公司发展历程与里程碑 - 1990年，为推动“863计划”项目落地，“国家智能计算机研究开发中心”成立，中科院计算所研究员李国杰出任中心主任，其上任后确立的第一个项目就是制造超级计算机 [1][24][25] - 1993年，中国第一台自主研发的高性能计算机“曙光一号”诞生，终结了中国没有自主HPC的历史 [12][35] - 1995年，“曙光一号”折价2000万吸引外部资本，成立“曙光信息”，成为中科曙光的前身 [38] - 1997年，“曙光天潮1000A”成功落户辽河油田，实现国产超算市场化“零的突破” [39] - 2014年11月6日，中科曙光在上海证券交易所上市，市场以连续22个涨停回应 [51] - 2025年5月，海光信息官宣合并中科曙光，强强联合打造数科航母 [79] 技术与产品成就 - 公司高性能计算机（HPC，即超算）是支撑国家重大工程的关键算力基础，例如“嫦娥三号”的平稳着陆 [6] - 1993年“曙光一号”问世后，相继推出“曙光4000A”、“曙光5000”、“曙光6000（星云）”，使中国成为美、日之后第三个能独立研发制造十万亿次、百万亿次、千万亿次超算的国家 [12] - 曙光“星云”以每秒1270万亿次的运算速度，在2010年全球超算TOP500榜单中排名第二 [12] - 2009至2019年间，公司连续10年蝉联中国HPC TOP100排行榜第一 [13] - 公司最新发布的超节点scaleX640，单柜可绑定640张AI算卡，能扩展成10万卡级的超级AI集群 [19] - 公司基于寒武纪的AI芯片，于2017年推出了AI专用服务器PHANERON [68] 芯片与核心产业链布局 - 公司在芯片领域握有三张“王牌”：自主架构的龙芯、x86架构的海光、AI芯片寒武纪 [76][77] - 子公司海光信息是国内唯一具备x86架构CPU研发能力的企业，其自主DCU“深算二号”性能可达英伟达A100的80% [16][74] - 2014年，公司成功打造出完全自主知识产权的“龙芯3B”服务器 [61] - 海光信息于2018年实现“海光一号”量产，后上市成为国产高端CPU/DCU芯片研发商，目前市值突破5000亿 [74][75] - 合并完成后，“海光+曙光”将打通国产芯片、服务器、存储、数据中心的全产业链，形成“芯片研发-硬件制造-算力服务”的完整闭环 [80] 市场拓展与业务多元化 - 公司产品广泛应用于气象预报、石油探测、证券交易、“神舟”飞天、“嫦娥”落月等领域 [8] - 在历军带领下，公司业务从超算扩展至网络服务器、存储领域，形成HPC、通用服务器、存储三大硬件产品线 [47][48] - 客户覆盖阿里、百度等互联网巨头，中科院、电科院等科研院所，公安、税务等政府机关，以及清华、河北大学等高等院校 [48] - 公司通过曙光云提供“全栈智能云”服务，拥有100+款云服务产品，赋能千行百业 [19][84] - 在江浙粤等7省，公司构建了“5A级智算中心”和“全国一体化算力服务平台” [83] - 子公司中科星图正筹建“太空算网”，构建“天地一体化”智算平台 [85] - 子公司曙光数创的浸没式相变液冷技术全球领先 [86] 财务表现与战略成效 - 公司毛利率从2018年的18.3%提升至2024年的29.16%，净利率从2018年的5.16%提升至2024年的15.16%，分别大增159%和293% [91] - 公司净利润从2014年刚上市时的1.16亿，飙升到2024年的19.11亿，10年间增长16倍 [91] - 公司通过淘汰低毛利项目、将资源投向云计算与智慧城市、以及全产业链布局来构建差异化优势和提升利润率 [89] 行业背景与竞争环境 - 超算是计算驱动科技时代的“大国重器”和科技竞争的“战略高地” [11] - 上世纪80年代，超算被西方严格禁运，中国只能购买最低端产品，且需置于由外方监控的“玻璃房”内，被视为屈辱历史 [22] - 2019年6月，美国商务部将中国5家企业列入“实体清单”，其中4家来自“曙光系”，但打压反而加速了公司的自主创新进程 [14] - 公司通过“芯、算、云、智”全产业链布局，将核心技术牢牢掌握在自己手中 [15]

行业背景与挑战 - 传统MLCC（多层陶瓷电容）在高端电子元器件领域面临全链条被日系企业（如村田、TDK、京瓷）垄断的“卡脖子”困境，关键原材料、核心设备和工艺配方均受制于人[1] - 在先进手机SoC、大芯片、服务器、电动车电子等应用领域，国产替代空间巨大但切入门槛极高[1] 技术路径与优势 - 硅电容使用CMOS/MEMS工艺制造，属于半导体设备体系，可摆脱日系厂商垄断的陶瓷材料体系限制[1] - 硅电容能在高频下提供极低阻抗，对AI芯片等功耗大、频率高的应用起到稳压核心作用，直接影响运算效率[1] - 硅电容的优异高频特性在光模块中能起到高频滤波等作用[1] 公司战略与商业化 - 朗矽科技选择以“硅电容”为战略切入点，寻求破局行业困境的新路径[1] - 公司正与AI大算力芯片、SOC芯片、电源管理IC、光模块等头部企业洽谈合作，计划联合开发模块级整合产品[1] - 公司旨在推动电容从单一组件转变为整体解决方案的一部分，促进行业标准化应用[1]

市场格局转变 - 2025年AI芯片市场处于微妙转折点，英伟达凭借Blackwell架构维持技术和市场份额的绝对领先，但谷歌TPU的全面商业化正对其定价权构成挑战[1][2] - OpenAI仅凭“威胁购买TPU”这一筹码，就迫使英伟达生态链做出实质性让步，使其计算集群的总拥有成本（TCO）下降约30%[2] - 谷歌正式从“云服务商”转型为直接向外部出售高性能芯片与系统的“商用芯片供应商”，Anthropic高达1GW的TPU采购细节曝光标志着这一战略转变[3] - 当谷歌愿意开放软件生态并提供金融杠杆时，英伟达高达75%的毛利率神话便不再牢不可破[3][7] 重大交易与商业模式创新 - Anthropic确认将部署超过100万颗TPU，此交易采用“混合销售”新模式，首批约40万颗最新的TPUv7 "Ironwood"由博通直接出售给Anthropic，价值约100亿美元[8] - 剩余60万颗TPUv7通过谷歌云进行租赁，估计这部分交易涉及高达420亿美元的剩余履约义务（RPO），直接支撑了谷歌云近期积压订单的暴涨[9] - 谷歌通过“资产负债表外”的信贷支持（IOU）解决AI基础设施建设的期限错配问题，承诺如果中间商无法支付租金，谷歌将介入兜底[16] - 这一金融工具打通了加密货币矿工与AI算力需求之间的堵点，构建了独立于英伟达体系的低成本基础设施生态[17] 技术优势与成本竞争力 - 谷歌TPUv7在成本效率上对英伟达构成碾压优势，从谷歌内部视角看，TPUv7服务器的TCO比英伟达GB200服务器低约44%[13] - 即便加上谷歌和博通的利润，Anthropic通过GCP使用TPU的TCO，仍比购买GB200低约30%[13] - 谷歌通过极致的系统设计弥补单芯片理论算力的不足，TPUv7采用更务实的设计哲学，通过更高的模型算力利用率（MFU）来提升实际产出[20] - 谷歌独步天下的光互连（ICI）技术利用自研的光路交换机（OCS）和3D Torus拓扑结构，允许单个TPUv7集群扩展至惊人的9,216颗芯片，远超英伟达常见的64或72卡集群[23][24] 软件生态战略调整 - 谷歌软件团队的KPI已发生重大调整，从“服务内部”转向“拥抱开源”，全力支持PyTorch Native在TPU上的运行[30][31] - 谷歌不再依赖低效的Lazy Tensor转换，而是通过XLA编译器直接对接PyTorch的Eager Execution模式，使Meta等客户可几乎无缝迁移代码到TPU[33] - 谷歌开始向vLLM和SGLang等开源推理框架大量贡献代码，打通了TPU在开源推理生态中的任督二脉[34] - 这一转变意味着英伟达最坚固的“CUDA护城河”，正在被谷歌用“兼容性”填平[36] 行业影响与竞争态势 - 除了Anthropic，Meta、SSI、xAI等顶级AI实验室也出现在了谷歌TPU的潜在客户名单中[10] - 面对谷歌的攻势，英伟达罕见地展现出防御姿态，其财务团队近期针对“循环经济”的质疑发布长文辩解，显示谷歌的攻势已触及英伟达的神经[10] - Gemini 3和Claude 4.5 Opus这两大全球最强模型均完全在TPU上完成预训练，这为TPU系统处理最高难度任务的能力提供了终极背书[26] - 谷歌在外部客户定价上需要“穿针引线”，但对Anthropic等旗舰客户仍能提供有竞争力的价格，同时保持比商品化GPU交易更优越的息税前利润率[92][93]

AI芯片市场竞争格局变化 - 2025年11月，谷歌母公司Alphabet市值增长约5300亿美元，逼近4万亿美元，而英伟达市值蒸发6200亿美元（约合人民币4.39万亿元）[5][6][8] - 市场剧烈反应的核心原因是传闻Meta正与谷歌深度磋商，计划2027年斥资数十亿美元采购谷歌TPU芯片用于自有数据中心，并可能从2026年起租用谷歌云TPU算力[6][12] - Meta作为英伟达的核心客户，若转向谷歌TPU，将直接冲击英伟达占据的近85%市场份额[6][12] 谷歌TPU技术优势与演进 - 谷歌TPU是专用AI芯片（ASIC），其“脉动阵列”核心结构专为加速神经网络张量运算设计，在AI工作负载下能效比较同期GPU高2~3倍，尤其适合大语言模型等复杂深度学习任务[15][18] - 第七代TPU产品Ironwood性能较前代Trillium提升约4倍，能效比提升约2倍，集群算力达42.5百亿亿次，是该系列首次对外销售的产品[15][17] - TPU历经七代迭代，从2016年v1仅支持推理任务到2025年v7实现推理优先设计并支持大规模训练，摩根士丹利预计到2027年谷歌对外出货TPU或达50万~100万片[15][17] 英伟达GPU生态与应对策略 - 英伟达GPU以“通用灵活”立足，凭借CUDA平台及PyTorch、TensorFlow等成熟生态，渗透AI研究、图形渲染、科学模拟等多领域，其软件生态拥有1300万开发者，构成极高准入门槛[18][27][36] - 公司正积极应对竞争，CEO黄仁勋密切追踪TPU进展，通过投资绑定OpenAI、Anthropic等潜在客户，并强调其平台“领先行业一代”以反击TPU的专用性局限[37] - 即便最新财报业绩远超华尔街预期，英伟达股价仍在财报次日逆势下跌，本周累跌逾2%，叠加“AI泡沫”论调和“循环融资”争议，股价承压明显[13] 华尔街对竞争格局的争论 - “共赢派”认为AI基础设施是未来规模达数万亿美元的庞大市场，美国银行预测AI数据中心市场规模将从2025年的2420亿美元增长至本十年末的1.2万亿美元，足以容纳多家巨头共存，英伟达市场份额可能从85%降至75%但仍为主导者[33][34] - “威胁派”认为谷歌是唯一具备从底层芯片、定制网络、编译器到上层AI模型应用的全栈垂直整合能力的公司，可能构建封闭高效生态系统，对英伟达构成实质性威胁[35] - 争议焦点集中于英伟达CUDA生态的护城河，尽管谷歌推出JAX等编程语言试图降低使用门槛，但撼动CUDA“标准”地位依然任重道远[36] 英特尔代工业务进展 - 英特尔股价单日涨幅达10%，导火索是传闻公司有望最早在2027年开始出货苹果的最低端M系列处理器，苹果已与英特尔签署保密协议并取得18AP先进制程的PDK工具包[45][47] - 行业咨询机构TrendForce预测，由于美国芯片供应链缺乏本土封装产能，英特尔最快可能为预计于2027年问世的谷歌TPU v9提供封装技术，Meta的自研AI芯片MTIA也传闻将采用英特尔封装方案[47] 其他市场动态 - 芝加哥商业交易所集团因第三方数据中心冷却系统问题导致核心交易平台停摆近11小时，该数据中心原属芝商所，2016年售予CyrusOne后继续租用，实质是日常运营外包，引发对金融核心基础设施外包隐患的担忧[50][51] - 日本通胀数据超预期，11月东京地区核心CPI同比上涨2.8%，交易员押注日本央行12月加息概率升至57%，日本两年期国债拍卖需求疲软，投标倍数降至3.53倍，收益率升至0.977%创2008年以来最高水平[52][53][56] - 11月纳指回落1.51%结束七个月连涨，现货白银价格突破每盎司56美元创新高，月累涨15.25%，比特币月累跌17.1%创2022年6月以来最大单月跌幅[62][64][65]

行业竞争格局变化 - 谷歌TPU的全面商业化使英伟达在AI算力市场的定价权出现松动，其高达75%的毛利率面临挑战[1] - 谷歌从云服务商转型为直接向外部出售高性能芯片与系统的商用芯片供应商，Anthropic的采购标志着这一战略转变[1][4] - 谷歌TPU已获得包括Anthropic、Meta、SSI、xAI等顶级AI实验室的采购意向，客户名单不断扩大[4][29] 具体交易与成本优势 - Anthropic确认将部署超过100万颗TPU，交易总价值巨大，其中首批40万颗TPUv7由博通直接出售给Anthropic，价值约100亿美元，剩余60万颗通过谷歌云租赁，涉及剩余履约义务高达420亿美元[4][42] - 谷歌TPUv7在总拥有成本上对英伟达构成显著优势，从谷歌内部视角看，TPUv7服务器的TCO比英伟达GB200服务器低约44%，即便加上利润，外部客户通过GCP使用TPU的TCO仍比购买GB200低约30%[7][64][67] - 具体成本数据显示，GB200 NVL72每小时每GPU总成本为2.28美元，而TPU v7外部版本为1.60美元，TPU在每FP8 PFLOP的TCO上优势明显[66] 技术系统与架构优势 - 谷歌通过极致的系统设计弥补单芯片理论算力的不足，TPUv7采用3D Torus拓扑结构和自研光互连技术，单个集群可扩展至9,216颗芯片，远超英伟达常见集群规模[12][15][17] - 光路交换机技术允许动态重构网络拓扑，实现毫秒级故障绕过和高可用性，同时降低功耗和延迟[15][17][101] - 系统级优势使得TPU在实际模型训练中实现更高的算力利用率，有效FLOPs可能超过英伟达Blackwell[69][72] 软件生态战略调整 - 谷歌积极拥抱开源，软件团队KPI从服务内部转向支持外部，全力支持PyTorch Native在TPU上运行，降低开发者迁移门槛[19][20][141] - 通过XLA编译器直接对接PyTorch的Eager Execution模式，并向vLLM、SGLang等开源推理框架贡献代码，提升TPU在开源生态中的兼容性[20][145][146] - 软件生态的开放旨在填平英伟达的CUDA护城河，为外部客户提供更平滑的过渡体验[22][142] 金融与商业模式创新 - 谷歌创新性地提供资产负债表外的信贷支持，承诺为中间商的数据中心租金兜底，解决了AI基础设施建设的期限错配问题，打通了加密货币矿工与AI算力需求之间的堵点[9][43][46] - 这种“超大规模厂商兜底”的金融工具成为Neocloud市场的新融资标准模板，推动了行业增长[46][47] - 在定价策略上，谷歌通过平衡自身盈利和客户竞争力，即使作为外部供应商，其TPU交易的息税前利润率仍优于许多大型GPU云交易[79][80]

市场反应与传闻 - 2025年11月，谷歌母公司Alphabet市值增长约5300亿美元，逼近4万亿美元，而英伟达市值蒸发6200亿美元 [2] - 市值变动的核心原因是市场传闻Meta正与谷歌密谈，计划2027年斥资数十亿美元采购谷歌TPU芯片，并可能从2026年起租用谷歌云TPU算力 [2][5] - 受此传闻影响，谷歌TPU联合制造商博通股价当周上涨超16%，而英伟达股价即便财报超预期仍逆势下跌，当周累计下跌逾2% [5] 技术路线对比 - 谷歌TPU是AI专用芯片，其第七代产品Ironwood性能较前代Trillium飙升4倍，能效比提升约2倍，专为AI工作负载设计，能效比较同期GPU高2~3倍 [8][10][11] - 英伟达GPU是通用处理器，凭借CUDA平台的可编程性及与PyTorch、TensorFlow等框架的成熟生态，适用于图形渲染、科学模拟等多领域 [11][13][16] - TPU作为“AI专业特长生”优势在于极致能效和低延迟，劣势是应用范围有限且主要由Google提供；GPU作为“通用全能选手”优势在于通用性强和生态成熟，劣势是AI推理能效较低且成本较高 [16][20] 行业格局与华尔街观点 - 当前英伟达在AI芯片市场占据近85%份额，Meta作为其核心客户若“倒戈”将直接冲击该主导地位 [2][21] - “共赢派”认为AI基础设施是数万亿美元市场，足以容纳多家巨头，预计到本十年末AI数据中心规模将从2420亿美元增至1.2万亿美元，英伟达份额可能降至75%但仍为主导者 [21] - “威胁派”认为谷歌具备从芯片到AI应用的全栈垂直整合能力，其向AI初创公司Anthropic供应多达100万块TPU的举动是对英伟达的长期挑战，可能推动TPU成为重要替代选项 [22][23] - 争议焦点在于英伟达CUDA软件平台的护城河，其十余年积累的开发者社群与工具库构成高准入门槛，谷歌的JAX等软件工具短期内难以撼动 [22]

行业竞争格局演变 - 谷歌TPU的全面商业化正对英伟达在AI算力市场的定价权和主导地位构成实质性挑战，其高达75%的毛利率神话面临松动[1] - 谷歌已从云服务商转型为直接向外部出售高性能芯片与系统的商用芯片供应商，Anthropic、Meta、SSI、xAI等顶级AI实验室均出现在其潜在客户名单中[1][4] - 英伟达面对竞争压力展现出防御姿态，其财务团队近期针对"循环经济"的质疑发布长文辩解，显示出市场攻势已触及公司神经[5] 重大商业交易分析 - Anthropic已确认将部署超过100万颗TPU，此笔交易采用极具破坏力的"混合销售"新模式[4] - 交易中首批约40万颗最新的TPUv7 "Ironwood"由博通直接出售给Anthropic，价值约100亿美元，博通作为联合设计方成为隐形赢家[4] - 剩余60万颗TPUv7通过谷歌云租赁，估算涉及高达420亿美元的剩余履约义务，直接支撑了谷歌云近期积压订单的暴涨[4] 成本效率与TCO优势 - SemiAnalysis模型数据显示，谷歌TPUv7在成本效率上对英伟达构成碾压优势[7] - 从谷歌内部视角看，TPUv7服务器的总拥有成本比英伟达GB200服务器低约44%[7] - 即便加上谷歌和博通的利润，Anthropic通过GCP使用TPU的TCO仍比购买GB200低约30%[7] - 具体数据显示，GB200 NVL72每小时每GPU总成本为2.28美元，而TPU v7对外部客户的成本为1.60美元，内部成本更低至1.28美元[8][65] 技术创新与系统设计 - 谷歌通过极致的系统设计弥补了单颗TPU在理论峰值算力上的不足，TPUv7 "Ironwood"在内存带宽和容量上已大幅缩小与英伟达旗舰芯片的差距[12] - 谷歌独步天下的光互连技术是其杀手锏，利用自研的光路交换机和3D Torus拓扑结构，构建了名为ICI的片间互连网络[15] - 该架构允许单个TPUv7集群扩展至惊人的9,216颗芯片，远超英伟达常见的64或72卡集群，并具备动态重构拓扑、高可用性和低功耗延迟的优势[16][17] 软件生态战略转变 - 谷歌已对TPU软件战略做出重大转变，从固守JAX语言转向全力支持PyTorch Native在TPU上的运行，以拆除阻碍外部客户采用的最大障碍[19][21] - 谷歌不再依赖低效的Lazy Tensor转换，而是通过XLA编译器直接对接PyTorch的Eager Execution模式，使Meta等客户可几乎无缝迁移代码至TPU[21] - 公司开始向vLLM和SGLang等开源推理框架大量贡献代码，这意味着英伟达最坚固的"CUDA护城河"正被谷歌用"兼容性"填平[21][23] 金融工程与商业模式创新 - 谷歌通过"超级云厂商兜底"的金融工具创新解决了AI基础设施建设中的期限错配难题，承诺若中间商无法支付租金将介入兜底[9] - 这一资产负债表外的信贷支持打通了加密货币矿工与AI算力需求之间的堵点，构建了一个独立于英伟达体系的低成本基础设施生态[9] - 在Anthropic交易中，谷歌提供了独特的变通方案，不直接租赁而是提供信用兜底，形成了新的行业融资模板[42] 性能验证与市场影响 - 全球最顶尖的两个模型——Anthropic的Claude 4.5 Opus和谷歌的Gemini 3，其绝大部分训练和推理基础设施都运行在谷歌的TPU上，这是对TPU系统处理最高难度任务能力的终极背书[17][24] - OpenAI仅凭"威胁购买TPU"这一筹码，就迫使英伟达生态链做出了实质性让步，使其计算集群的总拥有成本下降了约30%[1][36] - 行业研究机构强调，客户购买的TPU越多，节省的Nvidia GPU资本支出就越多，这已成为核心商业逻辑[26][36]

文章核心观点 - 谷歌TPU正从内部专用AI加速器走向外部市场，其生态优势与成本效益对英伟达GPU的霸主地位构成挑战 [3][8][9] 谷歌TPU的发展历程与战略演进 - 2013年谷歌启动TPU项目，源于深度学习算力需求激增，自研ASIC加速器可将深度神经网络推理的总体能效降至原来的十分之一 [5] - 项目进展迅速，仅15个月完成初代TPU设计到数据中心部署，2016年通过AlphaGo击败李世石首次破圈 [6] - 2017年Transformer架构的出现与TPU高度适配，推动TPU从单一AI加速芯片升级为谷歌AI基础设施底座，并免费开放1000台Cloud TPU巩固生态 [7] - 后续引入液冷技术、4096颗芯片超节点及自研环形拓扑网络，提升性能并应用于广告、搜索等核心盈利产品线 [7] - TPU v7支持训练出多模态模型Gemini 3，使谷歌成为AI算力市场重要竞争者 [8] TPU的技术架构与成本优势 - TPU采用极简"脉动阵列"架构，牺牲硬件通用性以最大化深度学习效率，设计理念紧扣成本优化 [8] - 项目起源可追溯至2006年，但当时GPU算力冗余未推进，体现"量体裁衣"的务实商业逻辑 [8] - TPU v6及后续版本目标成为"推理时代最省钱的商业引擎" [7] 市场影响与竞争格局 - 谷歌云内部高管预计TPU市场扩张可抢占英伟达年收入份额的10%，Meta拟斥资数十亿美元购买TPU [3] - 大摩预测2027年谷歌TPU外销量达100万颗，引发投资者对英伟达市场份额侵蚀的担忧 [3] - 英伟达紧急声明强调其产品比ASIC具备更高性能、通用性及可替代性 [3] - 谷歌通过"芯片-云-模型-应用"全栈AI能力构建生态护城河，形成垂直整合的差异化优势 [9]

公司业务与市场定位 - 公司主营业务为成套装配与检测智能制造装备、工业机器人及工业数字化智能软件的研发、生产、销售和服务，为新能源智能汽车、医疗健康、消费品及工业机电等领域的全球知名制造商提供智能制造整体解决方案 [2] - 主营业务收入构成中，汽车工业智能制造装备占比最高，达41.57%，细分来看包括汽车通用零部件（18.47%）、新能源汽车专用零部件（14.11%）和传统动力汽车专用零部件（8.99%）[7] - 公司承接了宝洁集团全球近十年投资最大的电动剃须刀智能制造装备项目，并开拓了采埃孚、保时捷、福特、美国车桥、美的集团等客户的新能源汽车相关项目 [2] - 公司海外营收占比高达71.98% [3] 战略合作与技术布局 - 公司全资子公司与智元机器人通过成立合资公司开展通用人形机器人本体的共研、生产和销售，同时公司也向智元机器人供应零部件 [2] - 公司为客户提供车载控制系统装配智能产线，相关产线生产的终端产品会上车华为HI模式或智选模式相关车型 [2] - 公司项目涉及行业前沿技术，包括新能源汽车电驱动和电控模块、800V汽车电压升压模块、新一代大尺寸汽车中控触摸屏系统等 [2] 市场表现与交易数据 - 11月28日，公司股价涨1.42%，成交额1.05亿元，换手率0.80%，总市值131.30亿元 [1] - 当日主力资金净流入574.64万元，占成交额0.05%，在行业中排名16/85，连续2日被主力资金增仓 [4] - 近20日主力资金净流出1.91亿元，近10日净流出6557.82万元，近5日净流出487.87万元，近3日净流入113.47万元 [5] - 主力持仓方面，主力没有控盘，筹码分布非常分散，主力成交额2129.08万元，占总成交额的5.46% [5] 财务状况与股东结构 - 2025年1-9月，公司实现营业收入15.08亿元，同比减少4.09%；归母净利润为-5433.77万元，同比减少11.42% [8] - 截至2025年9月30日，股东户数为3.00万户，较上期增加12.38%；人均流通股40981股，较上期减少11.02% [8] - 十大流通股东中，华夏中证机器人ETF持股1352.88万股，较上期增加252.72万股；香港中央结算有限公司为新进股东，持股594.68万股；天弘中证机器人ETF持股539.51万股，较上期增加94.00万股 [8] 技术面与行业属性 - 该股筹码平均交易成本为12.35元，近期筹码减仓，但减仓程度减缓；目前股价靠近压力位10.73元 [6] - 公司所属申万行业为机械设备-自动化设备-其他自动化设备，所属概念板块包括丝杠、传感器、AI芯片、人脑工程（脑机接口）、机器视觉等 [8]

股价与交易表现 - 11月28日盘中股价上涨2.10%，报1345.00元/股，成交金额56.67亿元，换手率1.03%，总市值5671.67亿元 [1] - 主力资金净流入791.09万元，特大单买入13.19亿元（占比23.27%），卖出15.12亿元（占比26.68%），大单买入36.43亿元（占比64.28%），卖出34.41亿元（占比60.73%） [1] - 今年以来股价累计上涨104.41%，近5个交易日上涨7.69%，近20日下跌2.18%，近60日下跌15.30% [1] - 今年以来4次登上龙虎榜，最近一次为8月22日，龙虎榜净买入-6.78亿元，买入总计25.69亿元（占总成交额15.58%），卖出总计32.48亿元（占总成交额19.70%） [1] 公司基本面与业务构成 - 公司主营业务为云服务器、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 [2] - 主营业务收入构成为云端产品线99.62%，其他(补充)0.32%，边缘产品线0.05%，IP授权及软件0.00% [2] - 2025年1-9月实现营业收入46.07亿元，同比增长2386.38%，归母净利润16.05亿元，同比增长321.49% [2] - 所属申万行业为电子-半导体-数字芯片设计，概念板块包括Chiplet概念、AI芯片、英伟达概念、算力概念、东数西算等 [2] 股东结构与机构持仓 - 截至9月30日股东户数6.20万，较上期增加52.13%，人均流通股6748股，较上期减少34.13% [2] - 香港中央结算有限公司为第四大流通股东，持股1200.35万股，较上期减少370.05万股 [3] - 易方达上证科创板50ETF（588080）为第六大流通股东，持股540.56万股，较上期减少323.78万股 [3] - 华夏上证科创板50成份ETF（588000）为第七大流通股东，持股529.89万股，较上期减少607.67万股 [3] - 华泰柏瑞沪深300ETF（510300）新进为第十大流通股东，持股375.51万股，嘉实上证科创板芯片ETF（588200）退出十大流通股东之列 [3]