“国产英伟达”分道扬镳

　　在一场内部会议上唐志敏解释称，公司和投资股东签订对赌协议，公司在协议中承诺B轮融资规模要达到5亿元。如今目标未达成，投资股东发起了诉讼并冻结了资产。

　　“与投资机构的对赌只是压塌象帝先的最后一根稻草。根本原因是象帝先现金流吃紧，缺少足够的资金支持研发。”一名半导体行业专家向

　　在

　　“坦率地说，目前国产GPU的销售远不如英伟达。”前述半导体行业专家提到，国产GPU每年动辄要支出5-10亿的研发费用，在目前一级市场资金不足的情况下，想恢复往日的研发状态需要做出很大努力。

　　目前，象帝先和其法人唐志敏已经收到了两份限高令。

　　“有一些同事在仲裁前的调解阶段就和公司达成了协议，放弃2023年的年终，同时接受打了7折的裁员赔偿。”小田承认，这不是最完美的结果。

　　关于象帝先目前的相关情况，

　　与象帝先不同，也有不少企业开始慢慢走上正轨。

　　在燧原科技启动A股IPO后，9月12日，据中国证监会官网显示，壁仞科技也公布“首次公开发行股票并上市辅导备案报告”，拟首次公开发行股票并上市，即启动科创板IPO上市辅导。

　　紧接着，11月13日，摩尔线程在北京证监局办理辅导备案登记，正式启动A股上市进程，辅导机构为中信证券股份有限公司。这是今年第三家公开IPO计划的国产芯片厂商。

　　而“AI芯片第一股”寒武纪虽然目前还在亏损，但近日获资金青睐，股价拉升，截至11月29日收盘，寒武纪股价为561元/股，已成为A股第二高价股，市值仅次于茅台1525.74元/股。

　　无论是象帝先的调整还是燧原科技和摩尔线程的融资，都说明了AI芯片是一个非常烧钱的行业。

　　以英伟达为例，2023年英伟达研发投入是616亿元，而今年前三季度研发费用已追加至654亿元，比去年同期的446亿元同比增长47%。

　　而对于上市的寒武纪而言，2024年前三季度的研发费用甚至是2倍于整体营收。2024年前三季度寒武纪研发费用2.12亿元，营收才1.21亿元。

　　不难看出，同期英伟达的投入甚至是寒武纪的300倍。

　　寒武纪研发支出

　　英伟达研发支出

　　所以烧钱、续血、融资成为芯片企业不可或缺的日常，直至企业能正常造血。

　　AI芯片企业投融资现况 数据

　　芯片研发周期长、强度大、成本高，意味着真金白银的投入往往在短期内难以得到回报。换言之，融资并非成功的全部，上市也不会是发展的终点，企业能不能取得成功还在于产品能不能获得市场的认可。

　　集邦咨询资深研究副总经理郭祚荣告诉

　　以号称“AI芯片第一股”寒武纪为例。 寒武纪目前业务覆盖云端、边缘端、终端，提供全品类系列化智能芯片和处理器产品，是同时具备人工智能推理和训练智能芯片产品的企业，也是国内少数具有先进集成电路工艺下复杂芯片设计经验的企业之一。

　　在芯片国产化浪潮下，它可以说是被寄予厚望的需求承接者之一。

　　但是，要接住生意并不容易。来觅研究院认为，AI芯片创业的难度主要体现在三个方面：芯片设计、制造上的技术如何更新，如何吸引市场上的客户以及如何在做好前两项的情况下保障充足的正现金流。

　　对于目前已经获得融资的企业，更重要的可能是技术突破探索和产品商业化落地进程。

　　当前不同的头部厂商专注的赛道也不同。

　　比如，燧原科技就主要聚焦于AI加速器芯片，包括基于“邃思”的云端训练加速卡“云燧T10”和第一代推理产品“云燧i10”以及第二代训练产品“云燧T20/T21”和推理产品“云燧i20”，还有配套的“驭算”软件平台等等。“燧原有较强的技术积累，专注于高性能计算和AI训练推理场景，这个领域技术壁垒比较高，需求旺盛且市场规模可观。”IDC亚太区研究总监郭俊丽指出。

　　不过也有企业尝试“复刻”英伟达，将眼光投向通用GPU市场。据接近摩尔线程相关人士介绍，摩尔线程目前建立从芯片、板卡、服务器、集群到软件的全栈AI智算产品线。市场普遍认为其是国内仅有能从功能上对标英伟达的国产GPU芯片厂商。

　　AI芯片企业产品情况 数据

　　比如多位对象向

　　在郭俊丽看来，从技术和产品规划上，国内AI芯片市场玩家最需要关注的就是细分市场，避免过度扩张，形成差异化竞争优势。在此基础上，软硬结合，构建生态系统，在产品研发的同时，注重构建完整的生态系统，包括软件支持、开发工具链和行业合作伙伴的深度绑定。

　　在当下，AI芯片厂商不仅面临着自身成长探索的难题，也承受着外部的摩擦压力。比如寒武纪、摩尔线程、壁仞科技三家公司都位列美国实体清单制裁清单。

　　在市场方面，郭俊丽提到，中美科技竞争加剧使得中国市场对国产GPU的需求迅速上升。“应该把握住政策红利，此外，还要加强与资本市场的合作，同时注重与本土科技巨头、研究机构的合作，借助外部力量推动技术突破和市场拓展。”

　　“人工智能打开了一个新的计算时代。”黄仁勋说：“它将影响每一个科学领域，每一个行业。从编程软件、规则到机器学习，从CPU上运行的代码到GPU上运行的神经网络算法。软件行业正在竞相采用机器学习和生成式人工智能算法，硬件行业则在投入数万亿美元对传统计算设施进行现代化改造。”

　　旧的技术秩序、商业逻辑甚至整个世界被重置，我们能做的，或许就是拥抱变化，站在新的起跑线上, 奔向不确定性中的下一个稳定性。