燧原科技重启IPO：国产GPU的崛起与市场挑战

在今年秋季，腾讯接连迎来丰收季节。其重仓押注的超级独角兽——燧原科技，再次启动了科创板IPO辅导。此前，腾讯投资的硅基智能已向港交所递交招股书，而明略科技也成功实现IPO。

许多人熟知寒武纪，或许也了解摩尔线程、燧原科技、壁仞科技、沐曦科技等企业。燧原科技是它们的竞争对手，专注于国产GPU研发。据胡润数据披露，其估值约为160亿元。

一个显著特点是——燧原科技与腾讯存在深度绑定关系。

公司成立仅5个月，腾讯便领投了3.4亿元，当年创下行业融资纪录；随后几年，腾讯持续参与多轮投资，成为第一大机构股东，持股比例约20%。

尽管获得腾讯支持，但燧原科技所处赛道市场环境复杂。

燧原科技的主要客户之一为算力中心。即便技术有所突破，客户是否敢于并愿意采用国产方案仍是问题，这一过程并非一蹴而就。

另一挑战因素是算力中心建设受到严格管控（需审批）。自2025年4月起，多地接到对算力基础设施建设实施“窗口指导”的通知。

据铅笔道了解，审批通过率通常低于10%。这意味着采购芯片的企业数量减少。

本文将剖析燧原科技的崛起历程，以及国产GPU的未来机遇与挑战。

01

国产GPU人才的培育，确实需感谢AMD。多家国产GPU独角兽的创始团队均源自AMD。例如近期IPO的沐曦，其创始人陈维良曾担任AMD全球GPU SoC设计总负责人。

再如本文关注的燧原科技，创始人赵立东本科毕业于清华大学电子工程系，曾在AMD美国总部任产品工程部高级总监；联合创始人张亚林在AMD上海研发中心工作11年。

2018年3月，这两位行业老兵在上海张江创立“燧原科技”。5个月后，腾讯迅速跟进：领投燧原科技3.4亿元，创下当年芯片领域融资纪录。

2018至2025年间，燧原科技大致发布三代产品。包括训练芯片和推理芯片。此处稍作解释：训练芯片用于大模型训练；推理芯片则用于大模型运行。

2020年12月，第一代训练芯片面世；一年后，第一代推理芯片推出。随后，VC武岳峰领投了7亿元融资。

接下来两年，燧原科技陆续推出第二代和第三代产品。

当然，燧原科技不仅专注于GPU。还涉及AI加速卡、算力集群系统、软件平台及服务等。

原因在于其主力客户为算力中心（运营者），客户需求多元。

燧原科技搭载在算力中心的产品。 图源：燧原公众号

02

那么时至今日，GPU的“国产替代”进展如何？若以市场份额衡量，或许仅得30分（满分100分）。原因在于销售困难。

现实问题是：若让客户自由选择，算力中心几乎不会采购国产芯片。简言之，若采购国产芯片，其算力服务可能难以售出，导致库存积压。铅笔道已向多家头部AIDC公司确认此现象。即便是国产芯片领军者华为，也面临类似市场困境。

客户不会轻易用脚投票：他们购买的不是芯片本身，而是最终体验与结果。芯片性能固然关键——部分国产芯片在特定指标上已媲美英伟达——但决定芯片是否“好用”的因素远不止硬件参数，软件生态同样重要，而这正是国产GPU的主要短板。

类比而言，如同拥有一部性能卓越的手机，但其中缺乏可用的应用程序。

因此，国产GPU当前市场份额仍较小。

根据伯恩斯坦等国际机构2025年预测数据，在中国AI算力芯片市场中，英伟达以54%份额居首，华为超过20%，AMD、寒武纪及其他国产GPU合计占比不足20%。

或许有人会问：这不还有30%-40%吗？看似不错。但其中包含大量“政策订单”和“信创订单”。若在自由市场经济环境下，国产GPU份额将更小。

具体到燧原科技，在中国AI算力芯片市场，其份额占比极低。

03

若回溯五年前，国产GPU处处是蓝海与机遇。但如今，行业不再轻松。直接原因之一是：算力中心已趋饱和，芯片采购需求减少。

就算力中心而言，三年前建设算力中心是热门风口。但现在，算力中心建设已成为“需审批”的领域，且审批通过率极低。

据铅笔道了解，通过率可能低于10%。

2025年4月起，多地接到对算力基础设施建设实施“窗口指导”的通知，并开展全国性算力摸底工作。

因此，国有企业、地方政府等机构已大幅放缓算力中心投资步伐。对于民营企业，若过去三年缺乏足够运营案例，审批通过率几乎为零。

审批收紧意味着算力中心被视为“过热赛道”，也预示着国产GPU订单可能减少。

竞争格局上，除英伟达、华为等巨头外，新玩家还需面对寒武纪、燧原科技、壁仞科技、摩尔线程、沐曦科技等独角兽的竞争。

在此背景下，若瞄准“通用型GPU”，机会渺茫；但若专注于垂直行业芯片——如医疗影像AI专用芯片——或许存在机遇。

核心逻辑在于：在专用场景中，“通用型GPU”的使用体验往往较差。这种“差”并非指后者缺乏功能，而是其成本、效率与功耗难以令人满意。

通用型GPU如同全能选手，而在执行特定任务时——例如游戏设计——仅需渲染相关电路，其他无关电路空转，导致电力消耗更大。

这是否会带来其他影响？例如生产成本是否更高、芯片体积是否更大？仅从经济性考量，“专用型芯片”的潜在机会便得以凸显。

以医疗芯片为例。

根据恒州诚思调研数据，2024年全球人工智能医疗影像分析芯片收入规模约207.6亿元，预计2031年将接近857.0亿元，2025至2031年复合年增长率为22.2%。

医疗领域需AI芯片实现何种功能？AI辅助诊断、精准医疗及药物研发需求。这些需求较新，硬件需求不断演进，或许存在颠覆巨头的机会。

本文不构成任何投资建议。