行业背景与挑战 - 2025年国产大模型DeepSeek引爆大模型落地应用，国内算力需求激增 [1] - 高端算力供应紧张、国产芯片百花齐放、智算中心扩容混建，形成大量异构算力孤岛，挑战集群资源利用效率和灵活性 [1] - 算力资源不足成为短板，业界转向异构算力阶段，GPU、NPU、FPGA等异构芯片成为算力供给主力 [1] - 在海外供应链风险加剧、国产算力替代加速背景下，混合异构算力成为企业AI基础设施建设新常态 [1] - 业界普遍面临GPU利用率不足、异构资源管理困难等痛点 [1] 公司解决方案与产品 - 壁仞科技致力打造自主原创的高性能GPU软硬件体系 [1] - 首代通用GPU产品基于原创训推一体芯片架构，实现中国首个四种及以上异构芯片混训技术落地，有效突破算力孤岛难题 [1] - 公司拥有万卡集群整体解决方案和智算生态，通过软硬协同、算法与工程协同，系统性破解大模型算力孤岛难题 [2] - 在异构聚合算力方面，公司自主原创了异构GPU协同训练方案，支持4种及以上异构GPU协同训练同一个大模型 [2] - 方案已实现数千卡规模混训，下一步将逐步迈向万卡异构集群 [2] 合作与生态建设 - 公司联合中国移动发布“芯合”异构混合并行训练系统 [2] - 公司联合中国电信、中兴通讯等发布“智算异构四芯混训解决方案” [2] - 公司牵头推动智算集群异构混训标准建设工作，实现技术创新、落地应用、标准制定的有机结合 [2] - 2025年5月，公司联合上海智算科技和中兴通讯共同发起成立智算集群异构混训工作组 [2] - 工作组旨在共建标准和规范，开展互联互通、测试验证和应用推广，实现万卡、十万卡国产芯片异构智算集群，加快国产GPU迁移落地 [2] 行业意义与标准制定 - 智算集群异构混训工作组的成立，标志我国智算产业在异构混训技术领域迈出关键一步 [3] - 异构算力的规模化协同成为突破算力孤岛、释放算力潜能的关键命题 [3] - 异构混训技术全栈复杂，需要产学研用协同打造生态 [3] - 公司与中国信通院两化所联合制定了“智能集群异构混训技术要求和测试规范”标准草案 [3] - 标准制定方将联合领军企业完善草案并启动报批流程，开展测试验证，推动技术在各重点行业应用落地，并评选优秀应用案例形成示范 [3] 行业应对举措 - 针对异构算力问题，国内GPU及算力厂商正通过硬件兼容、软件框架优化、智能调度、国产化适配和能效提升等举措，提升整体芯片算力，实现算力协同 [1]

2025年国产GPU行业关键分野与上市潮 - 2025年是国产GPU行业的关键分野，行业迎来密集上市潮 [2] - 摩尔线程于6月30日获科创板受理，仅用89天火速过会，并于12月5日登陆科创板，首日股价暴涨468.78%，市值一度突破3000亿元，创下年内新股纪录 [2] - 沐曦股份紧随其后，于12月7日完成申购，中签率低至0.033%，市场热情高涨 [2] - 壁仞科技、燧原科技等也相继传出明确的港股或A股上市计划 [2] - 这波密集上市潮本质是一场由资金需求驱动的突围战，上市成为穿越漫长研发投入期、维系生存与发展权的关键通道 [2] 行业财务特征与资金压力 - 行业处于快速成长期，特点是高强度、重资产的资本投入，普遍存在阶段性亏损 [4] - 摩尔线程过去三年（2022年至2024年）累计营收6.09亿元，同期净亏损共计50.05亿元 [4] - 沐曦股份过去三年累计营收11.17亿元，同期净亏损共计32.9亿元 [4] - 研发高投入叠加业务扩张带来备货压力，导致现金流高度紧绷，例如摩尔线程短期借款从0激增至12.17亿元以填补营运资金缺口 [5] - 国际龙头企业投入规模巨大，例如英伟达2024财年研发投入达129.14亿美元，凸显国产厂商面临的资金挑战量级 [4] - 一级市场存在强烈的退出需求，在美元基金收紧的背景下，二级市场成为红杉中国、深创投、字节跳动等上百家背后机构最主要的退出通道 [5] 政策环境与上市逻辑转变 - 2025年监管风向转变，随着“科创板八条”出台及对未盈利硬科技企业上市标准的重启，政策为肩负“算力自主”任务的公司打开了通路 [5] - 政策驱动资本市场对产业进行扶持，明确的上市预期是产业崛起的支撑 [5] - 当前投资策略被称为“群狼战术”，即让头部几家先上市融资，最终能跑出来一两家即可，这是一种战略性选择 [6] 核心挑战：供应链与生态壁垒 - 国产GPU厂商面临的核心挑战愈发清晰，供应链“卡脖子”风险正突破设计端，向制造乃至封装环节持续蔓延 [2] - 制造环节的外部依赖是当前最致命、最紧迫的痛点，瓶颈在于国内高端芯片产能不足，在晶圆制造、良率控制和规模化量产方面任重道远 [9] - 芯片厂商对外部先进代工厂的路径依赖使供应链安全成为核心问题，随着合规限制趋严，这条路径正快速收窄 [10] - 软件生态壁垒难以逾越，英伟达CUDA生态经过近20年积累已形成行业标准，客户迁移生态的成本远高于购买新硬件 [10] - 国产GPU即使在纸面算力参数上可以部分对标，但由于框架兼容、算子适配困难，最终会导致硬件性能大打折扣 [10] - 按销售金额计，2024年中国AI加速器市场中，英伟达占比约66%、华为昇腾占比约23%、AMD占比约5%，其余厂商（含摩尔线程、沐曦股份等）合计仅约1% [10] 竞争逻辑转变与商业化落地 - 行业竞争逻辑在2025年发生根本转变，商业化落地能力取代PPT参数，成为检验真金的唯一标准 [2] - 行业正从“讲故事、拼融资”阶段进入“拼落地、拼业绩”阶段，竞争焦点转向工程硬实力和市场交付 [14] - 在大客户“比标”环节，测试模式已转为不告知测试过程的“盲测”，分数直接决定订单归属，迫使厂商集中精力提升工程化能力 [14] - 各家厂商寻求差异化生存空间：摩尔线程走“全功能GPU”路线，AI智算业务增长迅速；沐曦股份专注于云端AI“训推一体”的通用GPU路线；燧原科技则背靠腾讯，产品在腾讯业务中规模化落地 [14] - 国内很多GPU厂商的订单既没有规模效益也没有稳定客源，却拥有几千亿市值，存在营收与市值不匹配的虚高风险 [14] 突围策略与未来展望 - 为突破CUDA生态壁垒，一些国产GPU厂商正推动更具实用主义色彩的路线——异构混训，即在一个计算集群中同时使用英伟达、华为、寒武纪等不同品牌GPU [11] - 从试图取代英伟达转变为与英伟达共存并协作，成为中短期内最具现实性的突围路径 [12] - 新的机遇来自AI推理时代的爆发式增长，推理更依赖堆卡的数量而非单卡质量 [15] - 国产GPU厂商正试图通过超节点的方式进行集群扩展以弥补单卡性能差距，超节点方案已成为行业标准 [15] - 人才和经验是决定胜负的隐形因素，大部分厂商高管团队具备深厚的海归背景和资深从业经验，为技术迭代和工程化落地提供基础 [15] - 行业洗牌的拐点预计在未来半年到一年内到来，最终可能只有两、三家公司能活下来 [15] - 生存攻坚战的胜负手取决于五个核心维度：产能、技术、超节点、订单、高管团队 [15] - 现阶段谈论“中国英伟达”为时尚早，行业更像是新能源汽车的2017年，真正的头部至少需要五年才会跑出来，眼下重要的是先活下来 [3][7] - 国产GPU的集体冲锋，不仅是在挑战英伟达的市场霸权，更是在为下一个十年的中国算力主权争夺关键基石 [15]

公司技术实力 - 采用原创“壁立仞”架构打破高端GPU技术垄断，旗舰BR100系列基于7nm制程与Chiplet技术 [3] - 核心性能较市售主流产品提升3倍以上，集成770亿晶体管，INT8算力高达1.92万TOPS [3] - 自研BLink™高速互连技术实现单卡448GB/s互连带宽，支撑千卡集群95%以上线性加速比 [3] - 异构混训技术业内首次实现四种异构GPU共同训练同一大模型，获世界人工智能大会SAIL最高奖 [3] - 2.5D CoWoS封装目前依赖台积电，正联合长电科技加速国产化替代以应对产能受限问题 [3] 生态系统构建 - 自研BIRENSUPA™软件工具链为生态核心，原生支持FP32、BF16等精度，原创定义TF32+ [5] - 已接入200家独立软件开发商（ISV），完成与阿里Qwen、DeepSeek等主流大模型适配 [5] - 通过技术开放构建多元合作网络，与中兴通讯、上海仪电、无问芯穹等形成“芯片-工具链-解决方案”闭环 [5] - 与英伟达CUDA生态200万开发者规模存有代差，正通过开源代码、联合高校培养人才加速追赶 [5] 商业化进展 - 已实现对中国三大运营商的全面覆盖，壁砺系列产品在中国电信千卡集群落地 [6] - 参与浙江乌镇智算中心等重大项目建设，形成BR100主攻AI训练与壁砺110E推理卡的产品矩阵 [6][7] - 壁砺110E推理卡算力密度为主流方案1.3倍，能耗节省70%，在文生图、语音识别等场景快速渗透 [6] - 通过超讯通信担任行业总代，设定2025年2万颗芯片进货目标，与科华数据联合开发大模型一体机 [7] - 2025年营收约2.8亿元人民币，与同业公司18亿元营收相比存在差距，技术优势向盈利能力转化是待解课题 [7] 行业意义与资本路径 - 公司向港交所递交上市申请被视为中国自主算力突破的重要信号 [1] - 第五大股东上海临港的“基金+基地”深度绑定模式体现国产硬科技成长背后的产融协同力量 [1] - 港股上市带来的资本注入或将加速公司在封装国产化、生态扩容等关键领域的投入 [7]