AI芯片厂商掀IPO热潮，谁能成为下一个“寒武纪”？

2024年，AI浪潮持续翻涌，寒武纪（688256.SH，股价625元，市值2609.1亿元）作为A股AI算力芯片龙头可谓风头无两，Wind数据显示，去年寒武纪股价上涨387.55%，同期科创100指数则下跌8.56%。

在寒武纪“独领风骚”的二级市场之外，国内还有一批优秀的AI算力芯片企业尚未登陆资本市场，如壁仞科技、天数智芯、燧原股份、摩尔线程、沐曦等。其中，壁仞科技、燧原股份、摩尔线程、沐曦目前已进入上市辅导阶段。

AI算力芯片主要可以分为GPU（图形处理器）、AI ASIC（人工智能专用处理器）和FPGA（现场可编程门阵列）三种。目前，国内GPU厂商代表有壁仞科技、天智数芯、摩尔线程和沐曦等；AI ASIC厂商代表有华为海思昇腾、燧原股份、地平线、黑芝麻智能、比特大陆等。

尽管位列Wind GPU指数（8841701.WI）成分股，但根据寒武纪招股书，其将自己的产品与传统芯片CPU、GPU等进行了区分，称“主要研发通用型智能芯片”，而不是专用型智能芯片（ASIC）。不过，在多家券商和咨询机构的研报中，均将其产品列为了ASIC。

GPU与ASIC芯片到底是什么？

根据国泰君安证券研报，AI芯片主要分为三种类型：通用型（GPU）、半定制型（FPGA）、定制型（ASIC）。三类芯片代表分别有英伟达（NVIDIA）的GPU、赛灵思的FPGA和Google的TPU（一种专门为机器学习任务设计的AI ASIC）。GPU的计算能力最强，但是成本高、功耗高；FPGA可编程，最灵活，但是计算能力不强；ASIC体积小、功耗低，适合量产，但是研发时间长，且不可编辑，前期投入成本高，带来一定的技术风险。

在寒武纪招股书中，将自己的产品与传统CPU、GPU等芯片类型进行了区分，而是列为通用型智能芯片和专用型智能芯片（ASIC）两类。其中，通用型智能芯片代表包括寒武纪思元100/270/220）、华为海思（Ascend 310/910）、谷歌（TPU V1/V2/V3、TPU EDGE）等。

在国泰君安证券研报中，谷歌TPU、华为海思昇腾910均被分类为ASIC。此外，燧原股份的云燧T20与寒武纪的NPU在整体性能上也与谷歌比肩。

此外，民生证券研报显示，云端算力中，寒武纪也被划入了ASIC。

头豹研究院AI行业高级分析师常乔雨也告诉《每日经济新闻》记者：“目前国内从事AI ASIC研发的厂商主要包括寒武纪、地平线、燧原科技、黑芝麻智能和比特大陆等。”

不过，寒武纪、燧原科技的芯片可能更偏向于DSA（领域专用架构），不属于传统不可编程的ASIC，而是广义的ASIC。

传统ASIC不可编程，于是DSA应运而生。常乔雨表示：“DSA芯片在性能和灵活性之间找到平衡点，成为ASIC和GPGPU（通用图形处理器计算）之外的另一条技术路径。DSA结合了ASIC的高性能优势和GPGPU（通用图形处理器）的编程灵活性，专为特定领域的计算需求设计，尤其适用于泛安防和自动驾驶等明确场景。”

他补充表示：“整体来看，ASIC、GPGPU和DSA各有侧重：ASIC注重特定任务的极致性能，GPGPU强调通用性，而DSA则尝试去结合两者的优点，带来性价比和效率更高的算力。”

燧原股份相关工作人员也回复《每日经济新闻》记者称：“我们是DSA架构。”

黑芝麻智能也对记者表示：“黑芝麻智能的芯片架构兼具ASIC的高性能和GPGPU的灵活性，芯片产品可以归为ASIC芯片类别，和以上芯片（寒武纪、华为海思昇腾、燧原科技）架构类似，都具备灵活编程的扩展性。”

简而言之，DSA属于广义ASIC芯片，且较传统ASIC更加灵活。

四大AI算力厂商启动IPO辅导

2024年8月以来，国内四大AI算力厂商陆续启动IPO辅导。2024年8月26日，AI ASIC领域代表厂商燧原科技启动IPO辅导；GPGPU领域代表厂商壁仞科技于9月11日启动IPO辅导；11月12日，GPU厂商摩尔线程启动IPO辅导。

进入2025年，1月15日，沐曦股份也启动了上市辅导。若四家全部上市成功，将大幅扩展A股AI算力厂商投资标的的供给。

这几家接受IPO辅导的企业中，燧原科技创始团队有AMD背景，其创始人兼COO张亚林于2008年加入AMD，历任资深芯片经理、技术总监。曾经作为全球芯片研发主要负责人之一，在AMD上海研发中心成功领导开发并量产了多颗世界级芯片，拥有丰富的工程和产品化实战经验。

沐曦股份创始团队同样来自AMD，其创始人陈维良曾任AMD全球GPGPU设计总负责人；两位CTO（首席技术官）均为前AMD首席科学家，目前分别负责公司软硬件架构。

而摩尔线程创始团队来自全球GPU巨头英伟达，其创始人兼CEO张建中曾任英伟达全球副总裁、中国区总经理，在GPU这一行业已经深耕近二十年。

除了这四家接受IPO辅导的厂商外，天数智芯、昆仑芯、平头哥等厂商也广受市场关注。

另外，目前接受IPO辅导的四家厂商中，三家属于GPU路线，一家属于ASIC路线。当下，以英伟达为代表的GPU算力厂商仍是市场主流，而近期以博通为代表的ASIC路线也逐渐受到广泛关注。

对于GPU路线与ASIC路线的优劣，TrendForce集邦咨询分析师邱珮雯回复《每日经济新闻》记者认为：“ASIC在可见的未来不会完全取代GPU，ASIC通常是专门为某种特定应用或运算去设计的芯片，如训练或推理，偏向特定客户定制化；而GPU设计为通用运算，对于执行多样任务较具灵活性，通常为标准品，适用于多数客户，且相较于高阶英伟达芯片如B200，ASIC目前开发运算效能落差仍大。因此，ASIC和GPU有各自的目标市场及应用。”

常乔雨认为：“当前，AI ASIC的应用主要集中在推理任务上，尽管部分产品也涉及训练领域，但推理显然是其核心战场。这是因为推理任务具有固定的计算模式和高吞吐量需求，非常契合ASIC硬件固化的高效特性。与此同时，推理的市场空间未来也将显著超过训练。随着人工智能技术在各行业的加速渗透，终端设备和云端推理的需求量快速增长，涵盖了从智能家居到工业自动化再到车载计算的多样化场景。而推理任务的高频调用和长生命周期特点，也决定了这一市场的规模潜力将远超一次性投入较高的训练环节。”

也就是说，当下AI仍以训练为主导，GPU仍是主流。而未来，随着AI技术的广泛落地，推理市场规模或大幅超过训练环节。而推理环节，正是AI ASIC的主战场。

事实上，ASIC芯片不仅在推理领域潜力巨大，在类似智驾等特定场景的应用也前景广阔。

黑芝麻智能方面告诉《每日经济新闻》记者：“黑芝麻智能的智驾芯片在高性能、低功耗、灵活性、跨域融合、市场定位和端到端算法参考模型等方面都有显著优势。由于黑芝麻智能智驾芯片面向特定场景，因此算力的利用率、能效比都会更高。在灵活性方面，黑芝麻智能的芯片设计融入了可编程性，使其在一定程度上具备GPGPU的灵活性。”

如何补“运力”短板？

目前，国际上主流AI ASIC厂商为博通、Marvell。需要注意的是，博通不仅拥有AI ASIC设计能力，其配套网络业务也十分强大，比如以太网交换芯片、PCIe/CXL Retimer等。而英伟达算力领域的三大壁垒，包括GPGPU芯片、NVLink和CUDA生态。而国内厂商在软件工具链和开发者生态方面尚待补强。

根据国联证券研报，AI大模型的快速发展推动“算力”“存力”需求快速增长。与此同时，对“运力”也提出了更高的需求。系统需要更高的带宽，更快的传输。但内存的性能提升速度远低于处理器的性能提升速度，导致处理器无法充分发挥其计算能力。

英伟达有NVLink，博通有CXL技术，那么国内在“运力”领域有哪些布局呢？

国内CXL高速互联厂商国数集联告诉《每日经济新闻》记者：“NVLink具备高带宽和低延迟的优点，但存在生态封闭、价格昂贵等问题。主要运用在英伟达产品中。CXL基于PCIe的基础上发展而来，专注于优化处理器与加速器之间的通信。CXL能够提供高带宽、低延迟的通信，并支持先进的大容量低延迟内存协同特性。CXL也是唯一横跨运力和存力的互联标准、唯一横跨通用服务器和AI服务器的互联标准。”

目前国内也有较多的AI ASIC厂商。那么，国数集联在高速互联领域有哪些独特的优势，是否有意与AI算力芯片厂商合作，共同研发、拓展市场？

国数集联表示：“公司面向人工智能数据中心（AIDC）、云服务商、服务器厂商以及运营商，提供先进的高速互联算法、芯片及方案。目前，公司的核心产品包括CXL Switch芯片、模块以及硬件整体方案。国数集联正与国内的云厂商、AI厂商、运营商展开合作，旨在提供高效的数据传输和联结方案。”

异构计算会是未来吗？

大模型发展迅速，也对各大厂商软硬件结合能力提出更高要求。而国内不少GPGPU厂商，也开始走向“异构计算”。

天数智芯副总裁邹翾对《每日经济新闻》记者表示：“异构计算在训练和推理领域都占据着重要地位。在训练领域，面对大规模数据集和复杂模型结构，单一类型芯片往往难以满足计算需求。异构计算通过整合多种不同架构芯片，可以加速训练过程，减少训练时间和成本。在推理领域，实时性要求极高，异构计算能够根据不同的推理任务特性，灵活调配硬件资源。例如在处理图像、语音等特定类型数据时，通过不同芯片的协同工作，快速完成推理，输出准确结果。”

资料显示，天数智芯是国内率先支持智算芯片混合训练的通用GPU厂商。其“天垓”和“智铠”产品系列，广泛应用于主流大模型的训练、微调以及推理任务。2024年，天数智芯参加了在上海市通信管理局和上海市数据局的支持下，多家单位联合开展的跨域异构算力网络实验验证工作，异构混训效率可达97.5%。

壁仞科技向记者提供的资料也显示，公司正联合客户、合作伙伴、科研机构共同推动异构GPU协同训练生态，具体包括：中国移动、中国电信、中兴通讯、商汤科技、国网智能电网研究院有限公司、上海智能算力科技有限公司、上海人工智能实验室、中国信息通信研究院等。

壁仞科技表示，这一异构GPU协同训练方案最终实现了国产GPU和英伟达GPU的异构共存，突破异构算力孤岛难题，加快国产GPU的落地迁移，助力国产大模型落地。此外，该方案赋能整个算力产业发展，壁仞HGCT方案具备普适性、易用性、兼容性，助力最终客户实现多种异构算力聚合，最大化异构GPU集群利用效率。

在边缘侧，AI PC又将如何发展呢？未来AI算力芯片是否可能作为单独的“外挂”芯片，类似于独立显卡搭配在AI PC之中？

天智数芯表示：“目前这种外挂AI芯片的AI PC已有原型，并且已经有用户在使用。随着AI在PC端应用场景不断拓展，如智能创作、数据分析等，对算力需求剧增。将AI算力芯片做成‘外挂’，便于用户根据自身需求灵活升级，提升AI性能，就像现在人们按需选择独立显卡。同时，这也有助于降低PC整体成本，促进AI技术在PC领域的普及。”

可以看出，除了寒武纪外，国内未上市的企业中，也有较多GPGPU厂商、AI ASIC厂商，且在“运力”、软件生态领域，国内厂商也在积极布局。

封面图片来源：视觉中国-VCG41N970174988