众所周知，GPU 最初并非为人工智能而设计，主要是用于游戏与影视的图形渲染，处理海量像素点与复杂几何运算。这种对并行浮点运算能力的天然追求，让其在科学仿真、气象预测、物理计算等通用算力场景游刃有余；而深度学习算法底层的核心，恰恰是海量的矩阵乘法与高度并行的数据运算——这与 GPU 的并行处理架构在底层逻辑上高度契合，使得 GPU 从图形渲染工具一跃成为全球 AI 算力的核心载体，相关企业市值也一度登顶全球。但是同时，这也造就了行业史无前例的垄断。GPGPU（通用图形处理器）架构与 CUDA（统一计算设备架构）软件生态，构建起了难以逾越的 " 护城河 "，对后来者形成了巨大的技术、生态与心理壁垒。

然而，面对如此情况，一家中国公司还是选择了一条与众不同的、甚至被许多人视为 " 荆棘之路 " 的发展路线。它没有像大多数国产厂商那样，选择 " 兼容 CUDA" 这条看似轻松的路，而是从零开始，坚持自主指令集，自研软件栈，专注云端，与头部客户实现深度战略协同。这家公司，就是上海燧原科技股份有限公司（以下简称 " 燧原科技 "）。

2026 年 1 月 22 日，燧原科技的科创板上市申请已被上海证券交易所受理，6 月 15 日，燧原科技将接受科创板上市委审议。基于其招股说明书及两轮回复报告，我们将从技术路径、战略选择、市场验证与未来前景四个维度，对这家公司进行深度剖析。它向我们揭示了一个核心问题：在 AI 芯片这一决定国家未来竞争力的战略领域，中国公司是否只有 " 模仿与兼容 " 一条路可走，能否走出属于自己的 " 新路 "？

一、技术路径的差异化与自主可控的 " 护城河 "

燧原科技的核心选择，可以用一句话概括：DSA 架构 + 自研软件栈，走自主可控发展之路。

面对 CUDA 生态，大多数国产厂商的选择是 " 兼容 "。即在自己的芯片上，通过硬件模拟或软件转译的方式，让原本为 CUDA 编写的程序能够跑起来，以此降低客户迁移的难度和成本。这种策略见效快，短期内似乎能获得一定市场份额，但从长远看，存在巨大的隐患：自主权不在自己手里。一旦通过法律手段、技术封锁或新版本升级来限制兼容性，这种 " 依附 " 将变得脆弱不堪。

燧原科技选择了另一条更难但更坚实的路——完全自主。它没有采用现成通用架构指令集，而是基于自主知识产权的指令集，原创了核心的硬件架构和全栈的软件平台。这看似走了条 " 窄路 "，实则是深思熟虑后的精准战略抉择，其 " 护城河 " 体现在以下三个层面：

1. 硬件层面：为 AI 计算而生的 " 发动机 "

燧原科技选择造了一辆 " 专用高效高速列车 "（DSA 架构）。这辆车只为了在一条特定的 " 高速轨道 "（AI 计算）上高效地拉货而设计，车身更轻，装载量更大，油耗也更低。

这套名为 GCU-CARA 的计算架构，就是燧原的 " 发动机 "。它包含两大核心组件：

GCU-CARE 加速计算单元：基于完全自主的指令集研发，专为 AI 大模型计算场景设计的原创微架构，通过将核心的计算、互联和存储优化特性 " 硬化 " 至芯片，在执行特定 AI 推理任务时，能实现比通用 GPU 更高的效率和性价比。

GCU-LARE 片间高速互连技术：在构建大规模算力集群时，芯片间的数据交换效率是瓶颈。GCU-LARE 技术专门针对此场景优化，确保了多卡协同工作时的性能提升，是公司构建万卡级集群的关键技术支撑。

这套从底层逻辑上就为 AI 而生的硬件，决定了它在推理场景下的能效比可以显著优于 GPGPU 芯片。在面向海量 C 端用户的 AI 推理场景中，成本每降低一分钱，都是巨大的商业优势。

同时，这家公司展现了极强的工程化能力。自成立以来，其四代 5 款云端 AI 芯片，全部实现了 " 一次流片成功 "。流片（Tape-out）是芯片设计从图纸到实物的关键生产环节，一次流片的费用动辄数千万甚至上亿美元。" 一次流片成功 " 不仅是对研发团队技术实力的肯定，更意味着公司具备将复杂设计快速可靠地转化为商业产品的强大执行力。

2. 软件层面：自建 " 高速公路 "，降低迁移成本

有了好的 " 发动机 "（硬件），还得有配套的 " 高速公路 "（软件），车才能跑得顺畅。CUDA 生态，就是一条修建了 20 年、拥有 400 万开发者的 " 超级高速公路 "，形成了一个从开发工具到应用场景的完整闭环。

燧原科技没有选择在这条高速公路上交 " 过路费 "，而是自己从 0 到 1 修建了一条全新的高速公路—— " 驭算 TopsRider" 全栈 AI 计算及编程软件平台。这套平台涵盖了驱动程序、编译语言、编译器、算子库、工具链以及深度学习框架，完全独立自主，不依赖于任何第三方资源。

这条 " 新路 " 的价值，体现在两个方面：

自主可控：从根本上避免了受制于外部技术体系的可能。无论 CUDA 如何更新版本，燧原的硬件和软件都能独立自主地迭代优化，其命运牢牢掌握在自己手中。

性价比优势：DSA 架构专为 AI 计算优化，这条 " 高速公路 " 就是为了让特定的 " 卡车 "（AI 计算任务）跑得更快。公司通过深度软件适配，可以在特定的互联网场景（如智能推荐、AI 搜索、内容审核）中，提供更好的性价比。

最关键的是，公司用数据回应了 " 非 CUDA 生态无法迁移 " 的质疑。在其问询回复中明确披露，一个中等复杂难度的 CUDA 原生应用，迁移至 " 驭算 TopsRider" 平台的成本仅需 1 人天。这有力地证明了，其软件生态已经具备了强大的易用性和可迁移性，客户无需付出高昂的重新开发代价。

3. 全栈体系：从芯片到集群的 " 交钥匙 " 能力

燧原科技的产品体系非常完整，覆盖了从芯片、加速卡 / 模组、智算系统（云燧智算机）到智算集群的完整链条。这种全栈能力在参与国家 " 东数西算 " 等大型智算中心项目时，是其巨大的竞争优势。客户无需自己整合不同厂商的硬件和软件，燧原可以提供一站式的 " 交钥匙 " 解决方案，这大大降低了项目的技术风险和交付周期。

为了证明其对技术的高度重视，我们不得不提本次 IPO 的募投项目。公司计划募集资金 60 亿元，全部投入研发与创新，而非简单的产能扩张：

基于五代 AI 芯片系列产品研发及产业化项目（15.03 亿元）：用于研发性能更强大的新一代芯片。

基于六代 AI 芯片系列产品研发及产业化项目（11.97 亿元）：着眼于下一代前沿 AI 需求，强化互联与异构集成能力。

先进人工智能软硬件协同创新项目（33.00 亿元）：这是资金占比最高的项目（超过 55%），核心是与国产供应链伙伴深度合作，实现从芯片设计、制造到应用的全链条自主可控。

这三个项目清晰地表明，燧原对技术的投入是长期、持续且不惜重金的。" 坚持原始创新、自主研发 " 是刻在其骨髓里的战略基因。

二、战略选择：" 先单点突破，后以点带面 " 的务实路径

如果说技术路线是 " 道 "，那么战略选择就是 " 术 "。燧原科技在 " 术 " 的选择上，同样展现了其精准、务实、专注的特质。它没有选择大多数创业公司 " 广撒网、多敛鱼 " 的做法，而是走出了一条 " 先单点突破，后以点带面 " 的经典路线。

1. 专注云端，拒绝 " 大而全 "

公司自 2018 年成立以来，就只做一件事：专注于技术门槛最高、市场规模最大的云端 AI 芯片领域。它不生产手机芯片、汽车芯片，也没有分散精力去做边缘端或终端。这种高度聚焦的战略定力，使其有限的研发和资金资源高度集中，在云端 AI 这个最核心的赛道上，形成了扎实技术积累和产品打磨深度。根据灼识咨询数据，2025 年云端 AI 加速卡占国内 AI 芯片系列产品市场份额约 88%，这证明了其战略眼光的精准。

2. 聚焦头部客户，走通 " 最难的路 "

在所有潜在的客户中，公司做了一个极度聚焦的选择：集中资源，全力服务好腾讯这个 " 超级甲方 "。虽然这导致了市场对 " 客户集中度 " 的担心，但从战略演进的角度看，这步 " 险棋 " 也是一步 " 好棋 "。

（1）为什么选择腾讯？

市场价值最大：腾讯拥有微信、腾讯会议、元宝等国民级应用，其 AI 推理需求规模巨大且持续增长。根据 Bernstein 研报预测，腾讯 2026-2028 年的 AI 资本支出将分别达到 110 亿、130 亿和 140 亿美元。

技术锤炼最狠：腾讯对产品的性能、稳定性、成本、功耗要求是极其苛刻的。其业务场景具有数据高并发、大吞吐量、流量波动大、7x24 小时在线等特点。能与这样的 " 超级甲方 " 深度磨合长达 7 年，并从单一场景小规模验证逐步走向了深度战略合作，这意味着公司产品经历了世界上最严苛的 " 压力测试 "，完成了最难的产品打磨和生态适配。这种实战经验，是任何实验室测试都无法替代的。

（2）如何理性看待客户集中度问题？

市场对此高度关注。但深入分析后可以发现，这一问题有其商业上的合理性与阶段性：

战略选择的必然结果：对于成立仅 8 年的初创企业，在技术门槛极高、研发投入巨大的行业，必须先集中所有资源服务好一个超级客户，走通这条荆棘之路，否则大概率 " 出师未捷身先死 "。

理性且相互需要的商业合作：腾讯出于数据安全和供应链自主可控的考虑，同样需要一个可靠、可控的国产 AI 芯片伙伴。这种双向需求的深度协同，比单向依赖要稳固得多。

" 以点带面 " 的战略已显成效：如前所述，公司向其他互联网客户、运营商客户的拓展已取得实质性进展。随着非关联客户收入占比的提升，未来对腾讯的销售占比预计将逐步下降。

3. 从 " 单点 " 到 " 以点带面 "，路径已现雏形

公司与腾讯深度合作的根本目的，是用这个 " 点 " 去带动整个 " 面 "。公司明确提出了 " 优先单点突破（腾讯）→以点带线（其他头部互联网）→以线代面（千行百业）" 的发展战略。

这份战略并非空谈。在问询回复中，公司披露了实质性的进展：

互联网客户方面，多家头部互联网客户已进入落地阶段：

客户 A 已完成硬件系统测试并小批量下单，预计 2026 年底小规模交付，2027 年放量；客户 B 完成全量测试，交付节奏与 A 同步；潜在客户 H 第三代产品已通过测试，正推进系统级复测，预计 2026 年内启动灰度测试。

这些进展证明，与腾讯合作积累的经验具备强大的可复制性，其他客户的迁移成本和风险已被大幅降低。

非互联网客户方面：

运营商领域：已成功进入头部电信运营商采购体系，并完成框架合同签署，预计 2026 年 6 月前向合作伙伴完成产品交付。

行业客户领域：通过合作伙伴已基于第三代产品实现数百张产品的销售，跑通了从 0 到 1 的交付验证。

智算中心项目：已参与城市 A 二期项目复购（合同金额超 2.8 亿元），并与城市 B 项目签署了新投资合作协议，证明了业务的可持续性。

这些证据表明，与腾讯合作积累的成熟经验、技术工具和适配能力（如 " 驭算 TopsRider" 平台），具备了强大的可复制性。当其他客户看到燧原的产品已经在国民级应用中稳定运行，迁移成本又如此之低时，其信任门槛和决策风险便会大幅降低，公司向其他客户拓展的道路已经顺利完成从 0 到 1 的突破。

三、商业闭环：从技术闭环到业绩爆发的飞跃

技术选择和战略选择的正确与否，最终需要用商业结果来检验。燧原科技用一份亮眼的财务数据，证明了其 " 技术产品闭环 " 正成功转化为 " 商业价值闭环 "。

1. 收入高速增长，亏损持续收窄

主营业务收入从 2023 年的 2.92 亿元，跃升至 2024 年的 7.09 亿元，并在 2025 年进一步增长至 9.86 亿元，三年间的复合增长率高达 83.76%。其中，最核心的 AI 加速卡及模组产品收入从 2023 年的 1.86 亿元暴增至 2025 年的 8.56 亿元，增长超过 360%，占主营收入比例从 63.62% 提升至 86.83%，成为增长的绝对主力。

与此同时，公司在保持每年超 10 亿元高强度研发投入的情况下，净亏损从 2023 年的 16.65 亿元，收窄至 2024 年的 15.10 亿元，并在 2025 年进一步收窄至 11.64 亿元。这表明，公司正沿着 " 收入增长有效摊薄研发成本 " 的正确路径前进，经营拐点正在到来。

2. 毛利率稳步提升，盈利时间表清晰

产品竞争力的提升，也反映在毛利率上。公司主营业务毛利率从 2023 年的 22.60% 提升至 2025 年的 31.78%。主打产品 AI 加速卡及模组的毛利率，更是从 2023 年的 15.51% 大幅提升至 2025 年的 32.71%，显示出产品迭代后附加值和议价能力的稳步提升。

在此基础上，公司给出了一个非常具体且可检验的盈利路线图。管理层明确预计，在 2026 年或 2027 年可实现合并报表盈利。这一判断并非空泛承诺，而是基于在手订单、产品交付节奏、毛利率水平及期间费用等因素进行的严谨敏感性分析。

公司详细披露了在不同营业收入达成率和毛利率水平下的盈利时点测算，结论清晰：在达成中性条件下（中营业收入达成率 + 中毛利率），2026 年可基本实现盈亏平衡；当任一条件改善时，2026 年即可实现盈利；即便在最不利的条件下，2027 年也能实现盈利。这为市场提供了一个明确的业绩观察窗口，也展示了管理层对自身经营的审慎评估和强大信心。

四、行业前景及结语

当前，中国 AI 算力市场正处在一个历史性的 " 供需严重失衡 " 阶段。一方面，以 DeepSeek、Qwen 为代表的国产 AI 大模型迅速崛起，驱动算力需求爆发式增长。根据灼识咨询数据，中国 AI 加速卡市场规模预计 2028 年将超过 10,000 亿元人民币。

另一方面，由于地缘政治因素，国际厂商在中国市场的供应存在巨大的不确定性。根据 IDC 数据，2025 年，国际厂商仍占据中国 AI 加速卡市场接近 60% 的份额，形成了庞大的国产 " 自给缺口 "。这个巨大的缺口，正是国产替代的黄金时代。

燧原科技没有选择那条看似容易的 " 兼容模仿 " 之路，而是用近 8 年时间，从 0 到 1，构建了 " 自研 DSA 架构硬件 + 不依赖 CUDA 的自主软件生态 + 高效的算力集群技术 " 的完整 " 护城河 "。这不仅仅是一家初创公司冲击 IPO 的商业叙事，更代表了一种在中国高科技产业中弥足珍贵的精神：不走老路，敢于创新，耐住寂寞，笃定前行。