文章核心观点 - 智能眼镜正从“小众科技”走向大众消费市场，行业迎来爆发式增长，中国厂商在全球竞争中处于有利地位，有望引领市场发展 [1][5] - 杭州灵伴科技有限公司（Rokid）作为行业代表，其AI+AR智能眼镜产品Rokid Glasses在2025年收获30万台订单，远超预期，并通过拓展应用场景和构建软件生态来确立竞争优势 [1][2][4] - 行业当前面临供应链产能瓶颈，正从“千级订单”向“百万级需求”跃迁，但随着产业链适配，预计2026年产能将不再是限制 [3] - 智能眼镜的未来在于成为AI时代最佳的交互终端，改变人机交互方式，其发展将依赖于供应链优化、人机交互创新与开放生态建设的综合实力 [4][5] 市场现状与预测 - 智能眼镜成为流行的新年货，市场研究机构IDC预测，2026年中国智能眼镜市场出货量将突破491.5万台，迈入规模化增长新阶段 [1] - IDC预计，2026年中国智能眼镜厂商的出货量将占据全球市场的45% [5] - 智能眼镜的使用群体已从泛科技从业者破圈，Rokid的用户中泛科技从业者比例从最初的50%下降到约16%，扩展至商务、公务员、媒体、教师、律师、设计师、金融从业者等多类人群 [2] 公司Rokid表现与产品 - Rokid在2025年11月发布集合AI、AR功能的智能眼镜Rokid Glasses，外观与普通眼镜无异，可适配不同矫正度数，整机重量49克，售价3000余元 [2] - 2025年，Rokid Glasses收获30万台订单，远超公司原本预测的10万台 [2][3] - 在近30天内，Rokid Glasses在京东平台的销量突破5000台 [2] - 公司旗下AR眼镜产品在文旅领域占据目前90%以上的市场份额 [3] - 2025年2月11日，Rokid宣布Rokid Glasses推出“自定义智能体”功能，支持用户接入第三方智能体系统，构建更开放的生态 [5] 应用场景拓展 - 智能眼镜应用场景从消费者日常使用的提词、翻译、信息查询，不断向工业、文旅、医疗、教育等领域拓展 [3] - 在文旅领域，通过3D成像、AI导览等功能，用户可用智能眼镜了解展品历史，还原建筑风貌 [3] 供应链与产能挑战 - 行业面临供应链产能瓶颈，从“千级订单”向“百万级需求”跃迁，产能成为发展挑战 [3] - 由于产能不足，Rokid在2025年有三至四成的订单（即约9万至12万台）不得不顺延至2026年交付 [3] - 产能瓶颈源于光学芯片、存储等半导体器件生产依赖上游供应商，加工工艺复杂、精度要求高，产业链尚未准备好承接10倍、100倍的订单增长 [3] - Rokid通过提前布局产能规划、与供应商沟通市场需求、以实际订单推动供应链扩产等方式应对，并判断2026年供应链产能将不再成为限制 [3] 行业竞争与公司定位 - 2025年下半年，小米、阿里巴巴、理想汽车等企业纷纷入局智能眼镜赛道，行业竞争或将加剧 [4] - 行业玩家主要分为三类：功能简单的音频眼镜、不带显示功能但配置摄像头与耳机的智能眼镜、以及带有显示功能的全功能智能眼镜 [4] - Rokid将自身产品定位于全功能智能眼镜，认为其未来竞争力体现在良品率、生产工艺、供应链管理、操作系统、生态建设的综合优势上 [4] 软件生态建设 - Rokid打造了智能眼镜生态平台，目前已吸引2万多名开发者、4000多家企业参与，覆盖软硬件开发、配件等多个领域 [4] - 平台已产生如控制特斯拉的应用、动感单车配套应用、背单词工具、金价查询应用等开发成果，部分已实现上线合作 [4] - 公司规划产品升级三步走：先夯实工具属性，再融入娱乐、社交功能，最后实现全功能拓展以发挥生产力属性，整个过程预计需要三到五年 [4] 行业未来展望 - 智能眼镜不一定会取代手机，但会改变人机交互的方式，成为AI时代最佳的交互终端和人机交互的核心，手机则退居幕后承担计算、存储、通信等功能 [5] - 中国企业在智能眼镜市场有望引领全球，原因包括：中国戴眼镜人群基数庞大、消费者对戴眼镜接受度高消除了观念壁垒、完善的制造业体系和快速升级的产业链为研发量产提供支撑 [5] - 中国智能眼镜市场将从参数竞争迈向以用户体验为核心的综合实力较量 [5]

英伟达CEO黄仁勋驳斥AI将取代软件的观点 - 英伟达CEO黄仁勋在思科主办的AI会议上，明确驳斥了市场流传的“人工智能将取代软件及相关工具”的观点，称这一观点“不合逻辑”，并表示时间将予以验证 [1] - 市场担忧源于AI公司Anthropic推出新版聊天机器人，其AI能力的快速提升可能对数据行业和专业服务领域造成冲击，并已引发全球软件股出现明显抛售 [1] AI与软件生态的依存关系 - 黄仁勋强调，认为AI会让软件公司失去存在意义是一种误解，他指出AI未来的发展离不开既有的软件生态，而非从零再造基础工具 [1] - 黄仁勋进一步解释，无论是人类还是机器人，面对“直接使用现有工具”与“重新发明工具”的选择，答案显然是前者 [1] - 当前AI的最新突破集中在“工具使用”领域，核心原因正是现有软件工具的设计具备清晰明确的特性，为AI应用提供了坚实支撑 [1]

文章核心观点 - 英伟达CEO黄仁勋驳斥了“人工智能将取代软件及相关工具”的市场担忧 认为这一观点不合逻辑 并强调AI的发展将依赖而非取代现有软件生态 [1][2] 市场情绪与担忧 - 市场因AI公司Anthropic推出新版聊天机器人 担忧AI能力快速提升可能冲击数据行业和专业服务领域 引发了全球软件股的明显抛售 [2] AI与软件行业的关系 - 黄仁勋指出 认为AI会让软件公司失去存在意义是一种误解 AI未来的发展离不开既有的软件生态 而非从零再造基础工具 [2] - 黄仁勋解释 无论是人类还是机器人 面对“直接使用现有工具”与“重新发明工具”的选择 答案显然是前者 [2] - 当前AI的最新突破集中在“工具使用”领域 核心原因是现有软件工具的设计具备清晰明确的特性 为AI应用提供了坚实支撑 [2]

核心业绩与亏损情况 - 公司预计2025年度归属于母公司所有者的净亏损约为4.49亿元 [1] - 与上年同期相比，预计减少亏损约1.76亿元，同比减亏幅度约为28% [1] 市场策略与业务进展 - 公司坚持政策性市场和开放市场“两条腿”走路的策略 [1] - 在工控领域，抓住安全应用市场恢复机遇，发挥新一代嵌入式CPU性价比优势，实现工控类芯片营业收入快速恢复 [1] - 在信息化领域，把握市场重启契机，利用“三剑客”系统性价比和生态建设局部领先优势，在办公及行业业务系统招标采购中取得良好进展 [1] - 推进3C6000服务器典型应用落地，并探索对外技术授权新商业模式，以形成新的可持续收入增长点 [1] - 公司整体业务展现出稳步回升的良好态势 [1] 盈利能力与毛利率 - 报告期内公司毛利率逐步回归到良好水平 [1] - 工控领域业务恢复带动了高质量等级产品出货 [1] - 信息化领域对外技术授权的新业务贡献了较大的毛利，且与桌面CPU配套的低成本桥片开始逐步出货 [1] - 以上因素共同带动了毛利率的逐步回升 [1] 资产质量与减值情况 - 报告期内，公司计提的信用减值损失和资产减值损失预计合计约1.65亿元 [2] - 上述减值损失同比减少约0.84亿元 [2] - 公司加强应收账款和客户信用管理，回款情况逐步改善 [2] - 存货跌价准备计提规模随着传统安全应用市场恢复和工控业务进一步开拓而快速收窄 [2]

文章核心观点 国产算力产业在资本市场表现活跃，多家核心公司成功上市或推进IPO，标志着产业进入快速发展与资本化新阶段[1] 同时，行业竞争焦点已从硬件参数比拼转向大规模集群的稳定性、软件生态的易用性及商业落地的性价比[3] 通过硬件互连技术的突破、存储芯片的自主化、计算架构的开放解耦以及软件生态的积极构建，国产算力产业已初步形成从底层硬件到上层应用的生态闭环，具备了应对外部挑战和把握市场机会的能力[17] 资本市场动态与公司进展 - **天数智芯**于2026年1月8日在港股上市，公开发售获超400倍认购，显示资本市场热情高涨[1] - **摩尔线程**于2025年12月5日登陆科创板，上市首日股价一度上涨468.78%，总市值突破3055亿元[1] - **沐曦股份**于2025年12月17日登陆科创板，上市首日涨幅达692.95%，市值站上3300亿元[1] - **长鑫科技**于2025年12月30日递交科创板招股书，披露2025年前三季度营收达320.84亿元，2022至2024年主营业务收入复合增长率超70%[1][6] - **长存集团**于2025年9月25日完成股份制改革，估值达1600亿元，刷新半导体独角兽纪录[1] 硬件竞争焦点：万卡集群与互连技术 - 行业竞争新标尺转向“万卡集群”的稳定性、软件生态易用性及商业落地性价比[3] - **中科曙光**发布scaleX万卡超集群，由16个scaleX640超节点互连，实际部署10240块AI加速卡[3] - 万卡集群面临指数级增长的故障概率挑战，系统可靠性面临严峻考验[3] - 集群核心突破在于采用国产首款400G原生RDMA网络，以解决高速数据传输瓶颈，其规格指标和实测稳定性已可对标英伟达当前量产产品[4][5] - 未来技术挑战在于物理极限，铜缆传输距离随速率提升急剧缩短，行业需向硅光技术发展以突破极限[5] 存储芯片自主化进展 - **长鑫科技**作为中国最大DRAM设计制造一体化企业，产品线覆盖DDR4到DDR5、LPDDR5X，其首款国产DDR5产品速率达8000Mbps[6] - **长存集团**在NAND Flash领域凭借Xtacking架构实现技术突围[7] - DRAM及衍生的HBM是决定GPU性能上限的核心要素，NAND Flash则是底层存储基础[6][7] - 2025年下半年以来，全球存储颗粒（DRAM/NAND）供应压力巨大，国产化尚无法完全解决全球性供需失衡，导致云厂商采购策略前置[13] 计算架构开放与生态协作 - 行业共识从“全产业链通吃”转向“分层解耦、各司其职”[9] - **海光信息**开放其HSL高速互连总线协议，实现了海光CPU与各家GPU的异构互联，拉通了CPU与GPU[8] - **光合组织**秘书长指出，大规模算力系统已非单一品牌独角戏，协议的打通是关键[7] - 这种技术解耦与开放架构，旨在构建更开放的生态，避免厂商各自为战导致的生态割裂与用户适配成本高企[11] 软件生态构建与迁移策略 - 在英伟达CUDA生态主导下，开发者切换至国产平台面临巨大代码重构与学习成本[10] - **摩尔线程**策略是从个人开发者抓起，发布“MTT AIBOOK”AI算力本实现开箱即用，并推出代码生成大模型MUSACode，声称CUDA到MUSA代码自动化迁移可编译率达93%[10] - 在企业级市场，云服务商承担“屏蔽差异”职责[11] - **优刻得**作为云服务商，向下适配3到5家主流的国产芯片，通过虚拟化和统一调度屏蔽底层硬件割裂，统一管理异构算力[11][12] - **紫光计算机**看到本地化价值，推出带前置可插拔硬盘仓的AI工作站，以应对网络延迟、隐私风险及海量数据交换效率问题[12] 应用落地、客户选择与市场风向 - **中国科学院高能物理研究所**已开始采用国产算力设施进行AI训练和科学计算，评价其性能“完全够用”，并与芯片厂商进行联合调试优化[14] - 国内互联网大厂态度变化，从直接采购国际主流芯片转向希望拥有更多话语权和接受更开放的架构[14] - **海光信息**推出定制化产品，允许大厂将特殊需求写入芯片，以建立深层绑定[14] - 行业认为2026年是Agent（智能体）元年，其对算力的消耗是指数级增长，算力依然短缺，问题在于供需错配而非总量过剩[15] - **DeepSeek**等国产大模型的爆发反向定义硬件标准，如采用FP8量化策略，促使芯片厂商优化底层计算库以支持特定计算格式[15][16] 产业链闭环与应对挑战的能力 - 面对美国可能放宽英伟达H200芯片出口限制的传闻，行业强调国内政企客户对供应链安全有刚性考量[17] - 国产算力产业链已形成闭环：从**长鑫科技**、**长存集团**的存储底座，到**中科曙光**、**海光信息**的计算与网络集群，再到**摩尔线程**、**天数智芯**适配的终端应用[17] - 过去几年，中国算力产业已初步形成紧密咬合的生态闭环，具备了进一步直面挑战的能力[17]

资本市场热潮与国产算力产业进步 - 国产算力产业在资本市场运作提速，天数智芯在港交所上市，公开发售获超400倍认购 [2] - 国产GPU头部企业摩尔线程和沐曦股份登陆科创板，上市首日股价分别一度上涨468.78%和692.95%，市值分别突破3055亿元和3300亿元 [2] - 国产存储芯片厂商长鑫科技递交科创板招股书，披露2025年前三季度营收达320.84亿元，2022至2024年主营业务收入复合增长率超70% [2] - 长江存储完成股份制改革，估值达1600亿元，刷新半导体独角兽纪录 [3] - 从芯片设计到存储颗粒，从科创板到港交所的资本热潮间接宣告了国产算力产业的快速进步 [1][4] 硬件竞争焦点转移与“万卡集群”挑战 - 国产算力竞争焦点从比拼硬件参数，转向“万卡集群”的稳定性、软件生态易用性及商业落地性价比 [6] - “万卡集群”意味着指数级增长的故障概率，中科曙光发布的scaleX万卡超集群部署了10240块AI加速卡 [6] - 专家指出，当系统规模达到十万张卡时，平均一小时要出一次错，只要一张卡出错，整个系统就得停下来 [6] - 硬件厂商在“连接”上寻求突破，中科曙光集群采用国产首款400G原生RDMA网络，以解决大规模协同计算对高信号质量、低延迟、大带宽网络的需求 [7] - 英伟达通过GPU、NVLink和InfiniBand网络构成“三驾马车”产品体系，节点间高速互连网络是决定AI集群效率的关键瓶颈 [8] - 未来需采用硅光技术以突破铜缆在高速率下传输距离急剧缩短的物理极限 [8] 存储与计算协同及产业分工 - 在解决“连得上”问题后，需解决“存得下”问题，长鑫科技和长江存储分别卡位DRAM和NAND Flash两大核心存储领域 [9] - 长鑫科技产品线覆盖DDR4到DDR5、LPDDR5X，其首款国产DDR5产品速率达8000Mbps，DDR5承担AI集群数据预处理，其衍生的HBM是决定GPU性能上限的核心要素 [9][10] - 长江存储凭借Xtacking架构在3D NAND领域实现技术突围 [10] - 产业逻辑转向分层解耦、各司其职，海光信息开放其HSL高速互连总线协议，实现了海光CPU与各家GPU的异构互联，技术解耦折射出商业逻辑的妥协与成熟 [11] 软件生态构建与迁移挑战 - 软件生态迁移是比硬件建设更复杂的系统工程，开发者从英伟达CUDA生态切换至国产平台面临巨大代码重构与学习成本 [13] - 摩尔线程发布“MTT AIBOOK”AI算力本预置全栈开发工具，并推出代码生成大模型MUSACode，声称可实现从CUDA代码到MUSA代码的自动化迁移，可编译率达93% [13] - 在企业级市场，云服务商承担“屏蔽差异”职责，优刻得向下适配3到5家主流的国产芯片，通过虚拟化和统一调度，让上层应用感知不到底层硬件差异 [15] - 行业存在生态割裂、互不兼容的问题，构建开放的生态架构已成为行业生存的必选项 [15] - 紫光计算机看到“本地化”价值，推出带有前置可插拔硬盘仓的AI工作站，以应对云端AI的网络延时、隐私风险及海量数据交换效率问题 [16] 供应链波动与产业新变量 - 2025年下半年以来，全球存储颗粒（DRAM/NAND）供应压力巨大，国产化尚无法完全解决全球性供需失衡 [17] - 为应对缺货，云厂商改变采购策略，从按季度规划拉长到按半年规划，并前置采购计划 [17] - 2026年被认为是Agent（智能体）元年，其对算力的消耗是指数级增长，从供需关系看，算力依然短缺，行业面临的是供需错配而非总量过剩 [20] - DeepSeek等国产大模型的爆发反向定义硬件竞争标准，如其采用FP8量化策略，要求芯片厂商优化底层计算库以支持特定计算格式 [21] 应用落地、客户选择与产业闭环形成 - 检验国产算力成色的最终标准是客户选择，中国科学院高能物理研究所已采用国产算力设施进行AI训练和科学计算，评价其性能“完全够用” [19] - 合作模式发生变化，科学家深入参与芯片调优过程，通过联合调试加速软硬件适配 [19] - 国内互联网大厂态度变化，希望拥有更多话语权，接受更开放的架构，海光信息推出定制化产品以迎合需求，建立深层客户绑定 [19][20] - 面对美国可能放宽英伟达H200芯片出口限制的潜在变量，行业认为国内政企客户对供应链安全有刚性考量，且国产算力产业链已形成闭环 [21] - 从长鑫科技、长江存储的存储底座，到中科曙光、海光信息的计算与网络集群，再到摩尔线程、天数智芯适配的终端应用，国产芯片产业已形成一个完整、庞大的产业链条，初步形成生态闭环 [21][22]

资本市场表现与产业进展 - 国产GPU厂商在2025年末至2026年初密集登陆资本市场，天数智芯港股上市获超400倍认购，摩尔线程与沐曦股份科创板上市首日股价分别一度上涨468.78%和692.95%，市值分别突破3055亿元和3300亿元 [1] - 国产存储芯片厂商完成关键资本运作，长鑫科技于2025年12月30日递交科创板招股书，披露2025年前三季度营收达320.84亿元，2022至2024年主营业务收入复合增长率超70% [1][7] - 长江存储于2025年9月25日完成股份制改革，估值达1600亿元，刷新半导体独角兽纪录 [2] 硬件集群的挑战与突破 - 国产算力竞争焦点转向“万卡集群”的稳定性、软件生态易用性与商业落地性价比 [3] - 大规模集群面临可靠性挑战，十万卡系统平均一小时出错一次，单点故障可导致整个系统停机 [3][4] - 硬件厂商在高速互连网络技术上取得突破，中科曙光发布采用国产首款400G原生RDMA网络的scaleX万卡超集群，其规格指标与实测稳定性已可对标英伟达当前量产产品 [5][6] - 未来技术挑战在于物理极限，铜缆在高速率下传输距离急剧缩短，业界判断未来需依赖硅光技术实现芯片直接出光 [6][7] 存储与计算产业链协同 - 长鑫科技与长江存储分别卡位DRAM和NAND Flash两大核心存储领域，为算力提供存储底座 [7] - 长鑫科技产品线覆盖DDR4至DDR5、LPDDR5X，其首款国产DDR5产品速率达8000Mbps，HBM（高带宽内存）是决定GPU性能上限的核心要素 [7][8] - 长江存储凭借Xtacking架构在3D NAND领域实现技术突围 [8] - 产业链走向分层解耦与开放合作，海光信息开放其HSL高速互连总线协议，实现了海光CPU与各家国产GPU的异构互联 [9][10] 软件生态构建与迁移 - 在英伟达CUDA生态主导下，国产计算平台面临巨大的开发者迁移与代码重构成本 [11] - 摩尔线程通过发布预置全栈开发工具的“MTT AIBOOK”AI算力本及代码生成大模型MUSACode（声称CUDA到MUSA代码自动化迁移可编译率达93%）来降低个人开发者门槛 [11] - 在企业级市场，云服务商（如优刻得）通过虚拟化与统一调度来屏蔽底层不同品牌国产加速卡的生态割裂与不兼容问题，为拥有多类型国产算力硬件的客户提供统一管理方案 [12][13] - 终端侧出现“本地化”创新，紫光计算机推出带前置可插拔硬盘仓的AI工作站，以应对云端AI的网络延迟与隐私风险，提升海量数据交换效率 [13][14] 应用落地、供应链与未来展望 - 国产算力已在科研等高要求场景得到应用，中国科学院高能物理研究所采用海光CPU与DCU进行AI训练和科学计算，评价其性能与国外产品差距不大且完全够用 [15] - 国内互联网大厂态度转变，从采购国际主流芯片转向寻求更开放的架构与更多话语权，海光信息通过提供定制化芯片产品来迎合此需求并建立深度绑定 [15][16] - 上游存储颗粒（DRAM/NAND）供应在2025年下半年以来压力巨大，全球性供需失衡对2026年产业构成挑战，云厂商已拉长采购规划周期以应对缺货 [14] - 国产大模型（如DeepSeek采用FP8量化策略）正在反向定义硬件竞争标准，推动芯片厂商优化底层计算库以支持特定计算格式 [16][17] - 行业认为算力需求依然短缺，当前问题是供需错配而非总量过剩，Agent（智能体）应用的兴起预计将带来指数级增长的算力消耗 [16] - 尽管面临外部潜在变量（如美国可能放宽英伟达H200芯片出口限制），但国内政企客户对供应链安全有刚性考量，且国产算力产业链已从存储、计算、网络到终端应用形成初步生态闭环，具备直面挑战的能力 [17]

昆仑芯上市申请与市场反应 - 百度集团于2026年1月2日公告，其AI芯片子公司昆仑芯已于1月1日以保密形式向香港联交所提交主板上市申请，上市后仍为百度附属公司，将成为百度创始人李彦宏控股的第二家上市公司 [2][28] - 受分拆上市消息影响，百度集团股价于1月4日大涨9.35%，报收143.8港元/股，总市值达3955亿港元 [3][29] - 市场对分拆上市早有预期，2025年12月5日相关传闻已刺激百度股价盘中一度涨超7%，收盘涨幅超5% [5][31] 上市筹备与分拆动因 - 上市传闻于2025年12月7日获百度公告确认，公司正进行评估但强调存在监管审批不确定性，至2026年1月2日正式公告落地 [7][33] - 上市前置准备包括：2025年11月中旬招聘投融资律师岗位；12月中旬完成关键工商变更，企业类型改为股份有限公司，注册资本从约2128万元增至4亿元，增幅高达1780% [7][33] - 百度公告阐述分拆原因：提升昆仑芯独立市场形象以拓展业务、使百度股东分享其成长、便于昆仑芯独立融资以优化百度资源配置、使双方管理层权责更清晰并提升专注度与治理水平 [7][33] 公司业务与产品线 - 昆仑芯起源于2011年百度内部FPGA AI加速器项目，于2021年4月正式独立为公司，早期主要为满足百度内部大模型训练与推理需求，以降低成本（自研芯片成本约2万元人民币 vs 外购1万美元/片） [8][34] - 公司已形成从芯片、服务器到软件平台的全栈产品线，核心芯片迭代至昆仑芯2代和2025年发布的P800，P800专为大规模AI集群设计，显存规格较同期主流竞品提升20%-50%，已用于万卡及三万卡级别算力集群 [8][10][34][36] - 2025年11月百度世界大会发布新一代产品规划：针对大规模推理场景优化的昆仑芯M100计划2026年上市；面向超大规模多模态模型训练推理的昆仑芯M300计划2027年推出 [10][36] 客户订单与财务表现 - 昆仑芯已收获多家知名客户和大额订单：2025年3月P800服务器中标招商银行AI芯片资源项目；2025年8月在中国移动AI通用计算设备（推理型）集采项目中，于三个标包份额分别为70%、70%、100%，均排名第一，中标订单规模达十亿级 [11][37] - 外部客户包括百度、中国移动、招商银行、南方电网、比亚迪等行业巨头，外部客户占比约40% [11][37] - 据媒体报道，昆仑芯2024年营收超过10亿元，2025年营收远超20亿元；摩根大通研报预计其芯片收入将从2025年约13亿元飙升至2026年83亿元，增长超6倍 [11][37] 融资历程与股东结构 - 公司独立后首轮融资估值即达130亿元人民币，领投方为CPE源峰，IDG资本、君联资本、元禾璞华等参与 [15][41] - 最新一轮（D轮）融资于2025年7月完成，募资约2.83亿美元（约合21亿元人民币），投后估值约210亿元，投资方包括国新基金下属高层次人才基金、比亚迪、中金观博、中移和创等 [3][15][29][43] - 目前股东名单多达44位，百度为控股股东持股59.45%，其他重要股东包括中国互联网投资基金（持股约1.09%）、北京市人工智能产业投资基金（持股约1.50%）、比亚迪（持股约0.27%）和中国移动旗下基金（持股约2.5%） [15][43] 行业对比与估值分析 - 与国内同行相比，昆仑芯最新估值210亿元显著低于动辄千亿市值的同行：行业龙头寒武纪2025年上半年营收28.81亿元，市值一度突破6000亿元；摩尔线程2024年营收4.38亿元，最新市值3830亿元，其科创板上市首日收盘价较发行价上涨425.46%，市值达2823亿元 [13][14][39][40] - 分析认为估值差异源于叙事与生态：寒武纪讲述“云边端一体”生态平台故事并获得高溢价；摩尔线程凭借GPU“跨域兼容”图形与计算两大场景及创始团队光环获得高估值；昆仑芯当前叙事聚焦“替代+降本”，被视为成本中心，且专注于推理加速场景，市场想象力上限较低 [21][22][47][48] - 全球AI芯片竞争核心在于软件生态、开发者社区和产业联盟构成的“生态系统”，英伟达凭借CUDA生态建立护城河，国内市场生态领导者为华为昇腾 [19][45] 百度集团业绩与AI转型 - 百度集团2025年第三季度总营收312亿元，同比减少7%，连续两个季度下滑；核心在线营销收入153亿元，同比下滑18%；净亏损112.32亿元，主要因一次性计提162亿元长期资产减值，源于对AI发展趋势预判不足导致部分基础设施过早淘汰 [24][50] - 百度App 2025年9月月活7.08亿，同比仅增长1%；在广告主媒介地位指数中排名第九，位于抖音、淘宝、微信、快手、小红书等之后 [24][50] - 百度正转向AI，2025年第三季度首次系统披露AI业务收入达96亿元，同比增长超50%，其中：AI云服务收入42亿元（同比增长33%，高性能计算基础设施订阅收入激增128%）、AI原生营销服务收入28亿元（同比增长262%）、AI应用收入26亿元（同比增长6%） [25][51]

公司上市表现与市场热度 - 公司于2026年1月2日登陆港交所，早盘高开一度涨超118%，市值破千亿港元，暗盘交易阶段股价一度涨幅超过90% [1] - 作为港交所18C章落地以来最大募资特专科技股，申购阶段获得超2300倍认购，有23家基石投资人加持 [1] 财务与商业化进展 - 公司收入实现指数级增长：2022年营业收入约50万元，2023年拥有12名客户实现收入约6203万元，2024年收入跃升443.29%至约3.37亿元，客户达13家，年平均交易额同比提升113.64%至940万元 [2] - 截至2025年12月15日，公司特专科技产品有五份框架销售协议及24份销售合同，总价值约为人民币12.41亿元，已向九家财富中国500强企业提供解决方案，其中五家为财富世界500强 [2] - 2023年与一家IT公司订立战略合作协议，并于当年11月就总值约3.68亿元的产品订立销售框架协议，同月收到约3500万元销售订单，2024年4月及后续又分别收到价值约1.37亿元和3140万元的销售订单 [7] 产品与技术发展 - 公司已开发出第一代GPGPU架构，并基于此开发BR106、BR110两款芯片及相关硬件产品，通过Chiplet技术推出性能更高的BR166芯片产品 [2] - 公司计划推出基于第二代架构的下一代旗舰数据中心芯片BR20X系列，预计于2026年商业化上市，将提供更强的单卡运算能力并增强对FP8、FP4等数据格式的原生支持 [8] - 公司同步规划未来一代BR30X产品用于云训练及推理，以及BR31X用于边缘推理，预计将于2028年实现商业化上市，目前正进行可行性分析及初步研发 [8] - 公司开发的BIRENSUPA软件平台提供编程接口、算法库、训练与推理框架及工具链，兼容第三方GPGPU计算软件平台，以降低客户迁移成本 [8] 集群能力与行业应用 - 公司是中国最早实现千卡集群商用的GPGPU公司之一，其千卡集群可连续运行5天以上软硬件无故障，训练服务30多天不中断 [7] - 2024年，公司赢得商业化AIDC千卡GPU集群项目，并将GPGPU集群部署于5G新通话等场景，与国内三大电信运营商开展合作 [6] - 公司增加了对BR10X系列产品的销售，该系列是专为AI工作负载定制的通用高性能计算架构，可为大语言模型及传统AI计算内核提供高效处理 [6] 行业生态合作与标准建设 - 2025年，公司参与启动中国移动智算开放互联OISA生态共建战略合作，并发布OISA 2.0协议，携手发布“芯合”异构混合并行训练系统1.0 [9] - 2024年12月，公司联合中国电信研究院、江苏电信等共同推出“智算异构四芯混训解决方案”，基于公司及英伟达等GPU完成四款异构芯片混合训练同一大模型的测试验证 [9] - 2024年7月，公司加入中国联通智算联盟，与产业链合作伙伴共建智算产业生态 [9] - 公司担任全国信标委人工智能分委会智能计算工作组联合组长期间，深度参与了近10项国家标准制定，并牵头制定《人工智能智算集群异构人工智能芯片混合训练功能规范》 [10] 市场机遇与行业趋势 - 中国智能计算芯片市场以收入计从2020年的17亿美元增长至2024年的301亿美元，复合年增长率为105%，预计到2029年将达2012亿美元，2024年至2029年复合年增长率为46.3% [3] - 2024年中国市场前两大参与者合计占94.4%市场份额，其余市场相对分散，中国企业整体合并市场份额预计将从2024年的约20%增长至2029年的约60% [3] - AI大模型催生指数级算力需求，国产AI芯片厂商在技术、产品和供应上取得较大进展，叠加全球贸易环境不稳定，有望加速国内智算供应链自主化进程 [3] - 国产GPU的竞争维度已从“单卡算力”扩展至“集群可用、生态可迁移、标准可定义”的系统性层面 [1][8]

核心观点 - 谷歌自研的AI芯片TPU正从内部工具转变为面向市场的英伟达GPU替代方案，对英伟达的市场主导地位构成实质性挑战 [1] - 竞争的关键在于系统级设计、软件生态、成本结构与商业模式，而不仅是单芯片性能 [2][3][8] 市场格局与竞争态势 - 全球最先进的两个AI模型（来自谷歌和Anthropic）完全或部分使用谷歌TPU开发，促使英伟达大客户Meta考虑使用TPU [1] - TPU的角色已从“谷歌内部工具”升级为大型AI公司可考虑的替代方案，任何客户“试水”都可能被市场放大 [1][2] - 摩根士丹利分析，谷歌计划2026年生产超过300万片TPU，2027年约500万片，英伟达当前GPU产量约为TPU的三倍，差距正在缩小 [1][7] 性能与系统设计 - 最先进的TPU（Ironwood）在每秒浮点运算次数（FLOPS）上约为英伟达Blackwell GPU的一半 [3] - 谷歌的策略是通过“集群化”放大优势，数千颗TPU可串联成“超级Pod”，在训练超大模型时具备出色的性价比与能效比 [3] - 英伟达单个系统最多直接连接约256颗GPU芯片，大模型时代系统级设计、互连能力和能效比成为新核心指标 [3] 软件生态与兼容性 - 英伟达的核心护城河是深度绑定的CUDA软件生态，对已使用CUDA的客户而言，租用英伟达芯片更具成本效益 [4] - TPU仅能与TensorFlow等特定AI软件工具顺畅配合，而多数AI研究人员使用的PyTorch在GPU上运行效果更佳 [4] - 对Anthropic、苹果和Meta等技术水平较高的客户，使用TPU挑战较小，TPU在运行谷歌Gemini模型时成本效率尤其突出 [4] 成本结构与盈利能力 - 在制造成本上，TPU与GPU相差不大，Ironwood使用了更先进、更昂贵的制程，但芯片体积更小，部分抵消了成本劣势 [5] - 博通从TPU项目中获得的收益至少达到80亿美元 [5] - 英伟达当前的硬件业务毛利率高达63%，而谷歌云整体只有24%，这解释了英伟达在价格战中仍保持极强盈利能力的原因 [6] 供应链与产能 - 台积电不会将所有产能押注在单一客户上，市场上始终会留出空间给包括TPU在内的其他方案 [7] - 当供应开始多元化，客户会更愿意比较、议价与分散风险 [7] 商业模式与战略意义 - 如果谷歌大规模对外销售TPU，需要重建包括服务器厂商、分销网络、企业级售后支持等整套产业链，近乎“复制一个英伟达” [8] - TPU未来可能不会走“低价路线”，而是通过其他费用弥补收入缺口，因为客户自建数据中心会减少谷歌云服务收入 [8] - TPU对谷歌的战略意义在于：成为与英伟达谈判的筹码、推广Gemini及其AI生态、在AI基础设施上拥有更大自主权 [8] - 只要客户愿意“多一个选项”，英伟达就不再拥有绝对定价权 [8]