壁仞科技2025年全年營收10.3億元，比上年增長207%；經調整年內虧損8.7億元，上年同期為虧損7.7億元。2025年，毛利為人民幣5.57億元，同比增長210.8%，毛利率達到53.8%，同比增長63基點(bps)。壁仞科技稱，公司成功交付多個大規模智算叢集項目，包括2,048卡光互連光交換GPU超節點叢集和多個市場化的數千卡級智算叢集，客戶涵蓋國家級算力平台、電信營運商、商業AIDC、AI/大模型公司，及企業客戶。 (科創日報)

大中華區半導體中國AI GPU：不斷縮小與美國的差距高昂的人工智慧資本支出（Capex）和持續的政策支援，催化了中國AI GPU生態系統的發展。在本篇深度研報中，我們引入了一個分析框架，以評估該行業的商業價值、競爭力及整合路徑。AI技術的迅速擴張正推動中國向更高品質的增長模式轉型。去年，我們在藍皮書報告《中國人工智慧：沉睡的巨龍甦醒》（China – AI: The Sleeping Giant Awakens）中，探討了中國AI的發展現狀及其邁向2030年及以後的發展軌跡。在本報告中，我們將聚焦中國AI基礎設施的核心——作為該技術基石的AI晶片——並評估不斷演變的需求前景、晶圓代工供應瓶頸以及塑造該行業的競爭格局。國產AI GPU供應取得重大進展： 在很長一段時間內，中國AI技術的普及並非受制於電力、資料或工程人才，而是受制於美國出口管制下無法獲取先進的AI晶片。中國自2020年起開始研發本土AI GPU，當時獲取海外先進製程技術的管道已十分有限。隨著管控趨嚴，這一窗口在2022年基本關閉，這重塑了（但並未阻斷）中國AI晶片產業的發展處理程序。過去12個月裡，中國在緩解裝置和晶圓代工瓶頸方面取得了有意義的進展。在政策支援下，我們預計到2028年左右，國內的晶圓代工產能和晶片供應將足以滿足國家的核心主權需求。從政策支援邁向商業化可行： 政策支援可以加速產業的早期發展，但長期價值取決於商業競爭力。中國AI GPU供應商必須展現出極具吸引力的經濟效益，才能在2028年之後維持增長。我們的分析表明，在較低的晶片價格、更廉價的電力成本以及不斷完善的基礎設施支撐下，中國AI資料中心的總擁有成本（TCO）有望具備競爭力。對於推理工作負載（inference workloads）而言，單位Token的成本比峰值性能更為重要，這進一步強化了國產替代方案的競爭力。行業與個股影響： 中國的國產化戰略——即通過擴大晶片、晶圓廠和裝置的規模來彌補製程上的劣勢——正持續見效。在樂觀情形（bull case）下，我們假設國產GPU將擴展至訓練工作負載領域，並可能獲得海外採用；在悲觀情形（bear case）下，我們假設產品差異化減弱，從而導致商品化（同質化）和行業整合。雖然我們不對AI GPU個股做出直接評級，但我們對中國AI半導體供應鏈保持建設性（樂觀）態度，包括中芯國際（晶圓代工）、北方華創（裝置）和 ASMPT（先進封裝），並看好AI晶片投資有助於鞏固其戰略地位的中國網際網路平台。關於後者的更多細節，請參閱 Gary Yu 撰寫的中國網際網路報告。關於中國AI GPU的六大核心圖表中國AI GPU：建構本土化的AI計算生態系統致首席資訊官（CIO）的資訊： 中國正通過系統級創新和以成本驅動的推理經濟性（inference economics），迅速縮小與美國在AI算力領域的差距。這一發展軌跡有望使國產AI GPU的自給率達到約76%，並在未來十年內對全球AI半導體的競爭格局產生深遠的重塑作用。致首席執行長（CEO）的資訊： 儘管美國晶片製造商在矽晶圓前沿技術上仍保持領先地位，但中國正加速轉向成本更低、針對推理最佳化的國產AI晶片。這將對全球AI的經濟性帶來中期的競爭壓力，而非在短期內實現技術層面的並駕齊驅。AI技術的快速擴張正推動中國向高品質經濟模式轉型。在去年的藍皮書報告《中國人工智慧：沉睡的巨龍甦醒》（China – AI: The Sleeping Giant Awakens）中，我們探討了中國AI的發展現狀及其邁向2030年及以後的發展軌跡。在本報告中，我們再次回歸AI主題，重點剖析中國AI基礎設施的基石——即支撐該技術的AI晶片——並對需求前景、晶圓代工供應以及競爭格局進行評估。我們分析了中國AI GPU的關鍵需求驅動因素及國內供應鏈的商業可行性，同時評估了本土生產晶片的性能與潛在商業價值。此外，我們還考察了中國全境與AI相關的資本支出（Capex）規模、本土晶圓代工供應的動態，以及塑造該行業的政策支援力度。最後，我們引入了一個框架，用於評估國產AI GPU晶片（即輝達的本土替代方案）的商業價值，並為投資者梳理了如何在長期內評估該行業及相關個股標的的路徑。行業展望：需求強勁、供給改善及同質化風險上升受制於晶圓代工產能的瓶頸，中國AI GPU在2026年和2027年的營收仍將維持“供給主導”的格局。在雲服務提供商（CSP）強勁的商業需求以及不斷增長的主權和政府主導的AI投資支撐下，該市場已進入高速增長階段。基於雲端資本支出（Capex）趨勢及隱含的AI半導體消耗量，我們預計2026年中國AI GPU的總潛在市場規模（TAM）約為500億美元，到2030年將增長至約670億美元。隨著國內晶圓廠產能的擴張和本土裝置能力的提升，國產AI GPU的供應正在快速追趕。我們預計到2027年，本土供應規模有望達到約300億美元，足以覆蓋中國算力總需求的一半以上。鑑於產能限制依然存在，我們預計到2027年之前，該市場將在很大程度上維持供給驅動的特徵。中國的基礎設施優勢縮小了表面上的技術差距在我們的基準情形（base case）下，輝達（NVIDIA）在大規模AI預訓練領域繼續佔據主導地位。中國主要的雲服務提供商處理預訓練工作負載時，依然依賴部署在海外資料中心的輝達伺服器機架。相比之下，國產AI GPU在中國國內的推理工作負載（inference workloads）中正獲得越來越高的市場認可度，因為在這些應用場景中，更低的延遲、資料本地化要求以及成本效益顯得更為重要。中國AI GPU能否充分縮小性能差距以勝任預訓練任務——並最終在出口市場贏得客戶——仍是一個關鍵的長期議題。我們的分析表明，儘管中國在晶片層面仍略落後於美國，但在系統硬體層面已具備廣泛競爭力，並在基礎設施和政策層面擁有優勢。因此，國產AI GPU在推理工作負載方面已經具備競爭力。需要強調的是，僅基於製程節點（process node）的比較會誇大實際的性能差距。當以“每瓦特每美元性能（performance per watt per dollar）”為基準進行評估時，這種差距會大幅縮小，特別是考慮到中國相對較低的利潤率要求和較低的能源成本。這種成本優勢顯著提升了國產替代方案的商業可行性。我們在下文中提供了一個基於此背景的輝達與沐曦（MetaX）GPU的對比案例研究。為了評估這一不斷演變的行業格局，我們引入了一個聚焦於中國AI GPU生態系統商業價值的分析框架。該市場目前有超過10家上市及非上市供應商，涵蓋獨立第三方供應商、內部專屬設計公司（captive design houses）以及國資背景企業。我們對中美AI計算生態系統進行了對比，並從設計能力、系統級性能、晶圓代工產能獲取、戰略合作夥伴關係、政府支援及商業戰略等維度對各供應商進行了評估。我們還應用了我們的全球AI半導體估值框架，為市值、晶圓代工產能隱含營收以及估值倍數提供了參考基準（圖表59）。關於百度崑崙和阿里平頭哥等內部專屬設計公司如何為母公司估值貢獻增量，請參閱我們的中國網際網路分析師 Gary Yu 的相關報告（連結）。聚焦商業價值分析近期的行業動態凸顯了中國AI GPU格局演變的迅速程度，並印證了為何商業價值與技術能力同等重要。幾家領先的中國網際網路平台正在轉向定製化或“合規（within spec）”的推理晶片，這些晶片通常通過設計服務模式並在海外先進的晶圓代工節點上生產。例如，據路透社報導，字節跳動正通過中國設計服務公司芯原股份（VeriSilicon），利用三星的4奈米製程生產其AI推理ASIC晶片。儘管這些解決方案通常針對偏低端的推理工作負載，但仍加劇了獨立GPU供應商面臨的競爭壓力。與此同時，政策訊號表明，可能會允許少量進口輝達的H200晶片，同時可能要求配套支援國產替代方案。這種做法強化了“雙軌制”戰略，而非實施全面替代。同步地，中國主要的大語言模型（LLM）供應商已開始提高Token價格，這改善了AI工作負載的商業化變現能力，並對整個生態系統中AI GPU的長期商業經濟效益形成了支撐。展望未來，行業結構引發了對產品同質化（commoditization）風險的擔憂。包括雲服務提供商和電信營運商在內的大客戶有強烈的動機去扶持至少一家具有國資背景的GPU供應商（如華為），而領先的CSP同時也支援自身內部的或關聯的設計公司（如百度崑崙、阿里平頭哥）。這種動態擠壓了獨立第三方供應商的潛在市場空間，並增加了其規模化發展的難度。隨著晶圓代工產能可能從2027年起擴張，加上AI GPU設計日益成熟，產品的差異化將變得更加困難。因此，我們認為隨著時間的推移，行業利潤率存在下降的風險，且未來兩到三年內行業整合的可能性日益增加。關於中國AI GPU類股的核心爭議上述結論建立在三個相互關聯的核心爭議之上，這些爭議塑造了中國AI GPU生態系統的未來前景。在接下來的部分中，我們將詳細探討這些爭議，以揭示中國AI GPU市場的發展脈絡、國產替代方案在那些領域已具備競爭力，以及那些結構性制約因素依然存在。核心爭議 #1：中國能否大規模供應具備競爭力的AI GPU？第一個爭議聚焦於供給端——即中國能否生產出具備足夠競爭力且能實現規模化量產的AI GPU。中國受益於系統級的工程優勢、基礎設施的快速鋪建以及強有力的政策支援，但在先進晶片設計和前沿製造工藝方面仍面臨挑戰。我們將評估這些優勢與限制因素如何相互交織，本土供需如何演變，以及這將如何影響國產AI GPU的長期競爭力。核心爭議 #2：需求端：中國AI GPU市場的潛在規模有多大？該爭議聚焦於需求端。中國AI GPU市場反映了雙重需求：一是由雲服務提供商和AI應用主導的商業化普及需求，二是與主權戰略優先順序掛鉤的政策驅動需求。我們分析了這些驅動因素的相對權重、政策持續支援國產AI晶片的底層邏輯，以及它們如何轉化為實際的市場規模。通過對本土AI晶片需求的情景分析（基於Gary Yu的預測），我們估算了中國AI GPU市場的潛在規模和增長軌跡。核心爭議 #3：如何評估中國AI GPU的商業價值？該爭議從估值和投資的視角審視該行業。中國AI GPU生態系統包括獨立供應商、國資背景企業，以及隸屬於大型網際網路平台的內部設計公司。我們將這些企業置於全球AI GPU和ASIC的背景下進行定位，勾勒出評估相對市場地位的定性標準，並應用統一的估值框架以幫助投資者權衡整個類股的投資機遇與風險。類股估值——高經營槓桿下的高市銷率（P/S）倍數儘管收入基數小得多且處於盈利的更早期階段，中國AI半導體設計公司的市銷率（P/S）倍數仍顯著高於全球可比同業。寒武紀（688256.SS，未覆蓋）： 目前其2026年預期市銷率（P/S）約為32倍，市盈率（P/E）約為96倍；相比之下，其2026年晶圓代工產能隱含營收約為22億美元，市場一致預期營收約為21億美元。儘管其銷售倍數低於部分國內同行，但在經過增長調整後，相對於輝達仍享有明顯的估值溢價，這反映了市場對國內AI市場快速實現國產替代的預期。海光資訊（688041.SS，未覆蓋）： 其2026年預期P/S約為94倍，P/E約為1118倍，隱含晶圓代工產能營收約為9億美元。這表明在本土化供應鏈結構下，市場對其捕獲CPU/GPU相關周邊需求抱有極高的期望。沐曦（MetaX，688802.SS，未覆蓋）與摩爾線程（Moore Threads，688795.SS，未覆蓋）： 兩者的2026年預期P/S分別約為60倍和139倍，而隱含營收分別僅為約5億美元和3億美元，且尚未實現實質性盈利。在香港上市的壁仞科技（Biren，6082.HK，未覆蓋）和天數智芯（Iluvatar CoreX，9903.HK，未覆蓋）： 其2026年預期P/S分別約為37倍和62倍，同樣基於較為有限的隱含營收（約2億至3億美元）。（估算來源請參見圖表11。）類股估值——非上市企業我們綜合使用定性評分卡和定量指標（包括營收規模、市場份額和晶片性能），來評估中國非上市AI GPU供應商的潛在市值。1. 崑崙芯 (Kunlunxin)崑崙芯已將銷售擴展至外部客戶，如中國移動、騰訊及其他的國有企業（SOEs）。我們預估其2025年營收為60億元人民幣（約50%來自外部），並預計在近期新GPU發佈的支撐下，2026年營收將在70億至130億元人民幣之間，代表其在國內GPU行業中佔據高單位數百分比的市場份額（相比之下，華為佔63%，寒武紀佔11%，平頭哥佔高單位數百分比）。我們對崑崙芯的估值為200億至610億美元：提議的分拆與上市是管理層釋放股東價值計畫的一部分，但隨著近期AI晶片的首次公開募股（IPOs），近期的市場情緒有所走強。基於2026年預期市銷率（P/S）20至33倍（較A股上市的寒武紀有0%至40%的折價），我們對崑崙芯的估值為200億至610億美元，假設控股公司（holdco）折價30%，這轉化為百度（BIDU）約60%股權的價值為80億至260億美元。將百度的中端分類加總（SOTP）估值修訂為215美元（原為220美元）；高端估值為330美元：我們的215美元中端SOTP估值，將崑崙芯估值為45美元/股（26倍 企業價值/銷售額（EV/S）），AI雲基礎設施（不含崑崙芯）估值為45美元/股（5倍 EV/S），行銷業務估值為44美元/股（6倍 企業價值/息稅前利潤（EV/EBIT））；我們330美元的高端SOTP估值，將崑崙芯估值為73美元/股（33倍 EV/S），AI雲基礎設施（不含崑崙芯）估值為62美元/股（7倍 EV/S），文心大模型（Ernie LLM）估值為38美元/股（30倍 EV/S），行銷業務估值為54美元/股（7倍 EV/EBIT）。2. 平頭哥 (T-Head)我們預估其2026年營收為140億至260億元人民幣，其中約一半來自AI GPU晶片，其餘來自CPU。我們預計平頭哥將在2026年至2030年間躋身國內第一梯隊GPU供應商，佔據高單位數百分比的市場份額（與崑崙芯類似），相比之下，華為為63%，寒武紀為11%。我們對平頭哥的估值為280億至860億美元：鑑於平頭哥一直以來保持低調、公開披露有限，且長期專注於內部供應，此次潛在的分拆令人感到意外。我們預計分拆後外部銷售將會加速增長。在需求端和供給端，支援依然強勁：阿里雲繼續驅動龐大的訓練與推理需求，並不斷增加產能供應。基於20至33倍的市銷率（P/S）（較寒武紀有0%至40%的折價），並應用於140億至260億元人民幣的營收區間（CPU + GPU），我們得出了280億至860億美元的估值區間。假設控股公司（holdco）折價30%，這轉化為阿里巴巴（BABA）分類加總（SOTP）估值中的12至36美元/股。我們對關鍵行業風險的情景分析我們概述了中國國內AI晶片市場的三個情景，這些情景由出口管制、國內製造的進展以及替代激勵機制之間的相互作用所驅動。基準情形——在持續受限下取得漸進式進展 先進AI晶片的海外流片（tape out）依然受限，限制了獲取前沿晶圓代工服務的管道。中芯國際繼續擴張國內產能，但在美國出口管制下，獲取關鍵晶圓製造裝置的管道受限，制約了先進製程節點的進展。輝達H200對中國的出口依然有限，無論是因為美國法規，還是中國方面的採購和政策考量。在此背景下，政府對國內計算基礎設施的持續支援推動了對本土生產的AI加速器的需求，並在性能差距持續存在的情況下，支撐了國內供應商的銷量增長。樂觀情形——國內能力加速提升與替代加速 國內AI晶片供應狀況實質性改善。通過替代性安排，或中芯國際在良率和製程穩定性上取得有意義的突破，獲取前沿晶圓代工服務（如台積電或三星）的管道得到改善；同時，本土裝置供應商的進展緩解了關鍵的製造瓶頸。對美國先進AI加速器出口的持續限制強化了對國產解決方案的需求，並促使生態系統在設計、製造和系統整合方面更快地走向成熟。悲觀情形——國內供應疲軟與替代壓力減輕 對晶圓製造裝置的限制進一步收緊，實質性地制約了先進製程節點的產能擴張，並推遲了製程改進。與此同時，對輝達H200的出口管制放鬆，或中國重新獲得更先進AI加速器的管道，從而降低了國產替代的緊迫性。對EDA（電子設計自動化）工具的額外限制制約了本土設計公司的架構升級，並進一步削弱了國產AI加速器產品的競爭力。關鍵爭議#1：中國能否大規模供應具備競爭力的AI GPU？市場觀點： 在比較中美AI晶片時，全球投資者往往只關注晶圓工藝——例如，台積電4奈米的輝達GPU與中芯國際12奈米的沐曦（MetaX）GPU的對比。基於此，他們通常得出結論，認為中國的AI晶片無法與之競爭。我們的觀點： “每瓦每美元性能”的評估框架顯著縮小了這一差距，特別是因為能耗（瓦特）因素在中國的權重較低。在我們對沐曦與輝達的案例研究中，按每瓦每美元性能衡量，沐曦C600的表現與輝達A100相當。隨著沐曦推出C700，我們認為它能夠在AI推理領域與輝達的H200相抗衡。然而，從長遠來看，我們認為市場對中國在某些裝置瓶頸上取得突破的預期過於樂觀。例如，我們認為在未來五年內，中國晶圓廠將繼續依賴阿斯麥（ASML）的DUV光刻機進行多重曝光（multiple patterning），這與部分市場預期（即中國能夠研發自有光刻裝置）截然相反。需監測的指標： 1）先進製程節點的晶圓月產能（wpm）及良率提升情況；2）叢集規模的穩定性改善；3）本土軟體及類CUDA生態系統的進展。我們可能出錯的地方（潛在風險）： 1）良率提升進展慢於預期；2）裝置瓶頸持續的時間更長；3）軟體生態系統的規模化擴展比最初預期的更為複雜。大規模晶片製造面臨的障礙為了評估中國能否大規模供應具備競爭力的AI GPU並切實滿足市場需求，我們從AI半導體價值鏈的供給側——特別是晶圓代工產能——開始分析。在這一層面上，規模擴張不僅取決於名義產能的增加，還取決於關鍵上游要素的可用性與成熟度。因此，一系列供應瓶頸繼續影響著整個AI GPU價值鏈的最終產出。這些限制在晶圓前道裝置（WFE）和電子設計自動化（EDA）領域表現得最為明顯。在中芯國際產能擴張的背景下，幾個關鍵的半導體裝置瓶頸——例如外延裝置——目前已基本能由北方華創（Naura）、中微公司（AMEC）和新凱來（SiCarrier）等本土WFE供應商解決。然而，我們看到在光刻和檢測工具方面仍存在持續的限制。在光刻機方面，中國在2025年進口了大量阿斯麥（ASML）DUV系統，以防範未來潛在的限制。同時，我們的行業調研表明，中芯國際先進製程晶圓廠（特別是中芯南方）在科磊（KLA）檢測和量測工具方面的受限，推高了裝置利用率並導致檢測步驟減少，晶圓廠僅能專注於最關鍵的層級。雖然這種方法保障了產能產出（吞吐量），但可能以犧牲良率為代價，這進一步凸顯了國內先進製程製造所面臨的結構性挑戰。EDA是中國擴大先進製程產能的另一個關鍵制約因素。2025年，中國最大的EDA供應商華大九天（Empyrean Technology）按營收計算僅佔全球約1-2%的市場份額。迄今為止，華大九天尚未提供全流程數字IC EDA套件，更不用說支援先進製程節點GPU設計的工具了。相比之下，楷登電子（Cadence）、新思科技（Synopsys）和西門子EDA（Siemens EDA）在2025年合計佔據了全球80%以上的市場份額。美國政府對華實施了嚴格的EDA軟體出口管制，特別針對全環繞柵極（GAA）電晶體架構所需的工具。這些限制旨在阻礙中國開發先進的3奈米和2奈米晶片，而這些晶片對於高性能計算和AI至關重要。如果本土EDA能力無法迎頭趕上，且現行出口管制維持不變，本土AI晶片設計公司將很難向3奈米和2奈米節點遷移。中芯國際的擴張轉移了——但並未消除——晶片供應瓶頸儘管晶圓前道裝置（WFE）的限制構成了中國先進製程雄心的上游制約因素，但其下游影響日益顯現在晶圓代工層面。工具可用性、工藝成熟度以及產能吞吐量的侷限，實際上已將中國的先進製程產能集中於一家佔據主導地位的供應商。這種動態將供應瓶頸從裝置獲取轉移到了晶圓代工的執行與產能分配上。因此，中芯國際（SMIC）已成為擴大本土AI GPU生產規模的實質性“咽喉”所在。根據我們的行業調研，幾家本土AI晶片供應商已將製造環節遷回中國大陸，試圖在本土先進製程節點（如N+2的7奈米和N+1的12奈米）上流片AI加速器，以利用本土產能並緩解外部限制。目前，中國的先進製程產能仍高度集中在中芯南方，該公司已通過使用DUV光刻機進行多重曝光，將工藝技術延伸至N+2，並有可能延伸至N+3（約5奈米）。我們預計，中芯國際的N+2晶圓月產能（wpm）在2025年約為2.2萬片，2026年（預期）約為4萬片，2027年（預期）約為5.1萬片。然而，考慮到同樣嚴重依賴N+2級節點的智慧型手機和汽車SoC（系統級晶片）的持續需求，我們預計這些產能不會完全分配給本土AI處理器的生產。面對這些制約因素，一些AI GPU供應商選擇在N+1節點上製造加速器。我們認為，這一選擇反映了在產能可用性、流片成功率、製造穩定性以及成本控制方面所做出的務實妥協。相較於更先進的節點，N+1提供了更好的良率特徵和更成熟的供應鏈，從而在工藝受限的情況下仍能實現量產。然而，基於N+1節點的產品在計算密度和能效方面仍處於結構性劣勢，使其更適合AI推理及其他對功耗和成本敏感的工作負載，而非大規模訓練。應對晶圓工藝制約的戰略性舉措如上所述，中芯國際的產能擴張只能部分緩解中國的晶圓工藝瓶頸。在獲取先進製程節點受到結構性制約的情況下，本土AI晶片供應商和雲服務提供商（CSP）日益將焦點從直接縮小工藝差距，轉向通過系統級和架構層面的戰略來彌補單裸片（per die）性能較弱的劣勢。儘管中芯國際在N+2節點上取得了實質性進展，但與在4奈米或3奈米節點上製造的海外加速器相比，國產AI加速器在計算性能和能效方面仍處於結構性劣勢。我們認為，即使7奈米工藝得到廣泛應用，也無法在晶圓層面完全消除這一差距。鑑於能源供應在中國並不構成硬性約束，戰略重心已轉向提高絕對計算密度和系統級性能，而非每瓦能效。我們將中國AI晶片供應商和CSP當前的主流應對策略歸納為三大類：1）“如果單個計算裸片不夠強大，就把更多裸片封裝進同一塊晶片中。”由於製造技術和晶片設計的侷限性，國產AI加速器的計算能力仍大幅低於輝達及部分海外ASIC解決方案。在某些情況下，隨著獲取海外先進製程節點的管道受限，計算性能甚至出現了下降。例如，據報導，昇騰（Ascend）950PR的計算性能比其上一代產品910C低約38%。在此背景下，供應商採用了先進封裝和多裸片配置，以在單個封裝內擴展算力。這種方法在不需要獲取更先進製程節點的情況下，部分抵消了單裸片性能較弱的問題。雖然它未能完全消除與海外領先產品的差距，但已切實提升了絕對計算性能。2）“如果單塊晶片不夠強大，就建構更大的機架和叢集。”在系統層面，我們觀察到本土AI晶片供應商和CSP正越來越多地採用縱向擴展（scale-up）架構，這從輝達的NVL72設計中汲取了靈感。傳統的AI伺服器配置通常在每台伺服器中部署4或8個加速器，多節點擴展嚴重依賴伺服器間的網路連線，這可能會引入通訊瓶頸。NVL72標誌著一種轉變，即在單一系統內實現72個加速器的全互聯（all-to-all interconnect），從而顯著提升了GPU到GPU的頻寬和機架級性能。中國企業正在推行類似的縱向擴展戰略，包括華為的CloudMatrix 384、阿里巴巴基於PPU的機架解決方案，以及字節跳動的單機架256加速器設計，旨在克服單晶片的侷限性，提升機架級性能。3）“如果一家晶圓廠產能不足，就擴大製造產能。”第三項應對策略的核心是在現有工藝制約下擴大產能。中國的先進邏輯晶圓代工廠繼續進行激進的投資。中芯國際在2023年、2024年和2025年的資本支出分別達到了約75億美元、73億美元和81億美元，佔其營收的比例大幅提升。在2025年下半年，中國還加速了DUV光刻裝置的採購，從荷蘭的進口量同比急劇上升。我們認為，這些裝置的交付支撐了中期內先進製程產能的擴張，但不太可能消除與海外晶圓廠之間根本的工藝差距。網路與機架級設計彌補了晶圓工藝制約 即便在7奈米工藝上取得了進展，中國在晶圓層面縮小AI算力差距的能力依然受到結構性制約。因此，性能差異化的焦點已日益從單晶片算力轉向系統級架構，特別是網路互聯和機架級設計。面對晶圓工藝的制約，中國在系統級設計方面取得了切實的進展，特別是在光網路和伺服器機架架構方面。在去年的上海世界人工智慧大會（WAIC）（參見我們的報告《上海WAIC主要啟示》）上，我們觀察到了華為昇騰（Ascend）CloudMatrix 384的原型機，它展示了國內企業如何通過激進的縱向擴展（scale-up）和光互聯設計，來彌補單晶片算力較弱的問題。展望未來，在下一代昇騰平台（Atlas 950）中，華為聲稱其SuperPod架構最高可擴展至8,192顆晶片。在處理器層面，昇騰950PR和升級後的950DT預計將實現高達2TB/s的AI處理器間互聯頻寬，紙面資料超過了輝達NVLink第五代（Gen5）1.8TB/s的規格。單從原始規格來看，華為的互聯頻寬目前已超越NVLink Gen5。更均衡的算網配比（compute to networking ratios）。 我們觀察到海外AI晶片（例如輝達的Blackwell系列）的原始算力出現了急劇增長，但網路性能並未實現相應的階躍式提升。我們認為，這種分化很大程度上受制於電互連的物理極限，而光互連雖然前景廣闊，但尚未在大規模應用中證明具備足夠的穩定性。因此，在實際部署中，基於輝達的最先進系統可能會面臨算力未被充分利用的時期，空閒周期正日益成為軟體和調度層面的挑戰，而非純粹的硬體制約。相比之下，國內AI平台在網路能力方面實現了快速提升。雖然絕對計算性能仍落後於全球前沿水平，但從算網配比的角度來看，系統配置顯得更為均衡。在橫向擴展（scale-out）和以推理為主的重度部署場景中，儘管單晶片性能較弱，這種均衡性可能會減少系統層面的結構性低效。核心爭議 #2：需求端：中國AI GPU市場的潛在規模有多大？市場觀點：市場共識預期，領先的雲服務提供商（CSP，如阿里巴巴、騰訊、字節跳動）將繼續增加與AI相關的資本支出（Capex），以支援模型訓練和推理部署。在這一觀點下，政府的政策支援是本土AI GPU普及的主要驅動力。我們的觀點：我們採用情景分析法，將圍繞供需和地緣的風險納入對中國AI GPU市場的預測中。我們預計，到2030年總潛在市場規模將達到670億美元，其增長更多由推理而非訓練驅動，並將佔到屆時雲端總資本支出的約51%。我們預計國產AI晶片營收將從2024年的60億美元增長至2030年的510億美元（復合年增長率達42%），自給率將從33%提升至76%。除了政策支援外，我們認為本土AI晶片的商業價值是更為持久和可持續的需求驅動力。需要監測的指標：1) CSP雲端資本支出增長；2) 月度Token吞吐量增長；3) 國產AI晶片的平均售價（ASP）趨勢及分配訊號。我們可能判斷有誤之處：1) 地緣政治降溫使得獲取美國先進GPU的管道得以改善；2) AI商業化變現表現不及預期，導致資本支出增長慢於預期。中國AI晶片需求要評估中國AI GPU需求的持久性與規模，區分其潛在驅動因素至關重要。在我們看來，對國產AI晶片的需求取決於兩股力量：一是對技術自立自強的結構性推動；二是在消費者和企業端應用場景中，AI部署所帶來的日益重要的商業回報。應對美國晶片限制的自立自強。 中國將AI視為事關國家與經濟安全的戰略性領域。。。這段不展開了。如下圖所示，中國本土的AI晶片設計公司與先進製程晶圓代工供應商形成了一種共生關係。一方面，國產AI加速器供應商需要獲取產能並實現製程節點迭代，因為AI晶片通常需要經歷兩到三代製程的演進才能達到具備競爭力的性能。另一方面，本土先進製程晶圓代廠需要錨定客戶（anchor customers）及規模效應，以支撐其持續的投資。商業回報作為中國AI晶片市場的第二大主要驅動力。 儘管自立自強催化了早期的投資，但持續的AI相關資本支出最終需要可證明的商業回報，尤其是隨著支出規模的擴大以及利用率成為核心制約因素。因此，中國的AI發展路徑日益強調具有成本效益的創新以及能夠帶來可衡量商業回報的應用。中國主要的科技公司正步入正軌，有望在2026年將與AI相關的資本支出同比增長38%，達到5970億元人民幣，這反映了在廣告、消費者端（2C）及企業端（2B）應用場景中已被證明的商業化變現潛力。在我們看來，消費者端和企業端應用中由AI驅動的提升所帶來的總回報可能是巨大的。在扣除折舊、電力和伺服器租賃成本後，預計到2028年有望實現盈虧平衡，到2030年利潤率可能達到約50%（更多細節請見此處）。在政策支援與商業回報改善的雙重驅動下，中國AI GPU的需求集中在少數大型買家群體手中，其資本支出（Capex）決策最終決定了可觸達市場的規模。第一類群體由中國的雲服務提供商（CSP）構成——包括字節跳動、阿里巴巴和騰訊——這些企業採購AI晶片，既用於訓練自身專有模型並運行推理，也用於為外部雲客戶部署AI基礎設施。第二類群體包括中國的電信營運商、國有企業及地方政府——即所謂的“主權AI買家”——其需求主要由國家AI基礎設施建設、資料主權以及公共部門的應用驅動。AI初創企業（如DeepSeek、MiniMax）及汽車整車廠（如小鵬、小米）同樣採購AI晶片，儘管目前的採購量仍低於前兩類群體。我們預測，到2030年，中國AI晶片的總潛在市場規模（TAM）將達到670億美元，這意味著2024至2030年間的復合年增長率（CAGR）將達到23%。我們的估算基於主要CSP、電信營運商、政府與國企買家以及其他AI相關企業的雲端運算資本支出總額。我們預計，到2030年，中國雲端運算資本支出總額將達到1300億美元，其中AI GPU將佔據670億美元，約佔雲端運算總資本支出的51%。我們的預測基於以下幾項假設：1. CSP海外資料中心佔比下降。我們估計，2025年中國CSP雲端運算資本支出中約有40%投向了海外資料中心，用於大語言模型的預訓練，這反映了國內獲取先進GPU受限的現狀。我們預計，從2026年（預期）起，在本土AI晶片性能提升與供應增加，以及算力需求向推理端轉移的共同推動下，這一比例將降至30%左右。2. 伺服器支出佔比保持在雲端運算總資本支出的90%左右。3. AI加速伺服器佔伺服器總量的比例，將從2025年（預期）的75%上升至2030年（預期）的85%。4. AI加速器元件價值佔AI加速伺服器總價值的80%。基於上述假設，我們預測中國AI晶片的總潛在市場規模（TAM）將從2024年的190億美元增長至2030年的670億美元，2024至2030年間的復合年增長率（CAGR）將達到23%。本土化勢將支撐需求隨著中國AI GPU市場規模不斷擴大，關鍵問題不僅在於需求能變得多大，還在於這些需求最終流向何方。我們認為，持續的地緣政治風險將AI晶片需求鎖定在本土，使本土化成為中國AI GPU市場的結構性特徵，而非對出口管制的暫時性應對。減少對美國技術的依賴： 儘管在單晶片層面，中國的AI晶片仍落後美國約1.5至2代，但系統級性能差距正在持續縮小，這進一步強化了AI基礎設施部署本土化的動力。我們預計，在未來四年內，受晶片封裝（中國本土的2.5D和3D封裝）、架構縱向擴展（光網路）以及軟硬體協同最佳化的驅動，而非單純依靠工藝節點微縮，這一差距將縮小至約1代。中國還在減少供華晶片對台積電（TSMC）的依賴，轉而採用中芯國際（SMIC）的N+2和N+3節點，以及三星部分符合規格的設計。儘管在韓國儲存晶片（HBM）、歐洲光刻裝置（DUV）以及美國檢測裝置（KLA明場檢測）等方面仍存在一定的依賴，但我們最新的行業調研表明，本土在其中一些領域正在取得進展。在大多數地區，商業和主權買家對AI晶片的需求，既可以通過美國供應商滿足，也可以通過台積電代工的定製設計來滿足。然而，自2023年10月以來，美國工業和安全域（BIS）的規定限制了美國供應商向中國出售晶片技術的發展水平。這些限制包括對14奈米FinFET裝置、3奈米GAA EDA工具的限制，以及對性能密度和總性能等性能指標的限制。美國當局在2025年初進一步收緊了這些管制。來自外國晶片供應商的激烈競爭意味著，中國需要政策支援以推動本土AI GPU的發展。本土晶圓廠也需要具備競爭力的AI晶片供應商來實現規模化、提高良率並降低成本。因此，在規模擴張階段，政府的支援錨定了供應的形成與國內需求，包括鼓勵本土化應用，以及協調如中芯國際7奈米生產等稀缺的先進製程產能。基準情形綜合我們的供需分析，我們勾勒出中國AI晶片自給率的基準情形發展軌跡。我們預計中國的AI晶片自給率將從2024年的33%上升至2030年（預期）的76%。我們預計先進製程產能的擴張和晶片性能的持續提升將推動本土AI晶片營收的增長。我們的核心假設如下：先進製程產能顯著擴張。 在強勁的資本支出投資以及矽鍺（SiGe）外延等本土裝置技術突破的支撐下，我們預計中國的先進製程晶圓月產能（wpm）將從2025年的8千片增至2028年的4.2萬片，並於2030年達到5萬片。生產良率顯著提升。 在更優質的檢測工具和不斷積累的操作經驗驅動下，我們預計中國AI晶片的生產良率將從2025年的約20%提升至2030年的約50%。產能分配依然由政策驅動。由於先進製程產能具備稀缺性，其分配很大程度上由政府機構決定。我們認為華為獲得的分配額度最高，其次是寒武紀（Cambricon）和海光（Hygon），而二線和三線AI晶片設計公司各自獲得的產能可能不到總產能的10%。海外晶圓廠供應“合規（within spec）”晶片。 我們預計三星等海外晶圓廠將為崑崙芯和字節跳動等本土設計公司流片符合規格要求的AI晶片。基於這些假設，我們預計中國本土AI晶片營收將從2024年的60億美元增至2030年（預期）的510億美元，2024至2030年的復合年增長率（CAGR）達到42%，同時我們預計AI晶片自給率將從2024年的33%提升至2030年（預期）的76%。我們在出口管制、本土製造進展以及替代激勵機制的相互作用驅動下，概述了中國本土AI晶片前景面臨的三種情景。關鍵爭議#3：我們該如何評估中國AI GPU的商業價值？市場觀點： 市場共識將政策驅動的替代視為本土AI GPU應用的主要驅動力。在這種觀點下，供應商的估值通常錨定於從輝達手中奪取市場份額的假設，以及對市場結構分散化的預期。我們的觀點： 我們認為，AI晶片的商業價值最終將決定各家供應商的長期營收和市值。儘管政府支援和雲服務提供商（CSP）的內部自研戰略依然重要，但我們預計市場領導地位將由產品競爭力和執行力來塑造。因此，我們結合定性因素（包括晶圓代工獲取能力、客戶關係、政策支援和技術方向）以及定量指標（如TPS（每秒生成Token數）、每瓦性能和每瓦每美元性能）來評估供應商。我們還密切監控不斷湧現的新發佈的晶片規格。隨著時間的推移，我們預計中國AI GPU市場將趨於整合，隨著產品差異化縮小和規模經濟佔據主導，利潤率壓力將會增加。需監測的指標： 1）新晶片規格；2）向主要客戶（如CSP）的出貨量爬坡情況；3）平均售價（ASP）趨勢及毛利率軌跡。我們可能出錯的地方（潛在風險）： 1）本土AI GPU供應商未能獲得先進製程晶圓代工廠的產能；2）CSP採用國產AI晶片的意願低於預期；3）AI計算範式的顛覆性轉變（例如，模型架構或工作負載特徵的根本性改變）降低了基於TPS的性能比較的相關性。識別長期贏家的分析框架潛在的贏家能夠將系統級競爭力轉化為大規模的商業應用。在實踐中，供應商需要具備四大特質：（1）具備競爭力的推理經濟效益；（2）可靠的先進製程節點產能獲取管道；（3）深厚的CSP合作關係；（4）與政策導向保持一致。如果供應商缺失其中一項或多項特質，即使他們發佈了強悍的規格資料，也很難維持其市場份額和利潤率。我們採用雙層分析框架：第一層 —— 定量的推理經濟效益我們側重於驅動大規模應用的、以推理為核心的指標，包括單Token成本和總擁有成本（TCO）、TPS（每秒Token數），以及每瓦和每美元性能。我們認為，要維持領導地位，必須在這兩個層面上都具備實力。第二層 —— 定性的市場定位我們評估獲取先進製程產能的管道、CSP合作關係的深度、政策契合度，以及技術路線圖的可信度。聚焦推理端：本土供應商持續追趕持續存在的生態系統與工藝制約因素，限制了國產加速器在先進基礎模型大規模訓練領域的定位。因此，我們預計近期的部署將集中在大語言模型（LLM）推理而非訓練上。這一重心與需求趨勢相符。DeepSeek、Doubao和Qwen（通義千問）等國產基礎模型，已將每日Token消耗量推高至10兆以上，驅動了推理需求的結構性上升。與此同時，輝達的A100以及部分已安裝的H100和H800越來越多地用於服務訓練工作負載。因此，我們預計中國的推理算力——儘管目前仍以輝達H20為基本盤——隨著時間的推移將更加依賴國產加速器。為了比較各家供應商的推理競爭力，我們採用每秒生成Token數（TPS）這一指標。TPS反映了硬體能力（計算吞吐量、記憶體頻寬、互連）以及軟體和模型的假設。我們以DeepSeek R1作為國產大語言模型的代表，以反映真實的推理部署場景。輝達在2025年第一季度公佈了其H200在DeepSeek R1推理下的官方TPS資料。在採用相同的Token長度和資料格式假設下，我們獨立推算的估計值與輝達公佈的結果基本一致，這印證了我們建模方法的可靠性。(Port Selected)

據香港《信報》報導，高盛首度給予壁仞科技及沐曦股份「買入」評等。高盛指出，中國大陸雲端運算資本支出增加、先進製程產能擴張等，預期將帶動兩家公司業務成長。高盛表示，預計壁仞科技在2025至2030年間的AI訓練與推理GPU業務將實現101%的復合年增長率，而AI晶片出貨量料從2025年的3萬片增長至2030年的90萬片。驅動因素包括雲端廠商資本支出增加、性價比提升帶來的市場佔有率增長、向更高算力AI晶片遷移等。沐曦股份方面，預計其AI訓練與推理GPU業務將在同期實現88%的復合年增長率。此外，高盛予壁仞科技12個月目標價為54港元，沐曦股份則為811元人民幣。雖然市場擔憂主要集中在本地晶圓代工產能與競爭，但高盛預期不會出現激烈價格戰，因市場空間廣闊且增長快，AI晶片設計門檻高並且需要軟硬體協同。 (芯聞眼)

1月2日，壁仞科技在港交所上市。這是港交所跨入2026年的第一場IPO。到場官員陣容豪華：香港特區政府財政司司長陳茂波、財庫局局長許正宇、創新科技及工業局局長孫東。港交所主席唐家成也親自站台。這架勢更像是一場重大工程剪綵。壁仞科技CEO張文致詞時說，感受到了香港對硬科技創業公司的重視和支援。而港交所自己也感受到一切正在快速變化。因為就在不久前，港交所還門可羅雀。2020–2022年，受網際網路監管、中概股回流放緩、地產股走弱等影響，港股IPO市場持續降溫：IPO募資額從2021年的約3100億港元降至2022年的約1000億港元出頭（下降約65%）。2023年IPO數量約68家、募資約460億港元，創下2013年以來最低紀錄。中環的投行們開始懷疑人生。然後AI來了。從GPU晶片到基座大模型，從自動駕駛到AI製藥，AI產業鏈上的公司以前所未有的密集度衝向香港中環這塊金融寶地。唐家成在現場透露，內部同事很努力地處理新股審批。港交所門庭若市的感覺，回來了。1.2026年開年兩周，港交所見證了史無前例的AI上市潮：1月2日，壁仞科技2348倍超額認購，凍結資金1300億港元；1月8日，智譜和天數智芯同日敲鐘，前者成為“全球大模型第一股”，後者讓GPU四小龍集體上岸；1月9日，MiniMax上市首日暴漲109%，市值破千億港元……這還只是開胃菜。百度已經官宣分拆崑崙芯赴港，強腦科技在排隊，30多家機器人公司在排隊，一堆AI醫療和AI行銷企業也在排隊。一個資料更能說明問題：2025年港交所IPO募資額暴增200%，達到2858億港元，超越納斯達克重回全球第一。這個“全球第一”，AI公司貢獻了絕對主力。過去，港交所最耀眼的明星是泡泡瑪特、蜜雪冰城、老鋪黃金這樣的消費公司。如今不再是地產商和消費品牌的秀場。它正在變成AI公司的專屬平台，而且是全球唯一的那一個。港交所2025年三季報，收入及盈利均創歷史新高2.AI公司需要港交所，是因為它們正處於一個微妙的時刻。翻開任何一家AI公司的招股書，研發投入常常是營收的數倍。智譜2025上半年研發開支是同期收入的8倍以上，MiniMax前三季度研發開支是同期收入的3倍多。壁仞科技收入從2022年的不足50萬暴增至2024年的3億多，但研發開支達到8.3億，明顯入不敷出。小馬智行和文遠知行月均燒錢過億。這是AI產業的宿命。訓練一個模型，動輒需要數萬張GPU卡連續運轉數月。迭代一次晶片，流片成本數億元起步。積累自動駕駛資料，車隊規模和測試里程都需要真金白銀堆砌。更殘酷的是，所有人都在軍備競賽。不投入就會被超越，省錢就意味著被淘汰。看看這一年來左右市場情緒的節點：GPT-5什麼時候發佈、輝達B200什麼時候量產、字節或阿里什麼時候推出競品……每一個變數都可能改變遊戲規則。所以上市不是慶功，而是續命。一級市場的融資周期太長、額度有限，AI公司需要的不是一次性輸血，而是一個能持續開閘的資金池。港交所恰好提供了這個池子：國際化的投資者結構意味著更深的流動性，主權基金、避險基金、科技巨頭戰略投資部門都會參與定價。智譜上市時，高瓴、紅杉、阿布扎比主權基金都是基石投資者。好在曙光已經顯現。過去幾年，AI經歷了從技術驗證到商業化落地的關鍵轉折。人們已經習慣向大模型詢問各種問題，自動駕駛從封閉測試走向城市開放道路，AI晶片從PPT走向流片量產。產品打磨逐漸有了成效，正需要資本再推上一把。而從政治風險、估值空間、流動性、審批效率等多個維度來看，港交所是最適合中國AI公司融資的地方：也是唯一的地方。留在牌桌上，才有機會奪取最後的勝利。3.港交所的優勢，本質上是一種“夾縫中的優勢”。中國AI公司幾乎不可能在美股上市，相比於科創板，港交所估值給的大方、能夠持續給資本輸入、審批流程短，既沒有美股的政治風險，也沒有科創板的估值天花板和流動性瓶頸。但更關鍵的是，它主動改造了自己。比如2023年3月實施的《上市規則》第18C章。傳統上，香港市場只歡迎穩健盈利的成熟企業。但18C章第一次系統性地把“前沿科技公司”作為長期客群：未盈利可以上，未商業化也可以上，只要你有技術壁壘和頂級資本背書。從AI、半導體到機器人，只要是“新一代資訊技術”和“先進硬體及軟體”，都能享受綠色通道。有意思的是，它與OpenAI發佈GPT-4在同一個月。更激進的是，港交所還在不斷降低門檻。最初對已商業化公司設定最低60億港元市值門檻，對未商業化公司設定100億港元門檻。2024年8月，兩個門檻分別降到40億和80億港元。壁仞、智譜、MiniMax等大批AI公司，都因這些政策受益。配套措施也在提高效率：本就是一大制度吸引點的同股不同權的WVR架構讓創始人保持控制權，“科企專線”把審批從8-12個月壓縮到4-6個月，基石投資者靈活安排穩定定價。壁仞從遞交招股書到正式上市，只用了5個月。說的誇張點，港交所在為AI公司重構整個交易所。4.這些最亮眼的AI和晶片公司的上市是個開始，接下來港交所會迎來更多強調科技屬性的公司。1月12日，豪威集團在港股上市。作為全球第三大數字圖像感測器供應商，豪威通過圖像感測器、整合NPU的AI視訊處理器及LCOS顯示技術，為各類AI應用提供視覺輸入與計算能力。1月13日，兆易創新在港股上市。通過建構“儲存+MCU+模擬晶片”的產品矩陣，兆易創新為端側AI和具身AI提供核心基礎設施。而再之前，2025年9月，雷射雷達龍頭禾賽科技以雙重上市身份回港，募資41.6億港元。10月，企業級大模型AI應用公司滴普科技上市，創下7590倍的超額認購紀錄。11月，明略科技頂著“AgenticAI第一股”的光環登場，首日翻倍。自動駕駛公司小馬智行和文遠知行同日敲鐘，合計募資超百億港元。12月30日，港交所上演了罕見的六鑼齊鳴，其中四家與AI關係密切。英矽智能成了“AI製藥第一股”，臥安機器人成了“AI具身家庭機器人第一股”。五一視界主攻數字孿生，迅策科技用DataAgent模式打通大模型與企業資料的連結。除了模型和晶片這樣的大魚，港交所的熱鬧接下來也會更多來自AI產業鏈上下游的硬體，基礎設施，以及各類應用。圖片來源：IT橘子這是一場充滿“賭注感”的盛宴。AI公司有一個“成功悖論”：越成功，越需要更多資本。因為成功意味著更大規模的模型訓練、更快的產品迭代、更激烈的人才爭奪。這導致一個後果：它們可能永遠無法盈利，或者盈利的時間點會遠遠晚於投資者預期。智譜上市首日僅漲13.17%，遠低於市場預期。這說明資本在興奮之餘，也在冷靜計算：這些公司什麼時候能盈利？它們的技術壁壘能維持多久？下一輪AI浪潮會不會讓它們被淘汰？不是所有戴上AI帽子的公司都能順利上市。港交所18C章開了綠燈，但篩選的是兼具硬核技術、清晰商業化路徑和頂級資本背書的頭部企業。在面對這波因為AI而門庭若市的浪潮時，其實二級市場的投資者正在為一個高度不確定的未來買單。MiniMax創始人閆俊傑在上市儀式上說：“一家人工智慧公司的真正價值是提供源源不斷的先進智能，並為人所用。”台下的投資者或許不全信，但他們願意賭：因為如果這個目標那怕實現一半，回報都將是天文數字。而這就是港交所的機會，它必須抓住。 (矽星人Pro)

今天（1月8日）天數智芯登陸港交所，至此，摩爾線程、沐曦股份、壁仞科技和天數智芯這四家上市版本的“國產GPU四小龍”已齊聚資本市場。在國產巨大算力需求驅動下，四家被給予厚望的國產GPU企業上市後最新市值表現如何，主營業務有那些差異，商業化有何進展呢？本文將一一盤點。天數智芯（上海天數智芯半導體股份有限公司）上市時間：2026 年 1 月 8 日上市地點：香港交易所主機板最新市值：398億港元，約合357億元人民幣（截至 2026年1月8日收盤，下同）企業簡介：中國領先的通用 GPU（GPGPU）晶片及 AI 算力解決方案提供商，也是首家實現推理和訓練通用 GPU 晶片量產。公司以 “成為智能社會的賦能者” 為願景，致力於開發自主可控、國際領先的通用 GPU 產品，打造 “天垓” 訓練系列與 “智鎧” 推理系列兩大核心產品線，建構起覆蓋雲端訓練、邊緣推理到大模型部署的全場景國產算力體系，全面相容國內外主流 AI 生態以及各類深度學習框架。商業化現狀與近三年營收：產品已在超過 290 家客戶中完成超 900 次實際部署，在網際網路、智能製造等垂直領域相容性測試通過率高，截至 2025 年 6 月 30 日，已向超 290 名客戶交付超 5.2 萬片通用 GPU。2022 年營收 1.89 億元，2023 年營收 3.08 億元，2024 年營收 5.40 億元，2025 年上半年營收 3.24 億元，營收復合年增長率達 68.8%。企業官網：https://www.iluvatar.com/壁仞科技（上海壁仞科技股份有限公司）上市時間：2026 年 1 月 2 日上市地點：香港交易所主機板最新市值：805億港元（約合人民幣721億元）企業簡介：成立於 2019 年，是國內通用智能計算解決方案提供商，堅持原創核心架構，是國產 GPU 企業中最早實現 Chiplet（芯粒）封裝技術商用落地的公司之一。公司致力於研發通用圖形處理器（GPGPU）晶片及智能計算解決方案，已推出 BR106、BR166、BR110 等多款晶片，覆蓋雲端訓練、雲端推理、邊緣推理場景，建構軟硬協同創新的技術體系，為數字經濟發展提供核心算力支援。商業化現狀與近三年營收：已開發基於壁礪 106 和壁礪 166 晶片的全面 GPGPU 硬體系統組合，如 PCIe 板卡、OAM、伺服器及多伺服器叢集，BR106 和 BR110 晶片合計銷量已超過 1.2 萬顆，截至 2025 年 6 月，公司已手握 5 份框架銷售協議及 24 份銷售合同，總價值約 12.41 億元。2022年至2024年，壁仞科技年收入分別為49.9萬元、6203萬元、3.37億元，2025年上半年該公司收入5890.3萬元。企業官網：https://www.birentech.com/沐曦股份（沐曦積體電路（上海）股份有限公司）上市時間：2025 年 12 月 17 日上市地點：上海證券交易所最新市值：2570億元企業簡介：2020 年 9 月在上海成立，是國內高性能通用 GPU 領域的領軍企業之一，致力於自主研發全端高性能 GPU 晶片及計算平台，主營業務是研發、設計和銷售應用於人工智慧訓練和推理、通用計算與圖形渲染領域的全端 GPU 產品，並圍繞 GPU 晶片提供配套的軟體棧與計算平台。公司基於自主研發的 GPU IP 和統一的 GPU 計算架構，已推出用於智算推理的曦思 N 系列 GPU 和用於訓推一體及通用計算的曦雲 C 系列 GPU，是國內少數實現千卡叢集大規模商業化應用的 GPU 供應商（公司官網、招股書）上海證券交易所。商業化現狀與近三年營收：產品累計銷量超過 25,000 顆，已部署於 10 余個智算叢集，曦雲 C500 系列佔 2024 年營收 97% 以上，正在研發和推動萬卡叢集的落地，目前已成功支援 128B Mo 大模型等完成全量預訓練。沐曦股份2022年、2023年和2024年的營收分別約為42.64萬元、5302.12萬元和7.43億元。企業官網：https://www.metax-tech.com/index.html摩爾線程（摩爾線程智能科技（北京）股份有限公司）上市時間：2025 年 12 月 5 日上市地點：上海證券交易所科創板最新市值：3168億元企業簡介：成立於 2020 年 6 月，以全功能 GPU 為核心，致力於向全球提供計算加速的基礎設施和一站式解決方案，為各行各業的數智化轉型提供強大的 AI 計算支援，目標是成為具備國際競爭力的 GPU 領軍企業，為融合 AI 和數字孿生的數智世界打造先進的計算加速平台。公司實現了一系列技術突破和創新佈局，MTT S80 是國內首款支援 Windows 作業系統以及 DirectX 11/12 圖形計算庫的消費級顯示卡，相容近千款遊戲和應用。商業化現狀與近三年營收：是國內少有的在京東等電商平檯面向消費者市場展開銷售的國產 GPU 企業，產品覆蓋 AI 智算、高性能計算、圖形渲染、計算虛擬化等多個領域，實現了雲、邊、端全站 AI 產品線的佈局，2024 年圖形渲染產品線佔營收 25%，通用 GPU 佔 75%。摩爾線程2022 年營收 4608.83 萬元，2023 年營收 1.24 億元，2024 年營收 4.38 億元，2025 年上半年營收 7.02 億元，已超過過去三年的總和。企業官網：https://www.mthreads.com/ (芯師爺)

上海悄悄包圓中國國產GPU，國資成背後大“金主”。上海灘的AI地圖2026年開年，上海企業壁仞科技，正式登陸港交所，認購倍數超過2300倍，開盤暴漲超80%，市值一度衝破1000億港元。這不僅是開年最大的IPO，更是上海國投先導人工智慧產業母基金的首個直投項目。事實上，中國國產GPU“四小龍”中，有3家都誕生在上海。壁仞、沐曦、燧原，全是土生土長的上海公司。不久前，沐曦股份在科創板上市，首日漲幅接近700%，市值一度沖上3500億。也就是說，短短一個月，上海就多了兩家千億級公司。第3家也正在路上。2026年開年，燧原科技順利完成IPO輔導，正全速衝刺科創板。很多人納悶：為什麼是上海？在這個被海外巨頭封鎖的晶片賽道，上海憑什麼能包圓中國國產GPU的超級IPO？其實，晶片只是冰山一角。上海最可怕的地方在於，它已經提前10年把未來的“底牌”全部握在了手裡。01 從GPU、機器人到核聚變曾幾何時，中國國產GPU一度被歐美“卡脖子”，但上海硬是把這塊硬骨頭啃了下來。現在，在中國國產GPU“四小龍”裡，除了摩爾線程在北京，其餘三家——沐曦、壁仞、燧原，全是土生土長的上海公司。2018年，趙立東與張亞林在上海張江創立了燧原科技；2019年，哈佛博士張文決定在上海成立壁仞科技；2020年，同樣是在上海張江，陳維良拉著前同事們創辦了沐曦股份。他們紮根上海、熬過低谷，如今終於迎來了爆發。資料最有說服力。燧原科技已經實現盈利，2024年營收18.51億元，淨利潤1.19億。另外兩家雖然尚未盈利，但營收呈現指數級增長。2022年到2024年，沐曦股份營收分別為42.64萬元、5302.12萬元、7.43億元，三年復合增速4075%。2025年上半年，沐曦股份營收達到了9.15億元。壁仞科技緊隨其後。2022年至2024年，壁仞科技收入規模從人民幣49.9萬元快速增至3.37億元，年複合增長率達2500%。除了中國國產GPU三大巨頭，上海還孵化了瀚博半導體、天數智芯等一眾種子選手。如果你覺得GPU就是上海的終點，那你還是低估了這座城市的野心。在具身智能領域，智元、傅利葉、開普勒等機器人公司總部落戶上海。在AI大模型領域，MiniMax、階躍星辰、無問芯穹等獨角獸公司雲集，其中MiniMax在2026年1月9日也登陸港股。在腦機介面領域：腦虎科技、階梯醫療等前沿企業紮根，探索意識與機器的邊界。此外，上海還正在攻克人類能源的終極夢想——可控核聚變。行業超級龍頭上海超導2011年就誕生在張江，目前正在衝刺科創板IPO。中國首家專注於小型模組化核聚變商業化的諾瓦聚變在臨港成立，天使輪5億元融資直接刷新了行業紀錄。此外，能量奇點、翌曦科技等企業一字排開，一條完整的核聚變產業鏈，已經悄然在上海成型.......02 上海國資成“超級獵手”為什麼這些大牛都選上海？這背後有一個低調的推手：上海國資。很多人一聽國資，第一反應就是慢、保守、走程序。但上海國資的表現，恰恰相反，它是創投圈的“超級獵手”。上海國資最狠的地方不在於錢多，而在於它敢在最早期的時候下場，一陪跑就是十年。看看GPU三巨頭的融資史，上海國資的身影無處不在：壁仞科技：上海國投先導人工智慧產業母基金的首個直投項目。早在2025年3月，母基金就聯合領投了壁仞，直接擴大了中國國產大算力晶片的放量。沐曦股份：早期就獲得了上海科創基金的支援，後來浦東新區國資創投平台直接注資5億元戰略投資，在最艱難的研發期給了它最足的底氣。燧原科技：成長路上更是鋪滿了上海國資的腳印。D輪融資20億，領投方全是上海國際集團旗下的國鑫創投、金浦投資等上海系國資。上海國資不再是單純的出資人，更是產業創新的“催化劑”。上海搭建了一張巨大的科創投資大網。主幹是三大先導產業母基金（積體電路、生物醫藥、人工智慧）、未來產業基金等，總規模已經突破1000億元。這張投資網很細，有聚焦天使輪的種子基金，有幫大廠孵化的CVC基金，還有幫企業兼併重組的併購基金。截至2025年，上海國投公司在管基金規模超2700億元，投資了2000多家企業。更牛的是這種投資帶來的“放大效應”。上海的母基金通過吸引社會資本，已經實現了6.3倍的放大。也就是說，政府出1塊錢，能帶動6塊多社會閒散資金投向硬科技。這種效率和資金利用率，讓上海不僅是國際金融中心，更成為了硬科技創新的“超級引擎”。03 打破封鎖的底氣事實上，上海不是投幾家公司，而是直接拿下一整條產業鏈。從EDA工具、晶圓製造到封裝測試，上海一個城市就完成了全閉環。2024年，上海積體電路產業規模突破3900億元，約佔中國四分之一。這意味著，你在上海做晶片，下樓可能就是你的封測廠，過條街就是你的供應鏈，隔壁大樓就是你的下游應用客戶。你不是一個團隊硬扛，而是站在整條產業鏈上戰鬥。除了資本和產業鏈，上海的營商環境也很能打。很多人對上海的刻板印象可能是“排外”“傲慢”，但其實上海的服務意識，放到全球都是很超前的。上海臨港新片區曾發生過一件趣事。在一次營商環境“吐槽大會”上，裕芯電子創始人楊淑彬吐槽，流片補貼門檻定在28奈米以下不合理，導致做模擬晶片的企業拿不到支援。他們做的晶片集中在55到180奈米，在工業中也很重要。這放在別的城市，這可能就是個會議紀要，但在上海，管委會迅速請來十幾家晶片公司調研，直接調整了政策，把補貼範圍擴大到了成熟工藝，幫企業省下了真金白銀。這種“政策動態迭代”的能力，讓上海在2025年世界銀行營商環境評估中，22項指標達到全球最優，直接超過了新加坡、紐約、香港。回頭看上海GPU的爆發，你會發現，這不是撞了大運，而是上海提前10年站住了位置。曾幾何時，外國巨頭封鎖想把我們的晶片按死，上海卻默默地給中國硬科技開路，砸錢砸人砸政策，死磕到底。上海這一仗打得漂亮，它既能玩轉金融，還能把金融變成硬科技的燃料，扛起製造業的大旗。 (新質動能)

2026年1月2日，中國國產GPGPU廠商壁仞科技正式掛牌上市，發行價19.60港元。開盤後，股價在資本的熱捧下迅速拉升，盤中觸及42.88港元，漲幅高達112%，盤中一度突破千億港元關口。最終收於 34.46 港元，首日漲幅約 75.8%，對應市值約 825 億港元。這是又一家成功走向資本市場的國產GPU公司。但上市從來不是功成名就的終點，而是一個接受全球投資者全方位、高倍率審視的起點。在AI算力成為全球科技產業關鍵基礎設施的當下，資本市場究竟在壁仞身上買的是什麼？中國必須有自己的算力供給能力在 AI 成為全球經濟與產業體系核心驅動力的背景下，圍繞模型訓練、推理部署與高性能計算（HPC）的算力需求正呈現指數級放大。以GPGPU為核心，ASIC 與 FPGA 為補充的智能計算晶片體系，已成為支撐新一代人工智慧應用與數字基礎設施的關鍵底座。根據灼識諮詢資料，全球智能計算晶片市場規模已由 2020 年的 66 億美元快速擴張至 2024 年的 1,190 億美元，復合年增長率高達 106%；預計到 2029 年，市場規模將進一步增長至 5,857 億美元，2024–2029 年期間的 CAGR 仍將保持在 37.5% 的高位。作為全球最大的 AI 應用與算力需求市場之一，中國對智能計算晶片的需求增長更為迅猛。灼識諮詢預計，中國智能計算晶片市場規模將於 2029 年達到 2,012 億美元，2024–2029 年 CAGR 高達 46.3%，顯著高於全球平均水平。這一增長不僅源於大模型、智能製造、自動駕駛等應用場景的快速擴展，也與中國雲服務商、網際網路平台及 AI 創業公司對算力基礎設施的持續投入密切相關。儘管當前智能計算晶片的整體滲透率仍處於相對早期階段，但需求端的集中爆發，正在為市場釋放出可觀的長期增長空間。然而，這巨大的成長空間背後，隱藏著中國算力產業最深層的隱憂。從全球競爭格局看，智能計算晶片市場高度集中，長期由輝達佔據主導地位，AMD與英特爾分食有限份額。國內市場同樣呈現出明顯的頭部集中趨勢。根據壁仞科技招股書披露的資料，2024 年中國智能計算晶片市場中，前兩大參與者合計佔據 94.4% 的市場份額，其餘市場由超過15家規模化參與者分散佔據，但單一廠商市佔率均未超過1.0%。進一步聚焦至智能計算晶片中佔比最高、技術壁壘最強的GPGPU領域，市場集中度更為突出。2024 年，國內 GPGPU 市場中規模化參與者不足十家，而前兩大參與者合計市佔率高達 98.0%。按收入計算，壁仞在中國智能計算晶片整體市場與 GPGPU 子市場中的市佔率分別為 0.16% 與 0.20%，與其所面對的需求體量相比，仍處於極早期階段，也意味著潛在成長空間仍然巨大。在這一背景下，中國面臨的核心問題，已不再是“是否擁有全球最先進的 GPU”，而是能否在複雜多變的國際環境中，持續、穩定地獲得足夠的算力供給能力。GPU 正從單純的高性能計算器件，演變為支撐數字經濟運行的關鍵基礎設施，其可獲得性、可持續性與可控性，正在成為與能源、通訊同等重要的系統性問題。但國內晶片廠商的成長，並非發生在一個理想化的技術競賽場域。先進製程受限、良率波動與製造成本高企，使得“依靠工藝迭代與單點性能堆疊”的路徑不確定性顯著上升。要在約束條件下把算力真正交付出去，國產 GPU 廠商必須更強調工程可行性、系統級交付能力以及長期供給穩定性——從“做出一顆強晶片”，轉向“建成一條可持續的算力供給鏈條”。Chiplet技術路徑：一種工程理性的選擇壁仞科技的路線選擇具有一定代表性。其並未沿襲單晶片不斷放大的傳統路徑，而是選擇了一條以 Chiplet（芯粒）架構與系統級設計能力為核心的工程路線。壁仞也是國內首家採用2.5D芯粒技術封裝雙AI計算裸晶的公司。從產業角度看，Chiplet 並非單純的“架構創新”，而是一種應對現實約束的工程解法。隨著單片 IC 在製程推進中面臨的成本指數級上升、良率快速下降以及設計複雜度激增，芯粒化正逐漸成為高性能計算領域突破物理與經濟邊界的重要路徑。壁仞在招股書中亦明確指出，芯粒方案具備更高的靈活性、可擴展性與成本效率，有助於縮短複雜 GPGPU 晶片的研發與上市周期。這一技術路徑在壁仞 BR166 產品上得到了集中體現。BR166 通過芯粒技術，將兩顆 BR106 計算裸晶與四顆 DRAM 整合於同一封裝之中，形成一顆面向高端 AI 訓練與推理場景的高性能 GPGPU 晶片。相較於單顆 BR106，BR166 在峰值算力、記憶體容量、視訊編解碼能力以及片內互連等關鍵指標上均實現了約 2 倍提升。更關鍵的是芯粒之間的互連能力。兩顆 BR106 裸晶之間通過 D2D（Die-to-Die）互連實現高速資料交換，其雙向頻寬最高可達 896GB/s，在架構層面保證了雙芯粒協同計算時的資料一致性與吞吐效率，為大模型訓練與高並行推理提供了必要的內部頻寬支撐。壁仞 BR166 GPGPU晶片（圖源：壁仞科技招股書）這種基於 Chiplet 的性能表現，不僅是技術參數的翻倍，更是國產算力在現有供應鏈條件下，實現高性能供給的一套成熟“工程樣板”。從“賣晶片”到“交付系統”相較於單一晶片性能指標，壁仞科技在招股書中反覆強調的，並非“某一代 GPU 的算力參數”，而是其系統級交付能力。這背後反映的，並不是產品形態的簡單擴展，而是一種對算力商業化本質的判斷：在大模型時代，客戶真正採購的並不是一顆晶片，而是一套能夠穩定運行、可規模擴展的算力系統。因此，壁仞並未將自身定位為單純的 GPU 晶片或加速卡供應商，而是圍繞 GPGPU 架構，建構了覆蓋 PCIe、OAM、伺服器乃至大規模GPU叢集的完整硬體體系，並配套自研軟體平台與叢集管理能力，向客戶交付“可直接運行的智能計算整體解決方案”。壁仞將其解決方案概括為五大技術支柱：自主 GPGPU 架構、SoC 設計能力、硬體系統、軟體平台以及叢集級部署與最佳化能力。首先，在架構層面，壁仞採用統一、持續演進的 GPGPU 架構，專門面向大規模 AI 負載，尤其是 LLM 訓練與推理場景進行最佳化。該架構強調通用性、能效與可擴展性的平衡，使其能夠適應模型規模、參數量與計算複雜度的持續增長，並為後續多代產品的快速迭代提供穩定的技術底座。例如，壁仞科技開發了BR10X，一款專為AI工作負載量身定製的通用高性能計算架構。該架構為基於Transformer的大語言模型(LLMs)及傳統的AI計算核心提供高效的處理，同時確保與新興AI範例的前向相容性。通過將通用靈活性與專用AI加速相結合，BR10X有助於無縫適配快速演算法改進，滿足AI性能最佳化及通用計算靈活性的雙重需求。在此基礎上，壁仞形成了成熟的 SoC 設計方法論。依託自主 GPGPU 架構，自2019年以來，壁仞已成功開發三款晶片，即BR106、BR110、BR166，並率先在國內採用 2.5D 芯粒技術封裝雙 AI 計算裸晶。這一設計路徑在控制製造風險的同時，提高了超大規模積體電路的一次流片成功率，使首代產品得以順利實現量產與商業化落地。根據灼識諮詢的資料，截至2024年12月31日，壁仞科技在中國GPGPU公司中擁有最多的發明專利申請數；其GPGPU晶片及包含壁仞GPGPU晶片的伺服器（由壁仞的伺服器合作夥伴獨立提交）於MLPerf Inference 2.1的封閉組別競賽中，語言處理模型BERT及圖像分類模型ResNet50的成績均獲得量產晶片組別中的第一名。在硬體系統層面，壁仞並未止步於晶片或加速卡，而是建構了覆蓋 PCIe 板卡、OAM、UBB 以及伺服器的完整產品組合，並同時支援風冷與液冷方案。例如BR166可以同時支援 OAM 與 PCIe 板卡兩種主流形態。通過系統級設計與散熱方案協同，其硬體系統可有效降低資料中心 PUE，滿足高密度算力部署與能效約束並存的現實需求，為企業級客戶提供面向任務關鍵型場景的大規模計算基礎設施。軟體層面是壁仞系統交付能力的另一核心支點。其自研的 BIRENSUPA 軟體平台，承擔著連接底層硬體系統與上層 AI 應用的關鍵角色。該平台不僅能夠充分釋放硬體能力、最佳化性能表現，還支援大規模 GPGPU 叢集的統一管理，為使用者提供程式設計介面、高性能演算法庫、訓練與推理框架及完整工具鏈。同時，BIRENSUPA 對主流第三方 GPGPU 軟體生態保持相容，有效降低了客戶遷移與使用門檻。在更大尺度上，壁仞進一步將硬體系統、軟體平台與合作夥伴的伺服器、儲存與網路裝置整合，形成完整的智能計算叢集解決方案。其叢集管理平台 BIRENCUBE 面向上千乃至上萬顆 GPU 晶片規模的叢集設計，支援算力資源調度、維運與系統管理，幫助客戶建構可持續擴展的 AI 基礎設施。整體來看，壁仞採用的是一種平台化、軟硬體協同的產品策略：以統一的 GPGPU 架構和統一軟體平台為核心，向下衍生多款晶片，向上形成覆蓋多種形態的硬體與系統產品組合，並在持續迭代中保持跨產品的一致體驗與相容性。其“1+1+N+X”平台戰略——即一個 GPU 架構、一個統一軟體平台，延展出多款晶片與多形態系統產品——本質上是在降低系統複雜度的同時，提高整體交付效率。高研發投入與持續虧損：GPU賽道的“長坡厚雪”產品力最終需要通過業績指引來驗證。從收入結構看，壁仞科技的商業化處理程序呈現出典型的 GPU 產業早期特徵：起點低、放量迅速，且伴隨明顯的客戶結構與產品結構切換。根據招股書披露，壁仞科技的智能計算解決方案自 2023 年開始產生收入，金額為6,200 萬元。2024 年，公司收入進一步大幅增長至3.368億元，同比增長超過4 倍。這一趨勢在 2025 年上半年仍在延續。截至 2025 年 6 月 30 日止六個月，公司實現收入 5,815 萬元，較 2024 年同期的3,930 萬元繼續增長。尤為值得一提的是，目前壁仞科技手握五份框架銷售協議及24份銷售合同，總價值約為人民幣12.407億元，為未來收入提供了較為清晰的可見性。值得關注的是收入背後的客戶變化。推動收入增長的並非短期項目堆積，而是來自特定行業頭部企業的持續採購。相較於全球競爭對手，壁仞在中國本土的工程適配能力與實地客戶支援，使其能夠與 AI 資料中心、電信、AI 解決方案、能源與公用事業、金融科技及網際網路等關鍵行業客戶建立較為深入的合作關係，圍繞具體業務負載持續最佳化交付方案。截至2025年12月15日，公司已向九家財富中國500強企業提供解決方案，當中有五家亦於財富世界500強上榜。在毛利表現上，公司於 2023年及2024年分別錄得毛利4,740 萬元及1.792億元，對應毛利率分別為76.4% 及 53.2%。自2023年起，毛利率的變化與智能計算解決方案的產品結構高度相關。2023 年屬於高毛利起步，收入集中於頭部客戶的定製化伺服器叢集，由於包含較高比例的定製軟體及系統整合服務，推高了階段性毛利率；2024 年開始標準化擴張， 隨著商業化規模放大，收入主力轉為標準化的 PCIe 板卡（如壁礪 106M），53.2% 的毛利率水平已與行業平均值基本持平，標誌著公司產品進入大規模通用市場；2025 年上半年，入門級產品（如壁礪 106C）佔比上升，導致毛利率出現階段性波動。自 2019 年成立以來，壁仞持續高比例投入研發。2022 年、2023 年及 2024 年，其研發支出分別為人民幣 10.18 億元、8.86 億元及 8.27 億元，研發費用佔同期總經營開支比例分別高達 79.8%、76.4% 與 73.7%。即便在 2025 年上半年，研發投入仍維持在 5.72 億元，佔經營開支比例達 79.1%。這類投入結構，本質上反映的是一家 GPU 公司在“產品完成之前，幾乎沒有削減研發的空間”。從產品規劃看，壁仞錨定下一代大模型訓練與推理的效率需求，開展清晰、可行的代際產品規劃：公司已完成下一代旗艦資料中心晶片 BR20X 的架構設計，當前正處於物理設計與流片驗證階段，預計將於 2026 年實現商業化。相較於現有產品，BR20X 將在單卡算力、資料格式支援（FP8、FP4）、記憶體規模與互連頻寬等方面實現系統性升級，目標是提升大模型訓練與推理效率、降低客戶總體擁有成本（TCO）。圖源：壁仞科技招股書與此同時，公司亦同步規劃 BR30X（雲訓練與推理） 與 BR31X（邊緣推理） 兩條產品線，預計於 2028 年進入商業化階段。這種“已交付一代、正在驗證一代、同步規劃下一代”的節奏，在 GPU 行業中屬於較為理性的產品推進方式。在更長周期內，壁仞仍將研發投入聚焦於自主核心技術，包括計算核心、NoC、高速 I/O 以及 SoC 設計能力，並同步探索 3D 堆疊、CPO（共封裝光學）等前沿技術，以支撐未來大規模 GPU 叢集在性能、能效與互連上的進一步提升。在此基礎上，再來看虧損問題，GPU 是典型的重資產賽道，從晶片定義、流片到系統級交付，投入必須大幅前置。真正關鍵的不是現階段虧不虧損，而是其是否已經建立起訂單牽引研發、研發反哺交付、交付沉澱客戶的正向循環。從現階段披露的資料看，壁仞已初步完成從“技術研髮型公司”向“系統交付型公司”的關鍵轉變，其後續業績的核心變數，將取決於交付規模能否持續放大，而非單一年度是否盈利。結語：自主算力是一場“馬拉松”資本市場真正押注的，並不是“下一家 NVIDIA”，而是一條在高度不確定的外部環境中，依然能夠持續推進、不斷修正、逐步落地的工程化路徑。壁仞科技的成功上市，是中國 GPU 產業從“算力夢想”走向“商業閉環”的階段性註腳。從 Chiplet 架構的理性抉擇，到“1+1+N+X”的系統級交付，再到深入千行百業的訂單轉化，壁仞展現出了一家國產晶片廠商在約束條件下，通過技術變通與產業深耕所能達到的廣度。千億市值的期待背後，是市場對中國必須掌握算力自主權這一戰略底色的高度共識。隨著壁仞科技等領軍企業的相繼進場與破局，這條更現實、更堅韌的國產 GPU 路徑，正在讓中國數字經濟的底座，變得更加厚實且可控。算力之火已點燃，未來的征程是星辰大海，更是腳下的每一吋硬核土地。 (半導體行業觀察)

壁仞科技今日成功在港交所主機板上市，成為2026年港股首隻上市新股。盤初漲幅擴大至118.78%，報42.88港元，市值突破1000億港元。壁仞科技此次IPO每股定價19.60港元，公開發售獲2347.53倍認購。壁仞科技本次發行反響火爆，香港公開發售部分已吸引47.1萬人認購，是過去一年港股市場中最多散戶搶購的新股。此次IPO是香港上市規則18C章節實施以來募資規模最大的項目。根據招股書，壁仞科技成立於2019年，專注於開發GPGPU晶片及基於GPGPU的智能計算解決方案以提供AI所需的基礎算力。通過整合自主研發的基於GPGPU的硬體及專有的BIRENSUPA軟體平台，該公司的解決方案支援從雲端到邊緣的廣泛應用中AI模型的訓練及推理。值得一提的是，截至2025年12月15日，壁仞科技手執訂單總價值約12.41億元，包括5份框架銷售協議和24份銷售合同。本次上市募集的資金，將成為壁仞科技加速技術突破與生態建構的核心動力。根據規劃，募資淨額中約85%將用於研發投入，重點推進下一代產品迭代與技術創新，約5%用於商業化拓展，10%用作營運資金及一般公司用途，清晰的資金用途規劃彰顯了壁仞科技的未來戰略。下一代旗艦晶片BR20X計畫2026年商業化上市，其單卡運算能力、記憶體容量、互連頻寬均實現大幅升級，同時增強對FP8、FP4等更廣泛資料格式的原生支援，將進一步提升大模型訓練與推理效率。用於雲訓練及推理BR30X及用於邊緣推理BR31X產品已進入初步研發階段，預計2028年上市，持續迭代的產品管線將不斷打開增長空間。與此同時，百度宣佈拆分崑崙芯在香港上市。崑崙芯也將上市百度公司今天宣佈，其擬議的分拆並單獨上市Kunlunxin (Beijing) Technology Co., Ltd.（“崑崙芯”），即公司在香港交易所主機板上市H股的計畫（“擬議分拆”）。崑崙芯為公司的非全資子公司。擬議分拆旨在獨立展示崑崙芯的價值，吸引專注於AI晶片領域的投資者，並利用其單獨上市來提升市場形象，拓寬融資管道，更好地將管理層的責任與業績掛鉤。這也支援了釋放百度AI驅動業務價值的努力。據介紹，目前的方案為建議分拆擬通過崑崙芯股份的全球發售進行，包括向香港公眾發售及向機構和專業投資者配售。目前，崑崙芯已通過聯席保薦人以保密形式向香港聯交所提交上市申請表格（A1表格）。然而，全球發售的規模、結構及百度集團持股比例的減少幅度尚未最終確定。分拆需待香港聯交所批准、中國證監會備案完成，以及百度集團與崑崙芯的最終決定後方可落實。此舉旨在提升崑崙芯在客戶、供應商及潛在戰略合作夥伴中的形象，並增強其在業務談判中的地位，使百度集團可通過持有的股份受益於崑崙芯的增長。此外，分拆將使崑崙芯能夠獨立進入股權及債務資本市場，從而最佳化百度集團的財務資源配置。同時，分拆有助於明確管理層職責，提升企業治理效率。公司認為，建議分拆在商業方面對公司及崑崙芯均有利，且符合股東整體利益：第一、建議分拆可更全面地反映崑崙芯集團基於自身優勢的價值，並提升其營運及財務透明度，令投資者能清晰區分崑崙芯集團與保留集團，獨立評估及衡量崑崙芯集團的表現及潛力；第二、崑崙芯的業務將吸引專注於通用 AI計算晶片及相關軟硬體系統業務的投資者群體；第三、崑崙芯集團的業務憑藉其規模已足以尋求上市地位，且公司認為該地位將對公司及崑崙芯有利，因為建議分拆將提升崑崙芯在其客戶、供應商及潛在戰略合作夥伴中的形象，並提高其協商及爭取更多業務的地位，從而令保留集團可透過其於崑崙芯的持股受益於崑崙芯的增長；使崑崙芯能在未來有需要時直接且獨立地進入股權及債務資本市場，從而令保留集團能更有效地配置財務資源；更直接地將公司與崑崙芯雙方管理層的職責及問責與彼等各自的營運及財務表現掛鉤，進而加強管理層專注度及企業管治。 (半導體行業觀察)