芯东西6月12日报道，上海AI芯片龙头燧原科技将于6月15日上会，这是国产AI芯片IPO最新动向。
当前，国产AI芯片已经站在资本热潮与商业化落地双重聚光灯下：一方面国产AI芯片接连IPO、上市企业盈利转好；另一方面，IDC数据显示，2025年国产AI芯片、非GPGPU市场份额增加，国产AI芯片出货量占比首次突破40%大关。
在token经济重构算力评价体系、大模型推理需求全面爆发的产业背景下，以DSA（专用领域架构）为核心的非GPGPU路线，正走出一条独立自主的突围路径。
燧原科技就是其中一大代表，其深耕DSA路线，依托互联网大厂完成芯模同步进化，一条区别于GPGPU路线的国产算力成长路径清晰浮现。
结合当下国产AI芯片企业的最新动向，我们试图拆解出当下国产算力玩家突围的核心逻辑与现实挑战。
AI算力产业格局，正伴随大模型的发展经历变革，同时也为国产AI芯片打开了难得的发展窗口。
去年初至今，AI推理算力需求占比持续攀升。国家数据局的数据显示，2025年我国用于人工智能训练和推理的数据总量同比增长42.86%，其中推理数据量达到101.34EB，首次超过训练数据量。不同于训练场景极致追逐峰值算力，推理场景更看重能效、吞吐与单位成本性价比。
与此同时，2026年初，OpenClaw、Hermes等智能体热潮直接改写了token消耗逻辑，居高不下的成本让企业压力倍增，Uber称员工大规模使用AI编程工具后，4个月烧掉全年AI预算；不具名公司忘记设限，一个月在Claude上烧掉5亿美元。
成本重压之下，行业对芯片的评判标准发生转变，业界不再单纯追逐芯片峰值算力，单位token成本、综合性价比成为关键，芯片还要在吞吐速率、推理时延、功耗管控、软硬件适配协同等多个维度同步迭代，把纸面算力转化为可落地、低成本的真实产出。
在这些行业趋势驱动下，GPU单一垄断的算力供给格局松动，高性价比的国产AI芯片迎来巨大市场机遇。随之而来，国产AI芯片及非GPU赛道快速崛起，头部厂商密集启动IPO进程，盈利拐点将至。
▲不同架构类型AI芯片市场规模、参与者等
目前国内AI芯片企业中，海光信息、摩尔线程、沐曦股份等GPU企业已在上交所科创板上市，壁仞科技、天数智芯等GPU企业登陆港交所。燧原科技、华为海思、寒武纪、昆仑芯为采用DSA路线的AI芯片企业，其中燧原科技即将上会，昆仑芯已同步启动A股、港交所两地IPO筹备。
整个国产AI芯片赛道正处盈利前夜，商业化进程逐渐清晰。寒武纪2025年净利润20.59亿元，首次扭亏为盈；海光信息去年营收143.76亿元，首次突破百亿大关。国产AI芯片行业已然迈入技术变现、商业落地的高质量发展周期。
AI算力竞争进入新阶段，推理场景对于GPGPU生态的依赖在持续减弱，非GPGPU赛道崛起，正在给国产AI芯片树立一套全新、更高维度的考核标尺，也为不走GPGPU路线的国产AI芯片厂商撕开了突围窗口。
相较于传统GPGPU架构，非GPGPU架构的效率优势在当下AI发展节点被进一步放大。
在芯片设计阶段，非GPGPU架构就针对AI核心算法和应用场景加速优化，将核心计算、互联、存储优化特性集成到芯片架构中，后续基于与大模型企业的联合软件优化、适配，能使其在AI应用场景下实现优于传统GPGPU架构的能效比和效率，具备更高效能、更大数据吞吐量、更低功耗特性。
在一众国产AI芯片玩家之中，最新公布IPO动向的燧原科技就是非GPGPU架构的典型代表。
不同于基于通用架构改良的研发模式，燧原科技坚持的是从底层原始创新，基于自主指令集研发DSA架构产品，打造原创自主架构的GCU-CARE加速计算单元和GCU-LARE片间高速互连技术，兼具编程灵活性与大模型高并行度加速计算。
如今，燧原科技已经在云端AI训练和推理芯片两条产品线上迭代了四代5款芯片，开发了多款AI加速卡及模组、智算系统及集群，其中AI加速卡及模组和智算系统及集群业务已构成其主要收入来源。
这样的全栈技术自研与产品布局，得益于其从硬件架构、软件生态到集群落地的全链条自主可控，这也正是燧原科技的核心竞争力。
首先，底层架构自主是硬件性能突破的核心前提，燧原科技通过原始创新、自主结构的高性能芯片与硬件技术，在处理器微架构设计、处理器指令集设计、高性能计算核心、低精度量化技术等关键领域，已经实现AI芯片系统级设计、架构级设计等全链条系统化自研。
根据招股书，燧原科技打造的新一代云端AI芯片，是国内少有原生支持FP8低精度数据的产品。
其次，软件生态是国产算力支持大模型落地适配的关键载体，该公司并没有依附CUDA生态的计算编程体系，而是自研了包括驱动程序、编译语言与编译器、算子库、工具链、深度学习框架的全栈AI计算及编程软件平台驭算TopsRider，降低大模型编程开发难度和迁移成本。
此举的核心意义在于，其软件平台与自主硬件芯片深度适配，能够有效降低大模型编程开发门槛、减少大模型适配成本，从而提升其产品的商业化适配能力。
最后是集群层面，这也是国产AI芯片规模化落地的关键一环。燧原科技已经打造了高速互联、稳定可靠的AI算力集群方案，并在千卡、万卡智算项目中实现收入，形成了技术研发-产品落地-营收变现的良性发展闭环。
招股书显示，燧原科技已经可以实现千卡算力集群7天高性能稳定运行，万卡算力集群24小时无故障稳定运行，相应指标在国内处于领先地位。
▲燧原科技智算系统
产品落地的同时，燧原科技在AI产业链上的生态圈正在不断扩展。其已经与超过100家AI产业链上下游企业建立了生态合作，大幅降低AI智能体部署门槛，并面向AI+场景的各类垂直应用领域，适配了DeepSeek、Qwen等近千个AI大模型，支持AI+场景应用的快速落地。
可以看出，燧原科技基于非GPGPU架构，已经跑通了国产AI芯片技术自研、产品落地、商业盈利、生态扩容的全闭环发展路径。
国产算力快速迭代、规模化落地的核心驱动力，还有一个关键角色是头部互联网大厂。它们正与国产芯片厂商深度绑定、协同进化。
一边，头部互联网大厂是大规模算力需求方、场景验证载体、资本投入主力，其手握海量真实AI应用场景、规模化算力需求，既能为国产AI芯片提供真实场景的落地打磨机会，也能通过持续资本投入加速芯片企业技术迭代、产能扩张。
另一边，国产AI芯片厂商则是整个算力生态的硬件底座，为国产大模型训练、AI场景落地提供底层硬件支撑。单一的芯片技术迭代或场景落地都难以支撑产业规模化发展，芯片硬件与场景应用深度绑定，才能构筑起核心竞争力。
这是因为，国内能够实现AI大模型商业闭环的企业主要集中在字节跳动、腾讯、阿里巴巴等头部互联网平台，而这些拥有成熟的AI应用场景与规模化算力需求的厂商正是国产AI加速卡的核心大客户。
▲国内头部互联网大厂的AI资本支出情况
以燧原科技为例，腾讯是燧原科技2025年第一大客户，销售收入占同期总收入的74.90%。目前燧原科技的现有产品已累计在腾讯深度适配了大量AI模型，支持其内部多个硬件场景。
过往行业普遍存在硬件与算法脱节问题，通用芯片架构无法贴合大模型算法特性优化，大模型也难以适配国产自研架构，最终导致芯片性能冗余、算法落地受阻。这使得当下AI产业竞争已转向“芯片硬件+模型算法+场景适配”的综合生态竞争，芯模协同能力成为衡量国产算力竞争力的核心指标。
燧原科技和腾讯的深度合作就是一大例证。燧原科技与腾讯实现了深度芯模同步迭代，基于真实业务场景反向优化芯片架构、算子适配与算力调度，让硬件性能充分释放，提升模型落地效率，形成了场景验证、技术优化、性能升级、场景扩容正向循环。
不仅如此，与头部大客户合作的经验，也成为燧原开拓新客户的核心优势。其第三代产品燧原S60已在互联网客户和各地智算中心大批量出货；支持超300个应用场景，服务腾讯、美图、源石云等泛互联网商业伙伴，覆盖10亿以上规模终端用户。
如今，燧原科技的商业化增长空间进一步打开。据燧原科技披露，多家潜在互联网客户已基于测试需求下达小批量订单，或进入量产订单商务谈判环节。
当下的AI产业中，国产AI芯片与头部互联网大厂、头部AI创企的协同价值正持续放大。
芯片行业本身技术壁垒高、研发投入巨大、产业链配套复杂，整体发展之路向来充满重重挑战，国产AI芯片赛道更是长期面临算力架构打磨、先进制程供给、生态适配等多重压力，眼下一批国产AI芯片企业接连冲击资本市场、迎来集中上市潮，无疑是行业释放出的积极向好信号。
不过对各家芯片企业而言，上市远不是发展终极目标，仅仅是企业成长过程中的一个阶段性节点，能否行稳做强，最终取决于算力产品竞争力、客户口碑、成本控制与持续创新能力，上市时间的早与晚，并不会直接决定一家企业长久的发展格局与行业地位。
