预计何时盈利 ，产品研发进展如何
，行业未来发展方向何在……在9月1日举办的燧原科技科创板上市网上投资者交流会上，燧原科技董事长赵立东、总经理张亚林就公司盈利前景 、在研项目及产品未来拓展领域
、技术创新等投资者关注的话题 ，作出回应 。

　　“综合考虑在手订单、产品交付节奏 、员工成本预算
、研发规划等因素
，我们预计在2026年或2027年有望实现合并报表盈利
。 ”赵立东表示。

　　推理场景切入形成完整产品体系

　　“公司的AI芯片产品主要在推理场景大规模落地，近来 巨大的市场需求也来自大模型推理场景 。我们总体采取‘快速推进推理产品的商业化落地 ，在满足市场需求的同时
，与客户一道逐步推进训练产品’的产品迭代路径
。
”赵立东表示，推理卡作为AI大模型服务的交付载体 ，更注重部署成本与场景适配效率，商业化落地更快。

　　成立8年来
，燧原科技已自研迭代四代架构五款云端AI芯片，构建起覆盖AI芯片、AI加速卡及模组 、智算系统及集群和AI计算及编程软件平台的完整产品体系 。公司多代产品已在广泛的互联网AI场景中实现大规模商用 ，为从传统AI模型到AI大模型的国民级互联网应用提供算力支撑
。

　　客户方面
，燧原科技早期以头部互联网厂商作为主要突破口，与腾讯建立长期战略协同关系 ，同时逐步向多家头部互联网厂商
、运营商及行业客户复制拓展。据披露
，2023年至2025年，燧原科技对腾讯科技（深圳）的销售合计收入分别为1亿元、2.73亿元和8.3亿元 ，占当期营业收入比例分别为33.34% 、37.77%和83.79% 。

　　“腾讯作为公司长期深度合作伙伴
，双方合作基础深厚，而且还在进一步深化。我们相信这种合作符合双方利益 ，具有可持续性
，更有利于燧原建立从芯片到大模型应用的体系化技术和商业落地能力
。同时，公司与其他互联网客户的业务开拓进展良好 ，第四代产品已通过多个潜在客户的硬件及模型匹配，正在推进灰度测试
，有望在2026年内完成小规模产品交付，2027年实现大批量产品交付。”赵立东表示 。

　　针对未来市场拓展 ，燧原科技计划：一方面
，继续深化与互联网和大模型厂商的业务合作，通过具有竞争力的算力产品驱动更多国民应用；另一方面 ，积极拓展与大型运营商、央国企和产业伙伴的全面合作
，依托自研国产算力产品，让算力赋能千行百业
。

　　深耕DSA架构多代研发并行

　　燧原科技的产品竞争力建立在持续高强度的研发投入之上。2023年至2025年 ，公司累计研发投入达36.76亿元
，截至2025年末研发人员占比达76.73% 。

　　在芯片架构层面，公司AI芯片采用DSA架构 ，兼具AI并行计算领域的通用性
、专用加速效率和可编程迭代能力
。对于选取 该架构的原因
，张亚林解释称，在推理阶段 ，AI芯片需要在功耗、成本和实时性等方面进行优化。相较于GPGPU架构加速卡，DSA架构可针对特定模型所需算子进行优化定制
，针对特定场景或模型具有更好的适配性 。

　　软件平台层面，燧原科技并未跟随CUDA生态 ，而是自研了包括驱动程序 、编译语言与编译器
、算子库、工具链在内的全栈AI计算及编程软件平台“驭算TopsRider ”
，有效降低了基于公司硬件的主流AI模型编程开发难度和迁移成本
。据介绍，该平台近来 已适配近千个AI模型 ，覆盖线性代数 、深度学习
、视觉处理等300余个应用场景
，并提供约1600个深度优化算子。

　　研发体系上，燧原科技践行“预研一代 ，研发一代
，量产一代
”的多代并行模式 。从进展来看，近来 公司第二代及第三代高性能云端AI产品均已量产 ，第四代高性能云端AI产品已进入试产阶段
，第五代及第六代高性能云端AI产品仍处于研发阶段，AI软件栈、一体化AI智算应用方案研发正在持续迭代
。

　　对于未来的技术创新路径 ，燧原科技规划：在芯片层面继续推动先进计算架构迭代，沿多精度计算 、一致性存储和高效能互联等方向创新
，并推进先进封装技术迭代；在软件层面构建多层次编程模型和平台，推进分布式训练框架和推理加速技术落地 ，完善训推一体的技术全栈；在系统层面利用与头部互联网及大模型公司深度合作的优势
，加强高密度超节点集成性和商业性价比，持续推动集群的落地 ，整合集群部署运维技术栈。

　　此次IPO
，燧原科技计划将60亿元募集资金投入三个项目：15.03亿元用于基于五代AI芯片系列产品研发及产业化项目；11.97亿元用于基于六代AI芯片系列产品研发及产业化项目；33亿元用于先进人工智能软硬件协同创新项目 。

　　从大规模训练走向推理落地

　　“大模型行业正逐渐从大规模训练阶段走向推理落地阶段。”赵立东认为，DeepSeek系列大模型的发布 ，大幅提升了开源模型的性能
，降低了AI软件
、AI硬件的使用成本，加速了人工智能应用的落地 ，进而推动推理端算力需求
。

　　“国内AI应用凭借丰富的产业生态与成熟的流量优势
，实现了在各领域的规模化发展。 ”赵立东认为：互联网厂商凭借庞大的存量客户群体，推出的各类AI应用一经上线即对推理算力形成大规模需求；随着用户黏性的逐步增强 ，推理算力的需求规模预计将进一步扩大 。此外，DeepSeek等主流AI模型的开源化发展
，大幅降低了非头部AI厂商在模型预训练环节的投入需求，进一步推升了推理算力需求在整体算力需求中的占比
。

　　展望未来 ，赵立东认为公司所处行业面临三重机遇：一是随着各行业积极探索人工智能应用
，算力基础设施需求将持续增长，DeepSeek等模型的发展 ，为具备能效比和供应稳定性优势的国产AI芯片带来更多市场机会；二是国内云厂商对本土AI加速卡厂商的合作态度日益开放
，国产化进程有望持续加速；三是相关支持政策持续出台，国家算力枢纽节点和数据中心集群建设稳步推进 ，为行业发展提供良好环境。

（文章来源：上海证券报）