$ 北京君正 ( SZ300223 ) $  《北京君正：物理 AI 时代，端侧 AI 芯片龙头》。

在正式开始之前，我想先问大家一个问题：当 AI 从云端走向物理世界，当机器人开始真正 " 看懂 " 世界、自主决策，什么样的芯片公司能够抓住这个时代最大的红利？我认为，答案不是只做算力的公司，也不是只做存储的公司，而是同时具备 " 感 - 存 - 算 - 控 " 全栈能力的公司。而北京君正，正是这样一家被严重低估的端侧 AI 芯片龙头。

---

【第一页：核心定位——端侧 AI 芯片带算力】

首先，我们来看北京君正的核心定位。很多人问：北京君正的 AI 芯片，到底算不算端侧 AI 芯片？带不带算力？我的答案是：不仅是，而且算力跨度极大。

第一，自研 NPU 引擎。 北京君正从 NPU 1.0 迭代到今天的 NPU 4.0，算力实现了从 0.1Tops 到 512Tops 的跨越。这是什么概念？0.1Tops 可以跑简单的图像识别，512Tops 已经可以支撑复杂的边缘计算和多模态感知。更关键的是，这个 NPU 是公司完全自研的，不是买的 IP 授权，这意味着迭代节奏、成本控制、定制化能力都掌握在自己手里。

第二，端侧产品矩阵非常完整。 我们看三条产品线：T33 芯片已经量产，主打智能安防等场景；T42 芯片基于 8 纳米工艺投片，这是公司向更高算力端侧场景进军的关键一步；X3000 芯片研发顺利，面向更高性能的端侧应用。还有一条特别重要的线—— AI-MCU，型号 G32S10M。这颗芯片集成了自研 NPU，虽然只有 0.5Tops，但它实现了 " 控制 + 智能 " 一体化。什么意思？传统的 MCU 只管控制电机、传感器，AI 推理要另外挂一颗芯片；而 G32S10M 一颗芯片就能搞定，这对成本敏感、功耗敏感的端侧设备来说，是革命性的。

第三，在研最大算力达到 64T。 公司明确披露，目前在研的最大算力 NPU 是 64T，而且已经开发出了独立的 NPU 内核，正在逐步往后续 SoC 产品里集成。64T 是什么水平？这已经可以覆盖大部分机器人、智能驾驶的边缘侧推理需求了。

所以，北京君正的 AI 芯片，毫无疑问属于端侧 AI 芯片，而且带算力，算力跨度从 0.1T 到 512T，未来还要做到 64T 独立内核。这不是概念，是已经量产、正在投片、持续迭代的事实。

【第二页：物理 AI 时代爆发力—— " 感 - 存 - 算 - 控 " 全栈】

好，定位清楚了，我们来看更关键的问题：在物理 AI 时代，也就是具身智能、机器人、智能汽车大规模落地的时代，北京君正到底有没有爆发力？我的判断是：爆发力很强，而且来自于它的全栈能力。

什么是物理 AI？简单来说，就是 AI 不再只是躲在云端跑大模型，而是嵌入到物理实体中——机器人、自动驾驶汽车、智能工厂设备。这些设备对芯片的需求，和云端完全不同。云端要的是极致算力、极致带宽，可以不计功耗；但物理端要的是低功耗、高可靠、实时响应、感知融合，而且往往空间受限、成本敏感。

北京君正为什么契合？因为它构建了 " 感 - 存 - 算 - 控 " 四大能力闭环：

第一，计算芯片——端侧 AI SoC。 就是我们刚才说的带 NPU 的 T 系列、X 系列，负责 " 算 "。

第二，存储芯片——车规级 SRAM，全球市占率第一。 这是很多人忽略的北京君正核心竞争力。物理 AI 设备需要大量缓存来存储传感器数据、模型参数，而且车规级、工规级对温度范围、可靠性、寿命要求极高。北京君正的车规级 SRAM 全球市占率约 25%，排名第一；车规存储国内市占率 15% 以上。这种高可靠性基因，可以直接迁移到机器人等物理 AI 场景。

第三，模拟芯片—— LED 驱动、DC/DC、LIN/CAN 总线等。 物理设备需要电源管理、信号转换、通信接口，这些 " 看不见 " 的模拟能力，恰恰是系统稳定运行的基础。

第四，AI-MCU ——控制 + 智能一体化。 这是我最看好的一点。机器人的关节控制、传感器融合、实时决策，需要 MCU 级别的低延迟，又需要 AI 级别的智能。G32S10M 这种 AI-MCU，0.5Tops 算力 + 智能电机控制，一颗芯片替代原来的两颗甚至三颗，在机器人、储能、工业控制领域空间巨大。

大家看 PPT 中间的图，这四个能力象限，全部指向中心的 " 物理 AI · 具身智能 "。这不是拼凑出来的故事，而是北京君正二十年来在嵌入式领域积累的自然延伸。当物理 AI 时代来临，客户需要的不是单一芯片，而是一站式、高可靠、低功耗的解决方案。北京君正的全栈能力，让它有资格成为这个时代的核心供应商。

【第三页：业绩拐点——存储周期 + 端侧 AI 双红利】

能力再强，最终要落到业绩上。我们来看北京君正的财务拐点。

2025 年，公司营收 47.41 亿元，同比增长 12.54%。 看起来增速不算惊人，但结构在发生质变。第四季度净利润同比大增 94%，这说明什么？说明存储涨价周期已经开始兑现，端侧 AI 产品的毛利率在改善。

更关键的是预期。 机构预测 2026 年净利润有望达到 12 亿元，同比增长 60%；到 2030 年，净利润有望达到 45 亿元，复合年增长率约 35%。这个增速从哪里来？来自双红利叠加：

第一个红利：存储涨价周期。 北京君正有相当一部分收入来自存储芯片。全球存储行业经历了几年的低谷，2025 年开始进入上行周期。SRAM、DRAM 价格回升，直接增厚利润。而且公司正在研发 3D DRAM，通过混合键合技术实现高带宽、低功耗，专门面向端侧 AI 的存储需求。这不是跟风，是解决端侧 AI 部署大模型时的存储带宽瓶颈。

第二个红利：端侧 AI 产品放量。 T42 芯片 8 纳米投片、64T NPU 研发推进、AI-MCU 进入机器人供应链，这些产品将在 2026-2027 年逐步放量。物理 AI 设备的渗透率一旦越过临界点，芯片出货量会是指数级增长。

大家看 PPT 右侧的增长曲线，从 2024 年的约 5 亿净利润，到 2030 年的 45 亿，这条曲线的斜率在 2026 年之后明显变陡。这不是画大饼，而是存储周期 + 端侧 AI 产品周期双重驱动的结果。

【底部：核心看点与风险提示】

最后，我给大家总结三个核心看点和三个风险提示。

核心看点：

第一，全栈能力。 计算 + 存储 + 模拟一体化，这在 A 股芯片公司中非常稀缺。物理 AI 客户要的是 Turn-key 解决方案，不是单点芯片。

第二，车规基因。 车规级可靠性可以直接迁移到机器人、工业设备。别人做机器人芯片要从零开始做可靠性验证，北京君正已经有现成的 Know-how。

第三，技术突破。 8 纳米 T42 投片、3D DRAM 研发、64T NPU 推进，这些技术节点如果如期落地，公司将从 " 端侧 AI 参与者 " 跃升为 " 端侧 AI 定义者 "。

风险提示：

第一，算力层级。 公司当前端侧算力主要集中在中低层级，64T 以上的高端算力仍在研发中。瑞芯微、星宸科技等竞品在高算力产品上的推出节奏更快，北京君正需要加速。

第二，生态建设。 物理 AI 时代需要 " 芯片 + 算法 + 场景 " 深度协同。公司的 Magik AI 开发平台虽已建立，但在大模型适配、开发者生态丰富度方面，与英伟达、高通等国际巨头仍有差距。

第三，制程差距。 T42 采用 8 纳米工艺，而国际巨头已经推进到 4 纳米、3 纳米。在极致能效比、极致算力密度的场景下，制程代差可能成为竞争劣势。

    各位，物理 AI 时代不是未来，而是正在发生。机器人走进工厂，自动驾驶汽车上路，智能设备遍布每个角落。这个时代需要的芯片，不是云端的 " 暴力算力 "，而是端侧的 " 精准智能 " ——低功耗、高可靠、感存算控一体。

北京君正，凭借二十年在嵌入式领域的积累，凭借 " 感 - 存 - 算 - 控 " 的全栈能力，凭借车规级可靠性的基因，有望成为物理 AI 时代端侧 AI 芯片的龙头。2025 年是业绩拐点之年，2026-2027 年将是产品放量、利润释放的关键窗口。

当然，投资永远有风险，高端算力的研发进度、生态建设的速度、制程工艺的追赶，都是我们需要持续跟踪的变量。但至少在今天，北京君正已经站在了正确的赛道上，而且手里握着的牌，比市场认知的要好得多。

追加内容

本文作者可以追加内容哦 !