天数智芯：做中国算力的“长期主义者”|gpu|中国算力|天数智芯|英伟达

当移动互联网的潮水逐渐退去，AI毫无悬念地接过了时代红利的接力棒。英伟达（NVIDIA）市值的狂飙突进，已经向世界证明了这一赛道的惊人价值。然而，在太平洋的另一端，在中国这个全球唯二的AI创新策源地，一场关于算力自主权的“芯片战争”正进入深水区。

在这个聚光灯下，我们习惯了看到巨头的合纵连横，也习惯了看到初创企业用PPT堆砌出的参数狂飙。但真正的变革，往往发生在大众视野的盲区。

2026年1月，港交所迎来了一位特殊的敲钟人——天数智芯（Iluvatar CoreX）。这是一家在外界看来有些“另类”的公司：在别人追求短平快购买IP组装芯片时，它选择了最难的全自研GPGPU路线；在别人忙着炒作概念时，它默默构建了从芯片到软件栈的完整生态。

此次IPO，天数智芯（9903.HK）不仅以354亿港元的市值打破了沉寂，更引入了包括中兴通讯、UBS、华胜天成等18家基石投资者，认购金额超15.8亿港元。这不仅是一场资本的盛宴，更是一个信号：中国AI芯片产业，正在从“草莽时代”进入“价值兑现时代”。

天数智芯的故事，是一个关于“不怕慢”的故事。而在硬科技的赛道上，往往唯有慢，才能快。

——导语

“不怕慢”的长期主义：重写“芯片战争”的规则

2025年12月到2026年1月初之间的这段日子，注定将被载入中国半导体发展史册。

在短短几十天内，包括天数智芯在内，超过5家以上的国产AI芯片企业先后完成IPO或处于冲刺阶段。这种集体爆发并非偶然，它是外部压力与内部生长的共同结果。

一方面，大洋彼岸对高性能GPU的出口管制如同悬顶之剑，倒逼中国必须建立自主可控的算力供应链；另一方面，中国蓬勃发展的AI应用层——从自动驾驶到金融量化，从医疗影像到大语言模型——产生了吞噬级的算力需求。

然而，在资本市场的喧嚣中，公众和投资者往往容易被显性指标所迷惑：谁的制程更先进？谁的晶体管数量更多？谁的单卡算力数字更炸裂？

但在我们看来，评估一家AI芯片公司的真实价值，不能只看“面子”，更要看“里子”。真正的护城河，往往建立在那些看不见的地方——全自研架构、通用型路线（GPGPU）、以及软硬件的垂直整合能力。

天数智芯最鲜明的标签，是它对自己“通用GPU（GPGPU）”身份的坚守。

在AI芯片领域，存在着两条截然不同的路线：一条是以Google TPU、Groq、寒武纪为代表的专用AI加速芯片（ASIC/DSA）路线；另一条则是以英伟达、AMD以及天数智芯为代表的通用GPU路线。

专用芯片在特定时期、特定任务上确实拥有极致的能效比。但它们面临着一个致命的弱点：极高的算法风险。

AI行业的发展速度是以“周”为单位计算的。几年前，卷积神经网络（CNN）统治着计算机视觉；随后，RNN和LSTM在自然语言处理中昙花一现；紧接着，Transformer架构横空出世，开启了大模型时代；而现在，Mamba（SSM架构）或强化学习驱动的新架构已经在敲门。

专用芯片（ASIC）往往将特定的算法逻辑“固化”在硬件电路中。一旦算法架构发生底层逻辑的改变，这些造价昂贵的芯片可能瞬间无法适应新任务。

相比之下，通用GPU（GPGPU）有三大优势：

首先，其最大优势在于“抗算法风险的灵活性”。天数智芯的GPGPU架构拥有大量可编程的流处理器，可以通过软件更新来支持最新的算子（Operators）和数学公式。无论AI算法如何变幻大王旗，通用GPU依然能跑，这种“Future-Proofing”（面向未来）的能力，是客户敢于大规模采购的前提。

此外，通用GPU具备“训练”与“推理”的通吃能力。而在AI算力中心，客户最忌讳的是为了“训练”买一套硬件，为了“推理”又买另一套。

即使用户要投资两套硬件体系，天数智芯的产品线也覆盖了从模型训练产品到大规模推理产品的全流程，这种一鱼多吃的能力，极大地降低了客户的TCO（总拥有成本）。

其次，可能很多人难以理解的是，如果说选择通用GPU赛道是选择了“难而正确”的方向，那么坚持全自研则是天数智芯选择了一条“苦路”，但这条艰苦的路，恰好也是其核心优势之一。

在国产通用GPU发展的早期（2018-2020年），许多初创企业为了快速拿出产品、融资上市，选择了一条捷径：购买国外成熟的GPU IP（如Imagination、Vivante等）进行修改和封装。这种方式确实能将研发周期缩短一半，但这不仅意味着核心知识产权受制于人，更致命的是，购买的IP大多是为图形渲染设计的，难以适应现代AI算法对张量计算和高带宽存储的极致需求。

天数智芯从成立之初，就反其道而行之。

招股书显示，天数智芯是中国第一家通用GPU云端芯片及超级算力系统提供商，也是中国第一家实现通用GPU量产的硬科技企业。这背后，是其对底层架构代码的一行行敲击，是对每一个寄存器、每一个指令集的自主定义。

正如《芯片战争》一书所言，全球化的分工协作在和平时期是效率的代名词，但在地缘政治动荡的今天，全自研不仅意味着技术上的“Know-How”，更意味着供应链安全和生存权。

也就是说，当海外IP授权的大门可能随时关闭时，天数智芯的“不怕慢”，变成了如今的“不怕断”。

最后，天数智芯的软件优势，构建了“看不见”的护城河。

在通用GPU领域，硬件只是入场券，软件才是护城河。

英伟达之所以能达到两万亿美元的市值，核心不仅仅是GPU芯片，更是其耗时近20年构建的CUDA软件生态。

2006年，黄仁勋力排众议推出CUDA。如今，全球数百万开发者、数十万个AI应用库都建立在CUDA之上。对于后来者而言，最可怕的壁垒不是芯片性能的差距，而是由于生态缺失导致的极高迁移成本。

天数智芯深谙此道。它是国内极少数围绕通用GPU建立完整软件栈的企业。

天数智芯的策略，也非常务实且高明：短期兼容，长期自主。

它的软件栈设计极其灵活，能够让客户以极低的成本无缝迁移代码。这意味着，用户原本在国外主流产品上跑的模型，几乎不需要修改代码就能在天数智芯的卡上运行。这种“零门槛”迁移体验，打破了客户尝试国产芯片的心理防线。

但天数智芯并未止步于“兼容”。它构建了包含编译器、算子库、调试工具在内的全套自主软件栈。从长期看，这不仅避免了法律风险，避免了断供或被断供——更重要的是，它能针对自身的异构算力架构进行深度优化，释放出比兼容模式更强大的性能。这种“硬科技+软生态”的深度布局，虽然前期投入巨大且见效慢，但却为天数智芯未来的长远发展构筑了不可复制的价值壁垒。

市场上的“实干派”：不看纸面看疗效

在科技圈，有一类公司被称为“PPT造芯厂”——发布会上参数秒杀英伟达，实际交付时却遥遥无期，或者良率惨不忍睹。

如果在研发布局上，天数智芯展现的是“慢”功夫，那么在商业化落地和市场开拓上，它则是一个不折不扣的“效率实干派”。

天数智芯没有庞大的集团光环加持，也没有可以直接继承的X86生态红利。它能走到今天，全靠产品在泥泞的市场里打滚拼杀出来的。

也许有人会觉得，国产通用GPU最大的难，是“难以卖出去”。

但时移世易，如今的天数智芯，招股书中最引人注目的，恰好是其强劲的商业化爆发力——这意味着天数智芯的努力的方向是正确的，其产品是市场愿意买单的。对于一家创业型公司，且其产品又将是客户最昂贵的硬件资产时，这种爆单能力是极为罕见的。

根据文件披露，天数智芯在2022年至2024年期间，营收复合年增长率（CAGR）高达68.8%。2024年全年营收突破5.4亿元人民币；而到了2025年上半年，营收继续保持64.2%的同比增长，达到3.24亿元。

这个增速意味着什么？意味着天数智芯已经跨越了半导体初创企业最危险的“死亡谷”，进入了规模化放量阶段。

更具说服力的是交付数据。截至2025年6月30日，公司已累计向超过290家客户交付了逾5.2万片通用GPU产品。这些客户并非只有政府或科研机构，而是广泛覆盖了互联网、运营商、安防、金融等对算力性价比和稳定性要求极高的商业领域。

在招股书的“行业应用”章节，我们看到了天数智芯产品落地的真实图景，这些案例比任何跑分软件都更有说服力：

——在金融领域，金融量化交易对延迟和精度有着近乎变态的要求。天数智芯的通用GPU被头部券商用于加速DQN（深度Q网络）和LSTM（长短期记忆网络）模型，用于高频交易的市场预测。招股书提到，其解决方案有效缩短了模型开发周期，这证明了其产品在处理高并发、高精度浮点运算时的稳定性。

——在医疗领域：医疗影像分析（如PET/MR校正）和AI辅助诊断需要处理海量非结构化数据。天数智芯不仅提供硬件，还提供了针对医疗场景优化的软件库，帮助医院实现了从影像分析到电子病历生成的全流程智能化。

这说明，天数智芯的产品或许不是纸面数字“最好看”的，但却是实际应用中“最好用”的。

为什么客户愿意买单？

除了国产替代的政策驱动外，天数智芯对用户体验的极致追求是关键。

对于商业客户而言，时间就是金钱。如果一款国产芯片便宜30%，但适配软件需要耗费工程师三个月的时间，那么客户大概率会放弃。

天数智芯通过软硬件一体化的优化，做到了真正的“开箱即用”。其软件栈支持主流的PyTorch、TensorFlow、PaddlePaddle等深度学习框架，支持上百种主流模型。招股书显示，其产品在超过900个部署场景中得到了验证。这种成熟度，是依靠成百上千次现场调试打磨出来的，是无法在实验室里模拟出来的。

这种将产品做到极致实用性的策略，使天数智芯成为了众多行业客户在英伟达之外的最优价值选择（Best Value Alternative）。

完整的拼图与未来的挑战

随着大模型技术的深入应用，全球算力需求的结构正在发生深刻变化。

业界共识是：AI算力市场正在经历从“训练为王”到“推理爆发”的切换。统计数据显示，2024年全球消耗的算力中，训练和推理各占50%，而未来随着大模型应用（Agent、Copilot）的普及，推理算力的占比将进一步扩大，甚至达到8:2的比例。

针对这一趋势，天数智芯早已完成了从“单腿走路”到“双轮驱动”的布局。

招股书披露，其拥有“天垓”（Tiangai）和“智铠”（Zhikai）两条完整的产品线。前者主打高性能训练，针对大模型训练场景，提供高带宽、高互联能力；后者主打高效能推理。针对视频分析、语音识别、大模型推理等场景，强调低延迟和高能效比。

财务数据也印证了这一转型的成功。早期，天数智芯的收入几乎全部来自训练芯片（99.3%），这符合当时AI模型研发热潮的特征。而到了2025年，推理芯片的收入占比从0快速攀升至18.6%。

这种收入结构的优化非常健康。训练芯片往往是“一次性大单”，金额高但波动性大；而推理芯片则是随着应用规模扩大而持续增长的“长尾生意”。因此，拥有全栈能力的双轮驱动，让天数智芯的抗风险能力显著增强。

如果说技术和业绩是天数智芯的底气，那么资本市场的反应则是其价值的放大镜。

在此次港股IPO中，天数智芯引入了豪华的基石投资者阵容。18家顶级机构，共计认购15.83亿港元，这个比例在近期的港股IPO中相当罕见。

细看这份名单，你会发现其中深意：中兴通讯作为全球领先的通信设备商，暗示了天数智芯在运营商算力网络中的巨大机会；华胜天成、第四范式等是AI下游应用和系统集成商的代表，它们的入局，意味着天数智芯和产业链上下游正在形成“利益共同体”，有利于天数智芯产品的进一步推广； UBS AM Singapore、汇添富、华夏基金等，是顶级的一二级市场财务投资人。它们的出现，代表了国际资本和主流公募基金对天数智芯财务回报的认可。

此外，公司历史股东中还包括大钲资本、红杉中国、元禾基金等知名机构。这种“产业资本+财务资本”的双重加持，为天数智芯上市后的股价表现提供了坚实的安全垫。

当然，我们不能因为IPO的成功就忽视前路的挑战。天数智芯面临的竞争环境依然残酷。

一方面，是技术迭代的生死时速。大模型对显存容量、互联带宽（HBM）的需求呈现指数级增长。英伟达的产品迭代周期已经缩短至一年。作为追赶者，天数智芯必须在保证量产的同时，加快下一代架构的研发。如何在制程受限的情况下，通过Chiplet（小芯片）或先进封装技术提升性能，是摆在研发团队面前的难题。

另一方面，是巨头的挤压。在国内市场，已经有不少国产企业和天数智芯踏上了IPO之路，也有成熟的国产大厂，凭借强大的生态号召力和全栈能力，占据了相当大的市场份额。如何在一种对手的强势进攻下，守住第三方独立GPGPU厂商的定位，并打出差异化优势，是天数智芯下一步必须思考的战略命题。

结语

中国需要自己的英伟达

通用芯片VS专用芯片，这不仅是技术路线之争，更是产业发展阶段的映射。

在AI发展的早期，专用芯片因为效率优势容易冒头；但当AI成为像电力、互联网一样的基础设施时，通用性就成了压倒一切的考量。从长远来看，通用GPU（GPGPU）承载着更高的研发门槛，也拥有更高的天花板。

天数智芯的IPO，不仅仅是一家公司的上市，它更像是一个隐喻：中国硬科技企业正在告别“贸工技”的短视，开始在最难的底层技术上，进行一场关于耐心和勇气的长征。

在招股书的风险提示中，天数智芯坦诚地列举了诸多挑战。但这恰恰是一家成熟企业的标志——只有看清了风险，才能走得更远。

我们看好天数智芯，不仅因为它是稀缺的通用GPU标的，更因为它代表了一种稀缺的精神：不怕慢，不走捷径，死磕底层。

正如投资界的那句名言：“短期看，市场是一台投票机；长期看，市场是一台称重机。”