燧原科技(688801) 投资要点 推理卡规模放量驱动收入高增，单季亏损收窄确立经营拐点 2026年上半年，公司实现营业收入11.20亿元，同比增长279.08%；归母净利润-6.32亿元。第二季度单季营收8.33亿元，同比增长200.50%；单季亏损收窄至1.88亿元，同比减亏34.86%，收入放量摊薄费用、叠加税金及附加集中于一季度的一次性影响消退，单季拐点确立。公司预计1-9月实现营业收入23.00-30.00亿元，同比增长325.78%-455.36%；归母净利润-8.60亿元至-7.00亿元，较上年同期减亏3.13%-21.15%。 产品结构层面，公司收入重心已由项目制智算系统切换至标准化AI加速卡及模组。2025年AI加速卡及模组实现收入8.56亿元，占主营业务收入86.83%，较2024年占比大幅提升；智算系统及集群实现收入1.28亿元、占比13.00%，较2024年明显回落。同期AI加速卡及模组销量64,890张，同比增长197.81%；平均单价13,198.09元/张，同比下降6.50%；单位成本8,880.96元/张，同比上升6.25%。产品形态由项目交付转向板卡规模化出货，是收入弹性释放的直接来源。 盈利质量方面，2025年主营业务毛利率31.78%，同比提升1.19个百分点；其中AI加速卡及模组毛利率32.71%，同比下降8.07个百分点，主要系头部互联网客户采购持续放量后销售价格有所优惠，叠加存储颗粒等核心物料价格波动推升单位成本；智算系统及集群毛利率25.71%。费用端，2025年研发费用11.35亿元，占营业收入比例114.63%，较2024年的181.66%下降67.03个百分点，规模效应下费用率快速摊薄。现金流方面，2026年上半年经营活动产生的现金流量净额为-8.78亿元，净流出主要系预收客户款项同时向上游预付锁定产能、预收款开票缴税所致，其中第二季度净流出4.60亿元，与上年同期的4.71亿元基本持平。 推理需求接棒叠加架构窗口，国产云端AI芯片进入放量期 资本开支是算力需求的最上游变量。根据公开数据，全球人工智能资本支出规模将由2024年的0.2万亿美元增长至2028年的1.4万亿美元，年均复合增长率超过50%；北美四家头部云厂商2026年资本开支合计将超过7,000亿美元，同比增长70%以上。按照AI服务器价值量约占人工智能资本支出40%-50%、AI加速卡约占AI服务器70%的结构测算，AI加速卡约占人工智能支出的30%，资本开支的抬升将直接传导至加速卡需求。 市场规模层面，根据灼识咨询数据，2024年全球AI加速卡以收入计的市场规模约为1,190.28亿美元，预计2028年将达到5,257.70亿美元；中国AI加速卡市场由2020年的122.54亿元增长至2024年的2,164.77亿元，复合年增长率105.01%，预计2028年将达到11,076.46亿元，2024-2028年复合年增长率50.40%，占届时全球市场需求的约30%。其中云端应用市场2024年为1,078.66亿美元，预计2028年增至4,523.96亿美元，复合增长率43.11%，占全球AI加速卡市场比重始终超过80%。 需求结构正在发生关键切换。根据灼识咨询预测，全球AI加速卡的推理用需求将从2024年的476.11亿美元增长至2028年的3,256.18亿美元，复合增长率61.71%，显著高于整体市场平均水平，且2026年全球AI推理对加速卡的需求将超过训练场景。中国市场这一趋势更为明显，推理用AI加速卡2024-2028年复合增速59.41%，2028年市场规模将达8,085.82亿元、占比提升至超过70%，同期训练用市场规模为2,990.64亿元。 技术路线上，推理场景对CUDA生态的依赖持续减弱。随着AI应用底层大模型开发者收敛至头部厂商，加速卡厂商所需适配的模型逐步收敛，能效比取代生态通用性成为核心指标；以谷歌TPU、华为昇腾及公司为代表的非GPGPU（DSA）架构，通过牺牲场景通用性换取特定应用场景下的效率提升，在推理市场的份额具备提升基础。 四代架构全栈自研，训推一体与超节点打开训练场景 公司创立于2018年3月，成立8年来自研迭代四代架构5款云端AI芯片，构建了覆盖AI芯片、AI加速卡及模组、智算系统及集群与AI计算及编程软件平台的完整产品体系。芯片谱系由邃思1.0、邃思2.0、邃思2.5演进至邃思320、邃思400，第四代架构支持包括FP8在内的多种计算精度、支持万卡及以上集群。底层硬件基于自主指令集，原创自主架构的GCU–CARE加速计算单元与GCU–LARE片间高速互连技术，对标英伟达Tensor Core与NVLink；软件侧未跟随CUDA生态，自研驭算TopsRider全栈平台，可支持TensorFlow、PyTorch、Megatron-LM、DeepSpeed等主流深度学习与并行计算框架，并支持DeepSeek、Qwen、LLaMa等主流大模型。截至2025年末，公司拥有境内发明专利313项，承担12项国家及地方科技攻关项目，参与58项AI芯片与智算系统国家及行业标准制定。 产品代际的下一步指向训练场景。2023-2025年公司AI加速卡及模组收入80%以上为推理产品，而国内可比公司同类收入50%以上为训练/训推一体产品，公司产品在AI大模型训练场景尚未广泛落地。基于第四代架构的燧原L600训推一体加速模组已回片，板卡功耗700W、支持单层最多128卡全互联拓扑。系统侧同步推进，OGX400单机8卡标准化AI专用系统已于2025年7月发布；ESL32/64超节点基于RoCE协议实现单节点32卡或64卡Scale-up互联，存储容量9.2TB、功耗90kW，适用于大模型预训练与高并行推理。OGX与ESL在2023-2025年尚未实现批量收入，训练与超节点产品是后续收入结构升级的主要变量。 客户与产能构成放量的现实约束与保障。2025年公司对腾讯科技实现销售收入7.68亿元，占营业收入比例74.90%；对成都高新电子实现销售收入1.45亿元、占比14.15%；前五大客户合计占比96.89%。公司采取“优先单点突破、后续以点带线、逐步以线带面”的客户战略，将有限资源优先聚焦头部互联网客户。交付能力方面，公司甘肃庆阳万卡集群为国内首个获中国信通院大规模智算集群服务成熟度五星级认证的国产万卡推理集群。此外，公司募集资金投向基于五代AI芯片系列产品研发及产业化项目（总投资额19.75亿元）、基于六代AI芯片系列产品研发及产业化项目（总投资额20.89亿元）与先进人工智能软硬件协同创新项目（总投资额33.66亿元），三个项目合计总投资74.30亿元、拟投入募集资金60.00亿元。 盈利预测 预测公司2026-2028年收入分别为37.64、86.43、180.89亿元，EPS分别为-1.20、1.99、8.41元，当前股价对应PE分别为-342.5、205.8、48.8倍，考虑到公司AI加速卡及模组已在头部互联网客户实现规模化放量，2026年第二季度单季亏损同比收窄；推理需求接棒叠加DSA架构对CUDA生态依赖减弱，国产云端AI芯片进入放量窗口；四代架构全栈自研与训推一体、超节点产品打开训练场景增量，首次覆盖，给予“买入”投资评级。 风险提示 第四代训推一体产品量产交付及训练场景验证进度不及预期；下游互联网客户AI资本开支不及预期、客户集中度较高的风险；晶圆及存储颗粒等核心物料价格波动、预付款项与存货跌价的风险。

     燧原科技(688801) 投资要点 全栈自研云端算力方案，构建软硬一体国产算力底座。公司成立以来陆续迭代四代架构、五款云端AI芯片，构建起芯片、加速卡模组、智算集群及编程软件平台的全栈产品体系。其中AI芯片历经四代迭代，结合算法深度打磨，在架构、计算核心、先进封装、算子框架等方面形成相对同业的技术优势，拥有从指令集、微架构到SoC、先进封装的端到端全栈芯片自研能力；软件端自研全栈平台驭算TopsRider，摆脱CUDA生态依赖，兼容主流深度学习框架与多款大模型，依托软硬件耦合，降低模型迁移成本、充分释放硬件性能。 重视供应链保障，深度联动主流模型生态。本次IPO战略配售中，可以看到华虹、兆易创新、通富微电等上游供应链企业身影。公司高度重视供应链的安全保障和长期建设，与EDA软件/IP、制造、封装、测试、系统元器件等全产业链伙伴加强合作，联合国产供应链伙伴打造全国产国造的产品闭环。产品交付不仅需要上游供应链厂商支持，还需要与下游主流AI大模型和客户应用场景深度适配。公司与腾讯推进“芯模协同”联合研发，将芯片硬件定义与大模型开发同步迭代，实现芯片与模型双向优化，夯实商业化基本盘。 AI算力需求高增，本土厂商迎战略机遇。GPT、DeepSeek、Gemini等大模型持续突破，AI重塑全球产业并驱动经济增长已成共识，当前产业瓶颈由算法转向算力。传统CPU难以适配AI算力需求，云端AI芯片构成的智能算力底座成为各国战略赛道；预计全球AI加速卡2024-2028年CAGR超40%，规模自千亿美元增至5000亿美元以上。国内“人工智能+”写入十五五规划建议，2028年国内市场有望破万亿人民币，占全球约30%，自主可控算力是国内AI产业突围关键。英伟达等海外龙头主导算力标准与软硬件生态，2025年海外厂商占据国内AI加速卡近六成份额，大模型训练领域供给缺口尤为突出，行业亟需国产全栈软硬件方案实现自主、开放、低成本落地，本土厂商迎来历史性国产替代窗口期。 布局高端智算集群，携手合作伙伴推进超节点方案研发落地。依托第四代自研芯片，公司超节点方案采用RoCE协议搭建高速通信架构，可实现跨卡、跨节点高效互联，支持64卡规模化集群扩展，能够弹性聚合互联带宽、有效破除大规模集群的通信瓶颈，可适配DeepSeek等MOE架构大模型的专家并行运算、实时数据分发与并行计算需求，大幅提升集群算力性能，广泛适配各类大模型预训练与推理场景。此外，公司早在2022年便推出云端一体化分布式智算集群产品，凭借高带宽全互联拓扑架构，实现千卡级大规模集群高速互联，具备优秀的算力线性扩展能力；同时搭载冷板式液冷技术，显著降低数据中心PUE值，节能增效优势突出，可高效支撑大模型大规模并行训练。 投资建议： 我们预计公司2026/2027/2028年营收分别为40/100/250亿元，归母净利润分别为-10/1/45亿元，首次覆盖给予“买入”评级。 风险提示： 技术迭代不及预期的风险；市场竞争加剧风险；下游需求不及预期。

     燧原科技(688801) 投资要点 8月28日有一家科创板上市公司“燧原科技”询价。 燧原科技（688801）：公司围绕自研云端AI芯片构建了覆盖AI加速卡及模组、智算系统及集群的全栈算力产品体系。公司2023-2025年分别实现营业收入3.01亿元/7.22亿元/9.90亿元，YOY依次为234.27%/139.85%/37.07%；实现归母净利润-16.65亿元/-15.10亿元/-11.64亿元，YOY依次为-49.16%/9.27%/22.94%。根据公司预测，2026年1-9月营业收入同比增长325.78%至455.36%，归母净利润亏损同比收窄3.13%至21.15%。 投资亮点：1、AI算力芯片市场规模迅猛增长，预计2028年国内需求超万亿，国产化需求迫切。以CPU为核心的传统算力基础设施已无法应对人工智能场景下的智能算力需求，目前以云端AI芯片为核心的智能算力基础设施已成为各国举国力支持的战略产业。根据灼识咨询数据，2028年我国AI加速卡市场规模有望突破10000亿元，市场成长空间广阔。然而现阶段来看，以英伟达为代表的国际厂商占据了中国AI加速卡接近60%的市场份额，本土算力供给存在明显缺口；实现高质量AI算力的自主可控已成为我国抢占人工智能产业应用制高点、全方位赋能千行百业的前提条件。2、公司是我国云端AI芯片领域的领军企业之一，互联网龙头腾讯兼具核心客户与大股东双重身份、2025年贡献八成以上收入。公司深耕云端AI芯片领域，现已具备从硬件架构到软件栈的全链条深度自研能力。不同于英伟达GPGPU通用路线，公司AI芯片采用具有更高效能、更大数据吞吐量和更低功耗特性的DSA架构，可更好适配推理场景下AI大模型高并行度加速计算；同时软件端自主构建了统一的全栈AI计算及编程软件平台“驭算TopsRider”，打通硬件与AI应用的适配链路。自2018年成立以来，公司已迭代四代架构5款云端AI芯片，构建起覆盖AI芯片、AI加速卡及模组、智算系统及集群和AI计算及编程软件平台的完整产品体系。当前，公司相关产品已在腾讯各类AI业务场景实现了规模化落地部署，2025年贡献八成以上收入；同时腾讯及其关联方合计持有公司约20%股权、为第一大外部股东；此外，国家大基金二期、沪浙地方国资平台等国有资本，以及美图科技等产业资本亦为公司重要股东，行业地位突出。根据IDC数据及公司产品销售量情况推算，2025年公司在中国AI加速卡市场的占有率约1.7%，位列本土AI芯片厂商第一梯队。当前，公司正持续推进产品在训练侧的应用，已基于第四代AI加速卡及模组与客户联合完成了基于多个Qwen系列模型、中小参数混元模型的预训练工作以及基于Qwen系列模型的微调和强化学习工作，有望实现“训练推理”一体化覆盖。3、公司创始团队具备深厚AMD研发背景，其中核心掌舵人赵立东先生系清华EE85级、同届汇聚了多位半导体行业领军人物。赵立东先生与张亚林先生为公司创始人兼实控人。其中，现任董事长的赵立东先生毕业于清华大学电子工程系1985系，与韦尔股份创始人虞仁荣先生、兆易创新创始人舒清明先生、格科微创始人赵立新先生、卓胜微创始人冯晨晖等半导体行业领军人物为同届校友，产业圈层资源深厚；同时拥有三十余年芯片从业积淀，曾担任AMD计算事业部及产品工程部高级总监、后又在紫光集团担任副总裁等核心高管岗位，兼具国际头部芯片大厂研发管理经验与国内产业集团高层运营视野。现任公司总经理的张亚林先生则毕业于复旦大学电子学与信息系统专业，至今亦有25年从业经验，曾任AMD中国研发中心技术总监、主导多款重量级芯片量产落地。 同行业上市公司对比：根据主营业务的相似性，选取寒武纪、摩尔线程、沐曦股份、壁仞科技、天数智芯、英伟达、AMD为燧原科技的同行业可比上市公司。从上述可比公司来看，2025年可比上市公司的平均收入规模为2511.44亿元，平均PS-TTM（算术平均）为61.88X，平均销售毛利率为57.95%；相较而言，公司营收规模与销售毛利率未及可比公司平均。 风险提示：已经开启询价流程的公司依旧存在因特殊原因无法上市的可能、公司内容主要基于招股书和其他公开资料内容、同行业上市公司选取存在不够准确的风险、内容数据截选可能存在解读偏差等。具体上市公司风险在正文内容中展示。