天數智芯GPU代際穩步演進商業落地漸入節奏

內容目錄一、自研通用GPU：產品力向上，商業化加速 5自研通用GPU廠商，產品持續迭代，商業化成果初顯 5業務架構：聚焦訓練推理芯片，云--端全場景版圖構建 6股權結構：無實控人架構，芯片研發體系完善 7財務分析：營收高增、結構優化，規模化助推利9二、推理需求自主可控助推，國產通用GPU市場供需兩旺 12AI芯片增長動能強勁，通用GPU國產化進程加速 12推理市場增長高斜率，PD分離發揮高M三、云邊端全鏈布局，產品迭代規劃路徑清晰 16天垓智鎧彤央并驅，“云邊端”全鏈算力布局 16產品迭代規劃路徑清晰，架構創新設計助推有效算力提升 19類CUDA架構保障遷移順滑，系統能力助力重點場景商業化落地 21盈利預測 24風險提示 25圖表目錄圖表1：天數智芯發展歷程 5圖表2：2022-2025年分業務營業收入（單位：億元） 6圖表3：2022-2025年分業務收入占比 6圖表4：公司現有產品系列 7圖表5：公司股權結構圖 8圖表6：公司核心管理層職務及背景 9圖表7：2022-2025年公司營業收入（單位：億元） 10圖表8：2022-2025年公司扣非歸母凈利潤（單位：億元） 10圖表9：2022-2025年公司利潤率情況 10圖表10：2022-2025年公司分業務毛利率 10圖表11：2022-2025年公司費用率 11圖表12：2022-2025年公司研發費用 11圖表13：2022-2025年公司存貨規模 11圖表14：2022-2029年中國AI芯片市場規模（按收入計） 12圖表15：2022-2029年中國通用GPU市場規模（按收入計） 13圖表16：2022-2029年中國訓練型通用GPU市場規模（按收入計） 14圖表17：2022-2029年中國推理型通用GPU市場規模（按收入計） 14圖表18：2024-2028年中國人工智能服務器工作負載預測 15圖表19：天垓系列產品迭代情況 16圖表20：智鎧系列產品迭代情況 17圖表21：彤央系列邊端產品 18圖表22：彤央系列性能展現出優于AGXOrin的實力水平 18圖表23：公司產品系列對比 19圖表24：公司四代產品架構圖 20圖表25：公司算力利用率提升路徑：并行調度與Attention優化 20圖表26：天樞架構下實現有效算力提升 21圖表27：天數GPU的軟件棧架構 22圖表28：Attention計算路徑與算子結構示意 22圖表29：IXAI++算力系統 23圖表30：互聯網AI領域算力單機性能翻倍 23圖表31：收入成本假設表 24圖表32：可比公司估值 25一、自研通用GPU：產品力向上，商業化加速自研通用GPU廠商，產品持續迭代，商業化成果初顯天數智芯：國內領先的通用芯片及AI算力解決方案提供商。產品及AIGPU年成立，2018GPU1月在港股上市。天數智芯遵循“量產一代、設計一代、預研一代”的“三代”研發理念，持續實現產品的迭代更新，產品涵蓋天垓、智鎧、彤央系列，具有優效能、易遷移、高通用等領先優勢，全面兼容國內外主流AI生態以及各類深度學習框架。研發布局期（09年：正式啟動通用GPU設計，奠定技術研發與資本PU8PU設計，技術路線進一步明確，2018-2019年完成A-B輪融資，助力后續研發順利推進。產品突破期（02年：首款通用GPU訓練產品實現量產交付，推理產Gen1，并實現量產交付，研發與產業化推進取得階段性進展。2022年，公司進一n1n平臺正式上線，在產品研發之外同步完善軟件生態與開發者生態布局。能力升級期（3年至今：訓練產品持續升級，資本、生態與技術路線布局Gen224n1路線圖和邊端算力產品彤央系列，產品商業化飛輪加速。圖表1：天數智芯發展歷程司官網，公司公眾號，招股說明書業務架構：聚焦訓練推理芯片，云邊端全場景版圖構建公司主要分為兩大業務板塊：通用GPU產品（訓練&推理系列）和AI算力解決方案。202510.3491.58%GPU9.238%.841%.9億元，同比增長238.2%；AI算力解決方案收入為0.96億元，占比9.3%。圖表2：2022-2025年分業務營業收入（單位：億元） 圖表3：2022-2025年分業務收入占比AI算力解決方案（億元）通用GPU產品-推理系列（億元）通用GPU產品-訓練系列（億元）通用GPU產品-推理系列（億元）通用GPU產品-訓練系列（億元）0.963.391.660.160.461.005.840.001.882.212.6910864202022 2023 2024 2025

通用GPU產品-訓練系列通用GPU產品-推理系列AI算力解決方案2022 2023 2024 2025股說明 股說明通用PU邊20251,000①天垓系列：續計算吞吐與多卡集群能力。②智鎧系列：業AI部署、大語言模型生產級服務、實時影像處理及醫學影像分析等應用需求。③彤央系列：覺、自然語言處理、DeepSeek32B大語言模型、具身智能VLA模型及世界模型等場景。AI算力解決方案：依托自研GPU能力延伸，綜合算力交付能力持續提升。該板塊GPU產品基礎上的下游延伸，主要提供兩類解決方案。①通用GPU服務GPUAI通用算力GPU設施集成，支持更大規模、更高復雜度的訓練與高通量推理需求。圖表4：公司現有產品系列系列產品系列性能特點發布時間量產時間天垓Gen1支持豐富的通用指令集，具備混合精度計算、向量及張量計算功能；支持點對點通信、多片協同擴展算力2021年3月2021年9月天垓訓練系列天垓Gen2算力指標大幅提升，整型精度性能及架構效率增強；配備擴展容量的高速內存，功耗350WTDP2023年9月2023年第四季度天垓Gen3AIPCIeGen5帶寬，支持多卡架構，并強化并行通信能力與能效表現2024年第三季度預計2026年第一季度開始量產面向高功耗推理應用（一般功耗>150W）；提供浮點與整數智鎧Gen1雙重算力；配備大容量高速內存，150WTDP；PCIe64GB/s2022年12月2023年2月智鎧推理系列量化算法并提供全面的圖形編解碼規格支持面向低功耗AI推理（通常<75W），適用于邊緣側及客戶端智鎧Gen1X75WTDPGen1PCIe2022年12月2023年2月能耗性能優化彤央TY1000算力模組采用699pin接口，以口袋大小集成行業級算力與開放生態，實現便攜化部署2026年-彤央邊端系列彤央TY1100ARMv912CPUGPU力提供多元選擇2026年-彤央TY1100_NX32/64GB顯存，顯存更大，性價比更高2026年-彤央TY1200300TOPs算力性能，為AIPC、具身智能等場景提供算力支撐2026年-服務器通用GPU加速卡與集成軟件棧結合--解決方案算力集群通用GPU產品、軟件棧、第三方服務器、存儲及/或網絡基礎設施集成--司公眾號，招股說明股權結構：無實控人架構，芯片研發體系完善無實控人架構，資本產業投資助力發展。公司采取無實控人模式，根據招股書披露，20.62%6.76%，其他現有股東海瓊羽、上海溯識、上海源識、上海納識、上海悅識，持股平臺普通合伙人上海數麒負21.25%產業驅動國產算力發展。圖表5：公司股權結構圖股說明 截止公司完成全球發售后）管理層研發產業背景深厚，構建芯片設計及量產、軟件研發、產品線及供應鏈管理的完整管理體系。任職超威半導體（上海）GPU技術經驗深厚。劉圓、石加圣、鄒翾分別負責芯片量產與實現、軟件研發、產品線及供（上海晰，已構建芯片設計及量產、軟件研發、產品線及供應鏈管理的完整管理體系，形成了從研發到產業化落地的閉環能力。圖表6：公司核心管理層職務及背景姓名 職務 背景姓名 職務 背景蓋魯江

執行董事、首席執行官兼董事會主席

負責公司日常管理及整體戰略規劃；早年曾任職于天職、普華永道、德勤，并曾在投資管理機構負責合伙及風控工作，具備財務、審計及投資管理背景負責芯片研發；在GPU芯片設計領域積累約14年經驗，曾任職于AMD附屬公司超孫怡樂 執行董事、副總裁

威半導體（上海），具備較深GPU研發背景劉崢 執行董事、首席運營官 負責市場營銷、銷售及運營管理，是公司商業化與運營條線核心管理人員執行董事、首席財務官、 負責整體財務、投資及融資事務，以及董事會相關事宜；具備審計、投行及資本執行董事、首席財務官、 負責整體財務、投資及融資事務，以及董事會相關事宜；具備審計、投行及資本董事會秘書、職工代表董事 運作背景楊磊呂堅平 副總裁劉圓 副總裁

負責天數研究院整體管理；曾任英偉達高級架構師兼經理、聯發科技美國公司高級總監、SamsungAdvancedComputingLabs負責芯片量產與實現，曾任超威半導體（上海）PMTSASIC/版圖設計工程師石加圣 副總裁 負責軟件研發，曾任超威半導體（上海）有限公司高級軟件工程師鄒翾 副總裁郭為 副總裁宋煜 副總裁梁斌 副總裁

負責產品線及供應鏈管理，曾任職于國際商業機器（中國）有限公司中國芯片設計中心和格羅方德半導體科技（上海）有限公司負責解決方案開發及信息技術支持；曾任普天信息技術研究院工程師、展訊通信軟件總監等，具備通信與軟件研發背景負責客戶及技術支持部門；曾任職于Motorola及探智立方，具備軟件架構、產品及客戶支持經驗丁娜 副總裁 負責人力資源及行政事務OracleInspyrus壁仞科技任副總裁，具備產業合作及解決方案經驗丁娜 副總裁 負責人力資源及行政事務股說明財務分析：營收高增、結構優化，規模化助推利潤端向好技術迭代商業化落地加速，公司營收增長動能強勁，規模化放量助力盈利端改善。益于產品技術迭代、商業化能力成熟及優質客戶群擴大，2022-2025年公司營業收入增10.3491.58%GPU116.7%/238.2%2022-2025望帶動利潤層面逐步改善。圖表7：2022-2025年公司營業收入（單位：億元） 圖表8：2022-2025年公司扣非歸母凈利潤（單位：億元）營業收入（億元） YoY（%）10.345.4010.345.402.891.8910864202022 2023 2024 2025

100%80%60%40%20%0%

0

扣非后歸母凈利潤（億元） YoY（%）2022 2023 2024 2025-5.24-5.24-7.91-8.92-10.75

0%-10%-20%-30%-40%-50%-60%年，50%60.2%64.2%，AI算力解2025年毛利率有所回升。圖表9：2022-2025年公司利潤率情況 圖表10：2022-2025年公司分業務毛利率2025202420232022201041.531.72025202420232022201041.531.735.84039.246.75053.259.464.270通用GPU產品-推理系列系列AI算力解決方案59.36%49.53%59.36%49.53%49.13%53.99%202220232024202550%0%股說明書，2025年年費用率改善顯著，堅持長期主義、研發投入趨勢持續。隨著公司收入規模化效應凸顯，費用率收窄明顯，盈利改善可期。從凈值來看，公司持續加入自主研發投入，研發費用名員工組成，超過三分之一的研發團GPUIP算法、軟硬件協同產品開發領域的專家。圖表11：2022-2025年公司費用率 圖表12：2022-2025年公司研發費用

銷售費用率 管理費用率 研發費用率2022 2023 2024 2025

12研發費用(研發費用(億元)9.747.736.164.57864202022 2023 2024 2025備貨策略積極，保障后續交付進程順利。2.442025億元，備貨策略積極，保障供應鏈穩定，為后續收入確認提供支撐。202515.05拓能力。圖表13：2022-2025年公司存貨規模

存貨（億元）7.107.103.432.442.332022 2023 2024 2025二、推理需求+自主可控助推，國產通用GPU市場供需兩旺芯片增長動能強勁，通用GPU國產化進程加速AI芯片市場增長動能強勁，國內市場規模及出貨量持續增長。AI應用商年中國AI80.3%，20242,175億元，預計20298,981億元；2025-202929.1%的AI20242502029年的1,140萬片，復合年增長率達32.1%。通用GPU適用性廣泛，占據AI芯片核心份額。從芯片架構看，AI芯片主要包括通用GPU、ASIC及基礎設施的重要架構。據弗若斯特沙利文數據顯示，2024GPU,460-224.%年市場收入將進一步提升至人民幣7,153億元，2025-2029年復合增長率有望達到29.5%。圖表14：2022-2029年中國AI芯片市場規模（按收入計）若斯特沙利文，招股說明通用GPUGPU2.0%提升至2024年的3.6%，預計到2029年將進一步上升至31.0%；從產品出貨口徑來看，國內通用GPU產品占比由2022年的8.3%提升至2024年的17.4%，預計到2029年將超過50%。隨著國內通用GPU在性能、兼容性和可用性等方面持續成熟，自主開發進程有望進一步加快。圖表15：2022-2029年中國通用GPU市場規模（按收入計）若斯特沙利文，招股說明年按收入計，公司在GPU市場0.3%較，公司在GPU市場9.8%抬升可期。推理市場增長高斜率，PD分離發揮高M訓練需求驅動高增，訓練型通用景氣延續。AIGPUGPUGPU億元，2022-202453.4%，保持較快擴2029GPU2,315GPU的國產20244.0%202916.8%。圖表16：2022-2029年中國訓練型通用GPU市場規模（按收入計）若斯特沙利文，招股說明推理型通用市場增速更快，推理服隨著模型的成熟以及生成式人工智能應用的不斷拓展，推理場景的需求日益增加，推理服務器的占比將顯著提高。相較訓練環節，推理需求更貼近產業端和邊緣側部署場景，實時決策、自主任務執行及2024PU1-240%隨著AI2029年我國推理型通GPU4,838億元，2025-202941.4%。疊加國產化率由37.9%，推理側有望成為國產廠商實現規模突破的核心方向。圖表17：2022-2029年中國推理型通用GPU市場規模（按收入計）若斯特沙利文，招股說明圖表18：2024-2028年中國人工智能服務器工作負載預測推理占比 訓練占比35%33%31%28%35%33%31%28%27%65%67%70%72%73%90%70%50%40%30%20%10%0%2024 2025 2026 2027 20282025年中國人工智能計算力發展評估報告》，IDPD分離提供推理流程新解法，Prefill環節發揮高M的性能內耗與TCO高企的問題，P/D分離架構提供了新思路，具體流程為：新的用戶請求首先被路由至PrefillGPUPromptPrefillKVCache作為中間狀態，必須通過高速網絡Decode工作池。DecodeCachePrefill預填充場景實現大規模應用，后續有望將產品拓展到其他環節。三、云邊端全鏈布局，產品迭代規劃路徑清晰天垓智鎧全鏈路算力布局。天垓系列天垓系列面向AI訓練場景，主要服務于大模型訓練及高性能計算等高算力需求場景，圍繞訓練性能、內存能力及集群效率持續迭代升級。作為訓練側旗艦產品線，天垓系列重點強化持續計算吞吐能力、內存支撐能力及多卡集群擴展能力，構成公司訓練型算力AI景。天垓G21PU產品Gen1AI訓練負載。天垓2023TDP集群調度，已在國內外主流大語言模型訓練與通用計算應用場景中完成部署。天垓Gen3：2024AI大模型計算需求升級，具備更大內存量，并采用PCIeGen5方面持續優化，通過深度優化的硬件架構與軟件棧集成，顯著提升了并行通信效率與能效表現，進一步增強了大規模集群場景下的線性加速比。代際 發布時間 工藝/硬件特征 核心能力圖表19：天垓系列產品迭代情況代際 發布時間 工藝/硬件特征 核心能力天垓Gen1 2021年3月 7nm工藝

支持混合精度計算（標量/向量/張量），具備點對點通信能力，可實現多卡協同擴展，滿足基礎AI訓練負載天垓Gen2 2023年9

高速大容量內存，TDP約350W

算力指標與架構效率顯著提升，配備擴展容量高速內存，TDP約350W，廣泛支持主流深度學習框架、模型加速算子及大規模集群調度天垓Gen3 2024年

更大內存容量，PCIeGen5接口

提升內存容量與帶寬，支持PCIeGen5等國際標準接口，增強點對點通信帶寬與多卡并行能力，優化大規模集群擴展效率AI--下一代（規劃中）股說明智鎧系列場景。22P強化低延遲、高吞吐及能效優化能力，通過增強整數計算單元與優化數據通路，并結合量化技術與標準化PCIeAI時圖像與視頻分析及醫學影像等場景。?智鎧2022150WTDPPCIeGPTQAWQSmoothQuant等量化算vLLM、TGI等主流推理引擎，可用于視頻分析、OCR及實時推理等場景。?智鎧TDPGen1AI工作流程及AI語音交互等低延遲場景。在下一代產品規劃中，公司將進一步針對新興大語言模型優化計算架構，強化對低精度數據類型及混合精度計算的支持，并通過算力與帶寬提升應對推理效率挑戰。圖表20：智鎧系列產品迭代情況代際 發布時間工藝/硬件特征 核心能力智鎧Gen1 2022年12

150WTDPPCIe64GB/s

支持浮點計算與整數計算雙重算力；支持主流量化算法（GPTQ、AWQ、SmoothQuant）及vLLM、TGI等推理引擎；支持128通道務器側AI推理、視覺識別、OCR及低延遲推理場景AI（）；Gen1采用約75WTDP設計及高速內存；計算能力基礎上實現單位能效優化；支持嵌入式AI、實時智鎧Gen1X 2022年12月 保留Gen1的基礎設施與視頻視頻及語音處理；優化AI工作流程，實現更高效的邊緣側處理能力部署與更快程序啟動下一代- -（規劃中）

針對新興/最新的大語言模型進行優化；加強架構設計；擴展對低精度數據類型及混合精度計算的支持股說明彤央系列邊端”全場景算力布局，支撐具身智能、邊緣AITY1000699pin集成ARM12核CPUGPU模塊，提供更高算力配置；TY1100_NX通過更大顯存提升性價比，定位高性價比邊端算力終端；TY1200則進一步300TOPS算力，面向AIPC及具身智能等前沿場景。圖表21：彤央系列邊端產品司公眾實測性能對標主流方案，多類典型AI任務中實現顯著領先。100T300TTY1000在計算機視覺、自然語言處理、DeepSeekVLA模型及世界模型等多個場景的實測中，性能表現全面優于英偉達AGXOrin，已具備較強的多場景任務適配能力與實測性能競爭力。圖表22：彤央系列性能展現出優于AGXOrin的實力水平司公眾AIPC及本地化AI最強的TY1200300TOPS度框架，可實現CPUGPU資源的協同管理。憑借較高的集成度與算力密度，TY1200有望更好適配“大小腦融合”類具身智能場景，即在更高集成度平臺上協同完成運動控支持本地化AI應用中的落地空間。圖表23：公司產品系列對比天垓Gen1天垓Gen2天垓Gen1天垓Gen2智鎧智鎧Gen1產品（BI-（天垓（MR-V100）150）V100）V50）CPU--12-Core 12-Core- - 8-CoreARM 16-CoreX86

彤央TY1000

彤央TY1100

彤央TY1100_NX

彤央TY1200ARM ARM16/32GB16/32GBHBM2e32GBLPDDR5x32/64GBLPDDR5x16GBLPDDR5x16/32GBHBM2e16GBLPDDR5x16/32GBHBM2e+顯存/內存 32GBHBM2 64GBHBM 32GBHBM2e 16GBHBM2e16GBLPDDR4接口699pin接口699pin699pin--x16x16x16功耗250W350W150W75W未披露未披露未披露未披露尺寸全長全高雙PCIe未披露全長全高單PCIe半長半高單PCIe100×87×15.29mm100×87×45mm130×130×63mm120×120×53mm最大128路視頻解碼，支視頻編解碼能力未披露未披露持H.264/H.265/VP9/AVS2，JPEG圖像解碼/編碼未披露未披露未披露未披露2000/500幀（HD）峰值算力192TOPS230TOPS130TOPS300TOPS關鍵特性支持多卡協同，片間互聯穩定運行128高能效比低功耗推理優化高集成度、小尺寸、邊端部署更高算力密度與擴展能力更大顯存，高性價比邊端終端異構調度（CPU+GPU）

PCIeGen4

PCIeGen4司官網，公司公眾號，招股說明產品迭代規劃路徑清晰，架構創新設計助推有效算力提升20261—天璇—天璣—主流架構向自主創新架構逐步演進。其中，2025Hopper，支持關計算效率達90%以上；2026年天璇架構新增ix超越Rubin構設計。圖表24：公司四代產品架構圖司公眾架構升級致力于提升實際算力利用率，保障部署穩定性。通過IXIXAttention總體擁有成本前性能預判，降低算力中心建設與集群部署的不確定性，保障部署穩定性。圖表25：公司算力利用率提升路徑：并行調度與Attention優化司公眾推出多項架構創新設計，優化實際算力利用效率。①通過TPCBroadCast機制在上游實現數據廣播，減少重復訪存、降低功耗并等效提升帶寬；②通過InstructionCo-Exec設DynamicWarpScheduling支撐下，公司芯片在實際算力利用效率上實現明顯優化，天樞架構效率較當前行業較優60%DeepSeekV3Hopper20%的性能領先，在推理側性能釋放與系統效率優化方面已具備一定競爭優勢。圖表26：天樞架構下實現有效算力提升司公眾類CUDA架構保障遷移順滑，系統能力助力重點場景商業化落地架構：聚焦長期主義，選擇通用架構設計，強化對多元計算范式的適配能力。GPGPU架構，強調對底層數學運算圖譜的廣泛覆蓋。在計算層次上采用GPUProcessingCluster（TextureProcessingCluster（StreamingTensorCoreCudaCoreGPUGPC–TPC–SM–Cuda/TensorCore的計算層級結構。從ScalarVectorTensor到更復雜的計外，芯片引入SMEEngine（異步DMA引擎）及ScalarUnit等計算與調度單元，在更低k-major的int8格式矩陣運算，進一步增強了對主流開發范式的硬件適配能力。生態：構建類CUDA編程體系，實現對主流GPU開發范式的高度兼容。公司芯片CUDACUDA/C++語法、計算網格劃分（grid、、warp（rmCUAGraph上支持CUDAstreamlaunch→execute→wait圖表27：天數GPU的軟件棧架構司公眾AI++算力系統新范式，統一芯片內與芯片外構建算力系統，建立軟件驅動算力系統的全新模式，以底層庫為基石，以模型與計算中間層為支柱，用軟件的智慧，釋放硬件的潛能，支撐上層不斷繁榮的應用生態。IX-Attention模塊：面向長上下文推理的底層執行路徑重構，提升關鍵算子協同效AttentionIX-AttentionAttentionexponent、reduceMMAatomicAttention20%的性能提升。圖表28：Attention計算路徑與算子結構示意nfo?-MUIX-SIMUGPU、CPUDeepseek、千問等任意模型的性能表現圖表29：IXAI++算力系統司公眾證。互聯網AIToken達成95%70%30秒/1000提供高性能算力支撐。從實體經濟到科研創新，公司算力能力正成為各行業智能化轉型的核心驅動力。圖表30：互聯網AI領域算力單機性能翻倍司公眾盈利預測收入端：預計公司2026-2028年營業收入為29.11/58.36/88.01億元，同比增長181.6%/100.5%/50.8%，毛利率分別為55.6%/57.8%/59.1%。通用GPU產品訓練系列：AI253%n1系列加快庫存銷售，Gen2性能產品銷售占比增加推動平均售價提升，互聯網等關鍵領域客戶突破進展持續，帶動出貨量上修。因此，我們預計2026-2028年天垓訓練系列GPU板卡營業收入為23.00/50.00/77.00億元，同比增長294%/117%/54%。通用產品-推理系列：59%，增速明顯，因此，我們預計2026-2028