公司产品进展 - 公司第一款GPGPU芯片9A1000已经交付流片 [1] - 该芯片设计目标兼具图形功能和推理侧算力 [1] - 该芯片可以支持终端AI计算应用，例如AIPC、无人设备等 [1] 公司合作策略 - 作为CPU厂商，公司对整机厂商持开放态度 [1] - 公司欢迎整机厂商基于龙芯芯片研制各类型的整机 [1]

公司核心技术路径与产品 - 公司正在研发以玻璃代替硅作为衬底的玻璃光计算芯片 旨在突破AI计算对先进制程的依赖和高能耗问题 目标进入“1000tops级算力和1000tops/W能效比”时代 [1] - 公司已完成首颗算力密度和精度均达商用标准的光计算芯片流片 其矩阵规模为128毫米×128毫米 峰值算力超1000tops [1] - 选择玻璃衬底可突破硅光平台的光罩尺寸限制 通过纳米压印工艺在保持精度的同时容纳更多计算单元 200毫米×200毫米玻璃芯片算力可达2600tops [2] - 利用相变材料的非易失性 公司实现了光计算芯片零静态功耗 预测200毫米×200毫米玻璃芯片能效比可超1000tops/W 相当于TPU的200倍以上 [2] - 公司已验证光波导在玻璃上的制备工艺 波导损耗优化至低于硅光平台水平 并同步开展大规模阵列样品制备与相变材料工艺优化 [3] - 公司致力于打造下一代全光计算系统 让光信号在光域内实现反复计算与动态暂存 使玻璃光计算芯片成为能直接运行完整模型的AI计算平台 [3] 公司业务定位与市场前景 - 公司的光计算产品主要用于AI推理场景 [1] - 行业预计到2030年 AI推理将占AI计算总量的75% 市场规模可达2550亿美元 [1] - 公司提出提供全栈光计算解决方案 最终目标是将玻璃光计算芯片直接封装为超高性能全光计算系统 以获得下一代AI计算技术标准的定义权 [3] 公司发展现状与背景 - 公司已完成五轮融资 投资方包括头部VC 国内互联网巨头 上海苏州两地国资基金等三类资本 [1] - 公司联合创始人程唐盛曾在牛津大学攻读材料科学与工程博士 期间带领团队开发了新型相变材料并实现了相变材料光芯片大规模集成 [1] - 公司已打通上下游产业链 上游与纳米压印等厂商联合优化工艺 [3]

公司战略与市场定位 - 在AI重塑半导体产业的背景下，英特尔将PC市场视为其最重要且不能再退让的核心阵地，这与重心转向数据中心与AI基础设施的英伟达和专注于服务器与高性能计算的AMD形成了差异化路径[1] - 公司正将更多资源投入PC本地的AI计算能力，认为未来的PC将不仅是连接云服务的终端，更是能承担越来越多本地AI任务的计算节点，部分AI工作负载正从云端向本地和边缘设备回流[3][5] - 中国市场在公司战略中正变得越来越重要，公司认为中国市场在AI应用落地和产业节奏上的反应速度往往走在前面，因此希望加大在中国OEM和边缘设备生态中的投入[5] 新产品Panther Lake的技术细节 - 公司发布了基于18A制程的Panther Lake（第三代酷睿Ultra），这是18A制程首次进入面向主流PC的产品线，被视为公司在先进制程节奏和客户端产品竞争力上的一次关键检验[1] - 该产品引入了全环绕栅极晶体管和背面供电技术，在15至45瓦功耗区间内实现了约15%的能效提升，同时晶体管管密度提升约30%，使得NPU的面积缩小了40%但性能明显增强[2] - 第三代酷睿Ultra的目标是在保持低功耗平台能效的同时提供更高性能，可以以大约40%的功耗达到前一代产品的性能水平[2] 产品战略意义与市场反馈 - 公司希望借助Panther Lake这一代产品，在PC核心市场重新建立起技术节奏和产品兑现能力的可信度，以应对过去几年因制程节奏延误导致的市场谨慎态度[2][3] - 公司高管提及，有相识十年的OEM工程负责人在看到新芯片的图形性能表现后感到惊讶，这侧面反映了产品性能超出预期[2] - 公司认为正处在一个战略转折点，随着端侧和边缘侧AI设备规模扩大，云端AI服务商开始关注并合作探索增强本地算力与云端AI的融合[3] 合作伙伴与生态建设 - 公司内部正与包括Perplexity以及字节跳动在内的合作伙伴合作，探索如何在云端与本地之间分配AI工作负载，字节跳动等合作伙伴会决定哪些部分留在云端，哪些适合放在本地运行[3] - 公司提及中国合作伙伴对其提出了很高要求，例如Day0部署了千问大语言模型，与中国大型服务提供商的合作对公司至关重要[6] - 公司高管表示将花更多时间在中国市场，拜访联想、字节跳动、阿里巴巴等OEM厂商和ODM生态，以加强在边缘计算领域的合作[5][6] AI计算能力与市场前景 - 目前已经出货的AI PC和边缘设备合在一起的算力规模，相当于40个数据中心[3] - 在不少应用场景中，本地客户端产品已经能支持高达700亿参数的模型运行，如果模型及检索增强生成技术能满足需求，计算可以完全在本地进行[5] - 公司在这一代PC处理器上同时强化了CPU、GPU和NPU的协同能力，以支持未来PC作为本地AI计算节点的角色变化[5]

公司战略与产品发布 - 全球最大的手机芯片制造商高通正进一步推进其作为个人电脑核心处理器的市场布局 [1] - 公司发布新款X2 Plus处理器，是现有产品线的精简版本，旨在成为价格更亲民的笔记本电脑的主要组件 [1] - 新款处理器提供两个版本，分别拥有10个计算核心和6个计算核心，核心采用了更新的第三代Oryon设计 [1] - 产品最大卖点之一是集成了强大的神经处理单元，能够在不过度消耗电池电量的情况下加速AI软件的响应速度 [1] - 公司目前提供的骁龙X2 Elite和Elite Extreme芯片通常用于价格在1000美元或以上的笔记本电脑 [1] - 高通在拉斯维加斯的国际消费电子展上发布新品，其规格和性能宣称将与英特尔和超威半导体的产品进行对比 [1] 市场竞争与行业趋势 - 高通和苹果公司正率先在计算机市场应用Arm Holdings的技术，此类设计基于更常见于手机中的架构 [2] - 支持者认为基于Arm的设计更适合电池供电设备 [2] - 根据水星研究公司数据，在第三季度末，此类芯片占据了PC市场近14%的份额，较前一时期的总份额略有提升 [2] - 高通处理器为笔记本电脑用户提供AI计算能力，宣称与基于竞争对手芯片的电脑相比，其对指令响应更快且续航更长 [1] 公司财务与业务表现 - 去年11月初，得益于智能手机终端市场需求回暖，高通发布了超预期的营收和利润指引 [2] - 公司预计2025财年一季度调整后每股收益为3.30-3.50美元，分析师此前预期为3.26美元 [2] - 预计2025财年一季度营收在118亿-126亿美元之间，其中高通技术业务营收为103亿-109亿美元，分析师此前预期营收为115.9亿美元 [2] - 华尔街分析师表示，高通的季度业绩及业绩指引表明，公司多元化计划正取得进展 [2] 公司业务多元化 - 高通近年正拓展笔记本电脑、汽车等其他业务领域 [2] - 公司长期以来是苹果的供应商，但自2021年起便告知投资者，预计苹果最终将转向自研调制解调器芯片 [2]

公司概况与市场关注 - 光本位科技是一家位于上海浦东张江的初创公司，成立三年完成五轮融资，获得头部VC、国内互联网巨头及上海苏州两地国资基金的投资 [2] - 公司于2024年研发出全球首颗达到商用标准的128×128矩阵规模光计算芯片 [2] - 沙特工业部部长班达尔·胡莱夫主动寻求订单与资本合作，并在沙特工业转型展上盛赞其产品“比世界上现有的顶尖电计算产品更能代表AI计算的未来”，此事获得超过700家海外媒体报道 [2] 技术突破与核心优势 - 公司选择用玻璃代替硅作为光计算芯片衬底，旨在实现“千POPS级算力和千TOPS/W能效比”，以绕过算力增长依赖先进制程及高能耗问题 [2] - 200mm×200mm的玻璃光计算芯片算力可达2600 POPS，分别是谷歌TPU的1400倍和英伟达H200（非稀疏化）的1300倍 [7] - 该尺寸玻璃光计算芯片的能效比预计超过1000 TOPS/W，相当于TPU的200倍以上 [9] - 芯片利用相变材料的非易失性实现零静态功耗和存算一体，200mm×200mm芯片可存储6.5亿个计算单元，每个token以光速计算，无需反复读取参数 [9][11] - 玻璃衬底结合纳米压印工艺，可突破硅光平台32mm×25mm的最大光罩尺寸限制，容纳更多计算单元，并减轻产品迭代的设计和工艺难度 [6][7] 产品定位与市场机遇 - 光本位科技的光计算产品主要面向AI推理场景，预计到2030年推理将占AI计算总量的75%，市场规模达2550亿美元 [3] - 当前AI推理市场由谷歌TPU、Groq LPU等主导，英伟达在能效比上不具优势，初创公司Groq的LPU运行大语言模型速度可达GPU的10倍，能耗仅十分之一 [3][4] - 公司提出基于玻璃光计算打造下一代全光计算系统，目标是为不同类型用户提供全栈光计算解决方案，包括为C端用户提供50P+算力的计算盒子，为大模型公司提供500P+算力的“光算+光连”方案，以及为政府或大型企业建设5000P+算力的大型数据中心 [16] 技术路径与产业趋势 - 公司已验证光波导在玻璃上的制备工艺，波导损耗已低于硅光平台水平，并同步开展大规模阵列样品制备及相变材料工艺优化，打通了上下游产业链 [13] - 公司的终极目标是将玻璃光计算芯片封装为超高性能全光计算系统，获得下一代AI计算技术标准的定义权 [13] - 全光计算旨在突破电计算的能耗与散热瓶颈，玻璃光计算因其衬底特性（平整性、热稳定性等）更容易集成不同平台的芯片，被认为是实现全光计算的更好路径 [15] - 玻璃光计算芯片有望改变当前“电主光辅”架构，形成“光电融合，以光为主”甚至“全光”的计算集群架构 [16] - 上海交通大学近期也在全光计算芯片领域取得突破，产业与学术的共鸣显示AI计算可能正加速迈向“全光时代” [4]

公司上市申请与业务概览 - 深圳市景旺电子股份有限公司于2025年1月1日向港交所主板递交上市申请，联席保荐人为中信证券、美银证券、国联证券国际 [1] - 公司是A股上市公司（603228.SH），为以技术创新驱动、产品布局全面的PCB制造商，产品为汽车电子、通信与数据基础设施、智能终端、工业控制等领域的全球客户提供智能互联基础 [3] - 公司采用“1+1+N”业务模式：1个支柱型业务（汽车电子）、1个重点发展业务（通信与数据基础设施）和N个高潜力业务组合（智能终端、工业控制等） [3] 市场地位与竞争优势 - 以2024年度收入计算，公司是全球第一大汽车电子PCB供应商 [3] - 全球前十大Tier 1汽车供应商中有七家是公司的客户，PCB产品已广泛应用于全球前十大汽车集团的产品中 [3] - 2024年，公司PCB收入为17.034亿美元，在全球所有PCB供应商中排名第十，在总部位于中国大陆的PCB供应商中排名第四，全球市占率为2.3% [19][20] 产品技术与应用 - 汽车电子PCB产品广泛应用于ADAS、信息娱乐系统、车身电子系统、电池管理系统、照明系统及充电配电系统等领域 [3] - PCB产品深度赋能汽车智能化和电动化，已实现激光雷达板、五代与六代毫米波雷达板、ADCU高阶HDI主板及400V/800V电气平台用耐高压PCB的量产 [3] - 公司为全球AI计算基础设施领先企业提供PCB产品，已量产可应用于AI计算基础设施等领域的高端PCB，包括40层以上高多层PCB、6阶22层HDI PCB、采用mSAP工艺的14层HDI PCB及多层PTFE FPC [4] 财务表现 - 收入：2023年约为107.57亿元，2024年约为126.59亿元，2025年前九个月约为110.83亿元 [7] - 利润：2023年年内利润约为9.11亿元，2024年约为11.6亿元，2025年前九个月期内利润约为9.61亿元 [8] - 毛利率：2023年为23.2%，2024年为22.7%，2025年前九个月为21.6% [10] - 净利润率：2023年为8.5%，2024年为9.2%，2025年前九个月为8.7% [11] - 收入增长率：2024年为17.7%，2025年前九个月为22.1%（相较于2024年同期） [11] 收入构成 - 公司收入主要来源于PCB产品销售，占总收入比例超过94% [6] - 按应用领域划分，2024年收入构成：汽车电子占45.9%（58.14亿元），智能终端占29.0%（36.73亿元），工业控制与医疗设备占12.4%（15.66亿元），通信与数据基础设施占7.4%（9.32亿元） [6] - 2025年前九个月，汽车电子收入占比为45.7%（50.66亿元），通信与数据基础设施收入占比提升至9.5%（10.48亿元） [6] 行业前景 - 全球PCB行业市场规模预计在2030年达到1,052亿美元，2024年至2030年的复合年增长率为5.8% [12] - 全球汽车电子PCB行业市场规模由2020年的65亿美元增长至2024年的92亿美元，复合年增长率为9.2%，预计2030年达到122亿美元，2024-2030年复合年增长率为4.8% [15] - 全球智能终端PCB行业为规模最大的下游应用领域，2024年市场规模达371亿美元，占全球PCB市场规模的49.5%，预计2030年达到490亿美元，2024-2030年复合年增长率为4.7% [17] 公司治理与股权结构 - 董事会由9名董事组成，包括2名执行董事、4名非执行董事及3名独立非执行董事，任期3年 [23] - 刘绍柏先生（63岁）担任非执行董事兼董事会主席，刘羽先生（39岁）担任执行董事兼首席执行官 [24] - 截至2025年12月26日，景鸿永泰、智创投资、奕兆投资、刘绍柏先生、黄小芬女士、卓军女士及刘羽先生为一致行动人士，合计控制约5.608亿股股份的投票权，约占已发行股份的56.95% [26][28]

上市与募资详情 - 公司于2024年12月30日开启招股，计划于2026年1月8日在港交所上市，股票代码为“9903” [1] - 发行价为每股144.60港元，计划发行25,431,800股，此次募资额约为37亿港元，IPO市值将达354.4亿港元 [1] - 基石投资者阵容强大，包括中兴通讯（香港）、XN Mountain、Wind Sabre、瑞银资产管理新加坡公司（UBS AM Singapore）、华胜天成（香港）、Qin Wan、OCM、Ocean Fine Industrial、第四范式、安擎国际、Duckling Fund、汇添富（香港）、China Orient、华夏基金（香港）、芯鑫控股、明山资本等，合计认购15.83亿港元 [1][2][3] 公司业务与产品 - 公司成立于2015年，构建了涵盖通用GPU产品与AI算力解决方案的完善产品体系，满足AI计算全流程需求 [4] - 通用GPU产品分为两大系列：天垓系列为国内首款实现量产的训练专用产品线；智铠系列为国内首款推理专用通用GPU产品，两条产品线协同实现从模型开发到生产部署的全链路覆盖 [5] - AI算力解决方案通过整合多片通用GPU加速卡，为计算密集型AI任务与大规模模型部署提供算力支持，主要以专用型通用GPU服务器和可扩展通用GPU算力集群两种形式提供 [5][6] - 公司采取“产品 + 方案”的双轨交付模式，一是销售通用GPU加速卡及芯片，二是为客户量身设计并落地定制化部署方案 [7] - 截至2025年6月30日，公司已向超过290家客户交付逾5.2万片通用GPU产品，在金融服务、医疗保健、交通运输等关键任务领域完成超900次部署应用，覆盖20多个行业 [8] 财务表现 - 2025年上半年营收为3.24亿元人民币，较上年同期的1.97亿元大幅增长 [4][9] - 2025年上半年毛利为1.62亿元，毛利率为50.1%，上年同期毛利为8899万元，毛利率为45.1% [9] - 2022年、2023年、2024年营收分别为1.89亿、2.89亿、5.4亿元人民币，呈现快速增长 [8] - 2022年、2023年、2024年毛利分别为1.12亿、1.43亿、2.65亿元，同期毛利率分别为59.4%、49.5%、49.1% [8] - 2022年、2023年、2024年期内亏损分别为5.54亿、8.17亿、8.92亿元人民币，2025年上半年期内亏损为6.09亿元 [8][9] - 2022年、2023年、2024年经调整净亏损（非香港财务报告准则计量）分别为4.33亿、6.09亿、6.45亿元，2025年上半年经调整净亏损为3.00亿元 [11] - 截至2025年6月30日，公司持有的现金及现金等价物为17.14亿元人民币 [12] 收入构成 - 2025年上半年，来自通用GPU产品的收入为2.77亿元，占总收入的85.3% [10] - 在通用GPU产品收入中，训练系列收入占比为58.5%，推理系列收入为8702万元，占比为26.8% [10] - 2025年上半年，来自AI算力解决方案的收入为4264万元，占总收入的13.2% [10] 融资历史与股东结构 - 公司历经多轮融资：2019年B轮融资超3.5亿元，投前估值超20亿元；2021年C轮融资8.2亿元，投前估值25亿至35亿元；2022年C+、C++轮融资超9亿元，投前估值分别达50亿及70亿元；2025年D轮融资超14亿元，投前估值达100亿元；D+轮融资约20.5亿元，投前估值达120亿元 [13][14] - 知名投资方包括红杉中国、元禾基金、星纳赫资本、大钲资本、沄柏资本等，体现了资本市场对公司技术实力与发展前景的认可 [13][14] - IPO前，主要股东为：持股平台（23.61%）、大钲资本实体（22.92%）、海南数芯实体（7.51%）、沄柏资本实体（3.75%）、星纳赫实体（3.26%）等 [15][17]

收购事件概述 - 英伟达计划进行一项价值200亿美元的收购，目标是芯片制造商Groq，这可能是英伟达史上最大收购案 [1] - 该交易在科技圈引发广泛讨论，包括对垄断的担忧以及对Groq技术优势的分析 [3] - 英伟达并未公开承认收购，而是与Groq签署了一份非独家许可协议，授权使用其推理技术，但实质上通过“剥壳式收购”获得了其核心技术与关键人才 [22][23] 被收购方Groq公司背景 - Groq是一家成立于2016年的芯片公司，2024年估值已超过70亿美元 [3] - 公司创始人是Jonathan Ross，他是谷歌第一代TPU（张量处理单元）的设计师 [3] - 公司的核心产品是LPU（语言处理单元），这是一种专为加速AI计算、特别是语言模型推理而设计的新型专用芯片 [5][7] LPU技术路线与特点 - LPU技术路线独特，完全放弃了GPU的通用性，专门针对AI计算，特别是语言模型推理进行优化 [5][7] - LPU的一个显著特点是其架构中没有使用HBM（高带宽内存，即常说的“显存”）[7] - 为解决无显存带来的参数存储问题，LPU采用了SRAM（静态随机存取存储器）作为离计算核心更近的存储单元，但单卡SRAM容量极小，仅几十到几百MB [12] - Groq通过暴力组装成千上万张LPU卡组成集群，每张卡只存储和计算模型的一小部分参数，最后汇总输出，以此实现高速推理 [12] - 凭借此架构，LPU的数据存取速度据称能达到GPU的20倍以上，推理速度极快 [12] 市场表现与竞争对比 - 在模型推理业务的市场统计中，Groq已超过亚马逊，仅次于微软 [12] - 在英伟达GPU占据主导地位时，Groq的LPU曾展现出比行业龙头推理速度快10倍的潜力 [14] - 然而，也有看衰观点，如前阿里副总裁贾扬清的测算指出，使用LPU运营三年的采购成本是英伟达H100的38倍，运营成本是其10倍，认为LPU替代GPU为时尚早 [17] 行业趋势与战略意义 - 此次收购行为预示了AI行业的一大趋势：模型推理部署的需求将逐渐超过模型训练 [24] - 目前，训练成本占大型云计算公司数据中心支出的60%，但分析师预计到2032年，这一比例将降至20%左右 [25] - 行业需求正从不计成本训练模型，转向追求“又快又省”的推理芯片 [25] - 对英伟达而言，此次行动被视为补齐了其在非HBM架构上的短板，是对谷歌TPU技术路线的一种认可，也表明其意图通吃AI模型训练与推理整个算力市场 [25]

行业趋势与市场前景 - 全球低轨卫星星座部署与太空算力产业正步入爆发式增长周期 [1] - 太空经济已成为重塑全球科技竞争格局的核心赛道之一 [1] - 全球低轨卫星规划总量已突破10万颗，标志着行业正式迈入密集组网与规模化发展新阶段 [1] - 太空算力产业爆发前景明确 [1] 技术发展与需求演变 - 低轨卫星的功能持续升级，从遥感、通信拓展至在轨AI训练、延时边缘计算等高算力任务 [1] - 对星载能源“轻质量、高效率”的诉求持续升级 [1] - 随着AI计算集群规模快速扩张，地面算力正面临能源供给与散热效率的双重瓶颈 [1] - 地面算力的电力与散热需求将远超现有地面设施承载能力 [1] - 太空算力成为解决地面算力瓶颈的关键破局方向 [1]

公司液冷技术布局 - 公司全面布局液冷技术，可提供冷板式、浸没式、喷淋式等多种技术路线 [1] - 公司致力于打造技术先进、性能卓越的全栈液冷解决方案 [1] - 公司推出了面向AI计算等领域的液冷整机柜产品系列 [1] 公司技术能力与经验 - 公司具有从冷板、快接头、CDU到机柜、监控系统的全链条自研与整合能力 [1] - 公司拥有服务大型互联网公司的液冷基础设施交付案例和经验 [1]