景嘉微40亿定增后 架构研发中心有了进展

《投资者网》云诗蒙

景嘉微的架构研发中心，已有了进展。

9月，景嘉微在投资者平台回复：“子公司无锡锦之源电子科技有限公司已经成立。”之前，公司拟定增募资不超42.01亿元切入通用GPU领域，其中约9.45亿元将用于通用GPU先进架构研发中心建设项目，后者将建于江苏无锡。

值得一提的是，这笔40亿元定增过会，从深交所受理算起仅用两周时间，从发布定增预案到获交易所审核通过前后仅两个月。

景嘉微从航空图显模块起家，是军工显控领域佼佼者。拳头产品JM5400已占据国内军用飞机图显模块绝大部分市场，成为图形显控行业领域的标杆型企业。

作为国内唯一一家实现国产GPU大规模商业化生产的公司，技术完全自主研发。景嘉微能否持续发挥行业“领头羊”作用？国产GPU上市厂商面对的主要难题又是什么？

上半年业绩承压

2023年上半年，景嘉微实现营收3.45亿元，同比下降36.6%；归母净利润-0.08亿元，同比下降106.1%；扣非归母净利润-0.26亿元，同比下降124%。

《投资者网》整理

营业收入分产品来看，图形显控领域产品（GPU）、芯片领域产品、小型专用化雷达领域产品营业收入依次为2.11亿元、0.43亿元、0.76亿元，分别占比61.23%、12.58%、22.09%。可以看出图形显控产品长期驱动景嘉微的营收。

对此，公司表示业绩变动原因是受宏观经济波动、下游产业需求波动、销售结构变化等多方因素影响，导致产品销售规模下降。产品的应用领域看，主要集中在民用，但公司已宣布将拓展到民用。

研发方面，景嘉微研发费用为1.67亿元，同比增长23.77%，占公司营业收入占比48.25%。公司共有员工1296人，其中研发人员873人，占员工总数比例为67.36%。

值得一提的是，景嘉微第二达股东是国家集成电路产业投资基金股份有限公司，持股比例7.05%。它是国家级别的产业投资基金，专注于支持和发展中国集成电路产业。

GPU国产新势力

GPU是一种复杂的高端芯片。国际巨头起步早，有着高技术壁垒和专利壁垒。相比于像英伟达、AMD这些国际巨头，我国芯片行业尚在起步阶段。

2022年，美国政府命令芯片厂商英伟达停止向中国销售部分高性能GPU，据海外媒体报道，另一家AMD也称收到了相关的禁止命令。

危与机往往同时出现，在美国的压力和封锁之后，国内芯片企业进行产业创新自主研发的动力更足。

在机构调研中，景嘉微提到“2020年下半年受国际因素影响，AMD供货短缺，整机厂商就只能用国产的。国产有成熟产品的，只有景嘉微。2020年下半年开始景嘉微订单数高速增加，产品出货超过预期。”

在一个壁垒极高且赢家通吃领域，弯道超车谈何容易。不过，芯片国产化是大势所趋，近些年也不断涌现相关企业。

目前来看，景嘉微具备支持本土GPU和本土操作系统的自主知识产权GPU，产品主要为M5400、JM7201、JM92系列，应用于军用工业、人工智能、金融、云计算等领域。

华为海思的产品有昇腾910、昇腾310，两款都是基于自研华为达芬奇架构3DCube技术，支持云边端全栈全场景应用，昇腾910是基于7nm制程工艺的AI芯片，性能接近英伟达A100（40GB），半精度（FP16），算力达到320TFLOPS，整数精度（INT8）算力达到640TOPS，功耗310W。

另一个是昇腾310，它是一款低功耗AI芯片，该芯片FP16算力为8TOPS，INT8算力16TOPS，采用12nm工艺制造。适用于物联网设备和边缘计算场景。它具有高度集成的特点，能够在资源受限的环境下实现高效的AI推理。

海光信息产品有海光系、深算系，海光DCU属于GPGPU(通用图形处理)一种。2021年深算一号DCU产品已实现商业化应用，产品主要为深算一号DCU产品，应用于人工智能训练。

还有摩尔线程的MTTS60、MTTS2000，多应用于物理仿真、人工智能、自动驾驶等领域。

在调研中，当景嘉微被问到：“壁仞科技、摩尔线程的人都是英伟达或AMD出来的，他们在架构方面是不是有一定优势，是不是在数据中心领域有竞争？”

对此，景嘉微给出的回答是“技术只是一部分，市场渠道的因素更大。他们的确有大厂经验，起点比较高，技术可能有优势。但是芯片真不是谁技术好就行，关键要看落地的市场。市场主要是C端和B端两个，C端他们是没有竞争力的，因为成本敏感，流片不到百万量级就会很贵。在安防领域，别人恰恰会怀疑英伟达，在不计成本、考虑安全的市场，恰恰是景嘉微和华为的优势。”

决胜在架构

投资者提到的架构，目前是决定GPU算力、性价比的核心。

今年，英伟达凭借CHATGPT成为市场焦点。支撑起该企业产品背后的AI大模型，就是由其打造的CUDA。

简单说，CUDA是一种并行计算平台和编程模型，提供了一套完整的软件工具和库，支持多种编程语言和操作系统，简化GPU编程的难度和复杂度。CUDA提供各种深度学习框架（TensorFlow、PyTorch、MXNet）、机器学习库（cuDNN、cuML、RAPIDS）、科学计算库（cuBLAS、cuFFT、cuSPARSE）等，可以帮助开发者快速构建和部署AI应用程序。

众多算法工程师非常依赖CUDA提供的工具库及其编程语言，甚至有些工程师在学校期间就开始使用CUDA，毕业后入职企业依旧使用CUDA。

此外，在消费级市场上，几乎每一款重要的消费级视频应用程序都已经使用CUDA加速或很快将会利用CUDA来加速。原因是CUDA的GPU编程语言基于标准的C语言，因此任何有C语言基础的用户都很容易地开发CUDA的应用程序。

因此，由于开发者使用CUDA，且AI大模型则无法绕过CUDA，同时CUDA又是基于英伟达图形处理器（GPU）上全新的并行计算体系架构。换言之，CUDA几乎只支持英伟达的Tesla架构GPU，不容易迁移，由于AI开发者与英伟达软硬件长期绑定，所以英伟达凭借CUDA生态构筑极高的行业壁垒。

任何芯片企业想要打开市场，短期内兼容CUDA生态十分必要。软硬件协同完善的生态是客户选择CUDA的根本原因，也是英伟达领先于其他算力芯片企业最核心的竞争力。相比之下，AMD的ROCm是基于开源接口OpenCL，不同厂商支持不同的标准，导致应用范围不如CUDA更广。

如果不兼容CUDA，后期代码微调的工作量很大，兼容的话客户就无需再做二次开发或者修改算法。优势在于帮助客户节约时间。对于以大模型为主营业务的企业而言，时间的重要性不言而喻。模型推演快一天、比竞争对手的产品早一天上线都能决定一家企业的成败。

国内对标CUDA的AI计算生态有华为昇腾异构计算架构（CANN），它搭建从上层深度学习框架到底层AI硬件的桥梁，兼容性上，适配包括昇腾系列产品、英伟达系列产品、Arm系列的高通骁龙、华为麒麟的芯片等系列产品。

因此，火热的GPU赛道上，国产能否缩小差距，架构的打造将成为关键。（思维财经出品）■

来源：投资者网

原文标题:景嘉微40亿定增后 架构研发中心有了进展