登临科技通过上市聆讯：AI算力的第二张地图

谈起国产GPU，市场的目光通常会集中在万卡集群、训练芯片和峰值算力上面。但刚刚通过港交所上市聆讯的登临科技，交出的成绩单却有所不同。

10月25日，登临科技刊发聆讯后资料集。联席保荐人为中信证券、中信建投国际、中银国际。

数据非常清晰：2026年前四个月，公司收入约2亿元，已经超过2025年全年的约1.71亿元；同期按会计准则仍亏损约1647万元，但是经过调整后的净收益约为2058万元，第一次实现了转正。

四个月收入超过去年全年。这组数字背后，更值得问的是：钱从哪里来？而答案有些出人意料：前四个月，登临GPGPU产品收入的83.0%，来自企业私有云。

换句话说，把芯片卖进企业的机房而不是巨头的数据中心，才是这家公司当下最主要的生意。

跳出万卡集群叙事，企业预算正在长出新算力市场

过去几年，大模型训练和大规模智算中心最受关注。但当模型真正进入企业后，采购逻辑悄悄变了。

企业关心的往往不是单张卡的最高参数，而是现有业务能不能顺利跑起来，算力用起来要花多少钱。

例如：金融机构在部署内部模型的时候要考虑到数据留存在本地以及系统的接入问题；工厂进行视觉检测时更加重视生产线的反应速度和稳定性；很多公司还需要计算出使用电费、维护费用以及软件迁移所带来的长期开支。同样是买GPU，企业客户买的是一个可以交付并且能够长期运行的解决方案。

万卡集群仍然需要巨头级投入，而企业AI的新增需求，正来自各行各业的一笔笔独立预算。

企业私有云、行业服务器、边缘节点都是这张新地图上的采购地点。国产厂商的机会是先在这些具体场景里把产品和服务做进去。

登临聆讯资料集援引的弗若斯特沙利文数据显示，中国企业AI GPGPU市场规模从2021年的19亿元增至2025年的118亿元。按2025年收入计，登临在这一细分市场排名第三，但份额只有约1%。

一个有增长空间、同时竞争仍然激烈的市场，远比“取代谁”更值得分析。

参数只是敲门砖，项目交付能力决定长期订单

芯片买回来，并不等于买到算力。跑通模型、兼容原有系统、适配、验证、运维，每一步都是成本。参数可以成为敲门砖，最后决定客户是否继续采购的，是整套方案的使用成本和交付效率。

登临的技术路线可以放在这笔账里理解。它采用自研GPU+架构，在芯片内集成不同计算单元；配套的瀚铭软件栈，用于支持主流开发框架和应用适配。这套组合瞄准的就是企业换用新算力平台时的磨合成本，能否真正降低迁移难度，最终要在客户项目中见分晓。

更有说服力的是实际场景。按照公司的披露，登临通过整机厂、系统集成商和方案合作伙伴，把产品装进服务器和行业系统，并通过与头部客户的长期合作，将产品从单一场景部署延伸至客户的多个AI业务。这说明企业客户买的并非孤立的一颗芯片，而是能逐步接入不同应用的计算能力。

同一个客户的新项目，能不能沿用过去的适配经验，才决定供应商后续交付是越做越轻，还是每接一单都重新投入一遍。对规模尚小的国产GPU企业来说，这种可复制的工程能力，比一句笼统的“性能领先”更接近商业竞争力。

订单放量之后，盈利与现金流才是真正的长期考题

登临这轮增长，已经不只是产品演示。

2026年前四个月，GPGPU产品销量从上年同期的813片升至10344片；KS系列贡献约1.66亿元收入，成为销售主力。至少从这一阶段看，企业AI需求正在转化为真实的产品采购。

不过，收入和利润之间，还有一笔需要拆开的账。公司同期综合毛利率约50.9%，但GPGPU产品毛利率约41.9%，技术服务毛利率约95.4%。高毛利的软件授权和技术服务对整体毛利有贡献，不能直接拿综合毛利率代表硬件赚钱能力。

公司同期经调整净收益约2058万元，这是经营改善的信号；按会计准则仍亏损约1647万元，也说明不能据此判断已经实现持续盈利。新产品放量能否真正带来稳定利润，还要看研发投入、产品毛利和后续订单能不能匹配。

比利润更现实的考题，是现金回笼。2026年前四个月，登临经营活动现金净流出约1.47亿元；截至4月底，应收账款约2.67亿元。同期前五大客户贡献收入的90.4%，客户越集中，验收、账期和回款的节奏，对公司的影响就越大。

登临赴港上市的意义就在于为新产品开发和市场拓展补充资金。但资本市场最后只会追问一个简单的问题：出货规模扩大以后，现金能不能跟着回来？

按照披露的产品计划，登临还想进入更高性能的推理、训练及公有云市场。竞争的重点就不再仅仅依靠能效和本地化服务，而是要看软件生态系统的成熟程度、集群互联的能力以及持续供货的能力。

私有云产生的订单能否吸引更多的顾客，是下一阶段的关键。

小结：

AI算力的第二张地图，正在从大厂智算中心延伸至企业日常经营。这里的竞争并不总是可以通过单卡跑分来解释，在项目交付、企业采购和财务报表里也能找到答案。

登临已经拿出了一组可观察的增长数据，并且证明了国产GPU可以在企业AI的需求中是有市场的。但第二条曲线能走多远还要看订单是否能够复制、利润是否能够留存、回款是否能够跟上。

训练芯片的叙事属于巨头，而企业机房的叙事，属于能把账算明白的人。