国内云边端AI芯片龙头寒武纪

寒武纪作为中国最具代表性的本土AI芯片厂商，其主要提供各类云服务器/边缘计算/终端设备中人工智能核心芯片的研发、设计和销售。

主要产品包括云端智能芯片及加速卡、训练整机、边缘智能芯片及加速卡、终端智能处理器IP及相应的配套软件开发平台，近年来陆续推出思元、玄思等芯片/加速卡产品系列。

中国AI芯片领域先行者，布局云边端车一体新生态

公司是国内稀缺的AI算力芯片公司，公司拥有完善的智能芯片产品布局，能提供云边端一体、软硬件协同、训练推理融合、具备统一生态的系列化智能芯片产品和平台化基础系统软件。

云端产品线方面，公司已先后推出了思元 290 和思元 370 芯片及相应的云端智能加速卡系列产品、训练整机。

边缘产品线方面，公司面向边缘计算场景推出的思元 220 芯片和边缘智能加速卡已落地多家头部企业，自发布以来累计销量突破百万片。

IP 授权及软件方面，公司先后推出了用于终端场景的寒武纪 1A、寒武纪 1M 系列智能处理器，授权给客户在其产品中使用。

GPT开启AI商用普及加速，驱动算力产业链新成长

OpenAI于2022年12月推出的对话AI模型ChatGPT，一经面世便受到广泛关注。大模型预训练数据量已增加到TB量级。

AI算力是ChatGPT模型训练与产品运营核心基础设施， AI芯片是AI算力基础设施的关键组成。以 ChatGPT 为代表的的 AI 应用蓬勃发展，对上游 AI 芯片算力提出了更高的要求，AI新时代有望加速AI芯片成长。

云端及车规新品同步推进，本土AI芯片龙头新征程

22年公司云端产品线思元290、思元370等产品成功导入了阿里云等多家头部客户。云端训练新品思元590芯片快速迭代中，该芯片浮点运算能力较上一代290产品有较大提升，云端产品线有望更进一步。

据2022年8月美国证券交易委员会SEC文件显示，英伟达将需要获得许可才能向中国和俄罗斯出口任何基于最新架构的A100 GPU或DGX/HGX等系统。海外高端产品禁令背景下，国内AI算力芯片厂商有望获迎来更多发展机遇。

盈利预测与估值

结合公司2022年业绩快报实际情况，我们预计公司2022-2024年营业收入分别为7.29/10.50/15.50亿元，同比增速分别为1.11%/44.03%/47.62%；

预计公司2022-2024年归母净利润分别为-11.66/-8.40/-5.07亿元，同比变动幅度分别为-41.33%/ 27.97%/39.68%。2022-2024年PS分别为67.64X、46.96X、31.81X。

公司作为国内领先云边端AI芯片厂商，算力需求升级及国产化趋势有望驱动公司加速成长。首次覆盖，给予“增持”评级。

风险提示AI需求不及预期，供应链稳定相关风险、研发成果转化不及预期等

中国AI芯片领域先行者，布局云边端车一体新生态

寒武纪成立于2016年，主要提供各类云服务器、边缘计算设备、终端设备中人工智能核心芯片的研发、设计和销售。

主要产品包括云端智能芯片及加速卡、训练整机、边缘智能芯片及加速卡、终端智能处理器IP及相应的配套软件开发平台，陆续推出了思元、玄思等芯片/加速卡产品。

公司下游应用包括安防监控、自动驾驶、移动终端、智能家居等各种对场景内容识别有较高要求的行业，复合场景需求大大拓宽了公司产品的市场空间；

同时除芯片硬件外，公司还形成了较为完善的以硬件为载体的基础系统软件平台，包括各类工具开发链，使得不同场景需求下的软件编译和调试高度统一，打破了各条线间的软件开发壁垒。

股权结构稳定，深度联合国资+战略投资者

公司实控人为法人代表陈天石，直接/间接持股比例37.47%，中科大计算机软件及理论专业博士学历。

截至22Q3公司其他前十大股东包括北京中科算源资产管理有限公司、国投（上海）科技成果转化创业投资基金企业、苏州工业园区古生代创业投资企业（有限合伙）等。

前十大股东持股占比67.69%，其中中科算源为中科院计算技术研究所下属、国投（上海）科技成果转化创业投资基金企业为国家开发投资集团有限公司下属、杭州阿里创业投资公司系阿里集团下属企业，国资+大型战略投资者绑定助力公司整体股权结构稳定。

营业收入稳健增长，盈利能力有望见底回升，费用端进入稳健通道

公司营收逐年稳健增长。根据公司2022年业绩快报，2022年公司有望实现营业收入7.29亿元（预披露数据，未完成审计），同比增长1.11%。

2021年营收7.21亿元，其中云端智能芯片0.8亿元、边缘端芯片1.75亿元，智能计算集群系统4.56亿元，其他约0.1亿元。

公司近年盈利端承压，伴随平台化进度推进有望实现见底回升。根据公司2022业绩快报，2022年公司亏损约-11.66亿元，2021年约为-8.25亿元。三费增速亦已逐渐进入健康缩减通道。

重视研发团队培养，研发投入占比持续提升

公司研发人员人数、研发投入占比持续增加。根据公司2022年中报，22H1公司研发人员1207人，占公司总人数比例超过80%，同比增长20.46%，研发投入总额6.29亿元，同比增长51.45%。

公司核心研发人员学历较高，多毕业于著名高校或科研院所，拥有计算机、微电子等相关专业的学历背景，硕士及以上学历人员占比超过77%。

公司董事长、总经理陈天石博士曾在中科院计算所担任研究员（正高级职称），在人工智能及处理器芯片领域从事基础科研工作十余年，积累了坚实的理论功底及研发经验。

GPT开启AI商用普及加速，驱动算力产业链新成长

大模型发展进入新里程碑

ChatGPT（全名ChatGenerativePre-trainedTransformer）是美国OpenAI研发的聊天机器人程序，于2022年11月30日发布，是人工智能技术驱动的自然语言处理工具。

能够通过理解和学习人类的语言来进行对话，还能根据聊天的上下文进行互动，能完成撰写邮件、视频脚本、代码、翻译等任务。

ChatGPT受到关注的重要原因是引入新技术RLHF，即基于人类反馈的强化学习)。RLHF解决了生成模型的一个核心问题，即如何让人工智能模型的产出和人类的常识、认知、需求、价值观保持一致。

ChatGPT是AIGC（AI-GeneratedContent，人工智能生成内容）技术进展的成果。该模型能够促进利用人工智能进行内容创作、提升内容生产效率与丰富度。

AI大模型（FoundationModel），指通过在大规模宽泛的数据上进行训练后能适应一系列下游任务的模型。

谷歌于2018年10月发布的BERT模型是最为典型的基础模型，它利用BooksCorpus和英文维基百科里纯文字的部分，无须标注数据，用设计的两个自监督任务来做训练，训练好的模型通过微调在11个下游任务上实现最佳性能。

AI大模型是人工智能迈向通用智能的里程碑技术。深度学习作为新一代人工智能的标志性技术，完全依赖模型自动从数据中学习知识，在显著提升性能的同时，也面临着通用数据激增与专用数据匮乏的矛盾。

AI大模型兼具“大规模”和“预训练”两种属性，面向实际任务建模前需在海量通用数据上进行预先训练，能大幅提升AI的泛化性、通用性、实用性。

ChatGPT的优秀性能离不开OpenAI在大模型领域的积累。自2018年以来，国内外超大规模预训练模型参数指标不断创出新高，“大模型”已经成为行业巨头发力的一个方向。

谷歌、百度、微软等国内外科技巨头纷纷投入大量人力、财力，相继推出各自的巨量模型。

AI大模型驱动算力需求加速

ChatGPT的火爆，开辟了AI产业化的新路径，为了满足大模型应用的巨大算力需求，AI芯片进入了人们的视野。

ChatGPT的卓越性能是GPU的强大算力支撑，ChatGPT的技术基底是“大模型”。算法是大模型成功的首要条件，再配合海量的数据，最后搭配强大的发动机——大算力，才能获得基础的大模型。

随着网络模型参数量的增加，计算量明显伴随着增加，目前较火热AIGC的参数量已经超过千亿。

参数量往往是计算空间的复杂程度，模型空间越复杂，往往意味着庞大的计算量，计算量和参数量呈现正比关系。这也是随着AI的功能强大，AI对算力呈现指数级别根本需求的本质原因。

AI芯片是核心算力产品

AIGC领域的竞争焦点主要有两个，一个是参数量巨大、规模超大的AI模型，另一个就是提供超强算力的AI芯片。

广义上讲，能够运行人工智能算法的芯片都叫做AI芯片，但是通常意义上的AI芯片指的是针对人工智能算法做了特殊加速设计的芯片。

AI芯片也被称为AI加速器或计算卡，即专门用于处理人工智能应用中的大量计算任务的模块。深度学习模型与推荐式系统模型复杂度进一步提升，对芯片算力提出了更高的要求，AI芯片算力已步入蓬勃发展阶段。

根据机器学习算法步骤，可分为训练（training）芯片和推断（inference）芯片。训练芯片主要是指通过大量的数据输入，构建复杂的深度神经网络模型的一种AI芯片，运算能力较强。

推断芯片主要是指利用训练出来的模型加载数据，计算“推理”出各种结论的一种AI芯片，侧重考虑单位能耗算力、时延、成本等性能。

从技术架构来看，AI芯片主要分为图形处理器（GPU）、现场可编程门阵列（FPGA）、专用集成电路（ASIC）、类脑芯片四大类。

其中，GPU是较为成熟的通用型人工智能芯片，FPGA和ASIC则是针对人工智能需求特征的半定制和全定制芯片，类脑芯片颠覆传统冯诺依曼架构，是一种模拟人脑神经元结构的芯片，类脑芯片的发展尚处于起步阶段。

根据亿欧智库，预计2022年中国人工智能芯片市场规模将达到850亿元；2023年中国人工智能芯片市场规模将达到1039亿元；2024年中国人工智能芯片市场规模将达到1406亿元，2025年中国人工智能芯片市场规模将达到1780亿元。

从竞争格局来看，真正的玩家只有英特尔，英伟达，AMD等少数海外巨头，国内崛起的新兴公司包括寒武纪、壁仞科技、沐曦等。

在FPGA方面，赛灵思是FPGA的发明者，也是全球最大的FPGA公司。国内FPGA厂商以紫光国微、复旦微电、安路科技等为代表。

云端及车规新品同步推进，本土AI芯片龙头新征程

以“云边端车”为载体，公司AI核心芯片产品矩阵迅速扩充

公司自成立以来一直专注于人工智能芯片产品的研发与技术创新，致力于打造人工智能领域 的核心处理器芯片，让机器更好地理解和服务人类。

公司的产品矩阵包括各类云服务器、边缘计算设备、终端设备中人工智能核心芯片、及与之配套的系统软件解决方案。目前，公司的主要产品线包括云端产品线、边缘产品线、IP 授权及软件。

云端产品线目前包括云端智能芯片、加速卡及训练整机。其中，云端智能芯片及加速卡是云 服务器、数据中心等进行人工智能处理的核心器件。

其主要作用是为云计算和数据中心场景下的 人工智能应用程序提供高性能、高计算密度、高能效的硬件计算资源，支撑该类场景下复杂度和 数据吞吐量高速增长的人工智能处理任务。

公司的训练整机是由公司自研云端智能芯片及加速卡提供核心计算能力，且整机亦由公司自 研的训练服务器产品。

公司的训练整机产品与智能计算集群系统业务的区别在于训练整机主要提 供计算集群中的单体训练服务器，而不提供全集群搭建和管理服务，主要面向有一定技术基础的 商业客户群体。

边缘计算是近年来兴起的一种新型计算范式，在终端和云端之间的设备上配备适度的计算能 力，一方面可有效弥补终端设备计算能力不足的劣势。

另一方面可缓解云计算场景下数据隐私、 带宽与延时等潜在问题。边缘计算范式和人工智能技术的结合将推动智能制造、智能零售、智能 教育、智能家居、智能电网等众多领域的高速发展。

IP授权和软件条线主要包括 IP 授权和基础系统软件平台。IP 授权是将公司研发的智能处理器 IP 等知识产 权授权给客户在其产品中使用。

基础系统软件平台是公司为云边端全系列智能芯片与处理器产品 提供统一的平台级基础系统软件（包含软件开发工具链等），打破了不同场景之间的软件开发壁 垒。

兼具高性能、灵活性和可扩展性的优势，无须繁琐的移植即可让同一人工智能应用程序便捷 高效地运行在公司云边端系列化芯片与处理器产品之上。

公司产品已具备深厚技术基础，正加速向海内外龙头靠拢

在云端智能计算市场，主流的芯片和加速卡方案提供商主要包括英伟达、Intel、华为海思和寒武纪等。由于软件生态优势，英伟达的GPU芯片和加速卡产品占据大部分市场份额。

寒武纪、华为海思等企业都处于市场开拓阶段，市场份额相比于英伟达来说均较小。

在边缘智能计算市场，目前市场份额主要也由英伟达所占据，其主要产品包括Jeston TX1、Jeston TX2以及最新的Xavier和Xavier NX。

寒武纪和华为海思是较早进入该领域的中国代表性厂商，目前仍处于市场开拓阶段，未来应用前景广阔。

提供终端智能处理器IP的厂商主要包括英国的ARM、 以色列的CEVA以及美国的Cadence等。其中ARM和寒武纪的产品是专门针对智能计算设计的架构，CEVA和Cadence的产品是基于DSP产品演进而来。

外部环境催化，公司国产算力芯片有望迎来发展新窗口

以云端芯片为例，目前英伟达A100/H100系列拥有市场最强的产品竞争力。根据公司招股书，寒武纪、英伟达、华为海思最新研制的云端芯片产品都已采用7nm等先进工艺，在性能功耗比上较为接近。

在峰值计算能力方面，英伟达凭借其A100/H100占据了领先位置，高于公司与华为海思的竞争产品；英特尔通过收购Habana Labs获得了Goya和Gaudi两款产品，其峰值计算能力未披露，但推测应低于英伟达A100。

在智能计算的基础软件生态上，英伟达的CUDA软件生态成熟完备，在该领域处于绝对领先地位；在智能计算市场份额与认知度上，英伟达的GPU产品仍处于绝对领先地位。

以公司为代表的国产算力芯片有望迎来新的发展机遇。据2022年8月美国证券交易委员会SEC文件显示，英伟达将需要获得许可才能向中国和俄罗斯出口任何基于最新架构的A100 GPU或DGX/HGX等系统。

新规定的要求也适用于即将推出的 H100（Hopper）GPU 或实现类似性能的产品。在该指令影响下，海外高端产品供应受阻，公司产品有望获得更多发展机遇。

云端计算芯片方面，公司采用的针对人工智能应用而专门设计的通用型智能芯片架构，从计算效率、性能功耗比等方面来看均已达到行业先进水平，有望成为未来人工智能芯片发展的主流技术路径。

思元系列产品也已应用于浪潮、联想等多家服务器厂商的产品中，思元 270 芯片、思元 290 芯片还分别获得第六届世界互联网大会、世界人工智能大会颁布的奖项，思元 220 自发布以来，累计销量也已突破百万片。

智能处理器IP方面，公司智能处理器 IP 产品已集成于超过 1 亿台智能手机及其他智能终端设备中，在终端智能处理器IP市场较早实现了规模化应用。

盈利预测与估值

考虑主营业务的相似程度，我们选取龙芯中科、海光息、景嘉微作为可比公司；考虑到公司目前尚未实现盈利，采取PS法进行可比公司估值。

2022-2024年可比公司PS均值分别为36.66X、22.78X、15.82X。公司2022-2024年PS分别为67.64X、46.96X、31.81X。与其他公司相比，公司在国内AI芯片领域地位相对稀缺，估值相对更高，建议关注公司后续发展。

首次覆盖，给予“增持”评级。AI芯片作为GPT落地延展的底层算力硬件，是GPT赋能千行百业的核心，有望伴随行业同步成长。

公司作为国内领先云边端AI芯片厂商，算力需求升级及国产化趋势有望驱动公司加速成长，给予“增持”评级。

风险提示

AI需求不及预期

公司运营时间较短，业务结构和商业模式仍处于发展变化中，若AI市场发展不及预期，公司未来发展前景存在不确定性的风险。

人工智能芯片技术处于发展的早期阶段，公司的业务结构、商业模式尚处于发展变化中，未来，公司仍将推出新产品和新业务以适应人工智能应用和场景的不断变化。

因此，公司未来在产品结构、客户结构、业务结构、商业模式等方面仍有可能发生较大变化。若AI市场需求不及预期，公司产品结构未能较好贴合市场变化趋势，或导致公司收入承压。

供应链稳定相关风险

公司采用Fabless模式经营，供应商包括IP授权厂商、服务器厂商、晶圆制造厂和封装测试厂等，供应链较为复杂。若其中某个环节供应出现波动或短缺，可能导致公司生产经营停滞或延迟，影响公司短期生产效率。

研发成果转化不及预期

AI芯片属于重研发、高投入产业，对于研发投入要求极高。目前公司研发费用率维持在较高水平，若未来公司研发成果转化落地受阻，前期研发投入可能对公司盈利端形成一定压力，导致公司盈利情减弱。