腾讯六轮注资的国产AI芯片启动IPO了

这家公司的背后，站着连续六轮砸下超20亿元的腾讯，以及一群来自清华EE85班的“芯片老兵”。创始人赵立东与张亚林，两位前AMD高管，用18个月流片成功的纪录，将燧原推至行业风口。

其“邃思”系列芯片已渗透腾讯会议语音转文字、甘肃庆阳国家算力枢纽万卡集群，性能对标英伟达A100，液冷算力集群能效利用率达92%。

但光环之下，挑战同样尖锐：台积电12nm制程落后国际两代，CUDA生态开发者仅8.7万，全球化拓展步履维艰。这场IPO，既是70亿资本催熟的果实，也是国产算力突围的关键一役。

从AMD到紫光，两个“硅谷老兵”的六年狂飙

2018年3月，上海临港新片区的一间办公室里，赵立东与张亚林签署了燧原科技的创立协议。

这两位曾在AMD共事多年的“硅谷老兵”，彼时已分别在中国半导体产业中留下深刻印记。

赵立东，清华大学EE85班成员，曾主导AMD上海研发中心，参与Ryzen处理器核心研发；张亚林，则带领团队量产微软Xbox主芯片，手握12项专利。

他们的合作，被业内视为“技术定义者”与“量产操盘手”的强强联合。

赵立东自2007年加入AMD后，负责CPU/GPU核心研发，管理超千人团队。

2014年回国加入紫光集团，主导锐迪科微电子的收购与整合，推动紫光在通信芯片领域的布局。

然而，他始终怀揣“在中国定义全球性芯片产品”的野心。2018年，赵立东离开紫光，与张亚林共同创立燧原科技，目标直指被英伟达垄断的AI训练芯片市场。

公司成立仅一个月，燧原科技即获亦合资本、真格基金等机构的种子轮融资，验证了创始团队的行业号召力。

五个月后，腾讯以3.4亿元领投Pre-A轮，这一动作被赵立东称为“热启动战略”：腾讯不仅注资，更开放云服务场景，使燧原芯片在研发阶段即与腾讯会议语音转文字、OCR识别等实际需求深度耦合。

此后六年，资本狂潮汹涌而至——红杉中国、国家大基金二期、CPE源峰等机构接连入场，累计融资近70亿元，腾讯六轮参投，持股20.494%，稳居第一大股东。

资本推力下，燧原团队迅速扩张。

研发人员占比70%，核心成员多来自AMD、英伟达、海思，形成“硅谷基因+本土化创新”模式。

2019年6月，首款AI训练芯片“邃思1.0”流片成功，耗时仅18个月，创行业纪录。这款采用台积电12nm工艺的芯片，算力达128TFLOPS（FP16），首次在腾讯云实现国产训练芯片商用。

2020年，云燧T10训练加速卡问世，算力翻倍至256TFLOPS，适配万亿参数大模型训练，落地湖北宜昌智算中心，上架率超80%。

商业版图同步扩张。

2023年，燧原科技中标中国移动（甘肃·庆阳）数据中心项目，建成国产首个万卡推理集群，单集群算力40EFLOPS，入选国家算力网络枢纽节点。

互联网客户覆盖腾讯、爱奇艺，金融领域落地实时反欺诈系统，响应时间缩至毫秒级；自动驾驶合作车企进入路测阶段。

截至2024年8月IPO启动前，燧原科技估值达160亿元，，但未披露具体盈利数据。

硬刚英伟达的“三板斧”：芯片、集群与生态

燧原科技的技术突围，始于对英伟达垄断市场的精准打击。其“三板斧”策略——高性能芯片、液冷算力集群、自主软件生态——直指国际巨头的核心壁垒。

2019年发布的“邃思1.0”采用台积电12nm工艺，支持混合精度计算，能效比达1.2TOPS/W，较同期英伟达V100落后15%，但价格仅为后者60%。

2021年迭代的云燧T20训练卡，算力提升至**TFLOPS，支持FP8精度，适配Llama 3等万亿参数模型训练，在腾讯元宝AI工具中实现20倍DAU增长。

2024年推出的云燧i20推理卡，INT8算力**TOPS，能效比1.5TOPS/W，液冷版S60功耗仅150W，支持高密度部署，应用于庆阳万卡集群，算力利用率达92%。

燧原科技的液冷算力集群采用冷板式散热方案，单机柜功率密度40kW，较传统风冷能耗降40%。其动态资源调度算法可自动平衡算力负载，在甘肃庆阳项目中，万卡集群延迟低于5微秒，支持千亿参数模型实时推理。

这一技术使燧原成为国内唯二（另一家为华为昇腾）实现千卡级AI集群商业落地的企业。

软件生态是燧原与英伟达的最大差距。

2021年推出的“驭算”编程平台，支持TensorFlow、PyTorch框架迁移，预置200+算子库，模型训练效率提升50%。

配套的“鉴算”推理引擎实现模型量化压缩，ResNet-50推理延迟压至5ms，较开源方案优化60%。

但与CUDA生态的300万开发者相比，“驭算”注册开发者仅8.7万，算子覆盖率不足60%。为此，燧原计划投入IPO募资的20%开发CUDA兼容工具链，目标2025年实现90%算子兼容，迁移成本降至人均40工时。

在腾讯生态内，燧原芯片支撑语音转文字响应时间缩至毫秒级，OCR识别准确率提升至99.3%。

2024年发布的“燧原曜图”文生图工具，基于自研芯片实现每秒20张4K图像生成，成为国内首个支持实时渲染的AI创作平台。

金融领域，某头部银行采用云燧i20完成每秒万级交易反欺诈分析。

自动驾驶合作中，多传感器融合算法算力密度较GPU方案提升2倍。

国产替代的狂欢与隐忧：中美算力博弈缩影

工信部数据显示，国产AI芯片在智算中心的采购占比从2023年的18%跃升至2025年的47%，市场规模突破600亿元。

这场狂欢背后，既有技术突破的里程碑，也暗藏供应链与生态的深层隐忧。

1. 狂欢：政策红利与技术突破的双重催化

2024年，财政部等四部门联合发布《算力基础设施高质量发展行动计划》，明确要求新建智算中心国产芯片使用比例不低于50%，采购补贴最高达30%。政策直接推动订单激增：

燧原科技中标中国移动（甘肃·庆阳）数据中心万卡集群项目，合同金额8亿元，采用云燧i20液冷推理卡，算力利用率达92%；

华为昇腾拿下国家电网智能巡检系统升级项目，部署昇腾910B芯片超5万片，推理效率提升40%；

寒武纪与合肥市政府共建200PFlops算力中心，思元590芯片部署量超10万张，主要用于交通监控低光场景优化。

技术突破同步加速。

燧原科技的云燧T20训练芯片在腾讯元宝AI工具中支撑DAU增长20倍，语音转文字响应时间缩至0.8秒；

壁仞科技BR104芯片在Llama3-400B模型训练中，单卡性能达英伟达A100的72%，成本仅后者50%。

国产芯片的性价比优势，使其在互联网、金融等市场化场景中逐步渗透：某头部银行采用燧原方案后，实时反欺诈分析成本降低60%，处理速度提升3倍。

2. 隐忧：技术依赖与生态短板的双重枷锁

国产替代的狂欢难掩底层危机。

制程困局：燧原云燧T20依赖台积电12nm工艺，晶体管密度仅33.8MTr/mm²，较英伟达H200的4nm工艺（138MTr/mm²）落后两代。若被列入实体清单转向中芯国际14nm，芯片面积将增加58%，功耗飙升45%，性能损失达35%。

HBM断供风险：国产芯片的HBM（高带宽内存）完全依赖SK海力士、三星供应，燧原庆阳项目储备量仅够12个月，而英伟达通过自研HBM3E将显存带宽提升至4.8TB/s，形成代际压制。

生态孤岛：英伟达CUDA生态拥有300万开发者，支持2000种模型一键部署；燧原“驭算”平台注册开发者仅8.7万，算子覆盖率为58%，迁移成本人均120工时。华为昇腾虽开放硬件授权，但CANN软件适配效率仍落后CUDA 30%。

地缘政治进一步加剧不确定性。

2024年美国商务部更新实体清单，新增壁仞科技等5家中国芯片企业，限制其获得14nm以下制程技术。

英伟达对华特供版H20芯片性能缩水85%，但单价高达11万元，迫使国产企业陷入“高价低效”与“技术卡脖”的两难。

3. 博弈：从“替代”到“共存”的战略转型

面对压制，国产阵营转向差异化竞争：

混合架构突围：壁仞科技推出异构GPU协同训练方案（HGCT），支持与英伟达芯片混用，训练效率损失控制在15%以内；

边缘计算卡位：寒武纪思元590在智能摄像头市场市占率达35%，低光场景识别准确率提升至92%；

政策市场捆绑：燧原科技联合腾讯云推出“元算力”订阅服务，客户可按需调用国产算力，成本较英伟达方案低30%。

但国际巨头的反制同步升级。

英伟达2025年推出Blackwell芯片，FP8精度训练效率较H200提升2倍，并联合Meta、谷歌成立“AI计算联盟”，通过框架优化巩固CUDA生态壁垒。

AMD则通过MI300X芯片降价20%，在中国互联网企业订单中抢夺燧原、华为的份额。

结语

国产AI芯片的替代浪潮，是政策意志、资本推力与技术突围的合力。

燧原科技、华为昇腾等企业通过智算中心建设、边缘场景卡位和混合架构创新，在1540亿美元的全球市场中撕开一道缺口。

然而，制程代差、生态短板与地缘绞杀的三重枷锁，仍将长期制约其发展。

这场博弈的本质，是从“替代”到“共存”的范式转换。

国产芯片企业需在3nm工艺研发、CUDA兼容工具链构建与供应链冗余建设上持续加码，方能在英伟达每年47亿美元的研发火力下守住阵地。

燧原科技的IPO，既是国产算力的高光时刻，更是新一轮竞速的起点——唯有跨越技术、生态与商业化的三重裂谷，才能真正实现从“可用”到“好用”的质变。