這個秋天，騰訊接連豐收。它重倉投資的一個超級獨角獸——燧原科技，又重啟 IPO 輔導了（科創板）。此前，它押注的硅基智能向港交所遞交了招股書，投資的明略科技成功 IPO。
大家都知道寒武紀，可能也會知道摩爾線程、燧原科技、壁仞科技、沐曦科技等。燧原是它們的競爭隊友，做國產 GPU 的。據胡潤數據，其估值被披露為 160 億元。
一個明顯的特征——燧原與騰訊有很深綁定關系。
成立僅 5 個月，騰訊就領投其 3.4 億元，當年還打破了行業紀錄；隨后幾年，騰訊連續參投多輪，成為了其第一大機構股東，持股比例約為 20%。
盡管有騰訊支持，但燧原所在的賽道，市場環境復雜。
燧原的主力客戶之一是：算力中心。即使有技術突破，但客戶敢不敢用、愿不愿用國產方案，又是另外一回事，過程不是一蹴而就的。
另一個挑戰因素：算力中心的建設在嚴格被管控（需要審批）。2025 年 4 月起，多地就接到了對算力基礎設施建設實施 " 窗口指導 " 的通知。
據鉛筆道了解到，審批率通常不超過 10%。這就意味著，需要買卡的企業變少了。
本文將分析燧原科技的崛起過程，以及國產 GPU 的未來機會與挑戰。
01
國產 GPU 人才的培養，確實要感謝 AMD。多家國產 GPU 獨角獸的創始團隊，都是 AMD 出來的。比如近期 IPO 的沐曦，老板陳維良曾是 AMD 全球 GPU SoC 設計總負責人。
再有就是本文的燧原科技，創始人叫趙立東，本科畢業于清華大學電子工程系，曾在 AMD 美國總部擔任產品工程部高級總監；其聯合創始人叫張亞林，在 AMD 上海研發中心工作 11 年。
2018 年 3 月，這兩位老兵在上海張江創立 " 燧原科技 "。5 個月后，騰訊聞著味就來了：領投燧原科技 3.4 億元，創下當年芯片賽道融資記錄。
2018-2025，" 燧原科技 " 大約發布了三代產品。其中有訓練芯片，也有推理芯片。這里多解釋一句。訓練芯片干嘛的？用來訓練大模型的；推理芯片呢？是用來運行大模型的。
2020 年 12 月，第一代訓練芯片上線；一年后，第一代推理芯片上線。上線后，VC 武岳峰又領投了它 7 億元。
接下來兩年，燧原科技陸續推出了第二代、第三代產品。
當然，燧原科技不完全只做 GPU。還做 AI 加速卡、算力集群系統、軟件平臺及服務等。
為啥？因為它的主力客戶是算力中心（運營者），客戶有多個需要。
作為算力中心，我是需要 GPU 沒錯，但如果算力非常大，我就需要算力集群系統，把成千上萬個服務器連起來，一起訓練大模型；我還需要 AI 程序能在這些硬件上運行，這就需要軟件平臺及服務。
提到這個應用場景，相信很多人就能明白：國產 GPU 為什么能崛起。因為國產替代。
就舉一個最硬核的例子。燧原科技的第一大股東（持股約 20%）——騰訊，之前大多找誰買 GPU？幾乎全依賴英偉達。
比如騰訊的 AI 推理曾主要用英偉達 A100，而中國移動的算力集群多采用英偉達 H100。
所以這是個壟斷市場，一旦壟斷，必然會面臨幾個問題：一個是斷供，受限于出口管制；二是貴，單卡成本超過 10 萬元；三是軟件生態封閉，企業定制難。
誰能打掉這三個痛點，行業就支持誰。
燧原科技的解決思路是啥？
1、把產品做便宜，燧原 S60 價格比同性能英偉達芯片 " 便宜不少 "。
2、軟件上，開放 " 馭算 " 平臺支持客戶二次開發，比如為美圖快速適配 "AI 換裝 " 的突發算力需求。當然，它還支持定制萬卡集群。
此外，既然是中國公司，自然不涉及出口管制問題。
02
那么發展到今天，GPU 的 " 國產替代 " 問題解決到哪一步了呢？如果你要問市場份額，那么可能是 30 分（滿分 100 分）。為啥？賣不出去。
現實的問題是：如果讓客戶自由選擇，算力中心幾乎不會買國產芯片。很簡單，它如果買了，算力就賣不出去，只能砸手里。這一現象，鉛筆道已向多家頭部 AIDC 公司確認。就算是國產芯片老大哥——華為，也面臨這一市場現象。
客戶不會用腳投票的：我買的不是卡，買的是最終體驗，最終結果。卡的性能固然重要——部分國產芯片的性能，在特定指標上已經能媲美英偉達——但是，決定芯片能否 " 好用 " 的，遠不止是硬件參數，軟件生態也很重要，而國產 GPU 的最大短板就在于此。
這就好比，你有一部性能極強的手機，但是里面沒有 APP 可以用。
因此，國產 GPU 的份額目前還很小。
根據伯恩斯坦等國際機構 2025 年的預測數據，中國 AI 算力芯片市場中，英偉達以 54% 的份額位居首位，華為超 20%，AMD、寒武紀、其他國產 GPU 合占不到 20%。
那有人要問了：這不還有 30%-40% 嗎？成績不錯。這里面有很多 " 政策訂單 "、" 信創訂單 "。如果在自由市場經濟下，國產 GPU 的份額會更小。
具體到本文的燧原科技，在中國 AI 算力芯片市場，份額占比極低。
03
如果回到 5 年前，國產 GPU 到處是藍海，到處是機會。但到了今天，沒那么好干了。一個直接的原因是：算力中心夠多了，該買的卡也買的差不多了。
以算力中心而言，如果是 3 年前，建設算力中心是當紅炸子雞。但現在，建設算力中心已經是一個 " 需要審批 " 的賽道，并且審批通過率非常低。
據鉛筆道了解到，通過率可能低于 10%。
2025 年 4 月起，多地就接到了對算力基礎設施建設實施 " 窗口指導 " 的通知，并開展了全國性的算力摸底工作。
因此，國央企、地方政府等機構，已經大幅減少了算力中心的投資步伐。對于民營企業，如果過去 3 年沒有足夠的運營案例，審批通過率幾乎為 0。
審批收緊，意味著算力中心已經被視為 " 過熱賽道 "，意味著國產 GPU 的訂單可能變少。
在競爭格局上，除去英偉達、華為等超級巨頭，新玩家還需要面臨超級獨角獸的競爭，比如寒武紀、燧原科技、壁仞科技、摩爾線程、沐曦科技等。
這種情況下，如果瞄準的是 " 通用型 GPU"，那么機會是微小的；但如果是垂直行業芯片——比如醫療影像 AI 專用芯片——或許會有機會。
這里面有一個核心邏輯：在專用場景中，" 通用型 GPU" 的使用體驗會更差。這種 " 差 "，不是說后者不具備這些功能，而是它的成本、效率、功耗令人難以承受。
通用型 GPU 是全能選手，而在執行專項任務時——比如游戲設計——只需要用到渲染相關的電路，其他無關的電路就會空轉，會消耗更大的電力。
以上又會不會帶來其他影響？比如生產價格是不是會更高，芯片體積是不是會更大？單從這些經濟賬里，" 專用型芯片 " 的潛在機會就體現出來了。
比如醫療芯片。
根據恒州誠思調研數據，2024 年全球人工智能醫療影像分析芯片收入規模約 207.6 億元，預計到 2031 年收入規模將接近 857.0 億元，2025-2031 年年復合增長率為 22.2%。
醫療需要用 AI 芯片做什么？AI 輔助診斷、精準醫療和藥物研發需求。這些需求都比較新，對硬件的需求也在進化中，或許存在顛覆巨頭的機會。
