热点题材☆ ◇688802 沐曦股份 更新日期：2026-05-09◇ 通达信沪深京F10
★本栏包括【1.所属板块】【2.主题投资】【3.事件驱动】【4.信息面面观】
【1.所属板块】
概念:次新股、人工智能、芯片、信创、东数西算、先进封装
风格:融资融券、大盘股、高市净率、活跃股、QFII重仓、连续亏损、百元股、科创次新、科成
长层
指数:无
【2.主题投资】
──────┬──────┬────────────────────────────
2026-04-01│先进封装 │关联度：☆☆☆
──────┴──────┴────────────────────────────
公司已完成或正在进行国内外多家知名封装厂先进封装的导入和量产验证，并引入对2.5DCo
WoS-L和Silicon Bridge等先进封装形态的应用扩展。
──────┬──────┬────────────────────────────
2025-12-22│东数西算 │关联度：☆☆☆
──────┴──────┴────────────────────────────
公司的主营业务是研发、设计和销售应用于人工智能训练和推理、通用计算与图形渲染领域
的全栈GPU产品。
──────┬──────┬────────────────────────────
2025-12-18│芯片 │关联度：☆☆☆☆☆
──────┴──────┴────────────────────────────
聚焦高性能通用GPU，主攻AI训练与推理市场，适用于国家级算力平台、智算中心等高门槛B
端市场。
──────┬──────┬────────────────────────────
2025-12-18│人工智能 │关联度：☆☆☆
──────┴──────┴────────────────────────────
公司产品主要应用于人工智能(AI)训练和推理、通用计算及图形渲染三大核心领域。
──────┬──────┬────────────────────────────
2025-12-17│信创 │关联度：☆☆☆
──────┴──────┴────────────────────────────
公司主营业务是研发、设计和销售应用于人工智能训练和推理、通用计算与图形渲染领域的
全栈GPU产品，并围绕GPU芯片提供配套的软件栈与计算平台。
──────┬──────┬────────────────────────────
2025-12-17│次新股 │关联度：☆☆☆
──────┴──────┴────────────────────────────
公司于2025-12-17在上交所科创板上市；主营：全栈高性能GPU芯片及计算平台研发、设计
和销售。
──────┬──────┬────────────────────────────
2026-04-30│境外知名投行│关联度：☆
│持股 │
──────┴──────┴────────────────────────────
截止2026-03-31,UBS AG持有24.89万股(占总股本比例为：0.06%)
──────┬──────┬────────────────────────────
2025-12-16│GPU │关联度：☆☆☆☆☆
──────┴──────┴────────────────────────────
聚焦高性能通用GPU，主攻AI训练与推理市场，适用于国家级算力平台、智算中心等高门槛B
端市场。
──────┬──────┬────────────────────────────
2025-12-16│AI芯片 │关联度：☆☆☆
──────┴──────┴────────────────────────────
公司致力于自主研发全栈高性能GPU芯片及计算平台，其产品主要应用于人工智能（AI）训
练和推理、通用计算及图形渲染三大核心领域。
──────┬──────┬────────────────────────────
2026-05-08│高市净率 │关联度：☆☆☆☆☆
──────┴──────┴────────────────────────────
截止2026-05-08,公司市净率(MRQ)为：23.95
──────┬──────┬────────────────────────────
2026-05-08│百元股 │关联度：☆☆☆☆☆
──────┴──────┴────────────────────────────
截止2026-05-08收盘价为：784元，近5个交易日最高价为：850元
──────┬──────┬────────────────────────────
2026-05-08│大盘股 │关联度：☆☆☆☆
──────┴──────┴────────────────────────────
截止2026-05-08公司AB股总市值为：3136.78亿元
──────┬──────┬────────────────────────────
2026-04-30│活跃股 │关联度：☆☆☆
──────┴──────┴────────────────────────────
截止2026-04-30当周换手率为：68.63%
──────┬──────┬────────────────────────────
2026-04-29│连续亏损 │关联度：☆☆☆☆
──────┴──────┴────────────────────────────
截止2025-12-31公司连续两年归母净利润为负且2026-03-31财报归母净利润均为负
──────┬──────┬────────────────────────────
2026-03-31│QFII重仓 │关联度：☆☆☆
──────┴──────┴────────────────────────────
截止2026-03-31,QFII重仓持有36.95万股(2.22亿元)
──────┬──────┬────────────────────────────
2025-12-17│科创板次新 │关联度：☆☆☆
──────┴──────┴────────────────────────────
公司于2025-12-17在科创板上市
──────┬──────┬────────────────────────────
2025-12-05│科创成长层 │关联度：☆☆☆☆☆
──────┴──────┴────────────────────────────
科创板尚未盈利。
【3.事件驱动】 暂无数据
【4.信息面面观】
┌──────┬─────────────────────────────────┐
│栏目名称 │ 栏目内容 │
├──────┼─────────────────────────────────┤
│公司简介 │沐曦集成电路（上海）股份有限公司，于2020年9月成立于上海，并在北京 │
│ │、南京、成都、杭州、深圳、武汉和长沙等地建立了全资子公司暨研发中心│
│ │。沐曦拥有技术完备、设计和产业化经验丰富的团队，核心成员平均拥有近│
│ │20年高性能GPU产品端到端研发经验，曾主导过十多款世界主流高性能GPU产│
│ │品研发及量产，包括GPU架构定义、GPUIP设计、GPUSoC设计及GPU系统解决 │
│ │方案的量产交付全流程。 │
├──────┼─────────────────────────────────┤
│经营模式 │1、盈利模式 │
│ │公司主要通过向客户销售GPU板卡及集成自身GPU板卡的硬件产品获得业务收│
│ │入。公司训推一体GPU板卡及智算推理GPU板卡收入为公司向客户提供相应板│
│ │卡产品获取的收入。在上述业务中，公司GPU板卡生产销售的业务流程与传 │
│ │统Fabless模式一致，即公司负责芯片设计工作，生产制造环节主要委外代 │
│ │工，代工厂完成板卡生产后交付公司，公司销售后取得业务收入。GPU服务 │
│ │器收入为公司根据行业客户的具体应用场景需求，向客户交付集成自身GPU │
│ │板卡后的服务器、一体机/工作站等硬件取得的收入。 │
│ │2、研发模式 │
│ │公司高度重视GPU芯片关键技术研究和产品开发，秉持以客户需求为导向的 │
│ │核心原则，构建了基于IPD管理理念的产品研发体系，实现了从概念阶段、 │
│ │可行性与计划阶段、产品开发阶段、新产品导入阶段到量产阶段的全过程技│
│ │术与质量管控，有效地保障了产品的技术先进性和交付质量。 │
│ │3、采购和生产模式 │
│ │公司是典型的Fabless模式企业，主要负责制定GPU芯片的规格参数与方案、│
│ │完成芯片的架构设计、核心IP开发、封装设计、物理设计、设计验证，交付│
│ │GPU芯片设计版图等，而GPU芯片的晶圆加工、封装测试通过委外方式完成。│
│ │公司向晶圆制造厂采购定制加工生产的晶圆，向封装测试厂采购封装测试服│
│ │务，向加工厂商采购板卡加工服务，期间公司辅以工艺管理和测试支持。针│
│ │对部分客户的解决方案需求，公司在使用已经加工完毕的GPU板卡产品的基 │
│ │础上，根据客户的具体需求采购相应配套的服务器、存储设备及网络设备等│
│ │硬件。 │
│ │4、销售模式 │
│ │报告期内，公司采用直销与经销结合的模式进行产品销售。公司内部设置专│
│ │门的销售团队与客户进行需求沟通。在直销模式下，公司直接参与客户的公│
│ │开招标或商务谈判，达成意向后与客户签订销售合同；公司接收客户的采购│
│ │订单后，根据订单进行产品发货，并向客户提供售后技术支持等服务；在经│
│ │销模式下，经销商采购公司产品并向其下游客户进行销售，公司向经销商提│
│ │供相应的技术培训和技术支持。 │
├──────┼─────────────────────────────────┤
│行业地位 │发行人是国内高性能通用GPU的领导者之一，产品性能达到了国际上同类型 │
│ │高端处理器的水平，在国内处于领先地位。根据BernsteinResearch以销售 │
│ │金额口径测算的数据及发行人结合IDC数据以算力规模口径测算的结果，发 │
│ │行人在2024年中国AI芯片市场中的份额约为1%。面对不断升级的地缘政治摩│
│ │擦和新一代人工智能革命，发行人以推动我国智能算力产业链自主可控为己│
│ │任，立足拥有巨大发展潜力和黄金发展机遇的人工智能计算市场，围绕人工│
│ │智能计算、通用计算和图形渲染三大领域，不断积累GPUIP（包括指令集、 │
│ │微架构等）、GPUSoC、高速互连、GPU软件等研发与落地经验，在国内人工 │
│ │智能计算行业具有领先的市场地位和品牌影响力，对推动我国人工智能产业│
│ │链自主可控具有重要意义。 │
│ │在技术积累方面，公司创始团队拥有深厚的GPU技术及全流程量产经验，形 │
│ │成了一支深刻洞察全球GPU行业技术发展趋势，具有持续自主创新能力的技 │
│ │术研发团队。在团队不懈的技术攻坚下，发行人成为了国内少数几家全面系│
│ │统掌握了通用GPU架构、GPUIP、高性能GPU芯片及其基础系统软件研发、设 │
│ │计和量产核心技术的企业之一，GPU产品在通用性、单卡性能、集群性能及 │
│ │稳定性、生态兼容与迁移效率等方面具备较强的核心竞争力，综合技术实力│
│ │领先行业。 │
│ │单卡性能方面，公司是国内首批具备高性能GPU芯片设计能力和商业化落地 │
│ │能力的企业之一，全栈GPU产品基于自主研发和自主知识产权的GPUIP、GPU │
│ │指令集和架构，单卡性能处于国内第一梯队；集群性能方面，公司自研的Me│
│ │taXLink具备国内稀缺的高带宽卡间互连能力，可实现2-64卡多种互连拓扑 │
│ │，并且在智算集群的线性度和稳定性方面具有较强的产品表现；软件生态方│
│ │面，公司自主构建的MXMACA软件栈不仅拥有统一、完整且高效的全栈式工具│
│ │链，涵盖应用开发、功能调试和性能调优等核心环节，同时高度兼容GPU行 │
│ │业国际主流CUDA生态，能够开放拥抱全球开发者丰富的开源成果，具有较高│
│ │的易用性和迁移效率，在通用性和灵活性上具备独特的竞争力。 │
│ │在商业应用方面，发行人是国内少数真正实现千卡集群大规模商业化应用的│
│ │GPU供应商，并正在研发和推动万卡集群的落地，目前已成功支持128BMoE大│
│ │模型等完成全量预训练。公司与整机服务器、操作系统、运维管理平台、主│
│ │流AI框架、主流大模型等上下游生态广泛适配，通过芯片层、框架层、模型│
│ │层的深度协同优化，为头部大模型分布式推理提供千卡高性能国产算力，助│
│ │力“国产算力+大模型产业”实现从技术突破到商业化落地的跨越式发展。 │
│ │凭借突出的产品性能和稳定的供应能力，截至报告期末，发行人GPU产品累 │
│ │计销量超过25000颗。发行人深度构建“1+6+X”生态与商业布局，基础算力│
│ │底座方面，公司产品相继应用部署于10余个智算集群，算力网络覆盖国家人│
│ │工智能公共算力平台、运营商智算平台和商业化智算中心，区域横跨北京、│
│ │上海、杭州、长沙、中国香港等地区，并逐渐向更多区域延伸。发行人GPU │
│ │产品深度赋能众多行业应用场景，已率先布局教科研、金融、交通、能源、│
│ │医疗健康、大文娱等行业，产品赋能真实应用场景的竞争力和交付能力得到│
│ │充分验证。 │
│ │随着技术不断自主创新和商业化能力日臻完善，发行人已成为我国人工智能│
│ │产业链的重要参与者，积极推动国家智算领域的自主可控，不断加速GPU芯 │
│ │片国产替代进程，参与了数个国家级和省级重大科研课题并积累了一系列知│
│ │识产权和荣誉奖项。截至2025年3月31日，发行人拥有境内授权专利255项，│
│ │其中发明专利245项。 │
├──────┼─────────────────────────────────┤
│核心竞争力 │1、技术优势：技术积累深厚全面，核心技术自主可控 │
│ │GPU芯片设计复杂，其核心技术此前仅掌握在几家国际领先企业手中。公司 │
│ │是国内少数几家全面系统掌握了GPU架构、GPUIP、先进制程GPU芯片及其基 │
│ │础系统软件研发、设计和量产等全流程核心技术的企业之一，拥有自主研发│
│ │的GPUIP、GPU指令集和架构等，充分掌握并构建了一整套完善且自主可控的│
│ │底层核心技术体系。公司在长期自主研发和产业化过程中积淀了丰厚的核心│
│ │技术，建立了完善的研发体系，形成了一系列具有自主知识产权的核心技术│
│ │成果。截至2025年12月31日，公司拥有境内发明专利350项、集成电路布图 │
│ │设计专有权4项、软件著作权41项，并多次与政府合作科研项目，技术储备 │
│ │位居国内GPU行业第一梯队。 │
│ │2、通用性优势：以GPU架构和GPUIP打造全系列GPU产品，具备通用性、灵活│
│ │性和自主性 │
│ │公司全系列产品采用统一的GPU计算架构，兼具通用性和高性能。由于以大 │
│ │模型为特征的通用人工智能技术不断演进，例如算法和模型持续迭代、数据│
│ │的规模和质量持续升级，其所要求的建模仿真的精度和计算效率大幅提升，│
│ │导致人工智能产业计算复杂度持续提升。同时，目前绝大部分大模型厂商的│
│ │算法创新均基于GPU实现，而公司通用、灵活的GPU架构能够高效适应云端快│
│ │速迭代的复杂算法和大量非传统模型结构，从而支持更为广泛的人工智能应│
│ │用场景。 │
│ │3、高能效优势：GPU硬件设计在多个维度突破国外垄断 │
│ │根据多家行业权威的国家实验室、计算中心、研究所的测试结果，公司GPU │
│ │产品在单卡性能、集群性能及稳定性等多维度方面具有领先的产品表现力。│
│ │4、易用性优势：“自主创新与开放兼容”双轨并行，打造了具备易用性和 │
│ │可扩展性的软件生态 │
│ │易用性方面，公司自主研发的MXMACA软件栈为开发者提供了完整的AI开发工│
│ │具链，利用自有技术完成对相关开源框架和工具的适配、编译、验证、优化│
│ │等，不断降低开发者使用门槛。高性能方面，公司基于GPU软硬件协同优化 │
│ │技术，从软件实际需求出发，精准定义硬件的功能与性能，实现软硬件之间│
│ │的深度协同与优化，充分释放GPU硬件性能潜力。 │
│ │通用性方面，公司MXMACA软件栈实现了对CUDA生态的高度兼容，为人工智能│
│ │、通用计算和大数据处理等领域的现有应用提供了高效迁移至MXMACA软件栈│
│ │的能力，开发者无需过多修改现有代码即可将应用快速部署到公司的GPU产 │
│ │品上运行，大幅降低客户应用迁移本、提升迁移效率。 │
│ │5、产业化优势：优质的产业链上下游资源，快速实现商业化落地 │
│ │在“1+6+X”的战略指引下，公司坚持开放共赢，凭借领先的技术实力、长 │
│ │期的行业资源积淀已与产业链上下游建立了良好的合作关系，广泛适配整机│
│ │服务器、操作系统、运维管理平台、主流AI框架、主流大模型等上下游生态│
│ │。 │
│ │6、团队优势：拥有稀缺、稳定的全建制世界级技术团队 │
│ │公司创始团队拥有深厚的GPU技术积累及全流程量产经验，在国际领先GPU公│
│ │司负责设计并量产了多款高性能计算GPU和高性能渲染GPU，具备敏锐的市场│
│ │洞察能力、前瞻性视野和国内稀缺的万卡大集群落地经验。创始人陈维良先│
│ │生拥有20年以上GPU设计及量产经验，带领团队主导并完成多款高性能GPU产│
│ │品的流片和量产，曾获“上海产业菁英高层次人才-产业领军人才”、“中 │
│ │国信息协会常务理事”等称号或荣誉。联合创始人彭莉女士是芯片架构资深│
│ │专家，曾作为主架构师完成了多款高端复杂的GPU芯片设计。联合创始人杨 │
│ │建博士是三维图形与高性能计算生态领域资深专家，拥有丰富的GPU芯片设 │
│ │计及软件生态开发经验。 │
├──────┼─────────────────────────────────┤
│经营指标 │2025年，公司实现营业收入164,408.55万元，较上年同期增长121.26%；实 │
│ │现归属于母公司所有者的净利润-78,944.63万元，较上年同期减亏43.97%；│
│ │实现归属于母公司所有者的扣除非经常性损益的净利润-82,970.05万元，较│
│ │上年同期减亏20.52%。 │
├──────┼─────────────────────────────────┤
│竞争对手 │英伟达（NVDA.O）、AMD（AMD.O）、寒武纪（688256.SH）、海光信息（688│
│ │041.SH）、景嘉微（300474.SZ）、龙芯中科（688047.SH）。 │
├──────┼─────────────────────────────────┤
│品牌/专利/经│专利：截至2025年12月31日，公司拥有境内授权专利360项，其中发明专利3│
│营权 │50项。 │
├──────┼─────────────────────────────────┤
│投资逻辑 │沐曦股份是国内高性能通用GPU的领导者之一，产品性能达到了国际上同类 │
│ │型高端处理器的水平，在国内处于领先地位。 │
│ │公司是国内少数真正实现千卡集群大规模商业化应用的GPU供应商，并正在 │
│ │研发和推动万卡集群的落地，目前已成功支持MoE大模型、类脑大模型、强 │
│ │化学习等模型架构创新、全量预训练和推理。 │
│ │随着技术不断自主创新和商业化能力日臻完善，公司已成为我国人工智能产│
│ │业链的重要参与者，积极推动国家智算领域的自主可控，不断加速GPU芯片 │
│ │国产替代进程，参与了数个国家级和省级重大科研课题并积累了一系列知识│
│ │产权和荣誉奖项。 │
├──────┼─────────────────────────────────┤
│消费群体 │教科研、金融、交通、能源、医疗健康、大文娱等行业 │
├──────┼─────────────────────────────────┤
│消费市场 │公司主营业务收入主要集中在中国内地。 │
├──────┼─────────────────────────────────┤
│主营业务 │研发、设计和销售应用于人工智能训练和推理、通用计算（包括科学计算）│
│ │与图形渲染领域的全栈GPU产品，并围绕GPU芯片提供配套的软件栈与计算平│
│ │台 │
├──────┼─────────────────────────────────┤
│主要产品 │GPU产品及配件；IP、技术服务及其他 │
├──────┼─────────────────────────────────┤
│行业竞争格局│（1）行业发展阶段及基本特点 │
│ │根据国家统计局《战略性新兴产业分类（2018）》，公司所处行业为“1新 │
│ │一代信息技术产业/1.3新兴软件和新型信息技术服务/1.3.4新型信息技术服│
│ │务/6520集成电路设计”。公司GPU产品主要服务于人工智能产业链，与人工│
│ │智能及半导体产业的发展密切相关。近年来，全球集成电路产业进入了由人│
│ │工智能、大数据、5G等技术驱动的新一轮成长阶段，不断加速AGI（通用人 │
│ │工智能）、自动驾驶、数字孪生等创新性终端应用的商业化落地进程。大模│
│ │型的爆发引燃了GPU市场巨变，智算中心资本投入急剧增长，GPU在计算领域│
│ │的应用快速超越其在图形渲染领域的应用，带动GPU整体市场规模高速增长 │
│ │。根据VerifiedMarketResearch的数据，2024年全球GPU市场规模为773.9亿│
│ │美元，2030年有望达到4724.5亿美元。 │
│ │中国GPU市场拥有庞大的消费群体，伴随国家政策大力扶持、国内人工智能 │
│ │产业链各重要环节技术的不断成熟，国产GPU厂商迎来关键发展机遇。根据 │
│ │弗若斯特沙利文数据，2024年中国AI加速芯片市场规模约为1425.37亿元， │
│ │同比增长98.49%，2025年中国AI加速芯片市场规模预计增至2398.00亿元。 │
│ │在国际地缘政治加剧的背景下，中国加快了智能算力领域的战略布局，国内│
│ │智算中心的快速建设推动了AI芯片的需求不断抬升。IDC数据显示，2024年 │
│ │中国加速计算服务器市场规模达到221亿美元，同比2023年增长134%；到202│
│ │9年，中国加速计算服务器市场规模将超过千亿美元。 │
│ │（2）主要技术门槛 │
│ │作为现代信息技术发展的物理基石和底层基础设施，GPU具有高价值量、高 │
│ │复杂度、高技术门槛和快速演进的特征，对企业自主研发、稳定供应和持续│
│ │创新能力提出了较高要求。 │
│ │芯片设计属于技术密集型行业，GPU芯片设计更是涉及到硬件架构设计、IP/│
│ │SoC芯片设计、封装设计、软件架构设计、驱动程序及基础软件等多个专业 │
│ │领域，技术深度与复杂程度较高，产品技术特性决定了GPU行业具有较高的 │
│ │进入壁垒。掌握GPU核心设计能力需要长期的经验积淀和充足的工程实践， │
│ │需要一批深耕行业的高素质技术人员的研发投入和持续迭代演进，技术储备│
│ │亦需要较长周期。 │
│ │近年来，随着大模型算法的快速迭代和模型参数量的指数级增长，GPU硬件 │
│ │设计向更高算力、更大存储、更高通信带宽、更多元的混合精度等方向不断│
│ │发展，企业需要时刻掌握行业关键技术的发展动态、保持对前沿技术的敏感│
│ │度和快速消化吸收能力才能根据市场及客户的需求及时创新。新进入企业难│
│ │以在短时间内掌握相关核心技术，亦难以持续保证技术符合算法不断发展的│
│ │需求，因此GPU行业具有较高的技术壁垒。 │
├──────┼─────────────────────────────────┤
│行业发展趋势│（1）从“算力主权”到“算力平权”，ScalingLaw带动GPU行业全面放量 │
│ │随着人工智能技术持续突破，DeepSeek的推出掀起了新一轮人工智能浪潮，│
│ │在全球范围内实现了一轮AI普及，推动全球人工智能竞赛再次加速。一方面│
│ │，DeepSeek通过优化算法大幅降低了训练和推理成本，并且采取开源的方式│
│ │推动行业从“算力主权”向“算力平权”的格局发展，使得中小企业和终端│
│ │应用群体可以跨越算力门槛，在开源模型的基础上实现技术普惠，推动人工│
│ │智能真正进入“全民时代”。虽然短期内GPU芯片可能因为训练效率的提升 │
│ │而受到影响，但在杰文斯悖论的推动下，大模型的快速迭代和AI应用的增长│
│ │潜力将驱动GPU行业长期发展。另一方面，模型和硬件工程上的多种创新技 │
│ │术推动算力需求结构发生根本性变革，除大模型预训练阶段的算力需求持续│
│ │增长外，后训练和推理阶段成为了算力需求新的增长动能。算力需求从“重│
│ │预训练”到“全流程平衡”的转变，正在重构人工智能产业的价值链，推动│
│ │算力资源配置向更灵活、更繁荣的方向演进。 │
│ │（2）分布式并行计算环境下，多卡互连成为算力竞争的核心要素 │
│ │随着模型规模、数据量、参数量的快速增长，单一芯片、单台计算设备已经│
│ │无法满足不断涌现的大规模数据、多任务应用的需求。通过集群互连弥补单│
│ │卡性能不足、使用多台设备同时运算的“分布式并行”策略成为了当前及未│
│ │来发展的主流选择，基于ScaleUp与ScaleOut的技术应运而生。高速互连技 │
│ │术则在此环节发挥了关键作用，多卡互连能力、卡间互连带宽直接影响集群│
│ │有效算力，更优的互连技术方案能更好支持数据并行、流水线并行和张量并│
│ │行等策略。因此，在分布式计算环境下，高速互连技术不断升级系大势所趋│
│ │。 │
│ │（3）随着应用市场的繁荣发展，软件生态成为AI芯片易用性的关键底座 │
│ │软件生态作为人工智能模型和底层硬件之间的接口，则是影响芯片易用性的│
│ │核心。GPU硬件设计复杂度较高，人工智能应用的开发和部署需要借助丰富 │
│ │的软件生态，以实现对底层硬件资源的深度利用。相关软件工具需要与GPU │
│ │硬件协同优化以确保GPU的高性能和易用性。此外，在算子高频更新的大模 │
│ │型时代，软件生态能力决定了落地场景的丰富度。随着人工智能应用逐渐向│
│ │AIAgent、具身智能延展，与业务紧密结合的人工智能应用场景逐渐落地， │
│ │完善的软件生态将与应用市场相辅相成，共同促进人工智能市场的不断繁荣│
│ │。 │
│ │（4）云边端融合发展，GPU与ASIC将互为补充、长期共存 │
│ │算法创新和开源普惠为人工智能应用大规模落地奠定了坚实的基础。当前全│
│ │球算力重心正处于从预训练ScalingLaw向后训练ScalingLaw和推理阶段Test│
│ │-timeScalingLaw的转移过程中，基于强化学习、思维链等算法创新，在后 │
│ │训练和推理阶段投入更多的算力可以进一步提升大模型的深度思考能力，长│
│ │期来看为人工智能应用打开了商业化空间。三大ScalingLaw共同支撑着全球│
│ │算力需求，驱动人工智能应用在云端、边缘端和终端融合发展。云边端将结│
│ │合各自特征承担不同的职能。云端作为资本开支最大、计算能力要求最高的│
│ │需求场景，将成为人工智能训练和推理的“智能大脑”，处理重量级人工智│
│ │能任务；端侧（边缘端、终端）则是综合平衡性能和负载的选择，作为“小│
│ │脑”和“四肢”处理即时、轻量级人工智能任务。云端快速迭代的算法和大│
│ │量非传统模型结构的出现需要GPU芯片完成高效迁移与适配；而端侧对功耗 │
│ │、负载的敏感度亦新增了对ASIC芯片的需求，ASIC芯片可针对固定模型结构│
│ │及特定应用场景提供更具能效比的解决方案，成为GPU芯片的有效补充。因 │
│ │此长期来看，未来GPU和ASIC将各有侧重、互为补充、长期共存。 │
├──────┼─────────────────────────────────┤
│行业政策法规│《关于深入实施“人工智能+”行动的意见》、《算力互联互通行动计划》 │
│ │、《2025年政府工作报告》、《2025年工业和信息化标准工作要点》、《关│
│ │于做好2025年享受税收优惠政策的集成电路企业或项目、软件企业清单制定│
│ │工作的通知》、《关于推动未来产业创新发展的实施意见》、《国家人工智│
│ │能产业综合标准化体系建设指南（2024版）》、《数字经济2024年工作要点│
│ │》、《关于深入实施“东数西算”工程，加快构建全国一体化算力网的实施│
│ │意见》、《算力基础设施高质量发展行动计划》、《产业结构调整指导目录│
│ │（2024年本）》、《全国一体化政务大数据体系建设指南》、《关于印发“│
│ │十四五”数字经济发展规划》、《关于支持建设新一代人工智能示范应用场│
│ │景的通知》、《“十四五”国家信息化规划》、《中华人民共和国国民经济│
│ │和社会发展第十四个五年规划和2035年远景目标纲要》。 │
├──────┼─────────────────────────────────┤
│公司发展战略│2026年初，“智能经济”概念被首次写入政府工作报告，一个全新的产业周│
│ │期正在开启。过去的2025年，大模型应用快速扩张，全球科技公司纷纷加码│
│ │数据中心和算力基础设施，GPU一度出现“全球抢芯”的现象，算力正在成 │
│ │为数字时代最稀缺、也最关键的资源之一。AI的快速发展，正在将全球科技│
│ │竞争带入一个全新的阶段。随着大模型、生成式AI以及智能应用的不断扩展│
│ │，算力需求呈现出爆发式增长。 │
│ │算力需求的爆发也与国家战略息息相关，“算力即国力”的共识已深入人心│
│ │。“十五五”规划建议提出推动加快高水平科技自立自强，加强关键核心技│
│ │术攻关，其中集成电路与AI被视为战略重点。伴随着“东数西算”工程和国│
│ │家算力网络建设的推进，算力资源的整体布局正在不断优化，也为算力芯片│
│ │产业提供了巨大的发展空间。全球算力规模在短短数年时间里迅速跃升，计│
│ │算能力从EFLOPS级不断迈向更高量级，算力革命的速度远远超过以往任何一│
│ │次计算技术变革。算力不再只是技术能力，而正成为支撑数字经济发展的关│
│ │键基础
|