

（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的 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%。

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。

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 万架、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。

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。

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。

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。

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。

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 7nm 制程的 MLUarch03 自研架构，支持 FP32 至 INT4 全精度计算，峰值算力达 192 TOPS（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 HEVC 1080P 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 2.048 PFLOPS（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。

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。

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。

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。

（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。

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。

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。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）