首次覆盖报告：预期差较大的国产AI芯片引领者

中国AI芯片龙头，智能算力行业领导者。寒武纪能提供云边端一体、软硬件协同、训练推理融合、具备统一生态的系列化智能芯片产品和平台化基础系统软件，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。 2023年，智能计算集群系统业务实现营业收入6.05亿元，同比增长31.85%，主要系公司成功在沈阳、台州实施智能计算集群项目，保持了智能计算集群系统业务收入的持续增长。随着地方算力基础设施建设的持续推进，公司作为行业标杆有望持续受益。 2017年-2023年营业收入复合增速达111%，股权激励目标彰显公司业绩增长信心。根据《中科寒武纪科技股份有限公司2023年限制性股票激励计划（草案）》，公司的股权激励目标为，2024年营业收入值不低于11亿元；2024-2025年累计营业收入值不低于26亿元；2024-2026年累计营业收入值不低于46亿元。 国内AI产业有望迎来快速增长期，重视底层核心技术构筑成长低座。1）AI算力需求有望进入快速增长期 。根据IDC数据 ， 预计到2027年将达到1117.4EFLOPS（基于FP16计算），2022-2027年期间中国智能算力规模年复合增长率达33.9%。2）三大运营商大额招标彰显行业景气度。根据中国移动2023年至2024年新型智算中心（试验网）采购项目、中国移动2024-2025年新型智算中心集采项目、中国联通2024年人工智能服务器集中采购项目以及中国电信AI算力服务器（2023-2024年）集中采购项目，三大运营商共有超1.7万台的AI服务器采购计划；根据已经公布的招标计划，截至2024年5月，AI服务器的采购规模已经达到300亿元。3）打造新一代AI软硬件技术体系。在硬件方面，公司的新一代智能处理器微架构和指令集正在研发中；在软件方面，公司的基础软件系统平台也在不断进行优化和迭代。4）积极与头部客户开展适配工作。公司与智象未来达成了算力产品的合作以及视觉多模态大模型的深度适配，与百川智能等头部客户进行了大模型适配等，在互联网、运营商、金融、能源等多个重点行业持续落地。 投资建议：公司是国产AI芯片龙头，积极研发新一代智能处理器微架构和指令集，不断进行优化和迭代推理和训练软件平台，推动智能芯片及加速卡在互联网、运营商、金融、能源等多个重点行业持续落地。在AI算力需求高速增长、美多次更新出口管制标准、算力基础设施建设有望加速的大背景下，公司高度重视研发投入，打造核心产品紧抓AI算力市场机遇，有望开启长期增长空间。预计公司2024-2026年营业收入为15.36/26.74/33.42亿元，2024-2026年对应PS分别为51X、29X、23X，首次覆盖，给予“推荐”评级。 风险提示：新技术推进不及预期的风险；供应链变动的风险；同业竞争加剧的风险。 盈利预测与财务指标项目/年度 1中国AI芯片龙头，智能算力行业领导者 1.1以核心研发能力为本，致力于推动AI芯片技术发展 寒武纪成立于2016年，专注于人工智能芯片产品的研发与技术创新，致力于打造人工智能领域的核心处理器芯片。公司提供云边端一体、软硬件协同、训练推理融合、具备统一生态的系列化智能芯片产品和平台化基础系统软件。公司产品广泛应用于服务器厂商和产业公司，面向互联网、金融、交通、能源、电力和制造等领域的复杂AI应用场景提供算力，推动人工智能赋能产业升级。 公司的股权结构清晰，领导者拥有丰富的科研经验。截至2024年一季度，公司的前三大股东分别是陈天石先生、北京中科算源资产管理有限公司和北京艾溪科技中心(有限合伙)，持股比例分别为28.69%、15.76%和7.36%。其中，陈天石先生作为公司董事长、总经理，曾在中科院计算所担任研究员（正高级职称）、博士生导师，在人工智能和处理器芯片等相关领域从事基础科研工作十余年，积累了坚实的理论功底和丰富的研发经验，创办并领导公司在智能芯片方向快速跻身全球初创公司前列。 图1：寒武纪股权结构图 1）收入端：2017年-2023年，公司营业收入实现了较快增长，2017年公司实现营业收入0.08亿元，2023年公司实现营业收入7.09亿元，复合增速为111%。 2024年一季度，公司营业收入为0.26亿元，同比下降65.91%；公司合同负债为126.77万元，较期初大幅增长，体现了公司业务稳定增长态势，为24年的业绩表现提供了一定的指引。2024年，公司将持续研发投入，并大力拓展算力市场，有望实现较快增长。在智能芯片及板卡产品方面，公司将积极与新兴算法和应用公司进行接洽与合作，为其提供推理和训练算力支撑，也将持续推进已处于适配阶段的项目，扩大在互联网领域、金融领域、通信运营商以及重点行业客户的深度合作； 在智能计算集群系统业务方面，公司将充分发挥自身优势，积极拓展相关业务。 图2：2017-2024Q1公司营业收入变化 2）归母净利润端：2017年-2023年以来，公司长期处于亏损状态，主要系公司保持高额的研发投入。公司目前处于持续高强度研发投入阶段，通过将技术优势转化为优质的产品及易用的软件生态平台，以适应人工智能应用和场景的不断变化，提升市场竞争力，随着研发成果逐步转化为市场竞争力，利润端有望明显改善。2023年公司归母净利润同比亏损收窄32.47%，体现了公司内部经营管理效率的提升；未来随着公司持续提升内部管理效率，利润端也有望明显改善。 图3：2017-2024Q1公司归母净利润变化 公司高度重视研发投入，研发费用率长期保持较高水平。2019年公司研发费用支出为5.43亿元，2023年公司研发费用支出为11.18亿元，复合增速为19.79%。 2019年-2024年Q1，公司研发费率分别为122%、167%、158%、209%、158%、661%。截至2023年12月31日，公司累计申请的专利为2,639项；累计已获授权的专利为1,164项；此外，公司拥有软件著作权64项，集成电路布图设计6项。 图4：2019-2024Q1公司研发费用和研发费率情况 公司的核心竞争力可以概括为以下几个关键点： 1）领先的核心技术：寒武纪在智能芯片领域具备云边端一体、软硬件协同、训练推理融合的技术优势，掌握智能处理器指令集、微架构、编程语言和数学库等核心技术。 2）人才团队：董事长陈天石博士拥有十余年科研经验，领导公司快速跻身全球初创公司前列。公司核心研发团队成员多毕业于著名高校或科研院所，截至2023年，公司75.28%的员工为研发人员，78.46%的研发人员拥有硕士及以上学位。 3）产品体系：公司产品覆盖云端、边缘端的智能芯片及其加速卡、训练整机、处理器IP及软件，满足多样化的人工智能计算需求，支持视觉、语音、自然语言处理等多模态任务，广泛应用于智慧互联网、智能制造等领域。 4）客户资源：公司凭借领先的研发能力和可靠的产品质量，积累了优质客户资源，产品广泛服务于服务器厂商、AI应用公司，覆盖互联网、云计算、能源、教育等行业，提升了品牌认可度和市场影响力。 5）品牌优势：公司迭代推出多款智能芯片和处理器IP产品，获得多项荣誉，如“2018年全球AI企业100强”、“福布斯中国最具创新力企业”等，知名度不断提升。 公司的主营业务主要分为云端产品线、边缘产品线、IP授权及软件，以及智能计算集群系统业务四大类。在2023年的营业收入结构中，智能计算集群系统业务占据85.22%，云端产品线占据12.77%、边缘产品线占据1.53%、IP授权及软件占据0.03%。 图5：2023年主营业务占比 股权激励目标进一步彰显了公司的业绩增长信心。2023年11月18日，公司发布了《中科寒武纪科技股份有限公司2023年限制性股票激励计划（草案）》。 公司作为智能芯片领域全球知名的新兴公司，具有典型的技术密集、人才密集的特征。专业水平高、技术实力强的研发团队是公司持续创新力的保证，也是公司业务发展的重要基石。此次限制性股票激励计划实施后，将进一步提升员工的凝聚力、团队稳定性，并有效激发骨干员工的积极性，从而提高经营效率，给公司带来更高的经营业绩和内在价值。 表1：公司2024年-2026年股权激励目标 1.2云边协同+软硬件融合，智能芯片驱动业务持续升级 寒武纪是智能芯片领域全球知名的新兴公司，能提供云边端一体、软硬件协同、训练推理融合、具备统一生态的系列化智能芯片产品和平台化基础系统软件。公司的主营业务是应用于各类云服务器、边缘计算设备、终端设备中人工智能核心芯片的研发、设计和销售，以及为客户提供丰富的芯片产品。目前，公司的主要产品线包括云端产品线、边缘产品线、IP授权及软件以及智能计算集群系统业务。 图6：公司产品策略 1）云端产品线：云端产品线包括云端智能芯片、加速卡及训练整机。云端智能芯片及加速卡是云服务器和数据中心进行人工智能处理的核心器件，提供高计算密度和高能效的硬件计算资源。训练整机由公司自研的云端智能芯片及加速卡提供核心计算能力，主要面向有一定技术基础的商业客户。 2）边缘产品线：边缘计算是一种新型计算范式，在终端和云端之间的设备上配备适度的计算能力，弥补终端设备计算能力不足，并缓解云计算场景下的数据隐私、带宽与延时问题。边缘计算与人工智能技术结合，推动智能制造、智能零售、智能教育、智能家居、智能电网等领域的发展。 3）IP授权及软件：该产品线包括IP授权和基础系统软件平台。IP授权将公司研发的智能处理器IP等知识产权授权给客户使用。基础系统软件平台为云边端全系列智能芯片与处理器产品提供统一的平台级基础系统软件，打破不同场景之间的软件开发壁垒，提升灵活性和可扩展性。 4）智能计算集群系统业务：智能计算集群系统业务将公司自研的加速卡或训练整机产品与合作伙伴提供的服务器设备、网络设备与存储设备结合，组成数据中心集群。集群的核心算力来源于公司自研的云端智能芯片，主要为技术能力较弱的客户提供软硬件整体解决方案，提升运行效率。 公司也从训练和推理层面积极打造新一代AI基础软件平台。 1）训练软件平台方面，公司持续推进训练软件栈的研发和改进，新增加了功能和通用性支持，并大力推进大模型及推荐系统业务的支持和优化。在新增功能方面，训练软件平台为客户模型迁移提供了多种工具，降低了客户的适配迁移成本。 公司重点投入分布式和大规模集群的软件栈支撑，增加支持了多个分布式训练库，使训练软件栈能够支撑更多大模型分布式训练需求。软件栈完成了对典型操作系统的支持和发布，支持了生态的发展。在通用性方面，公司增加了框架算子的支持数量，完成了重点客户提出的大量定制化算子扩展需求，适配了多个重点客户的业务场景，实现了更全面的数据类型支持，更好地支撑了大模型训练场景。在性能方面，公司通过重点客户性能优化需求的牵引，针对多个网络进行了优化，分析并实现了多个算子和框架层面的性能优化点，并在通信上持续进行了单机多卡和多机多卡的低延迟优化，通信延迟和带宽利用率达到了业界领先水平。在大模型训练领域，公司完善了大模型的训练软件栈研发，进行了多个大模型的微调及预训练支持工作。通过持续的技术优化和适配工作，进一步优化了大模型训练性能，在大模型训练的性能和精度方面都取得了较强的竞争力，达到业务落地的性能和精度要求。 报告期内，公司成功验证了大模型在分布式集群上的预训练功能，实现了较长时间的稳定运行，且计算效率达到了业界领先水平。此外，在搜索、广告推荐领域进行了优化或完成组件开发，支撑多家客户的私有网络适配工作，客户需求网络性能远超既定目标。完成了蛋白质模型领域的网络训练任务。 2）推理软件平台方面，公司开发了支持大语言模型和多模态AIGC推理业务的基础软件，并分别对传统模型和生成式大模型进行了持续性能优化，加速了实际应用部署。针对传统模型推理业务的性能优化，在包括语音合成、搜索推荐和视觉处理等领域的高频使用网络中，公司通过持续的优化工作，确保了该业务模型保持业界领先水平，满足客户业务的落地需求。在大语言模型推理业务方面，公司研发了分布式推理加速库BangTran