报告投资评级 - 维持“推荐”评级 [4][8][9] 报告核心观点 - 公司是国产AI芯片龙头，2025年业绩迎来重要拐点，实现扭亏为盈，并有望在LPU（语言处理单元）发展大趋势下，凭借前瞻性技术布局和创新研究成果，长期受益于AI推理算力需求增长 [8][9] 2025年业绩表现 - **营业总收入**：2025年实现64.97亿元，同比增长453% [8] - **归母净利润**：2025年实现20.59亿元，上年同期为-4.52亿元，实现扭亏为盈 [8] - **扣非归母净利润**：2025年实现17.70亿元，上年同期为-8.65亿元 [8] - **第四季度业绩**：2025Q4归母净利润4.5亿元，同比增长67%；扣非归母净利润3.5亿元，上年同期约为-250万元 [8] - **业绩增长原因**：受益于人工智能行业算力需求持续攀升，公司凭借产品竞争力拓展市场，推动AI应用场景落地，带动收入规模大幅增长 [8] 行业趋势与技术创新 - **LPU架构重要性提升**：2025年12月，英伟达与AI推理芯片公司Groq达成200亿美元技术许可协议，旨在获取其低延迟、高效率的LPU推理技术，以加深平台护城河 [8] - **LPU性能优势**：现有LPUs（如Groq LPU、Cerebras WSE）通过预加载权重或固化数据流，能效较传统CPU、GPU、NPU提升4~20倍 [8] - **行业能耗挑战**：预计到2028年美国AI数据中心将占用12%的总电力容量，核心原因是当前LPUs和GPU在自回归解码中反复调取千亿级权重参数，导致功耗提升 [3] - **硬连线LPU创新**：为从根本上解决能耗问题，需将LPU专用化推向极致，提出硬连线LPU（Hardwired LPU），通过将权重参数物理硬连线到计算架构中，实现架构与模型完美匹配、零参数调取开销及极致计算效率 [3] - **技术挑战与突破**：直接硬连线GPT-OSS 120B模型在5nm工艺下需要176,000mm²的CMAC阵列，经济性存挑战；论文提出“金属嵌入”方法，将权重嵌入金属线3D拓扑，使硬连线LPU的非经常性工程成本进入经济可行范围 [3] - **公司研究成果**：中科院计算所与公司团队在ASPLOS2026发表的论文提出了硬连线神经语言处理单元（HNLPU）架构 [8] - **HNLPU性能数据**：在5nm工艺下，HNLPU实现249,960 tokens/s的吞吐量，是英伟达H100的5555倍、Cerebras WSE-3的85倍；能效达到36 tokens/J，是H100的1047倍、WSE-3的283倍；总芯片面积为13,232mm² [3][9] 财务预测与估值 - **营业收入预测**：预计2025-2027年营业收入分别为64.97亿元、95.37亿元、118.53亿元 [9] - **归母净利润预测**：预计2025-2027年归母净利润分别为20.59亿元、36.28亿元、51.28亿元 [9] - **每股收益预测**：预计2025-2027年EPS分别为4.88元、8.60元、12.16元 [9] - **市盈率预测**：对应2025-2027年PE分别为241倍、137倍、97倍 [9] - **毛利率趋势**：预计毛利率从2024年的56.7%持续提升至2027年的67.0% [10] - **净资产收益率**：预计ROE从2025年的13.24%提升至2027年的22.69% [10]

报告投资评级 - 维持“推荐”评级 [4][9] 核心业绩与财务表现 - 2025年度实现营业总收入64.97亿元，同比增长453% [8] - 2025年度实现归母净利润20.59亿元，上年同期为-4.52亿元，实现扭亏为盈 [8] - 2025年第四季度归母净利润4.5亿元，同比增长67%；扣非归母净利润3.5亿元，上年同期约为-250万元 [8] - 业绩大幅增长核心原因为人工智能行业算力需求持续攀升，公司产品竞争力强，积极推动应用场景落地 [8] - 预计公司2025-2027年营业收入分别为64.97/95.37/118.53亿元，归母净利润为20.59/36.28/51.28亿元 [9] - 预计2025-2027年每股收益（EPS）分别为4.88/8.60/12.16元，对应市盈率（PE）分别为241倍、137倍、97倍 [9] - 2025年毛利率预计为60.4%，并预计在2026年、2027年进一步提升至63.9%和67.0% [10] 技术创新与行业趋势 - 现有AI基础设施面临高能耗问题，预计到2028年美国AI数据中心将占用12%总电力容量 [3] - LPU（语言处理单元）架构是重要发展趋势，英伟达与Groq达成200亿美元技术许可协议，旨在获得低延迟、高效率的推理技术 [8] - Groq的LPU架构依托SRAM实现极致推理速度，比GPU有望快多倍 [8] - 现有LPUs（如Groq LPU、Cerebras WSE）通过预加载权重或固化数据流，能效较传统CPU、GPU、NPU提升4~20倍 [8] - 中科院计算所与寒武纪团队在ASPLOS2026发表论文，提出硬连线神经语言处理单元（HNLPU）架构 [8] - HNLPU旨在解决硬连线LPU的经济性挑战，通过金属嵌入（Metal-Embedding）方法将权重嵌入金属线3D拓扑，使非经常性工程（NRE）成本进入经济可行范围 [3] - 基于该方法设计的HNLPU在5nm工艺下实现249,960 tokens/s吞吐（是H100的5555倍、WSE-3的85倍），能效为36 tokens/J（是H100的1047倍、WSE-3的283倍），总芯片面积13,232 mm² [9] 公司定位与投资建议 - 公司是国产AI芯片龙头，积极研发新一代智能处理器微架构和指令集 [9] - 公司产品在互联网、运营商、金融、能源等多个重点行业持续落地 [9] - 在LPU发展大趋势下，公司前瞻布局相关技术并取得创新性研究成果（HNLPU），有望在长期内受益于LPU发展大趋势 [9]