寒武纪信息科技一天吃透一家上市科技公司：寒武纪

用户投稿 2025年11月14日 04:32:02 18 0

一天吃透一家上市科技公司：寒武纪

一、历史时刻

2016年，陈天石、陈云霁兄弟在中科院计算所的支持下创立寒武纪科技，专注于AI芯片研发，总部位于北京。

2016-2017年，首款商用产品发布，推出寒武纪1A处理器（Cambricon-1A），应用于华为Mate 10系列手机，成为全球首款商用终端智能处理器。

2018年，A轮融资与估值跃升，完成数亿美元A轮融资，投资方包括阿里巴巴、联想等，估值达25亿美元，跻身独角兽行列。

2020年，科创板上市，7月20日登陆科创板（股票代码：688256），募资25.8亿元，成为“AI芯片第一股”，首日市值突破千亿。

今天，寒武纪近3000亿市值，A股绝对的明星科技股。

二、主营业务

寒武纪专注于人工智能芯片 的设计与研发，其核心业务涵盖三大方向：

云端智能芯片与加速卡 边缘端智能芯片与加速卡 IP授权与软件生态

2024年，寒武纪实现营业收入11.74亿元，同比增长65.56%；归属于上市公司股东的净利润为-4.52亿元，较2023年的-8.48亿元亏损收窄46.69%。

其中，云端产品线 占营收的99.40%；边缘产品线占营收的0.56%；IP授权及软件占营收的0.04%。

三、核心业务

云端智能芯片与加速卡业务占比超99%，寒武纪绝对的核心业务。

主要产品包括：思元（MLU）系列芯片（如MLU370、MLU590），为数据中心、云计算提供高性能AI算力支持。

四、竞争优势

优势有三个方面

一、技术优势：自研架构与性能突破

自主可控的MLUarch架构

寒武纪采用自研的MLUarch03 架构（2022年发布），支持动态指令集和可扩展计算单元，实现灵活的资源调度。对比英伟达的Ampere架构，其在稀疏计算、动态推理等场景的能效比提升显著。

代表产品MLU370-X8 （7nm工艺）单卡INT8算力达256 TOPS，支持FP16、FP32混合精度训练，与英伟达A100（624 TOPS）相比，虽算力稍逊，但通过架构优化在特定模型（如Transformer）的推理时延降低30%。

高能效比设计

寒武纪芯片通过芯片级能效优化 （如动态电压频率调整DVFS），MLU370-X8的功耗为150W，低于英伟达A100（250W），单位功耗算力（TOPS/W）更具优势，适合大规模数据中心部署。

稀疏计算与定制化加速

针对AI模型的稀疏性特征，寒武纪芯片内置稀疏加速引擎 ，可自动跳过无效计算，提升稀疏模型（如推荐系统、NLP）的运算效率，实测稀疏场景下性能提升2-3倍。

二、生态与场景适配：本土化服务与行业深耕

软件栈兼容性

寒武纪提供NeuWare全栈软件平台 ，支持TensorFlow、PyTorch等主流框架，并提供CUDA代码迁移工具（如Cambricon CNNL），降低开发者迁移成本。

与华为MindSpore、百度PaddlePaddle等国产框架深度适配，满足国内企业“去英伟达化”需求。

垂直行业解决方案

在智慧城市 领域，寒武纪与海康威视、商汤科技合作，优化视频分析模型的端云协同推理效率；

在自动驾驶 领域，其MLU370芯片支持多传感器融合计算，已进入部分车企的云端训练平台供应链。

政策驱动下的国产替代

受益于“东数西算”工程和信创政策，寒武纪被纳入多地智算中心采购名单（如北京、上海人工智能算力平台），替代国际厂商份额。

三、战略差异化：灵活合作与成本优势

定制化IP授权模式

提供芯片-算法协同设计服务 ，允许客户根据业务需求定制计算单元（如增加特定算子），对比英伟达的通用GPU方案，更贴合垂直场景需求。

性价比与本土化服务

在同等算力下，寒武纪加速卡价格约为英伟达A100的60%-70%，且提供本地化技术支持团队，响应速度更快（如48小时内现场调试）。

规避供应链风险

采用中芯国际7nm工艺流片，关键IP自主研发，减少对台积电等代工厂的依赖，在美国出口管制下更具供应链安全性。

不足之处也是三个方面：

生态成熟度不足

相比CUDA的百万开发者生态，寒武纪的NeuWare工具链用户基数较小，复杂模型优化仍需人工介入。

高端市场竞争力待验证

在超大规模模型训练（如千亿参数大模型）场景，寒武纪的集群互联带宽（仅支持PCIe 4.0）落后于英伟达的NVLink（600GB/s），多卡扩展效率受限。

客户依赖风险

目前收入高度依赖政府和国企项目，商业市场渗透率较低，需拓展互联网巨头和全球化客户。寒武纪2024年前五名客户销售额11.11亿元，占公司年度销售总额94.63%。其中，第一大客户贡献了9.30亿元的销售额，占年度销售总额79.15%。第一大客户是谁呢？

五、市场规模

全球市场。 根据IDC 数据，2023年全球AI芯片市场规模约450亿美元 ，预计到2025年将突破700亿美元 （CAGR约25%），其中云端训练与推理芯片占比超60% ，边缘端芯片增速更快（CAGR超30%）。

中国市场。 2023年中国AI芯片市场规模约150亿美元 （占全球33%），2025年有望达300亿美元 （CAGR 40%+），增速显著高于全球。

六、行业发展历程

AI芯片历经数十年发展，几代人努力，有了今天的成就，回溯AI芯片的发展历程，可以总结为五个阶段，当下正处于第四个阶段

一、萌芽期（1950s-2000s）：通用计算主导

1950-1970s 人工智能概念诞生（1956年达特茅斯会议），早期AI研究依赖传统CPU（如IBM 704），算力严重不足，仅能处理符号逻辑推理。1980-1990s 神经网络初步探索 ：反向传播算法（1986年）推动神经网络发展，但受限于CPU算力，模型规模极小（如LeNet-5）。并行计算萌芽 ：美国Thinking Machines公司推出CM-1/CM-2超级计算机（1985-1991年），首次尝试大规模并行架构，但未商业化。

二、突破期（2000-2010s）：GPU崛起与异构计算

2006年 NVIDIA推出CUDA架构 ，将GPU从图形渲染转向通用并行计算（GPGPU），为深度学习提供硬件基础。2012年 AlexNet革命 ：GeForce GTX 580 GPU训练AlexNet在ImageNet夺冠，验证GPU加速深度学习的可行性。英伟达主导地位确立 ：Tesla K20（2012年）成为首款专为HPC设计的GPU，CUDA生态开始形成。2015-2016年 专用AI芯片萌芽 ：Google启动TPU（张量处理器） 项目（2015年），专为TensorFlow优化；寒武纪1A发布 （2016年）：全球首款商用终端AI处理器，标志ASIC路线兴起。

三、爆发期（2017-2020s）：多元化技术路线竞争

1. 云端芯片：训练与推理分离

2017年 Google TPUv2发布，支持浮点运算，首次实现芯片级模型训练加速。2018年 NVIDIA推出Turing架构 （RTX 2080），集成Tensor Core，支持混合精度计算，推理性能提升6倍。2020年 NVIDIA A100 ：基于Ampere架构，支持多实例GPU（MIG），算力达624 TOPS；华为昇腾910 ：7nm工艺，算力256 TFLOPS（FP16），挑战英伟达垄断。

2. 边缘与终端芯片：低功耗竞赛

2017年 Intel收购Movidius，推出Myriad X VPU，专注边缘视觉处理。2019年 特斯拉FSD芯片 ：自动驾驶专用ASIC，算力72 TOPS；地平线征程2 ：中国首款车规级AI芯片，算力4 TOPS/W。

3. 新型架构探索

类脑芯片 ：IBM TrueNorth（2014年）、英特尔Loihi（2017年）尝试脉冲神经网络（SNN）；光计算芯片 ：Lightmatter（2020年）、曦智科技（2021年）研发光子AI芯片，理论能效比提升千倍。

四、当前阶段（2020s至今）：大模型驱动与生态战争

1. 大算力芯片军备竞赛

2022-2023年 NVIDIA H100（Hopper架构）：4nm工艺，FP8算力1979 TOPS，支持Transformer引擎；AMD MI300X：5nm工艺，HBM3内存容量192GB，专为LLM训练优化；寒武纪MLUarch03 ：7nm工艺，稀疏计算效率超英伟达30%。

2. 软硬一体生态竞争

CUDA护城河 ：英伟达通过CUDA+Xavier/Orin平台绑定自动驾驶、机器人市场；开源框架反击 ：Google（JAX+TPU）、华为（昇思+昇腾）、Meta（PyTorch+自研芯片）构建垂直生态。

3. 地缘政治影响

美国出口管制 ：限制A100/H100对华销售，倒逼中国发展自主芯片（昇腾910、海光DCU）；区域化供应链 ：台积电3nm产能向AI芯片倾斜（苹果、英伟达争夺），中国大陆聚焦14nm/7nm成熟工艺。

五、未来趋势（2025-2030s）

技术路径分化

存算一体 ：三星、清华大学研发存内计算芯片，突破“内存墙”限制；

量子AI芯片 ：IBM、谷歌探索量子计算与AI融合，解决组合优化问题。

应用场景扩展

具身智能 ：机器人实时感知决策需要低延迟AI芯片；

生物计算 ：DNA存储与AI芯片结合，降低数据中心能耗。

全球市场重构

中国：政策驱动下国产芯片市占率或超30%（2025年）；

美国：保持高端芯片优势（2nm以下工艺+先进封装）；

欧盟：通过《欧洲芯片法案》扶持本土企业（如Graphcore）。

七、财务数据

2021年，寒武纪实现营收7.21亿元，同比上涨57.12%；全年净亏损为8.249亿元，同比扩大89.86%。

2022年，寒武纪实现营收7.29亿元,同比增长1.11%；扣非净利润-15.79亿元,同比扩大52.29%。

2023年，寒武纪实现营收7.09亿元，同比减少2.7%；归母净利润-8.48亿，同比收窄32.47%。

2024年，寒武纪实现营收11.74亿元，同比增长65.56%；归母净利润-4.52亿元，亏损收窄46.69%。

从财务报表来看，寒武纪业绩在改善，但还不乐观。

八、创始人简介

陈天石，寒武纪创始人之一，现任中科寒武纪科技股份有限公司董事长兼总经理。

陈天石出生于1985年6月，江西南昌人，毕业于中国科学技术大学少年班和计算机学院，分别获得理学学士和工学博士学位。

他的哥哥陈云霁也是寒武纪的联合创始人之一，两人均毕业于中科大少年班，并在中国科学院计算技术研究所（计算所）从事芯片研发工作。

九、发展趋势

四个维度看

1. 市场需求驱动的高速增长

AI算力需求爆发：全球算力规模2023年同比增长40%，达910EFLOPS，寒武纪的云端、边缘端及终端芯片产品已覆盖互联网、金融、能源等多元场景，支撑复杂AI应用。

政策红利加持：中国“人工智能+”行动被写入2024年《政府工作报告》，2025年中央经济工作会议进一步明确其战略地位，为寒武纪等企业提供长期政策支持。

营收显著提升：2024年预计营收10.7亿~12亿元，同比增长50.83%~69.16%，反映市场对其产品的认可。

2. 技术优势与创新布局

全栈技术积累：掌握智能处理器微架构、指令集等7类硬件核心技术，以及编程框架优化、虚拟化软件等7类软件技术，形成云边端一体化产品生态。

大模型优化方向：新一代处理器架构重点优化NLP大模型、视频生成模型及推荐系统，适配未来10万亿参数级AI训练需求。

国产替代机遇：国际竞争背景下，寒武纪作为本土龙头，有望在国产算力建设中占据主导地位。

3. 市场竞争与挑战

头部企业入局：如字节跳动计划2025年投入120亿美元研发AI芯片，行业竞争加剧。

技术迭代压力：需持续保持研发投入（2024年研发团队规模扩大），以应对GPT-4.0级模型的算力需求。

4. 生态合作与行业渗透

客户覆盖广泛：产品已服务大模型算法公司、服务器厂商及金融、医疗等行业，推动智能化升级。

标准化建设：参与30余项国家标准制定，强化行业话语权。

寒武纪凭借技术全栈能力、政策红利及市场需求，有望持续领跑国产AI芯片赛道，但需警惕国际巨头与新兴竞争者的挑战。

寒武纪：科技光环下的真实困境与投资争议

一、业绩真相：从“亏损王”到“盈利新秀”的矛盾

短期业绩爆发≠长期盈利能力 根据2025年一季报，寒武纪营收同比暴增4230%至11.11亿元，净利润3.55亿元。然而，这种增长主要依赖政府订单 和国产替代政策窗口期 （如英伟达H20芯片对华限售）。2024年全年营收仅11.74亿元，且前五大客户占比高达94.6%，过度依赖单一客户 （如某政府项目贡献79%收入），一旦政策红利消退或订单波动，业绩可能断崖下跌。盈利质量存疑 尽管连续两季度盈利，但现金流持续为负（2025Q1经营性现金流-139.94亿元），且利润增长部分源于存货集中销售 （存货达27.5亿元）。这更像是“财务洗澡”而非真实盈利能力的提升。

二、技术实力VS商业落地：国产替代的“理想与现实”

硬核技术的光环 寒武纪确实具备自主研发能力 ：MLUarch架构、7nm思元590芯片性能接近英伟达A100，并拥有4865项专利。在AI芯片国产化浪潮中，其技术壁垒和政策扶持（如北京对采购国产GPU的企业补贴）使其成为“中国版英伟达”的象征。生态短板致命 对比英伟达200万开发者的CUDA生态，寒武纪NeuWare平台用户不足1万人。软件适配性差 （需人工优化模型）、开发者社区薄弱 ，导致客户迁移成本高。即便芯片性能达标，生态缺失仍可能使其沦为“备胎”。

三、估值泡沫：市梦率下的资本博弈

疯狂的高估值逻辑 当前市盈率2251倍、市销率250倍，远超行业平均水平（电子行业PS均值40倍）。市场给予高溢价的核心逻辑是押注国产替代唯一性 ，而非现有业绩。这种估值与英伟达早期相似，但英伟达有全球生态支撑，而寒武纪依赖政策输血。资本的两面性 一级市场机构（如联想创投、元禾原点）坚守近10年，赌的是“国家战略需求”；二级市场散户则陷入击鼓传花游戏 。2025年一季度股东户数激增16.5%，机构却逢高减持（华夏科创板ETF减持18.16%），暗示专业投资者对长期价值存疑。

四、长期持有的三大风险

技术迭代压力 华为昇腾、昆仑芯等对手加速追赶，寒武纪需持续投入研发（2024年研发占比营收91.3%），但现金流紧张可能制约创新速度。若下一代芯片落后，市场份额将被侵蚀。政策依赖症 当前业绩高度绑定政府订单和国产替代政策。一旦中美关系缓和或英伟达恢复供应，寒武纪的“备胎”价值将大打折扣。生态建设难题 从“能用”到“好用”，需吸引开发者、完善工具链。但寒武纪NeuWare平台易用性差，客户更倾向英伟达CUDA生态。若无法突破生态瓶颈，技术优势难以转化为市场统治力。