2026年天数智芯深度研究报告：自主GPU领先企业，乘AI东风领航新增长

自主可控 GPU 能力突破，商业化加速驱动业绩释放

（一）国产通用 GPU 芯片领航，构建“云-边-端”全场景算力覆盖

国产通用 GPU 领先企业，以持续迭代构建全场景算力版图。天数智芯自 2015 年成立以 来，作为国内首家实现训练与推理通用 GPU 双重量产的领军企业，已通过快速的架构演 进构建了覆盖 AI 训练与推理的软硬件全栈产品体系。公司于 2021 年推出首款量产通用 GPU“天垓 Gen 1”，填补了国内大规模 AI 训练高性能芯片的空白，并于 2022 年 12 月发 布“智铠 Gen 1 推理系列加速卡”，完成训练与推理双产品线的完整布局。2023 年第四季 度，适配千亿参数大模型训练的“天垓 Gen 2”实现量产；2024 年第三季度，针对大规 模算力集群深度优化的“天垓 Gen 3”发布，进一步巩固了其在云端训练领域的技术领先 地位。2026 年 1 月，公司迎来两大战略里程碑：正式在香港联交所主板挂牌上市，以及 发布覆盖云端到边缘的“彤央系列”产品，实现了全场景算力布局，成为国内少数具备全 场景通用算力产品能力的芯片企业，为 AI 产业与数字经济的自主可控发展提供关键算力 支撑。

股权结构多元均衡，顶级资本与产业资源协同赋能。天数智芯采用“无单一实控人、多 元资本共治”的现代化治理结构，公司日常运营由 12 名执行董事及高管组成的管理委员 会集体决策，形成了制度化的治理机制。股权分布上，员工持股平台（通过上海数麒等 合伙平台）持股 21.25%，为第一大股东阵营；外部机构中大钲资本持股 20.62%，为最大 单体战略股东。公司历经多轮融资，股东阵容多元，涵盖红杉中国、元禾基金等头部财 务投资人，以及上海国盛、金融街资本等国资产业资本。在 IPO 阶段，公司进一步引入 中兴通讯、第四范式等 18 家产业与金融机构作为基石投资者，合计认购约 15.83 亿港元。 这种由内部平台、财务资本、产业国资及基石投资者共同构建的多元化股权架构，为公 司长期发展提供了稳定的治理基础与资源支撑。

核心团队具备“产研投”复合背景，具备覆盖芯片全流程的国际化产业经验。天数智芯 核心团队构建了“技术领军+管理赋能+产业资源”三位一体的治理架构。现任董事长兼 CEO 盖鲁江拥有约 17 年财务及投资经验，曾任职于普华永道、德勤，擅长资本运作与企 业治理。副董事长兼 CTO 吕坚平博士毕业于台湾大学及耶鲁大学，曾任英伟达高级架构 师，在通用 GPU 领域技术积累深厚。副总裁孙怡乐、刘圆、石加圣均曾任职于 AMD， 分别负责芯片研发、量产实现与软件研发；副总裁邹翾曾任职于格罗方德、IBM，负责产 品线与供应链管理。核心技术团队均来自国际头部半导体企业，形成了覆盖芯片设计、 软件研发、量产交付到供应链管理的完整能力，为公司的技术自主创新与商业化拓展提 供了坚实的人才保障。

构建“云-边-端”全场景算力覆盖，实现训推一体协同。天数智芯聚焦全功能通用 GPU 领域，构建形成云端训练、云边推理、边端算力协同互补的完整产品矩阵，实现训推一 体、云边结合的全场景算力覆盖，是国内少数具备通用 GPU 芯片全栈自研与规模化量产 能力的企业，产品布局兼具技术自主性、场景完整性与商业化落地性。1）在云端训练领 域，公司以天垓系列为核心主力产品，其中天垓 100 作为国内首款全自研 7nm 通用 GPU 训练芯片，率先实现国产通用训练 GPU 从 0 到 1 的量产突破，可支撑 AI 大模型训练、 通用高性能计算等核心场景；后续迭代产品进一步优化显存、算力密度与多卡集群性能， 满足大规模算力集群部署需求，是国产云端训练算力的重要供给力量。2）在云边推理领 域，公司布局智铠系列推理芯片，面向数据中心、边缘节点等多元化推理场景打造低功 耗、高适配、易迁移的算力产品，支持多精度混合计算，与主流 AI 框架兼容性强，可广 泛应用于金融、零售、智能语音、智慧医疗、车路协同等行业，凭借高效的部署效率与落 地能力，成为公司商业化增长的核心引擎。3）在边端算力领域，公司推出彤央系列低功 耗算力产品，面向工业自动化、智能终端、机器人、嵌入式设备等场景，补齐端侧算力布 局，形成从云端核心节点到边缘、终端的全链路算力支撑能力，进一步拓展通用 GPU 的 应用边界。

（二）营收高增、亏损收窄，盈利结构优化路径清晰

营收高速增长，盈利结构持续优化，亏损收窄趋势明确。2022-2025 年，公司营收实现跨 越式增长，总营收从 2022 年的 1.89 亿元稳步提升至 2025 年的 10.34 亿元，复合年增长 率达 76.1%，其中 2023-2025 年同比增速分别为 52.6%/86.7%/91.6%，商业化进程不断提 速。核心业务表现突出，2025年通用GPU产品实现收入9.23亿元，同比大幅增长149.6%， 占总营收比重达 89.3%，天垓系列训练芯片与智铠系列推理芯片成为增长核心驱动力。 归母净利润方面，2022-2025 年公司归母净利润持续为负，亏损规模从约 5.24 亿元扩大 至约 10.04 亿元，但亏损同比增幅已显著收窄，亏损同比增幅从 2023 年的 51.06%收窄至 2024 年的 12.78%和 2025 年的 12.46%。扣非归母净利润亏损增速同步放缓，当前亏损主 要系公司在国产 GPU 赛道仍处于研发与市场拓展的高投入阶段所致，随着核心产品规模 化放量，经营层面已呈现逐步改善态势。

毛利率回升叠加费用率优化，盈利改善路径清晰。2022-2025 年公司毛利率呈现“先稳后 升”态势，2022 年为 59.4%，2023-2024 年因产品结构调整与市场策略调整回落至 49.5% 和 49.1%，2025 年回升至 54.0%，同比提升 4.9 个百分点，显示产品附加值提升与成本控 制能力增强。费用端，销售费用从 4871.5 万元增至 1.52 亿元，但销售费用率从 25.72% 优化至 14.66%，体现市场拓展效率提升；管理费用从 1.66 亿元增至 4.82 亿元，管理费 用率从 87.68%大幅优化至 46.62%，反映规模化效应显现；财务费用率持续在 4%以下， 因公司以股权融资为主、资金充裕，2025 年财务费用率已降至 1.99%。在此结构优化下， 公司净亏损率从 2022 年的-292.35%收窄至 2025 年的-97.10%，叠加营收高速增长，盈利 改善趋势明确，规模效应下盈利拐点逐步临近。

训练芯片毛利率持续提升，推理芯片收入高速放量。分产品看，2025 年训练系列（天垓） 实现收入 5.84 亿元，同比增长 116.7%，占总营收比重达 56.5%，毛利率由 2024 年的 60.2% 进一步提升至 2025 年的 64.2%，技术溢价与规模效应持续释放。2025 年推理系列（智 铠）实现收入 3.39 亿元，同比大幅增长 238.2%，占总营收比重为 32.8%，成为规模扩张 最快的板块，但受主动降价抢占市场份额、加速库存销售策略影响，毛利率从 46.7%下降 至 39.2%，同比下滑 7.5 个百分点。此外，2025 年 AI 算力解决方案业务实现收入 0.96 亿 元，占总营收 9.3%，毛利率由 2024 年的 31.7%提升至 2025 年的 41.5%。整体来看，公 司产品结构进一步向高竞争力的训练芯片集中，同时推理芯片以具备竞争力的价格推出 新产品，加速市场渗透及扩大客户基础，实现快速收入放量。

研发投入规模持续扩张，商业化落地进程加速，整体经营与产业化水平稳步提升。天数 智芯将研发投入作为技术突破与业务发展的核心支撑，2022 年至 2025 年研发成本持续 增长，投入产出效率随商业化进展不断优化。2022 年研发成本达 4.57 亿元，占营收比重 为 241.1%，处于高强度技术投入阶段；2023 年研发成本增至 6.16 亿元，同比增长 34.8%， 占营收比重为 213.1%；2024 年研发成本提升至 7.73 亿元，同比增长 25.5%，占营收比重 降至 143.2%；2025 年研发成本达 9.74 亿元，同比增长 26.1%，占营收比重大幅优化至 94.2%。研发资源重点聚焦芯片架构迭代、基础软件栈完善及先进工艺研发，与公司训练、 推理双产品主线布局高度契合，既保障了核心技术壁垒的持续构建，也为公司从技术研 发向商业化规模化转型提供了关键支撑。

GPU 市场需求长期向好，自主可控空间持续打开

（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可分为上、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，如寒武纪 MLU 架构兼容主流生态，可减少跨平台开发成本。