第三大国产通用GPU厂商冲刺IPO！年入5.4亿元，从卖芯片到卖算力

港股即将再次迎来一家国产GPU公司！

12 月 19 日，港交所官网披露，天数智芯已通过聆讯并公布招股书。

在这条国内最滚烫的硬科技赛道上，天数智芯跑出了惊人的加速度：过去三年，公司收入分别为1.89 亿元、2.89 亿元和5.4 亿元。

这份成绩单将其推向了行业头部。按2024 年收入计算，天数智芯以 9.8% 的市占率位列国产通用 GPU 赛道第三，仅次于海光信息和沐曦股份。

但如果只看收入规模，很容易忽略另一条同样重要的变化：天数智芯的业务形态也在发生变化。

过去，天数智芯更像一家典型的GPU 产品公司，主要收入来自通用 GPU 的直接销售。2023年，通用 GPU 相关收入占比仍在90%以上。

而到了2024年，AI 算力解决方案的收入占比已经提升至30.8%，并开始成为新的增长来源。这意味着，公司正在从“卖芯片”，转向“交付算力”。

这种变化并非天数智芯一家的选择，而是当前国内GPU 厂商在商业化阶段普遍面临的现实。

某种程度上看，这种用更“重”的交付方式，弥补生态尚未完全建立的短板，或许是国产 GPU 走向规模化最现实的路径。

全国第三大国产通用GPU厂商，24年收入增长186%

从收入层面看，天数智芯可以说是增长迅速。

2022年，天数智芯收入为1.89亿元。到了2024年，这一数字增长到了5.4亿元，增长了186%。进入 2025 年后，增长节奏并未放缓，仅上半年收入已达3.24亿元，同比增长64.47%。

单说收入规模，仅看国内的国产通用GPU市场，天数智芯则拿到了9.8%的份额，高居行业第三，仅次于海光信息和沐曦股份。（A为英伟达，B为AMD）

与摩尔线程强调“全功能GPU”不同，天数智芯更聚焦在通用GPU（GPGPU）上，优先锚定在AI训练与AI推理这两个最现实、也最刚性的需求上。

最早的GPU，并不是为“计算”而生的。它的唯一使命就是图形渲染：把几何模型、纹理和光照快速变成屏幕上的像素。为此，GPU 被设计成拥有大量并行单元，擅长做同一种运算的重复计算——这正是图形流水线最需要的能力。

直到后来，研究人员逐渐意识到，这种“为图形而生”的并行架构，恰好也非常适合另一类问题：大规模矩阵与向量运算。于是，人们开始“顺手”把 GPU 从图形管线里拉出来，用它来算图形以外的东西。

为了区分这两种完全不同的使用场景，学术界和产业界引入了一个新的说法：GPGPU（General-Purpose computing on GPU）。

这种取舍，直接映射到了天数智芯的产品矩阵上，分为两条清晰的主线：

一条是以“天垓”系列为核心的训练通用 GPU；

另一条是以“智铠”系列为代表的推理通用 GPU。

其中，天垓系列是天数智芯的旗舰产品，也是国内首批量产的训练通用GPU。

它的设计逻辑不是从图形反推，而是从负载反推：针对大模型训练中吞吐量大、精度要求多变、多卡并行的特点，直接优化计算单元。

在产品节奏上，天垓Gen 1于2021年实现量产，Gen 2于2023年第四季度量产并迅速成为收入主力；2024年第三季度，公司发布天垓Gen 3，并计划于2026年第一季度进入量产阶段。

从出货数据看，训练系列在2022 年出货7700片，2023 年回落至7000片，并在 2024 年维持稳定；但到 2025 年，上半年出货量已达6200片，明显高于去年同期。

推理芯片智铠系列则是天数智芯另一款核心产品。

智铠系列发布于2022 年底，定位为中国首款面向推理设计的通用 GPU。

与训练卡不同，推理卡的核心指标是低延迟、高吞吐和能效比。因此在架构层面，智铠系列对整数计算单元和数据通路进行了针对性优化，并广泛引入量化技术，以提升终端应用的实际性能。

甚至，为了适配更边缘的场景（如自动售货机、工业计算机），天数智芯还推出了功耗仅75W 的智铠 Gen 1X，它保留了完整的视频处理能力，但在能耗上做了极致设计。

受益于AI应用的爆发，智铠系列的增长势头甚至超过了天垓。智铠的出货量从2022 年的寥寥38片，激增至 2024 年的9800片。2025 年上半年，其出货量已达9500片，接近去年全年水平。

这种双轮驱动的策略，正在改变天数智芯的营收结构。

截至2024 年，训练芯片（天垓）依然是绝对的收入支柱，占比曾高达 99.3%。但到了去年年底，训练芯片的占比已降至 49.9%，而推理芯片（智铠）的占比则从0 攀升至 18.6%。

除了卖GPU ，天数智芯还做了一件更“重”的事：卖算力解决方案。

这背后的逻辑并不复杂。对于很多客户而言，买回来的GPU 只是零件，要把它变成能跑模型的算力，中间还隔着复杂的硬件集成和软件调试。

具体的交付模式主要分为两种：

一种是通用GPU 服务器，相当于“即插即用”的标准化产品，就是将一定数量的通用 GPU 加速卡与完整的软件栈集成在一起，形成预配置的计算节点，主要用于企业级 AI 工作负载和大语言模型的快速部署。

另一种是通用GPU算力集群，适用于大规模训练、高吞吐推理等对算力密度和调度能力要求更高的场景。

相比单一服务器，这是一种更偏系统级的解决方案，将通用 GPU 产品与第三方服务器、存储和网络基础设施深度整合，并针对整体系统进行调优。

由于AI算力需求的增长，这一需求也很快反映到了业绩层面。

在开辟AI算力解决方案的第一年，也就是2023年，该业务收入占比就达到了5.4%。2024年，这一数字又提升到了30.8%。

每赚2块钱收入，分给代工厂1块

在收入持续增长的同时，天数智芯的亏损规模也在同步扩大。

2022—2024 年，公司经调整净亏损分别为4.33亿元、6.10亿元和 6.45 亿元。进入 2025 年后，亏损并未继续放大，今年上半年经调整净亏损约 3 亿元，基本与去年同期持平。

放在芯片行业的背景下看，这样的表现并不算差。

2022—2024 年，公司毛利率分别为 59.4%、49.5% 和 49.1%，整体维持在接近50%的水平。对于一家仍处在产品快速迭代、尚未形成规模效应的通用 GPU 公司来说，这仍然是一个相对可观的水平。

但毛利结构背后，也藏着芯片行业最现实的一条约束：制造成本几乎不可回避。

在营业成本中，最大的一块支出来自芯片制造。2023 年，公司支付给晶圆制造商的费用达到 1.36 亿元，占当年收入的 47%。

换句话说，AI芯片厂商每获得2元收入，其中就有约1元需要交给下游代工厂。

这并非个别公司的问题，而是先进制程时代芯片行业的普遍现实。

进一步拆分毛利结构，我们能看到不同产品线之间也存在着明显差异。

训练芯片的毛利率整体更高，也更稳定。过去几年，训练通用GPU 的毛利率基本维持在60%左右：截至 2024 年底为60.2%，今年上半年虽略有回落，但仍保持在58.2%。

相比之下，推理芯片的毛利率波动明显更大。2024 年底，推理芯片毛利率为46.7%；到今年上半年，已从去年同期的52.9%下滑至32%。

这一下滑，并非来自成本端的突然恶化，而更多是价格端主动调整的结果。

原因很简单，市场竞争变得更激烈了。

招股书披露，自2024 年底起，多家竞争对手的新一代推理产品陆续进入量产阶段，市场供给显著增加。

在这种情况下，为了延长其在主流推理场景中的竞争窗口，公司主动下调价格，以维持在规模化部署中的性价比优势。同时，也为下一代智铠产品预留性能与价格空间。

从结果上看，2025 年上半年推理系列产品的平均售价由上年同期的 1.14 万元下降至0.92万元，下调了接近20%。

相比直接卖芯片，AI 算力解决方案的毛利率本身就更低，波动也更大。

2024 年，该业务毛利率为 31.7%；到今年上半年，提升至 45.7%。

这一变化更多受到了项目结构的影响。

原因在于，这类解决方案通常以“整机或整套系统”的形式交付，毛利率高度依赖于内嵌芯片的型号、数量以及第三方硬件配置。不同客户在规模、性能和部署方式上的差异，会直接拉开项目之间的成本结构，最终体现为毛利率的波动。

总结

无论是已经上市的摩尔线程，还是准备冲击港股的天数智芯，在这些国产GPU 独角兽的招股书里，都能看到一个共同且反直觉的趋势：

国内GPU公司，很难像英伟达那样单纯地“卖芯片”。

在收入规模化的过程中，这两家公司不约而同地走向了更“重”的交付模式。摩尔线程的主要营收来自于集群产品，而“AI 算力解决方案”也正在成为天数智芯重要的收入支柱。

这揭示了国产GPU 行业当下最真实、也最残酷的生存逻辑：

无论是摩尔线程的集群交付，还是天数智芯的算力解决方案，本质上都是在用“工程化的确定性”来弥补“生态的短板”。

这种弯腰做脏活、累活的集成模式，虽然拉低了毛利，却解决了中国 B 端客户最核心的痛点，开箱即用与合规可控。

这看似是商业模式的降维，实则是现阶段国产芯片跨越生存鸿沟的必经之路。只有先通过繁琐的系统工程把规模做起来，才有可能在未来反哺生态，最终从“卖项目”的系统公司，进化为真正“卖标准品”的芯片巨头。

文/林白

PS：如果你对AI大模型领域有独特的看法，欢迎扫码加入我们的大模型交流群。