财务表现 - 2025年上半年营业收入12.29亿元 同比增长9.48% [1] - 净利润2.08亿元 同比增长16.30% [1] 利润分配方案 - 以总股本6.91亿股为基数实施分红 [1] - 每10股派发现金红利1.8元（含税） [1] - 不实施送红股及资本公积转增股本 [1]

公司技术研发进展 - 长期专注于AI推理芯片的研发设计及商业化 [1] - 全球第一批提出NPU驱动的AI推理芯片概念并商业化落地 [1] - 已完成第四代NPU研发并推进下一代高性能NPU研发 更适合AI推理应用 [1]

芯片产品技术特点 - 自主研发高性能SoC芯片Deep Edge10系列 采用国产14nm Chiplet工艺 [1] - 芯片内含国产RISC-V核 支持Transformer模型 BEV模型 CV大模型 LLM大模型等各类架构 [1] - 新一代DeepXBot系列芯片正在开发 专注于加速人形机器人感知 认知 决策和控制推理任务 [1] 商业化应用领域 - 芯片已在机器人 边缘网关 服务器等领域实现商业化应用 [1] - 为深空探测实验室提供自主可控星载计算支撑 [1]

产品技术升级 - NVIDIA推出新一代机器人芯片Jetson Thor 采用Blackwell GPU架构并配备128GB记忆体 [1] - 新产品AI算力达2070 FP4 TFLOPS 性能为前代Jetson Orin的7.5倍 [1] - 技术突破使机器人具备即时处理庞大感测数据与大型语言模型能力 实现"看见、思考与行动"一体化 [1] 行业应用生态 - Agility Robotics、Boston Dynamics及Amazon等头部厂商已开始采用并构建相关生态圈 [1] - 人形机器人芯片市场呈现加速发展趋势 [1] 市场规模预测 - 基于当前技术迭代与生态建设进展 预估人形机器人芯片市场规模将在2028年突破4800万美元 [1]

行业背景与挑战 - 大语言模型在行业应用中面临推理效率与显存成本的尖锐矛盾 尤其KV Cache技术成为显存消耗的主要瓶颈 每增加一个token都需要更多显存存储键值向量 制约模型规模扩张和并发能力提升 [1] 现有技术方案局限性 - Nvidia Dynamo项目采用多级缓存算法 将热数据存于显存、温数据在主机内存、冷数据在SSD或远端存储 但存在数据迁移流程复杂和延迟开销问题 [2] - 微软LMCache存储系统兼容vLLM等推理框架 但分布式存储支持度低且空间上限受限 [3] - 阿里巴巴方案将KV Cache扩展到Tair数据库 虽易于扩展存储空间 但读写性能难以满足低延迟需求 [3] 技术创新方案 - CXL高速互联技术凭借高带宽、低延迟和硬件级缓存一致性特性 为破解内存瓶颈提供新方向 但目前业界针对CXL存储加速LLM推理的研究仍较少 [5] - 中兴通讯与华东师范大学联合推出Mariana分布式共享KV存储技术 通过三项核心创新实现比现有方案高1.7倍吞吐量 尾延迟降低23% [6] - 细粒度并发控制方案将锁粒度从节点级降至条目级 通过RDMA_CAS竞争空闲槽位闩锁 显著减少写密集型和高偏斜工作负载下的争用 [8] - 定制化叶子节点数据布局采用分离式存储 Key连续存放可一次性加载至SIMD寄存器 Value与校验和另存内存块 大幅提升查找速度 [10] - 自适应缓存策略通过Count-Min Sketch算法快速感知热点数据 维护按热度排序链表 降低热点数据加载延迟 [11] 性能验证与应用 - Mariana支持将数据分布在远端CPU DRAM及PMem/SSD组成的共享内存池 理论存储空间无上限 [13] - 在vLLM框架测试中 GPU显存仅能存放50% KV数据时 Mariana多级存储方案显著提升大模型推理预加载阶段性能 [15][17] - 该技术通过硬件加速和智能缓存减少KV Cache查找的计算与网络开销 提升读吞吐量 其数据路径针对低延迟优化 延迟远低于需经远端CPU协议栈的解决方案 [19] 技术演进前景 - Mariana设计理念与底层硬件解耦 核心算法可直接从RDMA网络迁移至CXL硬件生态 仅需替换远程访问API即可利用CXL低延迟和一致性优势 [18] - 该技术重新定义大模型推理存储逻辑 使分布式存储在高吞吐与低延迟间找到平衡点 为百亿/千亿参数模型在普通硬件上高效运行奠定基础 [18]

市场表现 - 科创50指数8月25日大涨3.2%，8月累计涨幅近23%，显著跑赢上证指数8.8%的涨幅 [1] - AI算力硬件产业链（芯片、PCB、液冷等）成为科技股行情核心驱动力，计算机、电子、通信板块8月涨幅分别为18.7%、15.2%、22.1% [1] - 科创芯片指数8月涨超30%，寒武纪、海光信息等龙头股多次涨停，液冷服务器指数累计涨幅达29% [2] 个股表现 - 寒武纪8月21日突破1000元，22日涨停，月内涨幅超10% [1][2] - 海光信息8月涨幅超10%，创历史新高 [1][2] - 英维克、欧陆通、思泉新材等液冷服务器个股8月涨幅均超100% [2] 资金流向 - 科创50ETF份额从年初909.30亿份降至624.45亿份，规模从915.75亿元降至845.31亿元，降幅7.7% [3] - 8月电子行业ETF净流出507.9亿元，资金转向非银金融ETF（净流入超60亿元）和基础化工ETF（净流入20.9亿元） [3] - 半导体行业8月23日成交量占全部A股10%，处于历史高位 [1] 估值水平 - 科创50指数动态市盈率达180.78倍，处于2020年8月以来最高水平，超过2021年及2023年阶段性高点 [3] - 科技股估值处于历史高位，估值溢价程度显著 [3] 行业分化 - 机器人、AI应用等科技板块8月平均涨幅仅10%-12%，表现滞后于硬件板块 [2] - 国产芯片概念崛起源于技术突破、政策红利与国产替代预期共振 [2] - AI应用端以消费电子与物联网为重要切入口，部分消费电子个股股价回暖 [2] 投资机会 - 半导体设备、材料及AI应用等低位方向存在机会 [1][4] - 国产光模块、交换机、消费电子元器件等涨幅相对较小，具备性价比 [4] - 长期关注国产芯片产能情况及互联网大厂采购比例 [4]

8月24日晚间，宁波隔空智能科技有限公司发布讣告，董事长林水洋博士于2025年8月20日因病不幸逝 世。 林水洋作为隔空科技开创者，为其创立与壮大鞠躬尽瘁，带领团队在全球智能传感芯片领域崭露头角， 奠定了坚实发展基础，公司及同仁对其离世沉痛哀悼，向其家人深切慰问。追悼会定于8月27日上午11 点，在上海浦东殡仪馆凌霄厅举行 。 资料显示：隔空科技2017年成立，专注高性能无线射频、微波毫米波、雷达传感器等技术研发，提供芯 片、模组、软件算法一站式方案。其5.8GHz、24GHz等多系列雷达芯片及车载毫米波雷达芯片等产 品，广泛应用于智能物联网、智慧照明、汽车ADAS等领域。公司已获富浙基金、TCL创投等知名机构 投资，在多地设有研发及销售中心。 ...

文章核心观点 - 互联网公司自研AI芯片面临根本性挑战 核心矛盾在于芯片行业本质是制造业而非纯数字产业 需要完全不同的生产资料掌控能力、供应链管理能力和组织文化[4][5][7] - Google TPU成功的关键在于其能融合制造业与数字产业的差异化文化 而其他OTT企业缺乏这种包容性[4][7] - 自研芯片的真正价值不在于短期ROI计算 而在于通过提升研发效率缩短周期来应对AI技术的快速迭代 传统芯片开发周期需24-36个月无法匹配AI发展速度[8][10][12] 行业本质认知 - 芯片行业是伪装成高科技的制造业 最大特征是需要物理生产资料和极长产业链条 与OTT轻资产模式根本不同[5] - 芯片设计数字化部分只是中间产物 最终产品是硅/铜/铝混合的物理实体 涉及下单/备货/库存/检验等实体操作[6] - 制造业反馈环路长达三年才能看清成败 需要几代人积累制造流程经验 与OTT快速组织变化格格不入[6][7] 研发效率瓶颈 - 传统芯片开发流程中从Coding Done到GDS需4个月 GDS到硅片需4-6个月 总周期8-10个月[8][10] - 实际从开工到客户上电需36个月以上 这种速度无法适应AI技术快速演变[10][12] - 现有流程强求100%成功率反而阻碍创新 在不确定环境中应采用饱和攻击策略 接受30%成功率但多项目并行[12] 成本结构分析 - 自研AI芯片初始投资需20亿人民币起步 若量产1万颗则单芯片成本摊薄至20万元 量产10万颗成本仍达2万元[11] - 国内能单代芯片量产超10万颗的企业寥寥无几 盈利模式面临根本挑战[11] - 成本计算不应简单对比Nvidia采购价 需考虑团队长期价值观维持难题 内部服务团队易出现礼乐崩坏[7][11] 破局可能性 - 特斯拉和造车新势力启示在于效率革命 雷军半年推新款对比大众两年周期形成降维打击[12] - 潜在突破点在于将Coding Done到GDS周期从4个月压缩至1个月 去除可靠性测试等传统环节[10][12] - OTT企业擅长系统解构能力可应用于削减后天增加的流程复杂度 但需跨越制造业明坑[9][11][12]

公司业务与定位 - 公司是中国领先的人工智能公司 专注于AI推理芯片的研发设计及商业化 提供面向企业级 消费级 行业级三大类应用场景的NPU驱动AI推理芯片相关产品及服务[1] - 公司以2024年中国市场相关收入统计 是排名前三的全场景AI推理芯片相关产品及服务提供商 在NPU驱动的AI推理芯片相关产品及服务提供商中排名中国前二[1] - 公司拥有算法芯片化能力的IFIC底座 开发出NPU产品Nova AI推理芯片DeepEye及DeepEdge 主要在研产品DeepVerse和DeepXBot 硬件使能工具Hy3CAN 软件平台IFIE以及IFMind大模型[2] 技术平台与产品 - 公司基于IFIC底座搭建Nova 提供高性能 高性价比的推理能力 推出可应用于端边云的可扩展AI推理芯片[2] - 公司硬件使能工具Hy3CAN提供统一编程接口调用芯片能力 软件开发工具套件IFIE为大模型应用与AI推理部署提供自主可控的开发环境[2] - 公司IFMind大模型借助Hy3CAN及IFIE能够进行视觉 文本和语言分析[2] 行业前景与机遇 - 中国AI推理芯片相关产品及服务行业市场规模从2020年113亿元人民币增长至2024年1626亿元人民币 复合年增长率达94.9%[3] - 行业预计2024年至2029年以53.4%的复合年增长率增长 2029年将达到13830亿元人民币[3] - 云服务商 AI企业 电信运营商及电子制造商等对国产化高性能推理算力需求与日俱增 大模型催化AI原生和AI赋能两条硬件演进路径 智慧基础设施项目升级算力创造新应用机会[3] 财务表现 - 公司2022年度 2023年度 2024年度收入分别约为5.46亿元 5.06亿元 9.17亿元人民币[4] - 公司2024年截至3月31日止三个月收入9844.8万元人民币 2025年同期收入2.64亿元人民币[4] - 公司2022年度 2023年度 2024年度亏损分别约为4.48亿元 3.84亿元 5.72亿元人民币 2024年截至3月31日止三个月亏损1.38亿元 2025年同期亏损8580.1万元人民币[4]

公司动态 - 华为将于8月27日发布新品AI SSD [1] - 新品目标直指AI存储器市场 [1] - 以技术创新提升AI业务体验 [1] - 攻克效率与成本难关 [1] 行业影响 - 推动智能经济从"概念"走向"落地" [1] - 推动智能经济从"单点突破"迈向"全面涌现" [1]