ASIC定制芯片专家交流

Q：ASIC 定制芯片在字节跳动有哪些主要项目及进展？

A：公司与字节跳动在 ASIC 定制芯片领域有三大核心项目，各项目进展与定位明确。一是 VPU 芯片项目，预计 2026 年 4 月量产，公司重点布局该时间节点的产品，核心目标是通过先发优势建立与字节的长期合作关系，不过当前 VPU 产品市场竞争激烈，利润空间相对较低，而其他厂家多聚焦 2027 年量产的产品，形成差异化竞争格局。二是 NPU 芯片项目，预计 2026 年 8 月量产，字节在研发阶段投入 2.5 亿美金，这部分收入基本归公司所有，但因前期研发投入大，该阶段盈利水平较低；量产阶段字节计划投入 4 亿美金，预计 2026 年生产 30 万颗芯片，此阶段收入约一半归公司，剩余部分用于支付封测、流片等环节费用，且芯片生产费用由字节直接支付给三星。目前字节、公司与三星已达成深度合作，制定了五年规划，后续三星还计划将部分产能尝试转移至国内，进一步优化供应链。字节的 NPU 产品大概率采用一年一代的迭代节奏，且预计长期与三星合作，由于第一代产品由公司负责设计并确立标准，后续每代产品大概率延续该标准，因此公司在未来字节 NPU 项目中有望保持较高市场占有率。三是 VR 眼镜项目，该项目始于 2023 年，今年进入迭代阶段，当前收入不到 1 亿人民币，预计 2026 年底或 2027 年量产，公司仅负责芯片设计环节，后续会通过 IP 授权获取收入，不参与量产环节。按预期产量几十万颗计算，若采用 IP 授权模式，单颗芯片后续可为公司带来 10-20 元收入；若采用芯片授权模式，单颗芯片后续收入可达几十元，收入模式灵活且具备长期收益空间。

Q：ASIC 定制芯片在阿里有哪些主要项目？

A：公司与阿里在 ASIC 定制芯片领域合作覆盖多个场景，核心项目有三个

。第一个是无影云项目，该项目主要为非开发者群体提供云服务，由于云服务需要处理大量图形渲染任务，对资源界面的需求极高，因此本质上需要一款高性能 VPU 芯片支撑。不过该项目由阿里达摩院负责总包，公司并非主导方，仅承担部分研发与设计工作，合作角色相对次要。

第二个是加密货币相关芯片项目，针对加密货币运算场景的特殊需求，提供定制化 ASIC 芯片解决方案，助力阿里在该领域的技术布局与业务拓展。

第三个是虎鲸互娱项目，聚焦互联网娱乐场景，为虎鲸互娱的游戏、直播等业务提供专用 ASIC 芯片，优化运算效率与成本控制，目前三个项目均按计划推进，各有明确的场景定位与分工。

Q：ASIC 定制芯片在腾讯和亚马逊的项目情况如何？

A：公司与腾讯、亚马逊在 ASIC 定制芯片领域的合作模式与项目重点存在明显差异。在与腾讯的合作中，核心模式为IP 授权，即公司向腾讯提供 ASIC 定制芯片相关的知识产权授权，腾讯基于这些 IP 开展自身芯片研发或产品应用，公司不直接参与芯片的设计与生产环节，合作聚焦于知识产权输出，模式相对轻资产。而与亚马逊的合作则更具规模性与长期性，亚马逊在今年 7 月底至 8 月初与公司签订了几亿美金的合作协议，合作周期覆盖 2025、2026、2027 三年，核心研发方向为 NPU 芯片。

不过需要注意的是，亚马逊在大数学机领域的整体投入规模较大，公司仅参与其中部分环节，主要负责 NPU 芯片的定制化设计与相关技术支持，并非承担全部项目研发，合作聚焦于核心芯片环节，与亚马逊自身的技术体系形成互补。

Q：ASIC 定制芯片在比亚迪和理想有哪些主要项目及进展？

A：公司在汽车客户领域，与比亚迪、理想的 ASIC 定制芯片合作均聚焦智驾场景，项目进展与分工清晰。针对比亚迪，核心项目是 “天神之眼” 智驾芯片，该芯片主要应用于车辆互联场景，具体包括搭载 WiFi 模块的车联网交互功能，公司在项目中仅负责芯片设计环节，不参与后续量产工作，目前项目推进顺利，预计今年年底有望完成结项，结项后根据比亚迪的业务需求，后续可能开展芯片迭代合作，形成长期服务关系。

针对理想，合作项目同样是智驾芯片，去年理想在该项目上已投入 1.5 亿，且今年年底可能有追加投入。

公司在合作中提供全方位支持，包括 IP 授权、人员外包服务以及芯片设计平台搭建，且所有项目相关的知识产权均归属于理想，为了更好地保障项目进度与适配需求，公司专门派遣团队入驻理想，在理想内部开展研发工作，深度融入客户的开发流程，确保芯片设计与理想的智驾系统高度匹配。

Q：公司主要手机客户小米和 VIVO 的项目进展如何？

A：公司与小米、VIVO 这两大手机客户的合作覆盖多产品线，项目进展与后续规划明确。在与小米的合作中，核心项目有三类：

一是玄界芯片的 NPU IP 授权，公司向小米输出 NPU 相关知识产权，支撑小米玄界芯片的研发与应用；

二是手表、手环等可穿戴设备芯片业务，该业务当前收入已超过 1 亿人民币，其核心亮点是芯片支持非侵入式血压检测功能，通过深度学习算法大幅提升血压检测的精准度，增强产品竞争力；

三是传统家电芯片业务，涵盖投影仪、吹风机、牙刷等设备的芯片供应，每年可为公司带来一两亿人民币的稳定收入，形成多元化的合作格局。

在与 VIVO 的合作中，重点聚焦旗舰机 NPU 芯片，VIVO 今年 3 月发布的旗舰机型所搭载的 NPU 芯片由公司负责设计，双方已确定后续采用每年迭代的节奏，持续优化 NPU 性能以适配 VIVO 旗舰机的升级需求。此外，公司还在拓展手机客户群体，真我、酷派等品牌均在洽谈中，预计今年年底前有望签订合作订单，进一步扩大手机领域的市场份额。

Q：四季度和明年订单趋势是怎样的？

A：从订单趋势来看，公司短期内与长期内的订单增长均有明确支撑。在四季度订单方面，基于当前与现有大客户的合作进展、项目推进节奏以及已有的需求沟通，预计四季度新签订单量不会少于三季度，订单规模保持稳定，主要得益于现有项目的持续推进与客户需求的稳步释放，不存在明显的季度性下滑风险。在明年订单方面，新增订单的主要增量来源明确指向现有大客户，一方面，现有大客户（如字节跳动、阿里、小米、VIVO 等）的项目多处于长期合作周期，明年会进入迭代或扩容阶段，带来增量订单；另一方面，公司与现有大客户已建立深度合作关系，信任基础与技术适配性强，客户更倾向于将新增需求交由公司承接，而非重新开发新供应商，因此明年订单增长的确定性较高，且增长动力集中于核心客户群体。

Q：在 AI 时代，RISC-V 架构的主要机会体现在哪些方面？公司有何举措？

A：在 AI 时代，RISC-V 架构凭借其独特优势，展现出两大核心机会。

第一，AI 场景需要大量 ASIC 芯片来支撑高效运算，而如何让 CPU 更好地适配数量日益增多、更新速度不断加快的 ASIC 芯片，成为行业关键问题，RISC-V 架构在这种适配性上具备显著优势，能够更好地协调 CPU 与 ASIC 的协同工作，提升整体运算效率。

第二，RISC-V 架构本身采用模块化设计，在调配学习通路、数据通路，以及统一通用芯片与专用芯片的内存调用等方面，相比传统架构（如 x86、ARM）更具灵活性与效率优势，能够更好地适配 AI 场景中多样化的运算需求，降低不同类型芯片之间的协同成本。为了抓住这些机会，公司已采取明确举措，通过收购 RISC-V 芯片相关企业，补齐自身在 RISC-V 架构领域的技术短板，为后续承接相关订单做好准备，目前已有 CPU 订单的潜在需求，收购动作正是为了更好地满足这些需求，提升在 AI 时代基于 RISC-V 架构的市场竞争力。

Q：Chiplet 技术为何在 AI 领域具有特别大的发展机会，其核心优势是什么？

A：Chiplet 技术（芯粒技术）在 AI 领域之所以拥有巨大发展机会，核心在于其技术理念与 AI 领域的需求高度契合，且具备两大关键优势。该技术最早由车企提出，核心理念是通过 “高内聚、低耦合” 的方式，将芯片的不同功能模块单独封装，当某一个功能模块需要升级时，无需重新设计整个大芯片，仅需替换或升级该模块对应的芯粒即可。例如车企可能在某一年迭代摄像头相关芯粒，下一年迭代温度传感器相关芯粒，无需重构整个芯片系统，这种特性完美适配 AI 领域的需求。在 AI 领域，芯片设计需要快速响应不同模态需求的动态变化：比如 2025 年初，语言模型迭代速度快，客户对语言理解相关硬件模块的需求激增，此时仅需升级语言处理对应的芯粒；2025 年中期，视频模态需求爆发（如视频处理、文生视频、图生视频），则可针对性升级视频处理芯粒。由于不同时间段 AI 训练的爆发点集中于特定模态，动态变化频繁，Chiplet 技术的 “局部升级” 特性能够显著提升芯片迭代效率，避免全芯片重构带来的时间浪费；同时，无需重复设计未升级模块，大幅降低了研发成本，减少了资源浪费。因此，在 AI 领域对效率与成本双重追求的背景下，Chiplet 技术的发展机会尤为突出。

Q：高通近期收购了 alphaweave，这是否会影响公司与 alphaweave 的合作？公司是否有计划收购其他类似 serdes 芯片项目？

A：高通收购 alphaweave 后，不会对公司与 alphaweave 的合作产生重大影响，核心原因在于双方的合作模式（以 IP 授权、代理为主）并未发生改变，且高通从自身经济利益出发，短期内不太可能直接终止现有业务安排 —— 现有合作能为高通带来稳定的收入分成，贸然终止会损害其短期收益，也不利于 alphaweave 业务的平稳过渡。根据公司与高通、alphaweave 的三方沟通结果，未来三至四年内，公司仍将保持 alphaweave 系列芯片在中国市场的总代理地位，能够继续正常开展代理与合作业务，合作稳定性有明确保障。在收购其他类似 serdes 芯片项目方面，公司已制定初步预案，对潜在标的与收购策略进行了规划，但短期内（未来半年）不会有实质性动作，除非 alphaweave 业务出现重大变故（如技术路线调整、市场份额大幅下滑等），导致现有合作无法满足公司需求，才会启动备选收购计划，当前重点仍放在维护与 alphaweave 的现有合作上。

Q：公司为客户提供芯片设计服务后，大部分客户是否会选择让公司负责后续量产？客户主要基于哪些因素做出决定？

A：公司为客户提供芯片设计服务后，并非大部分客户都会选择由公司负责后续量产，客户的决策主要基于自身战略需求、成本控制、产业链掌控力等多方面因素，呈现明显的差异化特征。一类客户如小米，更注重对全产业链的掌控权，希望将芯片量产环节纳入自身供应链体系，避免外部供应商参与过多导致的协同效率降低或成本不可控，因此这类客户通常会在公司完成设计后，自行对接量产厂商（如晶圆厂、封测厂），主导后续量产流程。另一类客户如字节跳动，更关注量产环节的良率提升与时间周期缩短，公司在海外供应链合作（如与三星的合作）、量产工艺优化等方面具备丰富经验，能够帮助字节快速提升芯片良率、缩短量产周期，因此这类客户倾向于让公司负责后续量产，借助公司的资源与技术优势推进项目。此外，还有部分客户基于议价权考量，不希望单一乙方（如公司）在设计与量产环节均占据主导地位，担心后续合作中议价能力减弱，因此会选择自行主导量产，通过引入多家供应商形成竞争，保障自身议价权。

Q：在为客户设计的芯片产品中，自有 IP 与外购 IP 所占比例如何？这一比例是从价值量还是数量维度计算得出的？

A：公司为客户设计芯片时，自有 IP 与外购 IP 的比例并非固定，而是因项目类型（芯片功能、应用场景）的不同存在显著差异，且所有比例数据均以价值量为计算依据（即 IP 的技术价值、授权费用规模），而非 IP 的数量（如 IP 模块的个数）。

具体来看，在 NPU 类项目中，公司的自有 IP 占比最高，约为 70%—— 这是因为公司在 NPU 领域布局早，积累了大量核心知识产权，能够覆盖 NPU 芯片的主要功能模块，对外购 IP 的依赖度较低；

在 VPU 类项目中，自有 IP 占比约为 50%，VPU 芯片涉及部分特殊功能模块（如高端图形渲染），公司在这些模块上的 IP 积累相对不足，需外购部分核心 IP 补充；

在 CPU 类项目中，自有 IP 比例通常低于 50%，CPU 架构复杂、技术壁垒高，行业内有成熟的第三方 IP 供应商（如 ARM），公司为保障 CPU 性能与兼容性，会外购较多核心 IP（如指令集、运算单元 IP），自有 IP 主要用于适配客户的定制化需求，因此占比相对较低。

Q：公司当前 IP 授权收入中，一次性授权费用与量产分润模式各自占比如何？两种模式如何协同运作？

A：以 2025 年的 IP 授权收入结构为例，一次性授权费用约占 60%，量产分润模式约占 40%，两种模式根据项目进展与客户需求灵活协同，形成互补的收入结构。

从运作逻辑来看，一次性授权费用主要在芯片设计阶段收取，当客户启动芯片研发项目时，公司向其授权相关 IP 用于设计环节，一次性收取固定的授权费用，该模式能在项目初期为公司带来稳定的现金流，覆盖部分前期研发投入。

而量产分润模式则在芯片进入量产阶段后启动，公司根据客户芯片的实际量产数量，按约定比例收取分润费用，量产规模越大，分润收入越高，该模式能让公司分享客户产品的长期收益，尤其在客户产品销量爆发时，能带来显著的收入增量。在实际合作中，两种模式的比例可根据客户需求调整：例如部分客户希望降低初期投入压力，公司可适当降低一次性授权费用比例，相应提高量产分润比例；

若客户更倾向于明确初期成本，避免后续分润压力，则可提高一次性授权费用比例，降低分润比例，通过灵活调整满足不同客户的财务规划与合作诉求。

Q：国内定制化 AI 芯片市场竞争格局如何？公司的壁垒是什么？

A：国内定制化 AI 芯片市场的竞争格局呈现 “分领域差异化” 特征，不同细分赛道的竞争强度与市场主导权差异显著。在NPU（神经网络处理单元）领域，公司处于绝对主导地位，其他厂商因在 IP 积累、技术成熟度、客户合作深度等方面存在明显差距，尚未形成能威胁公司地位的竞争势力。不过公司拿到 NPU 项目总包后，并不会独自承担全产业链工作 —— 为了优化供应链成本、保障价格竞争力，通常会将部分非核心环节（如基础封装、辅助模块设计）分包给其他厂商，通过整合行业资源实现 “整体成本最优”。

而在VPU（视频处理单元）领域，市场竞争相对充分，公司的技术壁垒（护城河）不算高，行业内多家厂商均具备 VPU 芯片的设计与供应能力，因此公司既可能凭借经验优势拿到总包项目，也可能参与其他厂商总包项目的分包工作，竞争格局更为均衡。

公司的核心壁垒主要体现在两点：

一是IP 护城河深厚，比同业提前 10 年左右布局定制化 AI 芯片 IP，市占率领先，且此前与手机厂商、车企等核心客户合作时，已参与确立多版行业技术标准，后续国内客户开发 NPU（无论视频模态还是神经网络相关），基本需符合这些已落地的标准，而公司产品与标准高度适配；

二是用户习惯绑定，其他厂商若想竞争，需先建立全新标准，且该标准需比公司现有标准更贴合用户使用习惯才能获得市场认可，这极大提高了行业竞争门槛。

Q：公司在 NPU 芯片兼容性方面有哪些特点？与国际领先企业相比处于何种水平？

A：公司 NPU 芯片的兼容性特点需从 “场景适配” 与 “生态配套” 两个维度分析，且与国际领先企业的对比需聚焦国内市场定位。从场景兼容性来看，公司 NPU 芯片以 “定制化” 为核心特点 —— 每款芯片均针对客户特定业务场景开发，仅适配该场景下的运算需求，例如为某客户的智能推荐业务定制的 NPU，仅优化推荐算法相关运算，若客户后续业务方向调整（如转向视频生成），这款芯片则不再适用，这种 “场景专属” 的设计思路虽降低了跨场景兼容性，但大幅提升了单一场景下的运算效率。从生态配套兼容性来看，公司 NPU 芯片在产业链协同上表现良好：例如配套 CPU 使用时，能与主流 x86、ARM 架构 CPU 实现稳定数据交互；在 AI 算力生态中，若客户采用 “英伟达 GPU 训练 + 公司 NPU 推理” 的模式，公司 NPU 能完美承接 GPU 训练后的模型部署，数据传输与模型适配无明显瓶颈。与国际领先企业（如英伟达、谷歌）相比，公司 NPU 在跨场景通用性、全球生态覆盖度上存在差距，但在国内特定场景的兼容性与适配性上，并不逊色于国内其他厂商，尤其在与国内客户现有系统（如自研服务器、本地化算法框架）的协同上，甚至因更贴近国内客户需求而具备优势，整体处于 “国内第一梯队、聚焦场景化竞争” 的水平。

Q：芯片架构是否对其通用性和专用性产生决定性影响？公司当前采用哪些架构策略？

A：芯片架构对芯片的通用性和专用性有显著影响，但并非唯一决定性因素，架构的实际作用需结合设计目标、产业链支持、应用场景等多维度综合判断。例如，英伟达的 CUDA 架构因具备完善的软件生态和指令集兼容性，能适配多类 AI 运算需求，通用性较强；而谷歌 TPU 采用的 Tensor 架构，虽本身更偏向专用运算，但谷歌凭借不受晶圆面积、制程限制的设计空间，以及完整的产业链支持（如自研编译器、云生态），可通过增加冗余设计（如多运算单元备份），将其打造成具备一定通用性的 AI 芯片。这说明架构只是基础，最终的通用性 / 专用性需由 “架构 + 设计策略 + 生态支持” 共同决定。公司当前的架构策略聚焦 “场景专用化”，核心采用Tensor 架构开发 VPU 产品—— 设计之初便明确不追求通用适配，而是针对视频处理、图形渲染等 VPU 核心场景，优化 Tensor 架构的运算单元与数据通路，例如强化视频编解码、图像降噪相关的硬件模块，弱化与视频场景无关的通用运算功能，以此提升 VPU 在特定场景下的能效比与运算速度，契合公司 “定制化芯片服务商” 的定位。

Q：关于谷歌 AR 项目，其进展如何？当时未能继续推进的主要原因是什么？

A：公司与谷歌合作的 AR 眼镜项目有明确的时间线与终止原因，核心问题并非出在芯片技术上。该项目于 2022 年正式立项，双方明确目标是开发面向消费级市场的 AR 眼镜核心芯片，项目前期推进顺利：公司完成芯片设计后，已配合谷歌进行小规模样品生产，并在谷歌内部开展试用，试用结果显示，芯片在能耗与重量上均达到预期（AR 眼镜对续航和便携性要求极高，芯片功耗需控制在极低水平，体积需微型化），未出现技术性能不达标问题。但项目最终未能进入大规模推进阶段，核心原因在于外设设计未达市场需求：

一是 AR 眼镜的外部材料（如镜架材质、显示镜片）未能平衡 “舒适性” 与 “耐用性”，试用反馈中 “长时间佩戴压鼻”“镜片易磨损” 等问题突出；

二是摄像头模块性能不足，AR 眼镜需通过摄像头实现环境感知、手势识别等功能，但当时配套的摄像头在低光环境下画质模糊，手势识别准确率未达商用标准。此外，AR 眼镜的应用场景也存在限制 —— 当时消费级 AR 应用生态尚未成熟，缺乏能驱动用户购买的核心应用，叠加外设问题，谷歌最终决定暂停项目迭代，并非因公司芯片技术不达标。

Q：公司当前设计业务与量产业务的盈利水平如何？

A：公司设计业务与量产业务的盈利水平存在明显差异，且均有明确的提升预期，需分阶段、分业务拆解。

在设计业务方面，盈利水平随产品迭代逐步提升：当前第一代产品的设计业务，因需承担大量前期研发投入（如人员工资、设备采购、技术验证费用），扣除这些开支后，基本仅能维持盈亏平衡，几乎无超额利润；而第二代、第三代产品因技术方案已相对成熟，研发复用率提升（如部分 IP 模块可直接复用），成本显著下降，净利率通常能达到 3%，且随着客户对成熟方案的复用率进一步提高（如同一行业不同客户共享基础设计框架），未来净利率有望继续提升至 5% 左右。

在量产业务方面，盈利水平需区分 “名义毛利” 与 “实际毛利”：量产业务的名义毛利率约为客户量产环节收入的 50%（即若客户某芯片量产收入 1 亿元，公司量产业务收入约 5000 万元），但需扣除给晶圆厂、封测厂等供应商的费用（如晶圆采购成本、封测服务费），扣除后实际毛利占比降至 25% 左右。未来随着客户数量增长（规模效应降低单位管理成本）、供应链议价能力提升（如与晶圆厂签订长期协议降低采购价），量产业务的实际毛利占比有望提升至 30% 以上，设计业务与量产业务的整体盈利水平将随规模扩张进一步优化。