公司概况与市场地位 - 公司是芯天下技术股份有限公司，成立于2014年，专注于代码型闪存芯片的研发、设计和销售，产品线涵盖NOR Flash、SLC NAND Flash及MCP [1] - 以2024年收入计，公司在全球代码型闪存芯片Fabless公司中排名第六，在SLC NAND Flash和NOR Flash两个细分领域全球排名分别位居第四和第五 [1] - 2024年，公司代码型闪存芯片全球市场份额为3.7%，在SLC NAND Flash领域则拥有6.6%的市场份额 [3] 财务表现与产品结构 - 2023年公司收入达6.63亿元人民币，2024年降至4.42亿元人民币，净利润连续两年亏损 [2] - 截至2025年9月30日止九个月，公司实现总收入3.79亿元人民币，较上年同期增长10.0%，成功实现扭亏为盈，净利润达840万元人民币 [2] - 同期毛利率从2024年的14.0%回升至18.8% [2] - 从产品结构看，2024年SLC NAND Flash贡献了约48.8%的收入，NOR Flash则占比36.0% [2] 技术突破与产品进展 - 公司已成功量产基于ETOX 55nm工艺的2Gbit超大容量SPI NOR Flash，打破了海外大厂在通信基站、AI服务器等高端应用场景的垄断 [3] - 针对AI边缘侧设备，公司于2022年率先实现了全球最小尺寸（1.2x0.7x0.4mm）及最小功耗的2Mbit NOR Flash的量产 [4] 行业趋势与市场前景 - AI应用正驱动对高性能、高可靠性存储芯片的需求 [4] - 据灼识咨询预测，全球代码型闪存芯片市场规模将从2024年的49亿美元增长至2030年的83亿美元，其中中国市场的占比将超过55% [4] 公司发展战略 - 公司提出“存储+”与“AI+”的战略双轮驱动模式，试图从单一的存储芯片供应商跨向综合型通用芯片设计企业 [4] - 在“存储+”战略下，公司积极拓展模拟芯片和MCU产品线，为客户提供从“供电—控制—存储—驱动”的完整芯片解决方案 [5] - 在“AI+”战略下，公司正研发基于新型非易失性存储器ReRAM的存内计算加速芯片，预期于2026年底产出芯片，2027年量产，目标指向边缘AI应用 [5] 未来规划与资金用途 - 公司计划将募集资金的大部分投入于持续的研发与创新，重点提升20nm等先进工艺节点的SLC NAND量产突破，并进一步扩展全球销售网络 [5]

公司概况与市场地位 - 芯天下技术股份有限公司是一家专注于代码型闪存芯片研发、设计和销售的中国芯片设计公司，产品线涵盖NOR Flash、SLC NAND Flash及MCP [1] - 以2024年收入计，公司在全球代码型闪存芯片Fabless公司中排名第六，在SLC NAND Flash和NOR Flash两个细分领域全球排名分别为第四和第五 [1] - 2024年，公司代码型闪存芯片全球市场份额为3.7%，在SLC NAND Flash领域市场份额为6.6% [3] 财务表现与业务结构 - 2023年公司收入为6.63亿元人民币，2024年收入降至4.42亿元人民币，净利润连续两年亏损 [2] - 截至2025年9月30日止九个月，公司实现总收入3.79亿元人民币，较上年同期增长10.0%，成功实现扭亏为盈，净利润达840万元人民币 [2] - 同期毛利率从2024年的14.0%回升至18.8% [2] - 从产品结构看，SLC NAND Flash和NOR Flash是核心收入支柱，2024年分别贡献了约48.8%和36.0%的收入 [2] 技术突破与产品进展 - 公司已成功量产基于ETOX 55nm工艺的2Gbit超大容量SPI NOR Flash，打破了海外厂商在通信基站、AI服务器等高端应用场景的垄断 [3] - 针对AI边缘设备，公司于2022年率先实现了全球最小尺寸（1.2x0.7x0.4mm）及最小功耗的2Mbit NOR Flash的量产 [4] - 公司是国内少数能同时满足NOR Flash和SLC NAND Flash需求的厂商 [3] 行业趋势与市场前景 - AI应用正深远驱动集成电路行业升级，催生对高性能、高可靠性存储芯片的需求 [4] - 据灼识咨询预测，全球代码型闪存芯片市场规模将从2024年的49亿美元增长至2030年的83亿美元，其中中国市场的占比将超过55% [4] - AI技术正从数据中心向智能汽车、人形机器人及低空经济等新兴场景渗透 [6] 公司发展战略 - 公司提出“存储+”与“AI+”的战略双轮驱动模式，旨在从单一存储芯片供应商转向综合型通用芯片设计企业 [4] - 在“存储+”战略下，公司积极拓展模拟芯片和MCU产品线，为客户提供从“供电—控制—存储—驱动”的完整芯片解决方案 [5] - 在“AI+”战略下，公司正研发基于新型非易失性存储器ReRAM的存内计算加速芯片，预期于2026年底产出芯片，2027年量产，目标指向边缘AI应用 [5] - 公司计划将募集资金大部分投入研发与创新，重点提升20nm等先进工艺节点的SLC NAND量产突破，并进一步扩展全球销售网络 [5]

文章核心观点 AI与高性能计算需求的爆发式增长，正遭遇“存储墙”的核心瓶颈，即存储器带宽、延迟和能效的增长速度严重滞后于计算性能的增长，制约了系统整体潜力[1][4] 行业领导者台积电指出，未来竞争将是内存子系统性能、能效与集成创新的综合较量，并提出了以SRAM、MRAM、存内计算（CIM）为核心，结合3D封装与计算-存储融合的全栈技术演进路径[1][11][62] AI算力需求与存储“带宽墙”挑战 - AI模型参数从百万级跃升至万亿级，过去70年间训练计算量增长超过10^18倍，推理计算量同步爆发式增长[2] - 硬件峰值浮点运算性能（HW FLOPS）在过去20年间增长60000倍（平均每2年增长3.0倍），而DRAM带宽仅增长100倍（平均每2年增长1.6倍），互连带宽仅增长30倍（平均每2年增长1.4倍），增长速度严重失衡形成“带宽墙”[4] - 以英伟达H100 GPU为例，其BF16精度峰值算力达989 TFLOPs，但峰值带宽仅3.35 TB/s，在运算强度不足时系统性能受存储限制，计算资源闲置[7] - AI/HPC对存储器提出三大核心要求：大容量（存储模型参数）、高带宽（解决吞吐瓶颈）、低数据传输能耗（实现绿色计算与边缘部署）[7] 存储技术演进的全链条协同路径 - 行业正从传统以计算为中心的架构加速向以存储为中心的架构转型[7] - 未来存储器架构演进围绕“存储-计算协同”展开：从传统片上缓存，到片上缓存+大容量封装内存储器，再到高带宽低能耗封装内存储器，最终实现存算一体与近存计算[7] - 现代系统采用分层存储架构，从寄存器（延迟约1ns）、SRAM缓存（延迟约10ns）到HBM/DRAM主存，再到SSD，进行性能-成本权衡[9] - 技术突破需材料、工艺、架构、封装的全链条协同优化，而非单点突破[11] SRAM：高速缓存层的性能基石与演进 - SRAM凭借低延迟、高带宽、低功耗、高可靠性及兼容先进CMOS工艺的优势，是寄存器、缓存等关键层的首选技术，广泛应用于数据中心CPU、AI加速器、移动SoC等芯片[12] - SRAM工艺已覆盖N28至N2全节点，随着N3/N2等先进工艺普及，其在高性能计算芯片中的用量持续增长[12] - 随着工艺向7nm、5nm、3nm、2nm演进，SRAM面临面积缩放速度放缓、最小工作电压（VMIN）优化困境、以及互连损耗加剧（Cu线宽<20nm时电阻率快速上升）等挑战[16][17] - 台积电通过设计-工艺协同优化（DTCO）及技术创新推动SRAM缩放，例如：90nm引入应变硅，45nm采用高k金属栅，28nm推出FinFET与飞跨位线，7nm应用EUV光刻，2nm采用Nanosheet架构[13] - 设计层面，台积电推出3D堆叠V-Cache技术以优化末级缓存容量、延迟与带宽，应用于AMD Ryzen 7 5800X3D处理器，集成最高96MB共享L3缓存，游戏性能显著提升[17][20] - 通过写辅助电路、读辅助电路、双轨SRAM等技术，将N3工艺SRAM的VMIN降低超过300mV；通过交错三金属层字线、飞跨位线等技术降低互连损耗[20] - 未来SRAM发展聚焦：1）在N2及更先进节点通过Nanosheet与DTCO提升密度与能效；2）与3D封装结合垂直堆叠以匹配AI加速器超高带宽需求；3）与存算一体架构协同，作为DCiM的核心存储单元[20] 存内计算（CIM）：突破能效瓶颈的架构革命 - 在典型AI加速器中，超过90%的能耗用于存储与计算单元间的数据搬运，而非实际计算，数据移动是制约能效的核心因素[21] - 存内计算架构打破冯·诺依曼架构，将计算功能嵌入内存阵列，数据在原地或近旁处理，极大节省能耗和延迟[24] - 台积电认为，数字存内计算（DCiM）相比模拟存内计算（ACiM）更具潜力，因其无精度损失、灵活性强、工艺兼容，能随节点演进持续提升性能，特别适用于边缘推理场景[26] - DCiM核心优势：1）灵活性高，可针对不同AI工作负载配置计算位宽；2）计算密度高，从22nm到3nm，其能效（TOPS/W）和计算密度（TOPS/mm²）实现数量级飞跃；3）精度灵活与能效比高，支持INT8/12/16及FP16精度，精度损失<2.0%，INT8能效比相比传统架构提升约4倍[28] MRAM：非易失性嵌入式存储器的突破 - 传统嵌入式闪存（eFlash）在28nm以下工艺微缩困难，磁阻随机存取存储器（MRAM）凭借低待机功耗、高密度、非易失性、速度快、耐久性和工艺友好等优势，成为理想替代方案[33] - MRAM核心价值在于兼顾高速读写与数据长期保存，满足汽车电子、边缘AI等场景对非易失性、高可靠性和极高耐久性的需求[35] - 在汽车电子领域，台积电N16 FinFET eMRAM技术满足严苛要求：100万次循环耐久性、支持焊料回流、150℃下20年数据保持能力，支撑车载MCU的OTA更新功能[39] - 在边缘AI领域，MRAM支持TinyML等紧凑AI架构，仅需2-4MB容量存储模型权重，同时支持安全OTA更新，匹配其对低容量、高能效与高可靠性的需求[39] - MRAM短板包括：单位容量成本高于DRAM与NAND；高温度下数据保持需优化；强磁场环境（如强永磁体N52）下需保持9mm安全距离等抗干扰挑战[43] - 台积电通过多重技术优化MRAM可靠性：1）数据擦洗技术结合ECC纠错，在125℃下控制位错误率；2）优化MTJ结构与布局以抗磁性干扰；3）针对NVM与RAM不同应用场景调整参数，权衡数据保持、密度与速度[43][47][49] - 台积电已将N16 eMRAM技术成功推向市场，特别是在汽车领域，并正在向更先进节点迈进[49] 计算-存储融合与3D先进封装的系统级优化 - 单一存储技术优化已难以满足系统需求，必须通过3D封装、芯粒集成等技术，将存储与计算单元紧密连接，实现存储靠近计算的架构重构[50] - 2.5D/3D先进封装通过硅中介层或硅桥将计算芯粒与高带宽内存（如HBM）封装在一起，创造带宽极高、距离极近的超级系统，以匹配AI加速器的巨大吞吐需求[54] - 台积电先进封装布局包括：CoWoS平台（将逻辑芯片和HBM集成在硅中介层上）和SoIC技术（允许芯片垂直3D堆叠，实现最短最密集互连）[58] - 高密度互连优势：缩短数据路径，降低数据移动能耗与延迟；提升带宽密度，3D堆叠的比特能效相比封装外铜互连提升60倍；模块化设计灵活适配不同场景，如AI内存带宽需求已达20.0TB/s[58] - 未来AI芯片可能通过3D堆叠将计算单元直接放置在高速缓存或存内计算单元之上，形成紧耦合异构集成体，并结合集成电压调节器、光子互连等技术[60] - 这要求芯片设计、存储器专家、封装工程师从架构设计之初就进行内存-计算协同优化，以突破存储墙与能效瓶颈[61] 行业未来图景与竞争关键 - AI计算正推动存储技术进入全维度创新时代，需应对“带宽墙”与“能效瓶颈”双重挑战[62] - 台积电的技术蓝图路径：以SRAM保障高速访问；以MRAM开拓新场景并填补非易失性存储空白；以DCiM实现存算一体突破能效瓶颈；最终以3D封装与芯粒集成实现系统级融合，重构存储与计算连接[62] - 对产业而言，竞争格局深化，领先企业不仅需掌握尖端制程工艺，更需在存储技术、先进封装和系统架构上构建全方位创新能力，技术的协同与融合成为破局关键[62]

文章核心观点 AI与高性能计算需求的爆发式增长正遭遇“存储墙”瓶颈，即存储带宽和性能的提升速度远落后于计算性能的增长，这严重制约了系统整体能效和算力释放[1][5]。为突破此瓶颈，行业需从单一器件优化转向材料、工艺、架构、封装的全链条协同创新[12]。台积电的技术蓝图指出，未来竞争将是内存子系统性能、能效与集成创新的综合较量，其演进路径围绕“存储-计算协同”展开，具体通过优化SRAM、发展MRAM与存内计算（DCiM）、并利用3D封装等技术实现计算-存储深度融合，以构建下一代硬件平台[1][8][12][50][59]。 AI算力增长与存储“带宽墙”挑战 - AI模型参数规模与计算量呈爆炸式增长，过去70年间机器学习模型的训练计算量增长超过10^18倍[2] - 计算性能与存储器带宽提升速度严重失衡，过去20年间硬件峰值浮点运算性能（HW FLOPS）增长60000倍（平均每2年3.0倍），而DRAM带宽仅增长100倍（平均每2年1.6倍），互连带宽仅增长30倍（平均每2年1.4倍），形成“带宽墙”[5] - 存储带宽成为限制计算吞吐量的主要瓶颈，以英伟达H100 GPU为例，其BF16精度峰值算力达989 TFLOPs，但峰值带宽仅3.35 TB/s，在运算强度不足时系统性能受存储限制[8] - AI与HPC对存储器提出三大核心需求：大容量、高带宽、低数据传输能耗[8] - 行业架构正从以计算为中心加速向以存储为中心转型，存储架构演进路径为：从传统片上缓存，到片上缓存+大容量封装内存储器，再到高带宽低能耗封装内存储器，最终实现存算一体与近存计算[8] 分层存储架构与全链条优化 - 现代计算系统采用分层存储架构以平衡速度、带宽、容量与功耗，从寄存器（延迟约1ns）、SRAM缓存（延迟约10ns）到HBM/DRAM主存，再到SSD等存储设备，性能与成本逐级权衡[10] - 应对挑战需材料、工艺、架构、封装的全链条协同优化，台积电基于层次结构优化各级嵌入式存储器：SRAM提升缓存层密度与能效；MRAM填补嵌入式非易失性存储器（eNVM）缺口；DCiM从架构层面优化能效比；3D封装与芯粒集成则提供系统级解决方案[12] SRAM：性能基石的技术演进与挑战 - SRAM是高速嵌入式存储器主力，具有低延迟、高带宽、低功耗、高可靠性优势，广泛应用于数据中心CPU、AI加速器、移动SoC等，工艺节点覆盖N28至N2[13] - SRAM面积缩放依赖关键工艺与设计突破：90nm引入应变硅；45nm采用高k金属栅；28nm推出FinFET、飞跨位线与双字线；7nm应用EUV光刻与金属耦合；2nm通过Nanosheet架构实现进一步缩放[14] - SRAM密度提升直接推动计算性能，例如L3缓存容量增加可显著提升CPU每周期指令数（IPC）[17] - 先进节点下面临三大挑战：面积缩放速度放缓；最小工作电压（VMIN）优化困难，影响读写稳定性与能效；互连损耗加剧（Cu线宽<20nm时电阻率快速上升），制约速度提升[17] - 设计层面通过3D堆叠V-Cache技术优化末级缓存，AMD Ryzen™ 7 5800X3D处理器集成最高96MB共享L3缓存，游戏性能显著提升[17][20] - 通过写辅助电路、读辅助电路、双轨SRAM等技术，将N3工艺SRAM的VMIN降低超过300mV；通过交错三金属层字线、飞跨位线等技术降低互连损耗[22] - 未来聚焦方向：在N2及更先进节点通过Nanosheet架构与设计-工艺协同优化（DTCO）提升密度与能效；与3D封装结合实现缓存容量跨越式增长；与存算一体架构协同，作为DCiM的核心存储单元[22] 存内计算（CIM）与DCiM的架构革命 - 传统AI加速器中超过90%的能耗可能用于存储与计算单元间的数据搬运，而非实际计算，数据移动成为制约能效的核心因素[23] - 存内计算（CIM）打破冯·诺依曼架构，将计算功能嵌入内存阵列，数据在原地或近旁处理，极大节省能耗和延迟[26] - 台积电认为数字存内计算（DCiM）相比模拟存内计算（ACiM）更具潜力，DCiM无精度损失、灵活性强、工艺兼容，能随节点演进持续提升性能，特别适用于边缘推理场景[28] - DCiM核心优势：灵活性高，可针对不同AI工作负载配置计算位宽；计算密度高，从22nm到3nm，其能效（TOPS/W）和计算密度（TOPS/mm²）实现数量级飞跃；精度灵活与能效比高，支持INT8/12/16及FP16精度，精度损失<2.0%，INT8精度下能效比较传统架构提升约4倍[30] MRAM：非易失性嵌入式存储器的突破 - 传统嵌入式闪存（eFlash）在28nm以下工艺微缩困难，磁阻随机存取存储器（MRAM）凭借低待机功耗、高密度、非易失性、速度快、耐久性和工艺友好等优势，成为eNVM的理想替代方案，适用于汽车电子、边缘AI等新兴场景[35][38] - 在汽车电子领域，台积电N16 FinFET嵌入式MRAM技术满足严苛要求：100万次循环耐久性、支持焊料回流、150℃下20年数据保持能力，支撑软件定义汽车的OTA更新等功能[41] - 在边缘AI领域，MRAM支持TinyML等紧凑AI架构，仅需2-4MB容量存储模型权重，同时支持安全OTA更新，匹配边缘设备对低容量、高能效与可靠性的需求[41] - MRAM存在短板：单位容量成本高于DRAM与NAND；高温度下数据保持能力需优化；强磁场环境（如强永磁体N52）下需保持9mm安全距离，抗干扰能力需特殊设计[42] - 台积电通过技术优化提升MRAM可靠性：采用数据擦洗（Data Scrubbing）技术结合ECC纠错，在125℃下控制位错误率（BER）；优化MTJ结构与布局以抗磁性干扰；针对NVM与RAM不同应用场景差异化调整参数[43][46] - 台积电已将N16 eMRAM技术成功推向市场，特别是在汽车领域，并正向更先进节点迈进[50] 计算-存储融合与3D封装的系统级优化 - 单一存储技术优化已难以满足系统需求，必须通过3D封装、芯粒集成等技术实现存储靠近计算的架构重构，需求包括更高带宽密度、更低单位比特能耗、更短延迟、更高互连密度[50] - 2.5D/3D先进封装（如通过硅中介层或硅桥）将计算芯粒与高带宽内存（如HBM）集成，创造带宽极高、距离极近的超级系统，使内存带宽匹配AI加速器的巨大吞吐需求[52] - 高密度互连优势：缩短数据路径，降低移动能耗与延迟；提升带宽密度，3D堆叠的比特能效相比封装外铜互连提升60倍；模块化设计灵活适配不同场景，AI内存带宽需求已达20.0TB/s，3D封装可高效支撑[56] - 未来AI芯片可能通过3D堆叠将计算单元直接放置在高速缓存或存内计算单元之上，形成紧耦合异构集成体，并集成电压调节器、光子互连等技术[58] - 需芯片设计、存储器、封装工程师早期紧密协作，通过内存-计算协同优化，实现能效和性能的阶跃式提升[58] - 台积电具体布局包括：CoWoS先进封装平台，将逻辑芯片和HBM集成在硅中介层上，实现高互连密度和带宽；SoIC 3D堆叠技术，允许芯片垂直堆叠，将数据移动能耗和延迟降至最低[59]

投资评级 - 报告对炬芯科技的投资评级为“强推”，并予以维持 [1] - 目标价为87.58元，当前股价为59.02元，隐含约48.4%的上涨空间 [3] 核心观点 - 公司持续刷新单季业绩记录，份额提升与端侧AI卡位共同驱动高速成长 [1] - 2025年第三季度营收达2.73亿元，同比增长46.64%，环比增长6.16% [1] - 2025年第三季度归母净利润达0.60亿元，同比增长101.09%，环比增长20.72% [1] - 2025年第三季度扣非归母净利润达0.61亿元，同比增长145.15%，环比增长28.31% [1] - 公司盈利能力显著提升，25Q3毛利率为51.44%，同比提升3.28个百分点，净利率为22.08%，同比提升5.98个百分点 [8] 主要财务指标与预测 - 预测公司2025年营业总收入为9.86亿元，同比增长51.3%，归母净利润为2.12亿元，同比增长98.8% [3] - 预测公司2026年营业总收入为13.24亿元，同比增长34.3%，归母净利润为2.95亿元，同比增长39.2% [3] - 预测公司2027年营业总收入为17.45亿元，同比增长31.8%，归母净利润为3.97亿元，同比增长34.7% [3] - 对应每股收益2025E/2026E/2027E分别为1.21元/1.68元/2.27元 [3] - 当前市盈率基于2025年预测为49倍，基于2026年预测为35倍 [3] 业务驱动因素 - 蓝牙音箱SoC芯片在头部音频品牌中渗透率持续提升，产品价值量与合作深度同步增强 [8] - 低延迟高音质无线音频产品需求旺盛，公司在无线麦克风、电竞耳机等领域具备卡位优势，销售额高速增长 [8] - 端侧AI处理器芯片成功应用于头部品牌高端音箱等产品，市场渗透率大幅提高，相关销售收入实现数倍增长 [8] 技术研发与未来布局 - 公司持续推进存内计算技术研发，第一代端侧AI音频芯片推广顺利，多家头部品牌项目已立项并将量产 [8] - 面向低延时私有无线音频领域的客户终端产品已率先完成量产 [8] - 正稳步推进第二代存内计算技术IP研发，目标实现NPU算力数倍提升并全面支持Transformer模型 [8] - 持续加大下一代私有协议研发投入，以提升无线传输带宽、降低延迟及抗干扰性能 [8]

边缘AI的挑战与内存瓶颈 - 边缘AI应用（如自动驾驶、医疗、工业）因需实时响应和数据隐私，更适合在本地运行小型模型，而非依赖数据中心的大型模型[3] - 边缘设备计算资源有限，无法拥有TB级内存或无限计算能力，这与数据中心形成鲜明对比[3] - 在典型移动工作负载中，数据在内存中的移动占总能耗的62%，内存是硬件资源的最大消耗者，且内存延迟是执行时间的最大贡献者[3] - 器件规模扩大使DRAM稳定性变差，需更频繁刷新周期，且大型内存阵列访问难度增加，因带宽增长不及内存条本身增长[3] 内存/近内存计算解决方案 - 商用现成DRAM在软件基础设施支持下，可执行原始数据复制、初始化和按位逻辑运算，作为近内存计算的解决方案[4] - 内存计算不仅能提高传统神经网络能效，还可促进其他建模方法发展，如将计算难题建模为伊辛玻璃问题[10] 神经网络训练与推理的内存需求 - 神经网络训练任务涉及对权重矩阵多次小幅更新，需要高写入耐久性和精确值存储能力的内存[5] - 推理任务使用稳定不变的权重矩阵，但可能多次应用于输入数据，需要高读取耐久性的非易失性存储器[5] - 近内存计算设备需与标准CMOS逻辑工艺兼容[5] RRAM与铁电体技术特性 - RRAM依靠氧化层中形成的导电细丝实现极高读取耐久性，通过精心设计编程方案可存储模拟值以减小存储器阵列大小，技术已成熟到可在边缘推理场景商业部署[5] - RRAM写入耐久性相对较低，编程脉冲会随时间模糊存储值间电阻差异，设计人员通常用传统硬件训练模型后预加载权重到RRAM阵列[6] - 铁电电容器支持快速开关和极高写入耐久性，可承受训练任务的频繁写入，但读取操作具有破坏性，不适合长期存储权重矩阵或频繁读取的推理任务[6] - 铁电晶体管集成到CMOS工艺复杂，需高温工艺和额外掩模层，而铁电电容器和隧道结更简单，促使多个研究小组将RRAM与铁电结构结合[6] 混合内存技术进展 - SK海力士展示混合铁电隧道结（FTJ），将铁电铪锆氧化物层夹在电极间，钽层作氧空位储存器，实现精确模拟乘法累加运算，效率达每瓦224.4万亿次运算（TOPS/W）[7] - CEA-Leti团队将掺杂硅的HfO2电容器与钛氧清除层结合到标准CMOS后道工艺，器件可表现为铁电电容器或经成型形成导电细丝的忆阻器[7] - 混合结构中，铁电电容器存储用于训练计算的高精度二进制权重，忆阻器存储推理任务所需的模拟权重，训练数字识别任务时写入操作总数比忆阻器耐久性小17倍，比铁电电容器耐久性小75倍，能耗比持续更新忆阻器阵列低38倍[9] 替代计算模型与硬件设计 - 伊辛玻璃问题涉及数千至数百万连接，是量子计算潜在应用，传统方法如德州大学研究员提出三维结构，将FeFET融入CMOS后道工艺，节点由四个交叉耦合FeFET存储有符号模拟值，映射到伊辛耦合矩阵[11] - 近内存和内存加速器与任务紧密耦合，伊辛玻璃求解器、点云网络等需要不同硬件设计，下一步需软件框架重新映射内存访问以满足特定问题要求，并需能独立于外部内存控制器自我管理的内存硬件[13]

财务表现 - 25H1营收4.49亿元 同比增长60.12% [1] - 25H1归母净利润0.91亿元 同比增长123.19% [1] - 25H1毛利率50.67% 同比上升4.21个百分点 [1] - 25Q2单季营收2.57亿元 环比增长33.98% [1] - 25Q2销售净利率19.41% 环比降低2.18个百分点 [1] 业务发展 - SoC芯片业务高速增长 AIoT与无线音频市场渗透率提升 [2] - 推出ATS323X/ATS362X/ATS286X三款端侧AI音频芯片 [2] - 在哈曼/索尼/Bose等品牌客户中提升市场份额 [2] - 与大疆/RODE/猛玛等品牌合作低延迟高音质蓝海市场 [2] - 与TCL/VIZIO合作发力Soundbar市场 [2] 技术创新 - 推进存内计算技术商业化落地 [3] - 第二代存内计算IP研发按计划进行 目标实现单核NPU算力倍数提升 [3] - ANDT开发工具版本升级强化端侧AI开发生态 [3] 业绩展望 - 预计2025-2027年营业收入10.00/11.87/14.85亿元 [3] - 预计2025-2027年归母净利润1.7/2.7/3.7亿元 [3]

报告公司投资评级 - 买入|维持 [1] 报告的核心观点 - 报告公司是专业无线音频IC企业，瞄准全球高端消费音频和专业音频，服务国际国内品牌，深化2.4G私有通信协议产品研发升级，端侧AI助力音频新未来，预计2025 - 2027年营业收入8.8/11.5/14.9亿元，归母净利润1.6/2.3/3.1亿元，维持“买入”评级 [2][3][4] 各目录总结 深耕智能音频SOC，引领音频技术革新 - 公司自2014年起推出系列蓝牙解决方案及芯片产品，进入众多知名厂商供应链，2024年基于三核异构核心架构研发成功，拓展无线连接技术布局 [10] - 公司前十大股东包括珠海瑞昇投资合伙企业等，还控股合肥炬芯智能科技有限公司等多家子公司 [11][13] - 2024年公司实现营业收入6.52亿元，同比+25.34%；归母净利润1.07亿元，同比+63.83%，持续加大与国内外一线品牌合作深度，优化产品结构 [15] - 2024年公司毛利率达48.22%，同比提升4.49pct；2025年Q1毛利率进一步提升至49.82%，同比增加4.4pct，产品和客户结构优化，高毛利率产品销售占比提升 [18] - 2024年公司研发费用率达33%，同比提升1.2个百分点，投入2.15亿元，同比增长30.06%，聚焦端侧AI处理器及低功耗高算力芯片研发 [22] - 截至2024年底，公司研发人员266人，占总人数73.08%，优化人力资源管理体系，推进股权激励计划 [22] - 介绍公司核心技术人员，包括董事长、系统研发部总监等的工作经历 [23] 音箱：便携式，家用市场加速拓展 - 中国蓝牙音箱市场处于存量替换稳定阶段，2024年全渠道销量2488万台，同比增长5.0%；销额72.0亿元，同比增长8.4%，线上渠道占主导；全球蓝牙音频流设备出货量预计2024 - 2028年增长1.38倍，年复合增长率7% [27] - 国际品牌主导高端市场，哈曼卡顿销额份额居线上市场第一，国产漫步者巩固国内品牌领先地位 [28] - 哈曼国际旗下JBL发布JBL FLIP7便携蓝牙音箱，具备多种先进功能 [31] - 报告公司是全球蓝牙音频SoC芯片重要供应商，蓝牙音箱芯片是主力产品，已进入众多终端耳机品牌供应链，还耕耘耳机细分市场 [36] - 报告公司蓝牙音频SoC产品有超10年蓝牙音频芯片经验，支持多种技术和功能，有优质客户群体 [40] - 蓝牙低功耗音频是新一代技术标准，Auracast广播音频面向非连接音频应用 [45] 私有协议：无线麦克风，Soundbar市占率逐步提升 - 传统音频行业未来发展趋势包括无线化、低延迟、高音质、音乐分享和多连接需求提高、便携化和低功耗 [47] - 无线麦克风消费群体从流媒体场景扩展至会议等活动场景，罗德Wireless Micro内置报告公司ATS3031芯片，该芯片有高音质、低延迟等优势 [50][52] - 报告公司低延迟高音质无线音频SoC芯片覆盖多个细分市场，进入多家品牌供应链，基于私有无线技术升级将带来更好体验 [55][56] - 报告公司相关产品支持蓝牙和2.4G私有协议双模式运行，有超低延迟体验，适用于多种典型应用 [57] 端侧AI：助力音频新未来 - 端侧大型语言模型自2023年起迅猛发展，新模型不断推出，在性能和多模态能力上有进步 [61] - 传统文本大型语言模型从Transformer架构发展而来，多模态大型语言模型可处理多种模态，在资源有限设备上部署采用协作和分层模型方法及经典训练方法 [64] - 评估端侧大语言模型性能考虑延迟、推理速度、内存使用、存储和能耗等指标，硬件技术影响其部署和性能 [65] - 将大型语言模型部署在端侧设备可解决云端部署的问题，端侧AI市场规模预计从2022年的152亿美元增长到2032年的1436亿美元 [67][69] - DeepSeek刺激智能耳机、智能家居及可穿戴设备智能化，AI耳机增长潜力大，智能家居行业2025年将成为关键转折点 [72] - 智能手机SoC利用NPU改善体验，生成式AI用例面临计算需求和硬件部署挑战，异构计算架构可发挥各处理器优势 [73] - NPU专为低功耗加速AI推理打造，随AI发展不断演进，不同阶段适应不同AI用例和模型 [78] - 存内计算将数据存储与计算集成在同一芯片，突破冯诺依曼架构限制，具有高性能、低延迟、节能优势 [79][81] - 3D堆叠技术缓解数据搬移开销问题，但未根本改变现状，存内计算潜力更大 [83] - 存内计算存储介质分易失性和非易失性存储器，不同类型有不同特性和优缺点 [84][85][87] - 报告公司选择模数混合SRAM存内计算，在性能、能效、量产和扩展性上平衡最佳 [90] - 报告公司推出基于该技术的新一代端侧AI音频芯片，采用三核异构架构，能效优势显著 [93] - 报告公司端侧AI处理器芯片先落地音频产品，满足终端设备智能化需求，AI模型在音频领域应用前景广阔 [95] - 基于端侧AI处理器的音频处理SoC芯片解决方案有多种，基于CIM的NPU技术有超高功效等亮点 [98] 其他产品：手表眼镜多元化发展 - 2024年全球AI智能眼镜销量234万台，预计2025年达550万台，增长135.04%，更多品牌加入推动市场扩大 [100] - 介绍CES 2025智能眼镜主要品牌展出产品的机型、类型和亮点 [103][104] - Halliday智能眼镜投影方式独特，基于报告公司芯片的解决方案升级迭代，公司布局新一代芯片规格升级 [107] - 2024年全球腕戴设备市场出货1.9亿台，同比下滑1.4%，中国出货量6116万台，同比增长19.3%，成为全球最大市场 [109] - 全球腕戴设备市场竞争格局多元化，各品牌在不同细分市场和区域有优势 [109] - 报告公司推动智能穿戴SoC芯片迭代升级，应用于多款手表、手环产品，产品有快速迭代、双模蓝牙等特点 [110][112] 盈利预测 - 蓝牙音频SoC芯片业务预计2025/2026/2027年营收增速32%/30%/30%，毛利率50%/51%/51% [114] - 便携式音频SoC芯片业务预计2025/2026/2027年营收增速 - 8%/-5%/-5%，毛利率48%/47%/46% [114] - 处理器芯片业务预计2025/2026/2027年营收增速90%/55%/40%，毛利率45%/47%/49% [114]

报告公司投资评级 - 买入|维持 [1] 报告的核心观点 - 报告公司是专业无线音频IC企业，产品应用广泛，在智能音频SoC芯片领域地位重要，已实现国产替代 [2] - 服务国内外一二线终端品牌，提供差异化芯片组合，获业界认可，持续提升品牌渗透率 [2] - 深化2.4G私有通信协议产品研发升级，技术先进，未来将在低延迟高音质领域保持领先 [2] - 端侧AI处理器芯片结合音频与AI，满足低功耗端侧设备AI应用需求 [2] - 预计2025 - 2027年营业收入8.8/11.5/14.9亿元，归母净利润1.6/2.3/3.1亿元，维持“买入”评级 [4] 根据相关目录分别进行总结 深耕智能音频SOC，引领音频技术革新 - 公司发展历程丰富，2014 - 2024年推出多种芯片及解决方案，进入众多知名厂商供应链 [9] - 持续与国内外一线品牌合作，产品多矩阵布局并优化结构，2024年营收6.52亿元，归母净利润1.07亿元 [14] - 产品和客户结构优化，高毛利率产品占比提升，2024年毛利率48.22%，2025年Q1达49.82% [17] - 2024年研发费用率33%，投入2.15亿元，聚焦端侧AI及低功耗高算力芯片研发 [21] - 截至2024年底研发人员266人，占比73.08%，优化人力资源体系，推进股权激励计划 [21] - 介绍多位核心技术人员工作经历及职位 [22] 音箱：便携式，家用市场加速拓展 - 中国蓝牙音箱市场处于存量替换阶段，2024年销量2488万台，销额72亿元，线上渠道主导 [26] - 全球蓝牙音频市场稳定增长，预计2024 - 2028年出货量增长1.38倍，年复合增长率7% [26] - 国际品牌主导高端市场，本土品牌通过差异化定位和技术创新在中低端市场提升份额 [27] - 公司是全球蓝牙音频SoC芯片重要供应商，蓝牙音箱芯片是主力产品，已进入众多终端品牌供应链 [35] - 公司蓝牙音频SoC产品经验丰富，支持多种技术和功能，满足不同应用需求 [39] - 介绍蓝牙低功耗音频和Auracast广播音频技术及应用 [44] 私有协议：无线麦克风，Soundbar市占率逐步提升 - 传统音频行业向无线化、低延迟、高音质、音乐分享多连接、便携低功耗方向发展 [46] - 无线麦克风消费群体扩张，基于2.4G私有协议产品受青睐，应用场景增多 [49] - 罗德Wireless Micro无线麦克风内置公司ATS3031芯片，该芯片性能优势显著 [51] - 公司低延迟高音质无线音频SoC芯片覆盖多个细分市场，进入众多品牌供应链 [54] - 基于2.4G等私有无线技术升级，将带来更好体验 [55] - 公司相关产品支持双模式运行，音质高、延迟低，有多种典型应用 [56] 端侧AI：助力音频新未来 - 端侧大型语言模型发展迅速，2023 - 2024年新模型不断涌现，应用前景广泛 [60] - 介绍传统文本和多模态大型语言模型架构及训练方法，解决部署挑战的策略 [63] - 评估端侧大语言模型性能指标包括延迟、推理速度等，硬件技术影响其部署和性能 [64] - 端侧AI市场规模预计从2022年152亿美元增长到2032年1436亿美元 [68] - DeepSeek刺激智能耳机等设备智能化，AI耳机、智能家居市场增长潜力大 [71] - NPU专为加速AI推理设计，随AI发展演进，异构计算架构发挥各处理器优势 [72] - 存内计算集成数据存储与计算，突破冯诺依曼架构限制，有高性能等优势 [78] - 对比不同存储介质用于存内计算的特性、优势和劣势 [83] - 公司选择模数混合SRAM存内计算，在多方面实现平衡 [89] - 公司推出新一代端侧AI音频芯片，采用三核异构架构，能效优势显著 [92] - 公司端侧AI处理器芯片先落地音频应用，满足终端智能化需求，有广阔市场前景 [94] - 介绍基于CIM的NPU技术亮点及音频处理SoC芯片解决方案 [97] 其他产品：手表眼镜多元化发展 - 2024年全球AI智能眼镜销量234万台，预计2025年达550万台，市场规模扩大 [99] - 介绍CES 2025多家品牌智能眼镜展出产品的机型、类型和亮点 [102][103] - Halliday智能眼镜投影方式独特，基于公司芯片的解决方案升级，公司布局新一代芯片 [106] - 2024年全球腕戴设备市场出货1.9亿台，中国出货6116万台，成最大市场 [108] - 全球腕戴设备市场竞争多元化，各品牌在不同细分市场和区域有优势 [108] - 公司基于双模蓝牙的智能手表SoC芯片应用于多款产品，产品有多种优势 [109][111] 盈利预测 - 蓝牙音频SoC芯片业务有望量价齐升，假设2025 - 2027年营收增速32%/30%/30%，毛利率50%/51%/51% [113] - 便携式音频SoC芯片业务需求被替代，假设2025 - 2027年营收增速 - 8%/-5%/-5%，毛利率48%/47%/46% [113] - 处理器芯片业务出货量和收入增长，假设2025 - 2027年营收增速90%/55%/40%，毛利率45%/47%/49% [113]

行业投资概况 - 2025年第一季度共有75家公司获得超过20亿美元投资，涵盖量子计算、AI芯片、光子学等多个领域[1] - 六家公司获得单笔超1亿美元融资，其中三家为量子硬件公司（原子阱、超导、混合量子控制方向）[1] - AI芯片及数据中心光学通信技术公司合计融资超4亿美元[1] 细分领域融资亮点 量子计算 - Quantum Machines（以色列）获1.7亿美元C轮融资[2] - Alice & Bob（法国）获1.042亿美元B轮融资[2] - QUELS（美国）通过可转债融资2.3亿美元[2] AI硬件 - Krutrim（印度）获2.3亿美元风险债融资[2] - EnCharge AI（美国）获1亿美元B轮融资[2] - MemryX（美国）获4400万美元B轮融资[2] 光子学 - Celestial AI（美国）获2.5亿美元C+轮融资[2] - Lumotive（美国）获4500万美元B轮融资[2] - Hyperlume（加拿大）获1250万美元种子轮融资[3] 功率半导体 - Cambridge GaN Devices（英国）获3200万美元B轮融资[2] - Pakal Technologies（美国）获2500万美元B轮融资[2] - Power Diamond Systems（日本）获510万美元风险投资[3] 新兴技术方向 - 存内计算技术：六家初创公司专注设备端AI低功耗处理方案[1] - 新型存储结构：多家公司开发相干DSP和MEMS光子集成技术[1] - RISC-V处理器：Baya Systems（美国）获3600万美元B轮融资[2] 地域分布特征 - 美国主导融资活动，占头部案例60%以上（如Celestial AI、Quantum Machines等）[2][3] - 欧洲活跃度显著，法国、以色列、荷兰均有超1亿美元案例[2] - 亚洲新兴市场崛起，印度Krutrim获2.3亿美元融资[2] 融资阶段分析 - 成熟期公司单笔融资额更高（如Celestial AI的C+轮达2.5亿美元）[2] - 早期项目集中在传感器/无线领域，如QT Sense（荷兰）获630万美元风险投资[3] - 政府资助项目占比约8%，涉及德国Semron等公司[3]