问题：算力产业进入“效率驱动”新赛段，商业化更看重稳定与成本 2025年以来，大模型快速迭代的带动下，我国算力产业的竞争重点正在改变：从单纯追求模型参数规模，转向更关注训练集群的长期稳定性、推理成本控制、资源利用率，以及行业场景的可复制落地。对通用GPU企业来说，这意味着不仅要“做得出芯片”，更要“跑得稳、用得省、部署得快”，并具备软硬件协同的交付能力。同时，供应链波动、架构迭代加快、应用需求更分散等因素叠加，也对企业的产品节奏和工程化能力提出更高要求。 原因：量产摊薄成本与产品结构优化，推动营收与毛利同步抬升 在上述背景下，天数智芯披露的年度数据体现为“规模化+效率化”的特征：全年营收10.34亿元，同比增长91.6%；毛利5.58亿元，同比增长110.5%，毛利增速快于营收；经调整净亏损同比收窄32.1%。从经营逻辑看，一上，规模化量产有助于摊薄单片成本，并提升交付确定性；另一方面，工艺与产品结构优化增强议价能力，带动盈利质量改善。公司通用GPU产品收入9.23亿元，同比增149.6%，占总营收89.3%，主营业务拉动效应明显。与此同时，客户覆盖与场景扩展形成“需求—交付—复用”的循环：截至年末，服务客户超340家，互联网、科研、金融、医疗、教育、交通等领域落地解决方案逾1000项，为持续增长提供支撑。 影响：推理侧需求爆发与场景落地提速，商业化从“能用”走向“好用” 从产品结构看，企业以“训练+推理+端侧”三条线形成组合支撑，契合大模型从训练走向推理、从集中走向分布的产业节奏。训练侧上，面向大规模模型训练的天垓系列实现收入5.84亿元，同比增长116.7%，重点解决多卡集群协同与长期训练可靠性等问题。推理侧方面，面向云边推理的智铠系列收入3.39亿元，同比增238.2%，成为增长最快的产品线。随着大模型进入规模化应用阶段，金融、零售等时延敏感场景中的推理任务快速增加，对带宽、低精度计算与工程适配提出更高要求，推理侧“降本增效”也由此成为竞争关键。端侧方面，公司推出彤央系列，面向机器人、智能终端等方向，意将云端并发推理与异构计算能力深入下沉，为后续应用扩张预留空间。 对策：以全栈软件生态降低迁移门槛，以工程化能力提升资源利用率 在通用GPU产业链中，软件生态往往决定“可用规模”和“应用半径”。公司围绕推理场景提出PD分离等技术路径，通过解耦推理Prefill与Decoding阶段的计算任务，提高资源利用率，以满足行业降本需求。同时发布软件开发平台，强调对主流GPU编程模型的兼容性，提升代码迁移与算子适配效率，降低客户从试点到规模部署的门槛。公司还推出大模型加速工具包，通过量化与通信优化等手段提升长文本处理效率与算力利用率，并借助开源社区完成对主流算法模型的适配，扩大生态兼容范围。上述举措共同指向一个目标：在芯片性能之外，通过软件栈、工具链与交付体系提升“单位算力的有效产出”，把竞争延伸到开发效率、集群利用率和场景落地速度。 前景：竞争将从“有没有”迈向“优不优”，关键在供给能力与应用闭环 业内普遍认为，国内通用GPU产业正从“可替代”迈向“可规模化、可持续”。下一阶段竞争重点将更集中在三上：其一，稳定供给与量产良率带来的交付能力；其二，以推理为核心的全链路成本控制能力，包括算子适配、并发调度与通信优化等工程能力；其三，跨行业可复制的解决方案沉淀，形成标准化交付与持续服务能力。公司提出“量产一代、设计一代、预研一代”的研发节奏，并推进下一代训练与推理产品优化，体现出以持续迭代保持技术前瞻性的意图。随着大模型在政务、金融、制造、交通、医疗等领域进一步渗透，国产通用GPU若能在软件生态、行业适配与规模交付上持续突破，有望在更广泛应用中实现“从点到面”的扩张。
算力产业的下一程，不是“跑得起来”，而是“跑得更稳、更省、更易扩展”；国产通用GPU企业营收与应用落地的增长，反映出国内算力供给体系正从技术验证走向工程化、规模化。面向更广泛的产业智能化需求，只有在核心技术、软件生态与应用场景之间形成可持续的正循环，才能把阶段性突破转化为长期竞争力，为数字经济高质量发展提供更坚实的算力底座。