国产GPU新势力沐曦：IPO进度和技术布局

　　芝能智芯出品

　　沐曦集成电路（上海）股份有限公司披露了首轮问询函的相关回复，这家公司之前向上交所科创板提交了上市申请，计划募资39亿元，拟发行不超过4010万股。

　　作为国内GPU领域初创企业，沐曦也是被看好的一位玩家，聚焦人工智能训练、推理和通用计算方向，推出了曦云C系列、曦思N系列和曦彩G系列产品，逐步建立起自己的技术路线。

　　由于竞争激烈，目前尚未盈利，现金流压力较大，且在晶圆代工、HBM存储和EDA工具方面仍依赖海外供应商，还是有空间去拓展的。

　　当然在目前的AI硬件缺少定海神针的情况下，需要多一些企业参与这个攻关，特别是GPU集群已成功支持国产类脑大模型SpikingBrain的训练与推理，这还是一家非常值得我们关注的企业。

　　我们可以从技术和产业两个角度，梳理沐曦的产品进展、研发情况、实际应用及面临的问题。

　　Part 1

　　沐曦GPU技术布局与产业化进展

　　沐曦成立于2020年，采用Fabless（无晶圆厂）模式，专注于GPU芯片的设计、研发和销售，并配套提供软件栈和计算平台，目标是构建从硬件到生态的完整解决方案。

　　与传统以图形渲染为主的GPU厂商不同，沐曦从一开始就将重点放在人工智能和通用计算上，尤其是大模型训练、推理以及智能计算中心的应用场景。

　　● 产品体系与技术演进

　　沐曦目前的产品分为三大系列：

　　◎ 曦思N系列：主打推理加速，强调能效比和低延迟，适用于边缘设备和在线服务场景。

　　◎ 曦云C系列：支持训练和推理一体化，同时兼顾通用计算任务，是当前主要收入来源。其中C500系列于2023年实现商业化后，收入增长明显，已在多个智算中心部署使用。C600和C700正在研发中，目标是进一步提升算力和互联能力。

　　◎ 曦彩G系列：面向图形渲染市场，目前仍在研发阶段，未来希望补足传统图形应用短板，增强产品的通用性。

　　曦云C500采用训推一体架构，集成了高带宽显存通道，适合大规模矩阵运算，在实际部署中可以减少客户对多类型硬件的需求。

　　2024年，公司还启动了万卡级集群的研发，为更大规模的MoE类大模型训练提供支持。

　　● 工程应用与生态适配

　　截至目前，沐曦GPU累计出货超过2.5万颗，已在国内外多个AI算力平台和智算中心落地。除了销售芯片外，公司也在向板卡、服务器乃至一体机等整机方案延伸。2024年数据显示，板卡收入占比接近七成，服务器占三成左右，显示出向整体解决方案转型的趋势。

　　软件生态方面，沐曦也在积极适配国产AI框架和主流开源体系，优化编译器、驱动程序和算子库，并提供行业专用SDK，帮助客户降低迁移成本。虽然生态建设还在初期，但已有一定进展。

　　● 产业化瓶颈与资金压力

　　这家公司的情况，也是营收增长较快——从2022年的42.64万元增至2025年一季度的3.20亿元，报告期内累计净亏损超过30亿元，现金流持续紧张。

　　主要原因包括：

　　◎ 研发投入高：GPU研发周期长，流片成本高，迭代频繁，导致长期投入巨大。

　　◎ 股权激励支出大：过去几年股份支付费用接近6亿元，加重了财务负担。

　　◎ 供应链预付款压力：为保障晶圆和HBM供应稳定，公司需提前支付大额货款，占用了大量流动资金。

　　目前收入高度依赖曦云C500系列，2024年该系列产品贡献了超97%的营收。产品结构单一，加上关键材料和制造环节依赖外部，抗风险能力较弱。

　　Part 2

　　国产GPU集群

　　与类脑大模型的进展

　　沐曦的技术价值在与中国科学院自动化所合作的SpikingBrain-1.0类脑脉冲大模型项目中得到了验证，体现了国产GPU在新型AI架构探索中的可能性。

　　SpikingBrain-1.0包含7B和76B两个版本，基于脉冲神经网络（SNN），不同于主流的Transformer架构。

　　其主要技术特点包括：

　　◎ 混合注意力机制：7B版本采用线性注意力与SWA层间混合，76B则实现层内并行混合，融合softmax、线性和SWA机制，兼顾全局与局部信息处理。

　　◎ 稀疏化MoE结构：通过引入混合专家模块（MoE），并结合Upcycling技术，在减少计算量的同时保持模型性能，提升参数利用率。

　　◎ 自适应阈值神经元：改进传统LIF模型容易陷入激活或沉默的问题，提升模型稳定性和能效表现。

　　模型仅使用主流模型约2%的训练数据，但在多项任务中性能达到甚至超过90%，尤其在百万token级别的长序列推理中，延迟显著降低。

　　SpikingBrain的训练和推理全过程都在沐曦曦云C550 GPU集群上完成，连续运行两周未出现中断，这一结果说明：

　　◎ 国产GPU已具备支撑大规模AI训练的能力，不再是实验室级别的验证。

　　◎ 在适配新型AI架构方面具有潜力，尤其在长序列处理和能效优化上有优势。

　　◎ 从芯片、软件到模型的国产化链条正在形成闭环，自主可控程度有所提升。

　　测试数据显示，SpikingBrain在推理阶段表现突出：首token生成时间下降96.2%，FP16精度下的能耗降低97.7%。

　　这种高能效特性使其特别适合法律文书分析、医学文本处理、DNA序列比对等需要处理超长输入的任务。

　　这为沐曦GPU打开了新的应用场景，增强了市场说服力。结合新兴AI架构，国产GPU或许能找到一条差异化的竞争路径。

　　小结

　　沐曦为代表，国产GPU企业正借助资本市场加速技术研发和生态建设。

　　从曦云C系列的商业化落地，到支撑SpikingBrain这样的前沿模型，沐曦展示了技术和产业结合的可能性。

　　长远来看，GPU不仅是大模型的底座，也将应用于自动驾驶、工业仿真等多个关键领域，这没什么可多说的。