随着燧原科技的上市，被市场称为“上海AI芯片四小龙”的沐曦股份-U、壁仞科技、天数智芯与之齐聚于资本市场。不过，和主要走GPGPU路线的同行不一样，燧原科技自成立之初便选择了面向AI计算的DSA架构。
对一家AI芯片企业而言，从完成芯片设计到真正进入客户核心业务，中间还要解决产品定义、软件适配、稳定性验证、规模交付及产业协同等问题。燧原科技用了八年多时间逐步完成从芯片设计到系统产品的延伸。
燧原科技与沐曦股份、壁仞科技和天数智芯合称“上海AI芯片四小龙”。去年12月，沐曦股份已于科创板挂牌上市；今年1月，壁仞科技、天数智芯亦先后正式登陆港交所。
作为“四小龙”的一员，燧原科技在上市前即受到市场广泛关注。但与其他“三小龙”相比，其技术路线有所不同。
目前，国内云端AI芯片行业处于发展初期，国际厂商英伟达占据市场的主要份额，而本土企业不断突破技术壁垒，也已取得显著进步。在本土云端AI芯片厂商中，包括以华为海思、寒武纪和燧原科技等为代表的DSA架构厂商，和以摩尔线程、沐曦股份、天数智芯及壁仞科技等为代表的GPGPU架构厂商。
燧原科技董事长赵立东在接受财联社等媒体采访时表示，公司没有选择兼容CUDA，主要基于技术和长期发展的考虑。在赵立东看来，一方面，CUDA并非开源生态，想要完全兼容或跟随，在技术层面不太可行；另一方面，受限于既有架构，手脚还是会被束缚住的。
相较于传统GPGPU架构，非GPGPU架构的效率优势也在当下的AI发展节点被进一步放大。
过去两年，AI行业的焦点正从“训练”转向“推理”。训练需要的是极致的算力，而推理更看重性价比，市场对Token成本的敏感度越来越高。
不过，自主定义产品的难点不只在硬件。对于采用非GPGPU、非CUDA路线的企业而言，芯片设计与软件生态建设需同步推进。
成立至今，燧原科技已迭代四代架构5款云端AI芯片，基于自主指令集，原创了自主架构的GCU-CARE加速计算单元和GCU–LARE片间高速互连技术，自研全栈AI计算及编程软件平台“驭算TopsRider”，公司千卡、万卡智算中心项目则已经实现收入。
不过，由于国产AI算力行业尚处于发展初期，且云端AI芯片具有研发投入大、客户验证和适配周期长的特点，燧原科技尚未实现盈利。
招股书显示，2023至2025年，公司营收分别为3.01亿元、7.22亿元和9.90亿元；归母净利润-16.65亿元、-15.10亿元和-11.64亿元。今年1-6月，公司实现营收11.2亿元，同比增长279.08%；归母净利润为-6.32亿元。
2023-2025年，公司研发费用相对营业收入的比例分别达408.01%、181.66%、114.63%，三年累计研发费用约36.76亿元。
根据招股书，燧原科技此次募集资金将用于第五代和第六代AI芯片系列产品的研发及产业化项目，以及先进人工智能软硬件协同创新项目，三个项目分别拟投入募资金额约15.03亿元、11.97亿元和33亿元。
对AI芯片企业而言，更重要的问题是，一颗技术上成立的芯片如何在产业落地上形成商业闭环？
赵立东强调，从AI芯片和模型，到Token工厂，再到应用，只有完全走通，才能形成闭环，让产品和技术在产业端实现落地。
除客户拓展外，软件迁移也是国产AI芯片规模化应用的重要成本项。
“一开始非常困难，那时候模型很多、CUDA迁移的成本很高，工具也不完善。”赵立东回忆称，燧原科技早期与客户开展模型适配时，客户每更新一个模型版本，公司可能需要一至两个月完成相应优化；随着算子库、编译器等逐渐完善，目前部分模型更新的适配时间已缩短至数天甚至数小时。
规模化落地的另一个变化，是行业竞争正从单颗芯片走向系统级算力。
公司在招股说明书中判断：随着大模型的不断发展，相关主流AI大模型参数已高达数千亿，单一AI加速卡已难以满足超大规模计算需求。行业供应重点正从单点性能提升，转向系统化集群解决方案。
评论交流
0