燧原科技：一块“慢芯片”的耐心与赌注

在国产算力公司里，燧原科技是一种很特别的存在：它不是那种最会讲“对标英伟达”的公司，也不是最擅长在发布会上制造情绪的公司。它的叙事更像一份工程报告：哪里是瓶颈、哪里要补课、哪里必须“软硬一起抓”，以及哪里不能急。

这种“慢”，在过去几年里并不讨喜。因为算力的市场情绪太快：大模型爆发、智算中心遍地、卡到货就能卖、集群一上线就能算。所有人都在抢时间，只有少数公司在抢“稳定性”。

而燧原恰恰押注在后者：把AI芯片当成数据中心基础设施来做，而不是当成一次性算力爆品来卖。

如果说很多公司卖的是“芯片”，燧原更像在卖一整套“可交付、可运维、可扩展”的算力系统——芯片只是其中最显眼、但也最不够的那一环。

先把时间线放在桌面上：燧原的“节奏感”来自哪里

燧原成立于2018年3月；2019年推出第一代云端训练芯片“邃思”和训练产品“云燧T10”；2021年发布第二代训练产品“邃思2.0”芯片与“云燧T20/T21”系列，并同步升级软件平台（公开报道中常见表述为“驭算TopsRider”平台升级）。

在2023年9月，燧原宣布完成D轮融资20亿元人民币，领投方以国资与产业基金为主，同时多家老股东跟投（报道列举中也包括腾讯等）。(证券时报)

到了2025–2026这个节点，燧原的另一条“节奏线”被拉到前台：IPO辅导与上市准备。中信证券官网披露其在2025年10月与燧原签署辅导协议并向上海证监局报送辅导备案申请材料，上海监管局同意备案。(中信证券)2026年初，多家媒体援引证监会IPO辅导公示系统信息称其“辅导工作完成”。

这几条线拼起来，你会看到燧原的底色：

它并不是“突然被算力风口吹起来”的公司，而是在大模型浪潮之前就选择了数据中心训练方向，并长期以迭代和交付为主线。

燧原到底在卖什么：不是一块卡，而是一条从“模型”到“机房”的链路

大多数人讨论AI芯片，会把话题收束在两个词：算力与能效。

但工程上真正决定客户是否敢上量的，往往不是“峰值算力”，而是“系统是否能跑起来、跑得久、跑得稳”。

把燧原放在一个更贴近交付的视角，它的产品更像一个“三段式”：

©氪睿研究院

这也是为什么燧原对外经常同时讲：芯片、加速卡、模组、集群、软件平台——它不把自己放在“芯片供应商”的角色里，而更像“数据中心AI加速基础设施提供者”。（这一点在其融资公告与媒体综述中也能看到：产品覆盖芯片、板卡、智算一体机、集群与配套软件系统等。）(证券时报)

这条链路的难度在于：越往后走，越不像半导体公司；越像系统集成商、云厂商、甚至运维公司。

但也正因为如此，一旦跑通，客户迁移成本会变得很高：不是换一张卡的问题，而是换一套“生产系统”的问题。

技术路线的真实矛盾：专用优化与通用生态之间，必须做一次“残酷取舍”

燧原在公开报道中被频繁提到的一点，是其“面向AI训练的架构优化”和对多精度、存储带宽等要素的强调（例如2021年公开报道提及邃思2.0采用12nm、支持多种精度，并配套HBM2E方案与高带宽等）。(21财经)

但在今天的产业环境里，技术路线的矛盾往往不在“是否能做出芯片”，而在“你要把优化投向哪里”。

对于国产算力公司来说，几乎所有竞争都会落在两条路上：

• 路A：训练优先
  赢在大模型训练的规模与效率，但要面对最苛刻的分布式、通信、调优与生态要求。
• 路B：推理优先
  赢在吞吐、成本与交付速度，更适合“智算中心/行业推理集群”的快速落地。

两条路都能讲出巨大的市场，但在工程资源有限的情况下，它们几乎不可能在同一时间做到“都很强”。

这就引出理解燧原最关键的判断：

它更像一家在早期押注训练、但在商业化阶段明显加大“推理与交付”的公司。

从2026年初媒体综述来看，燧原第三代推理加速卡“S60”被报道“下半年量产并获得超10万片订单”，并提到其在多地布局智算中心、参与“东数西算”等工程。

这些信息的意义不在于“订单数字本身有多大”（外部读者很难核验其口径），而在于它暗示了燧原的商业化重心：推理更容易规模化交付，也更容易形成现金流。

真正的护城河与瓶颈，都在软件栈：从“能跑”到“好跑”的距离

如果你把GPU生态看成一座城市，硬件只是地基；真正让人愿意迁入的是道路、供水、电力与规则——也就是工具链、框架、算子库、通信库、监控与调优体系。

一份对国产AI芯片软件生态的白皮书对燧原的描述很典型：它指出燧原软件栈更偏向云端推理场景的纵向优化，基础层有Driver/Runtime，核心工具层有TopsCompiler与通信库等，框架侧可通过导出ONNX/中间格式再部署；但“完整训练支持相对有限”，管理监控层也“尚未形成类似CUDA+NVIDIA的统一工具体系”。(东财PDF)

把这段话翻译成客户语言就是：

• 推理侧：有一套更“工程化”的部署路径，能把模型落到卡上、把吞吐与成本做出来；
• 训练侧：还需要更多公开资料、案例积累与体系化工具，尤其是大模型训练的调参与分布式经验。

这就解释了一个现象：

为什么很多国产算力公司对外讲“兼容PyTorch”，但客户仍然犹豫。

因为“兼容”通常意味着：能编译、能跑通。

而客户真正要的是：能定位问题、能优化性能、能长期运维、能在版本变化中稳定升级。

所以软件栈在这里既是护城河，也是瓶颈。它不像芯片那样“发布即存在”，它更像一场没有终点的马拉松：你永远要追框架版本、追算子覆盖、追大模型结构变化、追用户的工程习惯。

燧原的商业化路径：卖卡、卖集群、还是卖“算力服务”？

在D轮融资的公开报道里，燧原的表述并不只停留在“硬件产品”，还提到其为云服务商、科研机构、地方智算中心等提供算力支撑，并提出构建从训练、部署到应用服务的全栈生态等方向。(证券时报)

这意味着它天然会面对三种商业化形态的选择：

形态一：卖卡（最像传统硬件生意）

• 优点：路径清晰、回款明确、规模上来就能放大收入。
• 风险：价格竞争会越来越激烈，尤其当“国产推理卡”成为智算中心标配时，毛利会被压。

形态二：卖集群/交付（更像系统工程公司）

• 优点：绑定更深、客户更难迁移；交付与运维能形成持续收入。
• 风险：项目制特征更强，对供应链、集成能力与服务团队要求高，组织复杂度上升。

形态三：卖算力服务（更像云与运营商）

• 优点：把硬件变成可持续的现金流资产，叠加软件与运营形成复利。
• 风险：这会把公司带进“重资产+强运营”的领域，现金流、折旧、利用率与资本开支都会成为硬约束。

把这三种形态放在一起，你会发现：

它们对应的是三种完全不同的公司。

而燧原的公开信息里，至少能看到它在同时触碰“卖卡”和“交付/智算中心合作”的方向。(21经济网)

这背后的逻辑也很现实：在国产算力的早期阶段，很多客户买的不是“性能”，而是“交付确定性”；谁能把卡变成集群、把集群变成可用算力，谁就更容易穿越周期。

用一张“交付飞轮”看燧原：为什么它看起来慢，但一旦转起来会很粘

我们把关键变量放进一个飞轮里来看。对燧原来说，飞轮不是“算力越大越好”，而是“交付越多→工程经验越厚→生态越能用→再交付更多”。

©氪睿研究院

飞轮的残酷之处也在这里：

没有足够交付，就没有足够真实负载；没有真实负载，软件栈就永远停留在“能跑通”的阶段；而客户恰恰最讨厌“能跑通”。

因此，市场上你会看到一种分化：

• 有的公司指标很漂亮，但客户用得很谨慎；
• 有的公司发布会不热闹，但在某些场景里反而跑出了大规模部署。

燧原更像在押注后者。

风险不是“英伟达太强”这么简单：燧原真正要过三道关

把所有国产算力公司放在一起，风险当然都有“外部巨头强势”“生态迁移难”。但对燧原来说，更关键的三道关是：

第一关：供应链与交付连续性

高端算力的交付不是“出一颗芯片”就结束，而是从封装、板卡、服务器、网络到机房的一整套链条。任何一环的波动都会放大成“交付不确定”。

这也是为什么很多公司后期会越来越像“供应链管理公司”。

（这部分很多细节未必能从公开资料中验证，因此更适合投资者在未来招股书/问询中重点追问：代工、封装、关键物料替代方案、良率与交付爬坡路径。）

第二关：软件栈的开放度与可自助程度

前面提到的白皮书对燧原的评价很直白：推理侧优化更深，训练与通用计算侧相对克制，公开资料与统一工具体系仍需建设。

这意味着燧原需要回答一个更硬的问题：

• 它能否把“厂商工程师支持”逐渐变成“客户可自助开发与调优”？
• 能做到这一点，生态才会从“项目合作”走向“平台扩散”。

第三关：客户结构与商业模型的自洽

如果主要客户集中在少数云厂/智算中心，收入会增长得很快，但也会带来：应收账款、议价能力、项目集中度与周期波动。

相反，如果能进入更分散的行业推理场景（金融、政务、科研等），又会遇到长销售周期与复杂交付。

这是一组很现实的矛盾：

越想规模化，就越可能客户集中；越想分散风险，就越难标准化交付。

给二级市场/基石投资者的一份“问题清单”：未来该盯什么，而不是盯热闹

燧原如果走到公开市场，投资者真正需要的不是“国产算力情绪”，而是一份可验证的经营质量指标。以下这些问题，基本决定它在资本市场的叙事能走多远：

• 收入结构：卡vs集群交付vs服务/运维
  哪一种占比更高？毛利率的变化来自产品升级还是价格竞争？
• 出货与上量口径
  “订单/出货/上架/点亮/满负载运行”是五件事。媒体报道中的订单数字（如S60相关口径）更需要在正式披露中被拆解与核验。
• 软件栈的可复制性
  是否形成体系化文档、工具链与第三方适配？是否有可公开的社区活跃度与生态伙伴？
• 客户集中度与回款质量
  前五大客户占比、应收账款周转、项目验收周期——这些指标往往比“算力峰值”更诚实。
• 研发投入的方向性
  研发不是越多越好，而是看“钱花在哪里”：算子库？编译器？通信库？监控与profiling？还是更多芯片迭代？
• 供应链韧性与替代路线图
  任何“单点依赖”都会在资本市场里被放大定价。

结尾

把燧原放回中国AI芯片产业，它并不是那种最容易被一句话概括的公司。它既有“训练芯片起家”的长期主义痕迹，又在商业化阶段显著拥抱“推理交付与智算中心”这种更快形成现金流的路径；它既想做平台，又不得不在生态建设上承受漫长投入；它既要讲国产替代，又必须用工程与交付证明自己。

燧原真正的竞争对手，未必是某一家国产同行或英伟达某一代卡；它的对手更像是“交付的不确定性”和“生态的长期摩擦”。赢下它们，燧原就会从一家芯片公司，变成一套“算力基础设施”的提供者；而一旦做到这一点，它也会从“慢公司”变成“很难被替换的公司”。