寒武纪公司的部分情况整理

一、主营业务情况

公司的主营业务是应用于各类云服务器、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，为客户提供丰富的芯片产品与系统软件解决方案。

公司的主要产品包括云端智能芯片及加速卡（云端）、边缘智能芯片及加速卡（边缘端）、终端智能处理器 IP（终端）以及与上述产品配套的基础系统软件平台。

（1）终端智能处理器 IP

终端智能处理器是终端设备中支撑人工智能处理运算的核心器件，例如近年来各品牌旗舰级手机上与图像视频、语音、自然语言相关的智能应用均依靠终端智能处理器提供计算能力支撑。为了提升性能降低功耗，同时节省成本，终端智能处理器通常不是以独立芯片的形式存在，而是作为一个模块集成于终端设备的 SoC 芯片当中。

报告期内，公司终端智能处理器产品主要以 IP 授权形式应用于智能终端设备中，广泛应用于包括智能手机、智能摄像头在内的各类智能终端。

公司的终端智能处理器 IP 产品主要有 1A、1H 和 1M 系列，具体情况如下

（2）云端智能芯片及加速卡

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。

得益于公司领先的智能处理器架构技术以及成熟的芯片设计能力，云端智能芯片产品具有卓越的性能和能效，可覆盖视觉处理、语音处理、自然语言处理、推荐系统、搜索引擎及传统机器学习等多样化应用领域，支持人工智能推理和训练任务，为云计算与数据中心场景的行业客户和互联网客户提供高效可靠的产品。

还有思元其他系列产品暂未列出。

报告期内，公司云端智能芯片主要以实体芯片或加速卡的形式应用于各类云服务器或数据中心中。公司在完成芯片设计流程后，将最终的芯片版图交付给台积电进行晶圆代工，然后委托日月光或 Amkor 等厂商完成芯片的封装测试，再由电路板厂商使用芯片生产出加速卡（即包含智能芯片的电路板），最后将加速卡销售给客户。

（3）边缘智能芯片及加速卡

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安全、隐私保护、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、智能交通等众多领域的高速发展。

（4）基础系统软件平台

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Cambricon Neuware（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。

Cambricon Neuware 包括编程框架适配包、智能芯片高性能数学库、智能芯片编程语言、智能芯片编译器、智能芯片核心驱动、应用开发调试工具包和智能芯片虚拟化软件等关键组件。

（5）各主要产品和业务间的联系与异同

智能处理器核是公司所有智能芯片产品的基础，其在公司主营业务中实现的功能主要体现在两方面一方面是根据智能终端应用需求形成终端智能处理器 IP 产品，通过集成于终端设备的 SoC 芯片当中以 IP 授权的形式获得收入；另一方面是作为底层核心模块支撑公司所有的云端智能芯片及加速卡、边缘智能芯片及加速卡研发。

报告期内，公司的云端智能芯片及加速卡、边缘智能芯片及加速卡业务主要以实体芯片或加速卡的形式直接销售给服务器厂商、IDC 厂商、大型互联网公司及相关行业应用厂商获得收入。云端智能芯片和边缘智能芯片，均基于寒武纪智能处理器核设计，结合云端和边缘端需求，增加一些外围接口和功能模块的智能芯片；云端智能加速卡和边缘智能加速卡，分别是基于云端智能芯片和边缘智能芯片，增加外围电路模块形成加速卡产品。

公司的智能计算集群系统则是基于寒武纪云端智能芯片及加速卡产品，把整机服务器和公司自研的集群管理软件整合到一起，直接形成计算集群的方式，向最终客户提供一站式服务。

（6）盈利模式

公司主要通过向客户提供处理器IP授权、芯片及加速卡产品、智能计算集群系统获取业务收入。IP授权包含1、授权许可费（lisense）;2、量产提成。

二、行业发展情况及未来发展趋势

1、全球集成电路行业概况

前十大厂商占据了约70%的市场份额。

2、中国集成电路行业概况

我国本土集成电路产业发展起步较晚，但近年来发展迅速，行业增速领先全球，已经在全球集成电路产业中占据重要地位，在部分细分领域初步具备了国际领先的技术和研发水平。

根据中国半导体行业协会披露，近几年以来，我国集成电路产业规模得到快速增长，2018年实现总销售额高达6,532亿元，较上年增长20.7%。

3、人工智能芯片领域发展概况

人工智能是计算机科学的一个分支领域，通过模拟和延展人类及自然智能的功能，拓展机器的能力边界，使其能部分或全面地实现类人的感知（如视觉、语音）、认知功能（如自然语言理解），或获得建模和解决问题的能力（如机器学习等方法）。照片美颜、图片搜索、语音输入、语音合成、自动翻译甚至购物推荐等大众熟知的功能，都是人工智能在日常生活中的应用，传统产业也可通过引入人工智能技术来大幅提高劳动生产率。

从技术角度看，当前主流的人工智能算法通常可分为“训练”和“推理”两个阶段。

训练阶段基于充裕的数据来调整和优化人工智能模型的参数，使模型的准确度达到预期。对于图像识别、语音识别与自然语言处理等领域的复杂问题，为了获得更准确的人工智能模型，训练阶段常常需要处理巨大的数据集、做反复的迭代计算，耗费巨大的运算量。

训练阶段结束以后，人工智能模型已经建立完毕，已可用于推理或预测待处理输入数据对应的输出（例如给定一张图片，识别该图片中的物体），此过程被称为推理阶段。推理阶段对单个任务的计算能力要求不如训练那么大，但是由于训练出来的模型会多次用于推理，因此推理运算的总计算量也相当可观。

当前以深度学习为代表的人工智能技术对于底层芯片计算能力的需求一直在飞速增长，其增速已经大幅超过了摩尔定律的速度。人工智能运算常常具有大运算量、高并发度、访存频繁的特点，且不同子领域（如视觉、语音与自然语言处理）所涉及的运算模式具有高度多样性，对于芯片的微架构、指令集、制造工艺甚至配套系统软件都提出了巨大的挑战。

在人工智能数十年的发展历程中，传统芯片曾长期为其提供底层计算能力。这些传统芯片包括CPU、GPU、DSP、FPGA等，它们在设计之初并非面向人工智能领域，但可通过灵活通用的指令集或可重构的硬件单元覆盖人工智能程序底层所需的基本运算操作，从功能上可以满足人工智能应用的需求，但在芯片架构、性能、能效等方面并不能适应人工智能技术与应用的快速发展。而智能芯片是专门针对人工智能领域设计的芯片，包括通用型智能芯片与专用型智能芯片两种类型。

智能芯片是面向人工智能领域而专门设计的芯片，其架构和指令集针对人工智能领域中的各类算法和应用作了专门优化，可高效支持视觉、语音、自然语言处理和传统机器学习等智能处理任务。智能芯片的性能和能效优势主要集中于智能应用，但不适用于人工智能之外的其他领域。与传统芯片相比，由于智能芯片不支持双精度浮点运算、图形渲染类运算、无线通类号处理运算，且未包含可重构逻辑单元阵列，从而无法像CPU 和 GPU 一样支持科学计算任务、无法像 GPU 一样支持图形渲染任务、无法像 DSP样支持通调制解调任务、无法像 FPGA 一样可对硬件架构进行重构。因此，在通用计算和图形渲染等人工智能以外的其他领域，智能芯片无法替代 CPU、GPU 等传统芯片，存在局限性；在人工智能领域，智能芯片的优势明显，可以替代 CPU、GPU 等传统芯片。

根据Gartner预测，搭载人工智能应用的智能手机出货量占比将从2017年的不到10%提升到2022年的80%，年销量超13亿 部，带动终端人工智能芯片迎来高速增长。 

在消费电子行业中，除了智能手机之外，AR/VR、智能音箱、无人机、机器人等领域也是各厂商关注的重点，此类硬件终端均可与人工智能应用相结合，人工智能芯片的应用将加速推动下游消费电子行业的技术进步和产品体验优化。

智能驾驶是集导航、环境感知、控制与决策、交互等多项功能于一体的综合汽车智能系统，也是人工智能的重要应用领域之一。

智能汽车能够为用户提供自动驾驶、影音娱乐、车辆互联等多样化服务，实现车辆行驶过程中完全自动化与智能化。

人工智能算法的不断普及和应用，和高性能计算能力的需求增长导致全球范围内数据中心对于计算加速硬件的需求不断上升。

云端受限于延时性和安全性，不能满足部分对数据安全性和系统及时性要求较高的用户需求。这些用户的需求推动大量数据存储向边缘端转移。

综合以上各方面来看，人工智能的各类应用场景，从云端溢出到边缘端，或下沉到终端，都离不开智能芯片对于“训练”与“推理”任务的高效支撑。当前人工智能应用越来越强调云、边、端的多方协同，对于芯片厂商而言，仅仅提供某一类应用场景的人工智能芯片是难以满足用户的需求。因此，各芯片厂商的多样化布局与竞争将促使整个人工智能芯片行业在未来几年实现高速发展。

云计算、大数据、5G、IoT 等新兴技术驱动云端智能芯片需求持续增长

云计算分为IaaS（“云”的基础设施）、PaaS（“云”的操作系统）和SaaS（“云”的应用服务）三层。IaaS公司提供场外服务器、存储和网络硬件，IoT提供了更多的数据收集端口，大大提升了数据量。大数据为人工智能提供了息来源，云计算为人工智能提供了物理载体，5G降低了数据传输和处理的延时性。人工智能关键技术未来将在5G、IoT、云计算和大数据等新兴技术日益成熟的背景下取得突破性进展。

5G 时代，边缘智能芯片需求将迅速增长

随着5G时代和人工智能的发展，越来越多的数据处理需求必须在边缘侧完成，例如工厂智能控制、智能家居。这些场景往往需要很强的实时性，对延时敏感，并且有很强的数据隐私性要求，相关生产数据不能上传到云端。

 消费类电子和智能汽车是未来终端智能计算能力的重要载体

除了云端和边缘端外，终端也有大量的智能计算能力需求。这些计算能力需求主要分为两类，一类是单芯片计算能力需求较小的，主要是一些物联网设备，如智能家居等；另外一类是移动计算平台，这些计算平台的特点是其设备往往处于移动中，无法用固定的边缘设备来支撑。这些设备未来主要有两类，一类是以手机、平板为代表的消费类电子产品，另外一类是以自动驾驶为代表的车载计算平台。

近两年全球智能计算市场呈现快速发展态势，国内外多家集成电路龙头企业与初创公司陆续发布了多款智能芯片产品。例如，Nvidia在云端推理领域的代表性产品为Tesla T4，在云端训练领域的代表性产品为Tesla V100，且均已实现大规模应用；Intel收购的Habana Labs发布了面向推理的Goya加速卡和面向训练的Gaudi加速卡，这两款产品尚处于推广阶段；华为海思的代表性产品为适用于边缘端和云端推理的Ascend310以及云端训练的Ascend 910，这两款产品尚处于推广阶段；其他代表性产品包括地平线机器人的征程和旭日系列芯片、Graphcore推出的面向云端市场的IPU产品等。

未来经过充分竞争后，云端智能芯片的迭代周期通常会在2年左右，边缘智能芯片的迭代周期通常会在2-3年左右，具备专门化、本地化人工智能处理能力的终端消费类电子芯片（如旗舰手机芯片）的迭代周期约为1年，其他中高端智能类SoC芯片的迭代周期约为2年。

三、公司产品的行业地位（同类比较英伟达、华为海思）

自2016年3月成立以来，公司快速实现了技术的产业化输出，先后推出了用于终端场景的寒武纪1A、寒武纪1H、寒武纪1M系列智能处理器、基于思元100和思元270芯片的云端智能加速卡系列产品以及基于思元220芯片的边缘智能加速卡。其中，寒武纪1A、寒武纪1H分别应用于某全球知名中国科技企业的旗舰智能手机芯片中，已集成于超过1亿台智能手机及其他智能终端设备中；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芯片获得第六届世界互联网大会领先科技成果奖。在人工智能芯片设计初创企业中，公司是少数已实现产品成功流片且规模化应用的公司之一。公司通过不断的技术创新和设计优化，实现了产品的多次迭代更新，产品性能的持续升级推动公司核心竞争力不断提升。针对公司各主要产品所处市场，具体情况如下

当前，除寒武纪之外，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。从市场出货量来看，采用寒武纪终端智能处理器IP的SoC芯片出货量已经超过一亿颗，在终端智能处理器IP市场较早实现了规模化应用。

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Nvidia、寒武纪和华为海思等。由于软件生态优势，Nvidia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Nvidia来说均较小。但是，公司所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，将成为未来人工智能芯片发展的主流技术路径。

在边缘智能计算市场，目前市场份额主要也由Nvidia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。

目前，泛人工智能类芯片（可用于人工智能计算任务的各类芯片的总称）领域中的主要企业分为两类

第一类是国际集成电路设计龙头企业，包括Nvidia、Intel、AMD、Qualcomm、NXP、Broadcom、Xilinx、联发科、华为海思等等，还包括主要以进行IP授权模式经营业务的ARM、Cadence和Synopsys等公司；

第二类是以公司、地平线机器人、Graphcore、Wave Computing等为代表的专业人工智能芯片设计公司。

四、公司竞争优势和劣势

（1）领先的核心技术优势

公司是目前国际上少数几家全面系统掌握了智能芯片及其基础系统软件研发和产品化核心技术的企业之一，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。公司掌握的智能处理器指令集、智能处理器微架构、智能芯片编程语言、智能芯片高性能数学库等核心技术，具有壁垒高、研发难、应用广等特点，对集成电路行业与人工智能产业具有重要的技术价值、经济价值和生态价值。

（2）人才团队优势

公司董事长、总经理陈天石博士曾在中国科学院计算技术研究所担任研究员（正高级职称）、博士生导师，在人工智能和处理器芯片等相关领域从事基础科研工作十余年，积累了坚实的理论功底和丰富的研发经验，创办并领导公司在智能芯片方向快速跻身全球初创公司前列。

公司副总经理、首席技术官梁军先生是从业近20年的芯片架构专家，曾作为主架构师完成了多款高端复杂SoC芯片的架构设计，累计量产芯片超亿颗。

（3）产品体系优势

公司已推出的产品体系覆盖了云端、边缘端的智能芯片及其加速卡、终端智能处理器IP，可满足云、边、端不同规模的人工智能计算需求。

（4）竞争劣势

资金实力及研发投入劣势截至2020财年末，英伟达的现金及现金等价物为108.96亿美元，2020财年英伟达的研发费用为28.29亿美元。华为海思未上市，据公开报道2019年研发投入约为24.39亿美元。公司处于发展初期，融资渠道相对单一。

软件生态劣势英伟达的GPU芯片产品在智能计算市场占据优势地位也得益于其CUDA软件平台及相关生态的完善。公司目前自主研发了基础系统软件平台Cambricon Neuware，但其生态完善程度与英伟达相比仍有一定差距。

 业务规模及销售网络劣势

高端人才劣势

五、公司销售及主要客户

2017 年和 2018 年，公司主营业务收入主要来源于终端智能处理器 IP 许可收入；2019 年，公司拓展了云端智能芯片及加速卡业务与智能计算集群系统业务，使得主营业务收入大幅增加。

2018 年，终端智能处理器 IP 许可销售收入同比大幅增长，主要原因系人工智能技术和应用开始普及，采用公司终端智能处理器 IP 的终端设备已实现规模化出货，使得公司终端智能处理器 IP 许可销售收入大幅增加。2019 年，终端智能处理器 IP 许可销售收入同比下降较大，主要原因系公司于 2018 年向华为海思逐步交付了终端智能处理器 IP，2019 年固定费用模式的 IP 许可销售收入相应下降。

随着人工智能应用的普及，企业、科研机构及政府对人工智能计算能力的需求不断上升，因此公司适时拓展了智能计算集群系统业务，为下游客户搭建智能计算集群系统。2019 年，公司分别与西安沣东仪享科技服务有限公司、上海脑科学与类脑研究中心和珠海市横琴新区管理委员会商务局达成了智能计算集群系统的相关合作，并实现销售收入 29,618.15 万元，占主营业务收入的比重为 66.72%。

六、公司核心技术情况

通用型智能芯片及其基础系统软件的研发需要全面掌握核心芯片与系统软件的大量关键技术，技术难度大、涉及方向广，是一个极端复杂的系统工程，其中处理器微架构与指令集两大类技术属于最底层的核心技术。

公司在智能芯片领域掌握了智能处理器微架构、智能处理器指令集、SoC 芯片设计、处理器芯片功能验证、先进工艺物理设计、芯片封装设计与量产测试、硬件系统设计等七大类核心技术；在基础系统软件技术领域掌握了编程框架适配与优化、智能芯片编程语言、智能芯片编译器、智能芯片高性能数学库、智能芯片虚拟化软件、智能芯片核心驱动、云边端一体化开发环境等七大类核心技术。

公司核心技术框架结构如下图所示

七、风险因素

（1）IP授权服务的风险

2018 年以来，华为海思选择自主研发人工智能芯片并推出多款产品，华为海思未来与本公司在终端、云端、边缘端人工智能芯片产品领域均存在直接竞争。由于华为海思及其母公司为全国知名科技集团公司，其选择自主研发人工智能芯片产品使得公司 IP授权业务收入下滑较大，而且面临着更加激烈的市场竞争。公司未来 IP 授权业务的持续增长取决于能否成功拓展新客户和继续与存量客户维持合作，还取决于公司拥有及未来将要研发的处理器 IP 在性能、用途等方面能否满足客户需求。若无法满足上述条件，则公司 IP 授权服务存在难以持续发展的风险。

（2）智能处理器 IP 市场需求相对有限，且市场竞争可能加剧的风险

一方面，由于研发资金及人才投入较大，国内研发中高档终端智能芯片的厂商相对较少，其中仅有少数厂商已实现对外大规模出货。报告期内，除华为海思外，公司其他IP 授权业务客户销售规模较小；由于华为海思选择自研终端智能芯片，公司目前 IP 授权业务在手订单数量及金额较小；由于国内知名智能手机厂商绝大多数产品现阶段采用成熟手机芯片产品和方案，尚未大规模商用其自主研发的 SoC 芯片，该等厂商短期内不存在大规模采购公司处理器 IP 产品的需求；受下游智能终端产品自身发展的局限，多数 SoC 芯片厂商对于 8TOPS 量级计算能力的处理器 IP 核尚未有大规模的需求。因此现阶段公司智能处理器 IP 市场需求相对有限。

另一方面，随着人工智能应用的发展和对人工智能计算能力的需求不断提升，集成电路巨头英伟达、英特尔、高通、联发科、华为海思等均对智能芯片投入大量资源进行研发或并购；集成电路行业 IP 巨头 ARM 等的进入，也加剧了终端智能处理器 IP 市场的竞争，IP 授权业务潜在市场空间进一步受到挤压，公司面临较大的竞争压力。

（简而言之，除华为以外的国内手机厂商，在旗舰机上普遍采用了高通骁龙865，该芯片集成了高通第五代AI Engine，比如最新发布的小米10就使用了高通骁龙865。这意味着，国内除华为外的手机厂商如果不自研芯片，就用不到寒武纪的AI芯片。

现在除了华为与寒武纪分道扬镳外，阿里的玄铁、含光两大芯片、百度的昆仑、华为的昇腾，现在连字节跳动、腾讯都进军芯片产业，企图分得一杯羹。此时的寒武纪，不仅丢掉了很多实力雄厚的客户，更是四面树敌。）

（3）关联交易及客户拓展风险

2019 年，公司云端智能芯片及加速卡销售收入 7,888.24 万元，其中向关联方中科曙光销售加速卡 6,384.43 万元，关联销售占比为 80.94%，关联销售占比相对较高。关联方中科曙光的采购金额对于公司云端智能芯片及加速卡业务的销售情况影响较大，如果中科曙光未来没有持续大量采购公司的云端智能芯片及加速卡产品且公司未能及时拓展该类产品的非关联方客户，公司云端智能芯片及加速卡业务面临着关联交易占比较高、销售金额可能大幅下滑的风险。

除关联方中科曙光外，2019 年公司其他云端智能芯片及加速卡客户采购公司产品的数量及金额均相对较小。2019 年，公司云端智能芯片及加速卡业务的非关联方主要客户包括江苏恒瑞通智能科技有限公司、浪潮电子息产业股份有限公司及北京金山云网络技术有限公司等，销售金额合计为 1,503.81 万元，销售占比为 19.06%。公司目前正在大力拓展云端智能芯片及加速卡客户，但客户采购云端智能芯片及加速卡产品前需要通过对该等产品进行较长时间的认证、测试、适配、移植来确认其实际性能和运行稳定性，因此公司拓展新客户需要一定的时间周期和前期技术服务投入，公司面临着客户拓展不及预期的风险。

同时从市场空间方面来看，当前英伟达 V100 目前在市场上占据绝对优势地位，公司思元 290 产品预计 2021 年形成规模化收入。从市场竞争方面来看，英伟达于 2020 年 5 月 14 日发布了 V100 的下一代产品 A100，其各项指标均比 V100 有大幅提升，和公司的思元 290 产品形成了直接竞争。

（4）竞争风险

近年来，随着人工智能应用及算法的逐步普及，人工智能芯片受到了多家集成电路龙头企业的重视，该领域也成为多家初创集成电路设计公司发力的重点。如 Intel 收购了多家人工智能芯片初创公司，高通、联发科先后推出了自主研发的带有人工智能处理功能的 SoC 芯片产品，国内企业中如华为海思及其他芯片设计公司也日渐进入该市场。总体来看，人工智能芯片技术仍处于发展的初期阶段，技术迭代速度加快，技术发展路径尚在探索中，尚未形成具有绝对优势的架构和系统生态。随着越来越多的厂商推出人工智能芯片产品，该领域市场竞争日趋激烈。目前，英伟达在人工智能芯片领域仍占有绝对优势，英特尔、华为海思、AMD、ARM 等公司在该领域也有较强的竞争力。

当前，除寒武纪之外，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；而在云端智能计算市场和边缘智能计算市场，目前市场份额主要由英伟达等企业所占据；在智能计算集群系统市场，基于英伟达 GPU 产品的集群占据市场优势地位。与英伟达等集成电路行业巨头相比，公司存在一定竞争劣势。在产业链生态架构方面，公司自主研发的基础系统软件平台的生态完善程度与英伟达相比仍有一定差距；在产品落地能力方面，公司由于成立时间较短，销售网络尚未全面铺开，业务覆盖规模及客户覆盖领域需进一步拓展。

芯片行业的一个重要特点就是“赢者通吃”，在众多强大竞争对手的环伺之下，寒武纪道阻且长。

（5）供应商集中度较高且部分供应商难以取代的风险

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。公司通过代理商采购芯片 IP、EDA 工具、晶圆及其他电子元器件等。其中，晶圆主要向台积电采购，芯片 IP 及 EDA 工具主要向 Cadence、Synopsys 和 ARM 等采购，封装测试服务主要向日月光、Amkor 和长电科技采购，采购相对集中。

（6）技术授权风险

公司集成电路 IP 和EDA 工具供应商主要为 ARM、Synopsys 和 Cadence 等，如果由于不可抗力因素，上述供应商均停止向公司进行技术授权，将对公司的经营产生不利影响。公司集成电路 IP 和EDA 工具供应商主要为 ARM、Synopsys 和 Cadence 等，如果由于不可抗力因素，上述供应商均停止向公司进行技术授权，将对公司的经营产生不利影响。

（这个很有可能发生，没华为这么强的实力，初创企业怕是很难挺过，风险巨大）

（6）其他风险

下游市场需求增长放缓导致行业增长趋势变化的风险；

研发人员流失的风险；

产品质量风险。

相关参考

成也华为败也华为 AI芯片公司寒武纪沦为&34;包工头&34;

以上为本人关于科创板上市公司寒武纪的情况整理，主要内容来自于招股说明书，仅供个人学习，并不见得会买入。