寒武纪(688256):中科寒武纪科技股份有限公司2025年度向特定对象发行股票申请文件的审核问询函的回复
原标题:寒武纪:关于中科寒武纪科技股份有限公司2025年度向特定对象发行股票申请文件的审核问询函的回复 二〇二五年七月 上海证券交易所： 贵所于 2025年 6月 16日出具的上证科审（再融资）〔2025〕64号《关于中科寒武纪科技股份有限公司向特定对象发行股票申请文件的审核问询函》（以下简称“问询函”）已收悉，中科寒武纪科技股份有限公司（以下简称“寒武纪”、“发行人”、“公司”）、中信证券股份有限公司（以下简称“保荐机构”、“中信证券”）对问询函中的相关问题逐项进行了研究和落实，现对问询函问题回复如下，请予审核。 如无特别说明，本问询函回复报告中的简称或名词的释义与《中科寒武纪科技股份有限公司 2025年度向特定对象发行 A股股票募集说明书》中的相同。本回复中所列数据可能因四舍五入原因而与数据直接相加之和存在尾数差异。 本回复报告的字体代表以下含义：
目 录 问题 1 关于本次募投项目 .......................................................................................... 3 问题 2 前次募投项目 ................................................................................................ 32 问题 3 关于融资规模 ................................................................................................ 45 问题 4 关于经营业绩及应收账款 ............................................................................ 63 问题 5 关于预付账款及存货 .................................................................................. 100 问题 6 关于财务性投资 .......................................................................................... 114 问题 1 关于本次募投项目 根据申报材料，公司拟向特定对象发行 A股股票募集资金总额不超过498,000.00万元，将用于面向大模型的芯片平台项目、面向大模型的软件平台项目和补充流动资金。 请发行人说明：（1）结合大模型技术发展趋势、市场需求、市场竞争格局及公司竞争优劣势、公司经营发展规划、资产负债情况、预计研发目标及同行业公司相关技术研发进展等情况说明公司本次募投项目实施的必要性及紧迫性；（2）面向大模型的软件平台项目与面向大模型的芯片平台项目之间的关系，预计研发的各类芯片的商业化应用前景；本次募投项目较公司现有业务、前次募投项目在运用技术、具体产品以及应用场景等方面的区别和联系，是否涉及新产品、新技术，募集资金是否符合投向主业相关要求；（3）本次募投项目目前研发进展及后续安排、研发难点的攻克情况，并结合公司技术及人员储备、软硬件采购稳定性、客户验证等情况，说明实施本次募投项目的可行性，是否存在重大不确定性。 请保荐机构核查并发表明确意见。 回复： 一、发行人说明 （一）结合大模型技术发展趋势、市场需求、市场竞争格局及公司竞争优劣势、公司经营发展规划、资产负债情况、预计研发目标及同行业公司相关技术研发进展等情况说明公司本次募投项目实施的必要性及紧迫性 1、大模型技术发展推动人工智能应用迈向全新阶段，带动人工智能算力市场需求高速增长，本次募投项目实施是公司紧跟市场及技术发展需求的必要选择 大模型技术的迭代发展，正推动人工智能应用从解决特定领域任务的“工具”，迈向深入理解人类意图并自主执行任务的“全能助手”，以通用 Agent为典型代表的智能体应用的快速落地，进一步推动了市场对大模型新技术和新应用发展的需求升级，为智能芯片企业带来了广阔的市场机遇。根据 IDC数据，2024年中国人工智能算力市场规模约为 190亿美元，2025年将达到 259亿美元，同比增长 36.2%，2028年将达到 552亿美元，呈现强劲的增长态势。 在人工智能算力市场高速增长的产业背景下，社会对智能化应用的高涨热情驱动着大模型技术创新，迫切需要智能芯片和软件平台技术的加速升级，智能芯片行业正围绕热点需求方向，积极加快技术革新和产品能力布局。 （1）大模型训练需要更高性能的智能芯片 通用 Agent应用的快速兴起，需要大模型具备更强的学习和执行能力，持续强化“感知-认知-行动”闭环的准确性和高效性，从而更为智能地识别并响应人类的复杂任务意图，这一目标支撑着大模型训练对高性能算力需求的持续增长。 另一方面，已训练好的基础大模型，在垂直领域（如教育、工业与医疗等）的落地应用过程中，需从“通识人才”转变为“领域专家”，因此需采用强化学习技术对大模型进行后训练，注入领域知识，学习领域偏好与安全规范，提升任务泛化能力，实现模型压缩与效率优化，最大化地释放大模型在具体应用场景中的价值。 上述大模型技术发展趋势对训练任务的持续需求，推动着全球智能芯片企业持续对训练场景的智能芯片和软件平台进行技术创新，通过底层硬件+软件系统的协同优化，为大模型训练提供更为多样化的算力软硬件解决方案。我国智能芯片企业在当前国内外集成电路领域日趋严峻的竞争态势下，逐步呈现与国外领先企业的差异化发展路径。在追求单芯片极致性能的传统发展路径外，我国企业着力发展先进封装技术、高效通信技术、互联交换芯片、训练软件平台等多软硬件措施协同的新技术路径，通过先进封装实现计算性能升级，通过高效通信技术和互联交换芯片实现高密度集群系统综合性能提升，通过研发训练软件平台实现软硬件协同的系统性能增强，逐步缩短在智能算力软硬件系统层面与国外领先企业的差距，支撑大模型复杂训练任务的要求。 （2）大模型的多模态处理能力需要更为专业的智能芯片 大模型的多模态处理能力，是机器实现“感知-认知-行动”闭环的关键所在，持续加强大模型对多模态数据任务的处理能力，是大模型技术创新的重要发展趋势之一。早期大模型只能处理某一特定类型数据的单模态任务（如：文本数据处理），随着大模型数据处理能力的增强，大模型逐步具备可同时处理多模态任务的能力（如：文本+图像+音视频等数据处理）。未来，结合视频实验演示、原理讲解文本的个性化跨媒体教学，结合视频、声音的多传感协同的工业检测，结合医学影像、病例文本的综合智能诊断等跨模态大模型支撑的应用将快速发展，在教育、工业、医疗等垂直行业引发链式变革，加速通用人工智能时代的到来。 大模型的多模态处理能力，对智能芯片的能力特性带来差异化的设计需求和挑战，例如：多模态的数据处理对智能芯片的内存带宽和数据处理的实时性有更高要求，视频数据通常以较高帧率持续生成，每帧数据量较大，而文本数据可能以较为离散但也可能高频的方式产生，这要求智能芯片在内存带宽的设计上需具备同时处理多个通道数据并发写入的能力，避免因数据积压导致数据丢失或写入延迟，影响模型的后续计算。面向多模态处理任务的高效智能芯片，是应对大模型多模态能力升级需求的重要支撑，正在成为智能芯片企业强化技术竞争力的重要布局方向之一。 （3）大模型应用的大规模落地需要更为专业的推理智能芯片 大模型在应用阶段，主要执行推理任务，其对人类意图的理解的准确性，将是影响大模型落地应用的关键因素之一。交互式的生成式人工智能应用（如：ChatGPT类应用）是大模型推理的主要落地领域，这类应用需要快速响应人类的文字及语音等输入，同时还需要具备处理高并发、大吞吐量数据的能力，确保交互体验，避免上下文遗忘、生成内容不完整等问题。面向未来智能体类应用的快速发展，需要更强的交互理解能力，增强大模型对长文本处理能力是未来重要的技术发展趋势之一。大模型的长文本能力使大模型可以理解、推理并生成超长内容，并保持上下文逻辑一致性。大模型在长文本能力领域的持续突破，将有效提升通用 Agent处理复杂任务的能力，加速推动复杂 Agent应用的崛起。 面向以长文本处理为代表的一系列推理环节的新技术需求，市场需要更为专业的推理智能芯片，以及基于硬件特性的推理软件平台，面向推理业务的软硬件联合优化，将为大模型应用落地提供更具竞争力的推理算力解决方案。 （4）大模型效率升级需要更低位宽的训练和推理算力能力 大模型技术能力的持续提升，进一步催化了对计算效率和部署成本的极致化追求。在大模型的训练过程中，更低的数据位宽，可以有效降低内存占用、提升计算效率、降低训练成本。用 FP8格式训练代替 FP32格式训练，数据存储从 32位压缩至 8位，有效的提升大模型训练效率，如：英伟达 Hopper架构通过Transformer引擎使用 FP8格式，为万亿参数模型训练提供的性能较 FP16格式有多倍提升，大幅缩短训练周期。大模型的推理过程中，更低的数据位宽，可以提升推理速度，支撑高并发场景，降低大模型部署成本，加速规模化应用，如采用FP4格式的 B200进行 Llama3.1 70B模型推理，相较于使用 FP8格式的 H200，推理吞吐量可提升 3倍。 更低位宽计算在大模型训练和推理过程中产生的收益，将引导智能芯片的硬件和软件技术向更高效支撑低位宽的方向演进。训练芯片与推理芯片均需要升级低位宽数据的算力能力，训练和推理软件平台方面也需针对混合位宽的数据运算开展特性优化，为大模型的低位宽训练和推理需求提供更为出色的算力软硬件解决方案支撑。 综上所述，本次募投项目紧跟技术发展趋势，面向大模型不同细分业务场景的市场需求，拟研发面向大模型需求的智能处理器技术、先进封装技术、训练芯片、推理芯片、交换芯片、训练以及推理平台软件等，加快构建面向大模型的算力软硬件技术能力矩阵，是形成面向广泛大模型业务场景的多样化算力解决方案的必要选择，本次募投项目的实施将拓展公司技术和产品的市场空间，推动公司长期持续的经营发展。 2、全球智能芯片市场呈现国外巨头主导，国内芯片设计厂商正逐步提升国内市场份额，本次募投项目实施为公司巩固现有优势、持续扩大产品应用生态的必经之路 （1）全球智能芯片市场呈现国外巨头主导，国内芯片设计厂商正逐步提升国内市场份额 全球智能芯片市场依然由国外巨头占据主导地位，在云端智能计算市场，主流的芯片和板卡方案提供商主要为英伟达、AMD。2022年至 2024年，英伟达研发费用金额分别为 73.39亿美元、86.75亿美元与 129.14亿美元，AMD研发费用金额分别为 50.05亿美元、58.72亿美元与 64.56亿美元。英伟达与 AMD持续高强度的研发投入使其能够更为高效地开展技术升级和服务创新，完成在技术、人才、市场和生态等方面的持续积累，巩固其市场竞争力和领先优势。 在当前国际技术和产业竞争新态势的背景下，国内智能芯片市场需求缺口加大，急需有竞争力的国内智能芯片产品来填补。华为海思依托华为的雄厚资金、人才储备，服务器、网络设备产品能力，和整体商业渠道，已在云端智能芯片领域实现产品落地。目前，以华为海思和公司为代表的第一梯队企业，正通过优秀的产品竞争力，逐步提升国产智能芯片的市场份额。 （2）公司芯片设计能力较强，软件应用生态仍在持续完善中 英伟达 GPU芯片最初设计目的不是用来执行人工智能算法及应用，随着人工智能行业的发展，英伟达基于其原有的 GPU技术储备和设计理念去适配人工智能的应用和算法。英伟达 GPU芯片产品在智能计算市场占据优势地位得益于CUDA软件平台及相关生态的完善。和英伟达相比，公司设计的智能芯片是面向人工智能领域而专门设计的芯片，其架构和指令集针对人工智能领域中的各类算法和应用作了专门优化，可高效支持视觉、语音、自然语言处理和传统机器学习等智能处理任务。公司目前自主研发了基础系统软件平台，但其生态完善程度与英伟达相比仍有一定差距。 华为海思依托华为整体的技术优势和商业渠道，在芯片设计行业具备全栈的技术能力和产品布局。和华为海思相比，公司自成立以来一直专注于人工智能芯片产品的研发与技术创新，在人工智能芯片领域积累了丰富的先进自主技术，进入该领域的时间较早，具备较强技术创新能力，得到业界广泛认可。公司作为一家具备软硬件全栈系统能力的芯片设计公司，可为不同客户提供不同的智能芯片产品和统一的平台化基础系统软件，满足客户的差异化需求；底层芯片和系统软件充分服务客户和开发者，并以中立供应商角色吸引更多客户。 公司作为智能芯片领域全球知名的新兴公司，始终将自主技术创新作为企业发展的核心竞争力，实现了云端产品的高质量迭代。公司凭借在智能芯片领域的具有竞争力的产品优势及良好的服务，先后与运营商、金融、互联网及其他垂直行业等多个行业客户展开深入合作，也积极与大模型领域企业进行适配、合作。 2024年以来，公司积极助力人工智能应用落地，公司云端产品线在 2024年、2025年第一季度分别实现 116,627.85万元、110,900.40万元的销售收入，获得了客户的广泛认可，市场规模逐渐扩大，呈现稳定增长态势。 公司本次募投项目是在当前全球与国内市场的竞争态势和发展机遇下，基于公司长期积累的研发和产品化核心技术优势以及良好的客户合作基础开展，本次募投项目的实施是公司巩固现有核心技术优势、持续扩大产品应用生态的必经之路。 3、募投项目实施为公司实现经营发展规划的必要条件 公司自设立以来一直从事人工智能芯片的产品研发与设计，通过不断技术创新保持在业内的竞争优势。当前行业正处于快速发展阶段，公司只有持续推动技术和产品的迭代优化以适应市场需求，才能保持公司现有的市场地位和核心竞争优势。在大模型技术革新的背景下，智能计算需求继续增长。面对大模型技术革新带来的产业变革，公司将凭借在云端产品线的技术和市场竞争优势，实现技术创新升级，推动芯片产品向大模型及行业垂直领域延伸，探索新兴场景的算力需求，挖掘增量市场潜力。 本次募投项目的实施制定了明确的技术和产品研发计划，面向大模型技术和市场发展需求，在芯片领域，规划了作为底层支撑的智能处理器技术、先进封装技术，及面向大模型训练、大语言模型推理、多模态推理以及高效互联通信的多类型系列芯片，在软件平台领域，规划了围绕灵活编译系统、训练平台以及推理平台的关键技术研发计划，持续推动应用生态的拓展。 通过本次募投项目的实施，公司在大模型领域的芯片和软件技术综合竞争实力将得到显著提升，并形成面向大模型规模应用领域的算力软硬件技术能力矩阵，有利于根据不同客户的需求快速构建不同芯片和软件组合的最佳解决方案。本次募投项目的实施将强化面向大模型市场的技术竞争力，支撑公司产品迎合市场需求、拓展大模型相关市场份额，是实现公司长期经营发展规划的必要条件。 4、公司长期以低负债率模式运行，该模式符合行业特点，本次融资实施募投项目具有必要性 公司的主营业务是应用于各类云服务器、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。目前，国内尚无与公司在业务模式及产品种类上均完全可比的上市公司，结合公司主营业务和产品情况，可比公司选取在境内上市的计算芯片公司，包括海光信息、龙芯中科、景嘉微、北京君正。 报告期各期末，公司资产负债率与同行业可比公司的资产负债率对比如下： 单位：%
5、公司本次募投项目研发目标明确，将进一步强化较同行业可比公司的技术竞争力，本次募投项目具有必要性 除公司外，目前市场上主要的人工智能芯片厂商包括英伟达、AMD及华为海思等，上述市场主流人工智能芯片厂商在处理器架构、指令集、芯片直连、多卡全互联交换、软件平台与系统级算力方案等细分软硬件技术领域，均有着共性化的布局，但受发展历史沿革和当前国际产业局势的影响，各企业在不同细分领域上的技术进展和领先性存在差异。 公司与市场主流人工智能芯片厂商在处理器架构、指令集、芯片直连、多卡全互联交换、软件平台等方面的技术研发进展比较情况如下：
公司在充分分析大模型技术趋势、市场需求和同领域企业技术布局的基础上，为本次募投项目制定了明确的研发目标，将从智能芯片的硬件和软件平台两个维度，持续强化公司面向大模型技术与应用需求的技术领先性。在智能芯片的硬件维度，通过“面向大模型的芯片平台项目”的实施，拟开展面向大模型的智能处理器技术创新突破，研发覆盖不同类型大模型任务场景的系列化芯片方案，包括面向大模型训练的芯片、面向大语言模型推理的芯片、面向多模态推理的芯片以及面向大模型需求的互联协议与交换芯片；拟建设先进封装技术平台，灵活高效地支撑不同场景下差异化产品的封装，增强智能算力硬件产品对未来大模型技术发展新需求的适应性。在智能芯片的软件平台维度，通过“面向大模型的软件平台项目”的实施，基于公司智能芯片的硬件架构特点，在高并行度、高计算效率、高存储效率等大模型技术重点需求领域，开展相应的优化策略、软件算法以及软件工具等创新研究；建设面向大模型的软件平台，平台将涵盖灵活编译系统、训练平台以及推理平台三大功能模块，以提升公司智能芯片的易用性和适应性，支撑服务从大模型的算法开发到应用部署的全业务流程。 通过本次面向大模型的软件平台项目与面向大模型的芯片平台项目形成的技术成果的深度协同，公司将构建起面向大模型的算力软硬件技术能力矩阵，根据不同场景客户的多样化需求，快速灵活地构建高适应性的算力软硬件解决方案，强化公司的技术竞争力和市场响应效率，支撑公司长期的持续经营发展。 （二）面向大模型的软件平台项目与面向大模型的芯片平台项目之间的关系，预计研发的各类芯片的商业化应用前景；本次募投项目较公司现有业务、前次募投项目在运用技术、具体产品以及应用场景等方面的区别和联系，是否涉及新产品、新技术，募集资金是否符合投向主业相关要求 1、面向大模型的芯片平台项目与面向大模型的软件平台项目之间的关系 面向大模型的芯片平台项目研发内容包括两项技术和四款芯片，其中两项技术为智能处理器技术创新及先进封装技术平台，四款芯片包括：面向大模型训练的芯片、面向大语言模型推理的芯片、面向多模态推理的芯片和面向大模型需求的交换芯片。面向大模型的软件平台项目研发内容为面向大模型芯片的配套软件栈，包括灵活编译系统、训练平台以及推理平台三大功能模块的升级迭代。 面向大模型的芯片平台项目研发成功的芯片产品在量产后将直接形成收入，面向大模型的软件平台项目属于公司智能芯片的配套软件栈，未来不会形成产品独立对外销售，不直接产生收入。 面向大模型的芯片平台项目与面向大模型的软件平台项目紧密耦合，是满足大模型技术和市场应用需求密不可分的一体两面。芯片必须要有经由贴合硬件结构特性设计的软件才能充分发挥硬件的性能水平，提升面向多样化用户需求的灵活性和通用性，软件必须要依托芯片才能实现大模型的性能需求，满足算法创新对计算效率的极致追求。面向大模型的芯片平台项目与面向大模型的软件平台项目在技术迭代及构建公司产品生态方面均有紧密联系。 在技术迭代方面，面向大模型技术需求，需重视软硬件协同优化，在推进智能芯片硬件架构创新的同时，软件平台的迭代升级可有效提升智能芯片在大模型复杂任务场景下的易用性、扩展性、兼容性及稳定性，提升计算资源的利用效率，确保大模型任务的稳定进行。同时，大模型技术呈现快速且多元的变化趋势，但硬件的研发迭代周期显著长于软件，限制了智能芯片适应大模型软件算法需求变化的灵活性。基于底层智能芯片硬件特性开发的软件平台，具有迭代升级快的显著优势，能够帮助智能芯片高效且灵活地适应复杂多样的大模型新技术需求。 在产品生态方面，面向大模型的芯片平台项目研发的芯片产品需要基于面向大模型的软件平台项目形成的系统软件和工具链使用，才能更好地满足客户对大模型智能算力产品的需求。构建开放易用的面向大模型的软件平台，为大模型算法开发者提供更高效的智能算力和技术服务支撑。 2、预计研发的各类芯片具有良好的商业化应用前景 （1）本次募投项目研发的各类芯片能够满足下游客户需求，市场空间广阔 本次募投项目预计研发的面向大模型训练的芯片、灵活编译软件系统以及训练软件平台，适应大模型的算法研发创新以及后训练过程对高性能训练算力的需求，通过智能处理器技术的创新升级和先进封装技术，为下游客户持续提供训练芯片产品，进一步通过互联协议与交换芯片、灵活编译软件系统以及训练软件平台的融合应用，从算力系统层面构建更高性能算力软硬件解决方案，填补国内训练算力芯片的市场缺口。 本次募投项目预计研发的面向大语言模型推理的芯片、灵活编译软件系统以及推理软件平台，适应大模型部署应用过程中的高性能推理需求，通过专业化芯片和软件的联合性能优化，实现极端低延迟与高并发均衡、高质量量化与可变序列长度等领域的技术创新，满足客户对极致推理性能的需求，为大模型推理部署提供高效率的推理算力软硬件解决方案。 本次募投项目预计研发的面向多模态推理的芯片、灵活编译软件系统以及推理软件平台，适应大模型多模态理解能力升级的推理任务需求，通过融合式运算单元、大带宽与多模态数据并发管理以及硬件架构的可编程性扩展，提升智能芯片对多模态任务的处理性能，配合灵活编译软件系统和推理软件平台，实现面向多模态推理的软硬件联合优化，为多模态业务用户提供极致优化的多模态算力软硬件解决方案。 本次募投项目预计研发的面向大模型的互联协议与交换芯片与公司自研的系列智能芯片以及智能板卡相结合，可以搭建出整体性能更为高效的多卡算力系统设备，更好地服务多样化大模型复杂计算任务需求。 本次募投项目预计研发的各类芯片，将面向大模型算法厂商、互联网企业以及各垂直行业领域的算力服务商等客户，承载其大模型训练和推理的多样化任务需求。根据 IDC与浪潮信息联合发布的《2025年中国人工智能计算力发展评估报告》，42%的中国企业已经开始进行大模型的初步测试和重点概念验证，17%的企业已经将技术引入生产阶段，并应用于实际业务中；根据 IDC数据，2024年中国人工智能算力市场规模约为 190亿美元，2025年将达到 259亿美元，同比增长 36.2%，2028年将达到 552亿美元。公司本次募投项目研发的各类芯片将满足多个大模型业务领域的需求，在我国人工智能算力市场规模持续增长的背景下，具备良好的商业化前景。 （2）公司具有较强的核心竞争优势 公司作为智能芯片领域全球知名的新兴公司，能提供云边端一体、软硬件协同、训练推理融合、具备统一生态的系列化智能芯片产品和平台化基础系统软件。 公司始终将自主技术创新作为企业发展的核心竞争力，实现了云端产品的高质量迭代。公司凭借在智能芯片领域的具有竞争力的产品优势及良好的服务，先后与运营商、金融、互联网及其他垂直行业等多个行业客户展开深入合作，也积极与大模型领域企业进行适配、合作。2024年以来，公司积极助力人工智能应用落地，公司云端产品线在 2024年、2025年第一季度分别实现 116,627.85万元、110,900.40万元的销售收入，获得了客户的广泛认可，市场规模逐渐扩大，呈现稳定增长态势。 （3）公司已有产品已规模应用，为本募规划的产品的未来销售奠定了良好基础 公司在长期的市场拓展过程中，已积累了良好的品牌认知和优质的客户资源，本募规划产品的推出、升级和更新换代更易被市场接受，为公司的业务拓展奠定良好的基础。 目前公司产品规模应用于大模型算法公司、服务器厂商、人工智能应用公司，可支持云端场景下的视觉（图像和视频的智能处理）、语音处理（语音识别与合成）、自然语言处理以及推荐系统等多样化的人工智能任务，高效支持视觉、语音和自然语言处理等多模态人工智能任务，辐射云计算、能源、教育、金融、电信、医疗、互联网等行业的智能化升级。公司本募研发的产品亦面向上述客户，前期已在云端产品线积累的良好客户基础能够帮助本募研发的产品顺利实现商业化。 （4）公司将持续采取措施，促进本募规划的产品的销售 把握算力机遇，聚焦主业发展。在大模型技术革新的背景下，智能计算需求继续增长。公司凭借在智能芯片领域里具有竞争力的产品优势及良好的服务，获得了客户的广泛认可，在市场中赢得了良好的口碑。面对大模型技术革新带来的产业变革，公司将巩固现有业务优势，推动芯片产品向大模型及行业垂直领域延伸，探索新兴场景的算力需求，挖掘增量市场潜力。未来，公司将坚持以技术创新提升芯片产品竞争力，加大对客户的服务力度，进一步提升公司市场份额，推动公司业务持续发展。 基于核心应用场景，积极拓展和加强行业客户落地。公司凭借领先的研发能力、可靠的产品质量和优秀的客户服务水平，积累了良好的品牌认知和优质的客户资源。依托于智能芯片产品及其配套软件平台的技术领先优势，公司产品持续在运营商、金融、互联网等多个重点行业应用场景落地，公司产品的软件平台易用性、大规模商业场景部署的稳定性、人工智能应用场景的普适性均通过了客户严苛环境的验证，获得了客户的广泛认可。目前公司产品规模应用于大模型算法公司、服务器厂商、人工智能应用公司，辐射云计算、能源、教育、金融、电信、医疗、互联网等行业的智能化升级。未来公司将继续增强市场开拓力度、深耕行业客户。除了为传统人工智能应用场景持续提供算力支持外，公司也将全面开展大模型的适配优化工作，帮助客户实现大模型在实际业务场景中的落地应用。 加强与产业链上下游的战略合作。随着公司业务的快速增长及出货量的不断增加，公司将基于产业政策与产业链上下游开展长期、广泛、良好的合作，在产品研发各阶段继续与各相关方保持良好沟通，并积极探索，加强与产业链上下游厂商的战略合作，推动公司业务持续发展。 综上，公司本次募投项目研发的各类芯片能够满足下游客户需求，下游市场空间广阔；公司具有较强的核心竞争优势，获得了客户的广泛认可，市场规模逐渐扩大，呈现稳定增长态势；公司已有产品已规模应用，为本募规划产品的客户和应用领域相同，为本募规划产品的未来销售奠定了良好基础；公司将持续采取措施，促进本募规划产品的销售。预计本募研发的各类芯片具有良好的商业化应用前景。 3、本次募投项目较公司现有业务、前次募投项目在运用技术、具体产品以及应用场景等方面的区别和联系，是否涉及新产品、新技术，募集资金是否符合投向主业相关要求 （1）本次募投项目较公司现有业务、前次募投项目在运用技术、具体产品以及应用场景等方面的区别和联系 公司所处的集成电路设计行业为技术密集型行业，而智能芯片作为集成电路领域新兴的方向，在集成电路和人工智能方面有着双重技术门槛。公司自成立以来一直专注于人工智能芯片产品的研发与技术创新，致力于打造人工智能领域的核心处理器芯片。公司的主营业务是应用于各类云服务器、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。 1）本次募投项目“面向大模型的芯片平台项目”是在现有业务、前次募投项目研发基础上的迭代研发和升级，在运用技术、具体产品等方面均有迭代更新，将进一步高效支持大模型场景任务 公司现有业务、前次募投项目为公司本次募投项目的研发以及业务领域的拓展提供了必要的技术和研发资源支撑。公司本次募投项目在智能处理器架构、智能计算指令集、芯片封装技术、交换互联等技术方面均较现有业务、前次募投项目进行演进与提升；本次募投项目主要研发云端产品线技术和产品，是公司已有产品技术路径的延续，并随着人工智能技术和应用场景需求的演进在持续演进；本次募投项目与现有业务均可支持云端场景下的视觉、语音、自然语言处理和搜索推荐等应用，但本次募投项目可进一步高效支持大模型各类训练及推理任务。 公司本次面向大模型的芯片平台项目与涉及云端产品研发的前次募投项目、现有业务在技术、产品、应用场景和客户方面的的核心区别与联系如下：
本次面向大模型的软件平台项目与现有业务、前次募投项目中相关软件部分研发在技术、产品、应用场景方面的主要区别和联系如下：
本次“面向大模型的芯片平台项目”是基于公司现有产品业务的进一步演化，产品技术路径具备延续性，但随着人工智能技术和应用场景需求的演进在持续演进。本次募投项目形成的研发成果与公司现有云端产品均可支持云端场景下的视觉、语音、自然语言处理和搜索推荐等应用，但本次募投项目可进一步高效支持大模型各类训练及推理任务。 本次“面向大模型的软件平台项目”的研发内容与公司现有自研的基础系统软件平台均为面向公司智能芯片的软件，但本次“面向大模型的软件平台项目”是在公司智能芯片的硬件架构特点及现有基础系统软件平台基础上，随着智能芯片硬件的升级以及大模型用户对智能芯片软件平台优化的需求进行持续升级。 公司本次募投项目“面向大模型的芯片平台项目”与“面向大模型的软件平台项目”均紧密围绕公司主营业务中的云端产品线进行，是围绕公司主营业务、在目前现有产品线与既有业务上更新迭代的新一代的技术和产品，与公司现有业务高度关联并具有较强的协同效应。本次募投项目将进一步高效支持大模型场景任务，产品技术路径具备延续性，随着人工智能技术和应用场景需求的演进在持续演进。具体情况如下： 1）面向大模型的芯片平台项目 本次募投项目产品面向大模型训练的芯片、面向大语言模型推理的芯片、面向多模态推理的芯片、面向大模型需求的交换芯片均属于公司云端产品线布局范畴，是在公司现有技术或产品基础上的迭代升级，面向的客户群体和应用领域与公司现有云端产品线客户及应用领域相同，将进一步高效支持大模型的训练、推理任务。 ①本次募投项目产品系现有产品在面向人工智能发展新阶段（大模型阶段）的迭代升级 本次募投项目面向大模型技术演进对智能芯片和软件平台的创新需求，在现有产品和技术的基础上进行迭代升级，在应用场景上更专注于大模型的多样化需求。②本次募投项目产品的原材料采购、外协生产情况与现有产品相同 公司自成立以来的经营模式均为 Fabless模式，未曾发生变化，并将长期持续。公司专注于智能芯片的设计和销售，而将晶圆制造、封装测试等其余环节委托给晶圆制造企业、封装测试企业及其他加工厂商代工完成。本次募投项目将继续沿用已有的经营模式，原有晶圆代工生产、芯片封测、板卡加工等供应商可以继续使用，与现有产品相同。 ③本次募投项目产品与公司现有产品形态相同 在产品形态方面，最近一年及一期，公司的主要产品形态为芯片、板卡及整机，本次募投项目仍以芯片、板卡及整机为产品形态，未产生新的产品形态。 ④本次募投项目产品与现有产品的客户及应用领域相同 在客户及应用领域方面，目前公司产品规模应用于大模型算法公司、服务器厂商、人工智能应用公司，可支持云端场景下的视觉（图像和视频的智能处理）、语音处理（语音识别与合成）、自然语言处理以及推荐系统等多样化的人工智能任务，高效支持视觉、语音和自然语言处理等多模态人工智能任务，辐射云计算、能源、教育、金融、电信、医疗、互联网等行业的智能化升级。公司前期已在云端产品线积累了良好的客户基础，获得客户的广泛认可。 本次募投项目产品面向大模型训练的芯片、面向大语言模型推理的芯片、面向多模态推理的芯片、面向大模型需求的交换芯片均属于公司云端产品线布局范畴，是在公司现有技术或产品基础上的迭代升级，面向的客户群体和应用领域与公司现有云端产品线客户及应用领域相同，将进一步高效支持大模型的训练、推理任务。 ⑤本次募投项目产品会复用现有产品较多通用性核心技术 公司在智能芯片技术领域有充分的通用性核心技术积累，包括智能处理器微架构、智能处理器指令集、SoC芯片设计、处理器芯片功能验证、先进工艺物理设计、芯片封装设计与量产测试、硬件系统设计等，可为本募投项目任务的完成提供充分的通用性核心技术保障。 综上，本次募投项目“面向大模型的芯片平台项目”是围绕公司主营业务、在面向人工智能发展新阶段（大模型阶段）进行产品的迭代升级，原材料采购、外协生产情况与现有产品相同，产品形态与现有产品相同，客户及应用方面重叠，本次募投项目产品会复用现有产品较多通用性核心技术。本次募投项目产品与公司现有产品在原材料采购、产品生产、客户拓展方面具有较高的协同性，产品的生产、销售不存在重大不确定性，本次募集资金符合投向主业的要求。 2）面向大模型的软件平台项目 ①本次募投项目产品系现有产品在面向人工智能发展新阶段（大模型阶段）的迭代升级 本次募投项目面向大模型技术演进对智能芯片和软件平台的创新需求，在现有产品和技术的基础上进行迭代升级，在应用场景上更专注于大模型的多样化需求。②本次募投项目产品的原材料采购与现有软件相同 本次募投项目研发采购涉及到部分设备购置，主要为服务器、交换机、数据存储设备等各类用于支撑研发过程的设备，已有的供应商可以继续使用，与现有软件研发环节相同。 ③本次募投项目产品与公司现有软件形态相同 如前所述，公司软件产品不直接对外销售，面向大模型的芯片平台项目研发的芯片产品基于面向大模型的软件平台项目形成的系统软件和工具链使用，才能更好地满足客户对大模型智能芯片产品的需求，与公司现有软件相同。 ④本次募投项目产品与现有软件的客户及应用领域相同 如前所述，公司软件产品不直接对外销售，面向大模型的芯片平台项目研发的芯片产品基于面向大模型的软件平台项目形成的系统软件和工具链使用，才能更好地满足客户对大模型智能芯片产品的需求，本次面向大模型的软件平台项目与前述公司面向大模型的芯片平台项目的客户群体一致。 ⑤本次募投项目产品会复用现有软件较多通用性核心技术 公司在软件平台领域有充分的通用性核心技术积累，包括编程框架适配与优化、智能芯片编程语言、智能芯片编译器、智能芯片数学库、智能芯片虚拟化软件、智能芯片核心驱动、云边端一体化开发环境等，可为本募投项目任务的完成提供充分的通用性核心技术保障。 综上，本次募投项目“面向大模型的软件平台项目”是围绕公司主营业务、面向人工智能发展新阶段（大模型阶段）进行软件的迭代升级，原材料采购与现有软件研发相同，产品形态与现有软件相同，应用方式与现有软件相同，本次募投项目技术会复用现有技术较多通用性核心技术。本次募投项目产品与公司现有软件在原材料采购、客户及应用领域方面具有较高的协同性，本次募集资金符合投向主业的要求。 （三）本次募投项目目前研发进展及后续安排、研发难点的攻克情况，并结合公司技术及人员储备、软硬件采购稳定性、客户验证等情况，说明实施本次募投项目的可行性，是否存在重大不确定性 1、本次募投项目目前研发进展及后续安排 公司各研发项目的研发流程相同，公司前期多个研发项目的成功经验，持续推动公司核心技术创新及智能芯片产品、基础系统软件平台的迭代升级与优化。 公司高度重视产品的设计与研发，建立了严格高效的产品研发流程和质量控制体系，将产品从立项、计划、设计与开发、验证到市场化等环节进行全过程管理与监控，促使研发的各个环节高效运行。公司作为一家 Fabless的芯片设计公司，各研发项目的研发流程相同，遵照 IPD理念一般分为五个阶段，即概念阶段、计划阶段、开发阶段、样品阶段和发布阶段，具体如下：
公司已研发成功思元 100、思元 270、思元 290和思元 370芯片等多款云端智能芯片产品并基于上述芯片推出多款云端智能板卡产品，上述产品研发在完成概念阶段和计划阶段的工作，进入开发实施阶段后均研发成功。公司作为智能芯片领域全球知名的新兴公司，凭借领先的核心技术和前期多个研发项目的成功经验，持续推动公司核心技术创新及智能芯片产品、基础系统软件平台的迭代升级与优化。 2、研发难点的攻克情况：本次募投项目部分研发关键点已得到攻克，部分待攻克的研发关键点有充分的技术保障 公司已经具备较好的前期自主技术积累，掌握了覆盖智能处理器架构、智能处理器指令集、智能芯片编程语言、智能芯片编译器、智能芯片数学库、智能芯片虚拟化软件、智能芯片核心驱动、云边端一体化开发环境等细分领域的智能芯片和基础系统软件技术，为本次募投项目难点的攻克提供了可靠的技术能力支撑。 （1）面向大模型的芯片平台项目 本募投项目面向大模型技术演进对智能芯片的创新需求，拟开展面向大模型的智能处理器技术创新突破；拟研发覆盖不同类型大模型任务场景的系列化芯片产品，包括：面向大模型训练的芯片、面向大语言模型推理的芯片、面向多模态推理的芯片和面向大模型需求的交换芯片；拟建设先进封装技术平台，灵活高效地支撑不同场景下差异化产品的封装，增强智能算力硬件产品对未来大模型技术发展新需求的适应性。 面向大模型的芯片平台项目，计划以智能处理器和先进封装技术的创新升级为底层支撑，并行开展面向大模型场景需求的四款芯片的创新研发，需要在上述多细分技术领域开展高密集度的攻关，各任务内容面临着不同的具体研发关键点，但公司前期技术积累可为本项目任务的完成提供关键技术保障，本次面向大模型的芯片平台项目目标的达成不存在较大不确定性。公司在智能芯片技术领域有充分的通用性技术积累，智能芯片领域通用性核心技术积累包括智能处理器微架构、智能处理器指令集、SoC芯片设计、处理器芯片功能验证、先进工艺物理设计、芯片封装设计与量产测试、硬件系统设计等，可为本募投项目任务的完成提供充分的技术保障。截至 2025年 3月末，公司在智能芯片领域通用性核心技术积累情况如下：
本次面向大模型的软件平台项目面向大模型技术和应用发展需求，基于公司智能芯片的硬件架构特点，在高并行度、高计算效率、高存储效率等大模型技术重点需求领域，开展相应的优化策略、软件算法以及软件工具等创新研究；并建设面向大模型的软件平台，平台将涵盖灵活编译系统、训练平台以及推理平台三大功能模块，以提升公司智能芯片的易用性和适应性，支撑服务从大模型的算法开发到应用部署的全业务流程。 面向大模型的软件平台项目，是充分发挥面向大模型的芯片平台项目所研发的系列智能芯片能效水平的必要支撑，除了针对智能芯片的硬件架构特性进行底层编译软件（编程语言、编译器等）的迭代升级之外，更重要的是需要紧跟大模型技术的演进方向，在底层驱动、训练以及推理任务上开展具体的技术关键点攻关。公司前期已积累了深厚、可靠的技术研发经验，为公司攻克上述相关技术关键点提供了关键技术保障，本次面向大模型的软件平台项目目标的达成不存在较大不确定性。公司在软件平台领域亦有充分的通用性技术积累，软件平台领域通用性核心技术积累包括编程框架适配与优化、智能芯片编程语言、智能芯片编译器、智能芯片数学库、智能芯片虚拟化软件、智能芯片核心驱动、云边端一体化开发环境等，可为本募投项目任务的完成提供充分的技术保障。截至 2025年 3月末，公司在软件平台领域通用性核心技术积累情况如下：
公司本次募投项目拟研发的面向大模型的新一代智能处理器微架构、智能处理器指令集将面向大模型场景下智能芯片的性能迭代升级需求，分别开展两方面的突破创新。一是在公司现有自研智能处理器微架构的基础上，针对大模型任务运算的高并行和高复杂等特点，重点在向量处理器与矩阵计算单元融合、多机缓存与数据流优化、分布式控制与可扩展性等方面开展技术研究。二是在公司现有自研智能处理器指令集的基础上，研究分析大模型任务场景的典型运算操作特型，有针对性的开展指令集的扩展和优化设计，提升编程灵活性和易用性，提高面向大模型的智能处理器在处理大模型任务时的性能。 同时，本次募投项目将新增设计支持多卡全互联交换的专用交换芯片，将解决大模型的高度复杂的并行计算任务需求，突破复杂多卡集群系统的算力、带宽以及内存利用率的提升困难，用于在多卡之间构建高效互联的直连通信网络，提升通信效率。 公司前期积累的深厚技术基础和研发能力，能够有力保障公司本次募投项目的顺利实施以及项目任务目标的高质量达成。 综上，公司本次募投项目旨在基于现有产品和技术，面向大模型应用场景需求，针对公司自研核心技术、智能芯片产品、基础系统软件平台进行相应的迭代升级与优化。本次募投项目部分研发关键点已经得到攻克；针对本次募投项目部分待攻克研发关键点，公司可充分运用公司技术储备和人员储备，将公司前期在人工智能芯片领域积累的成熟技术研发和产品化经验应用在本次募投项目的技术创新和研发工作中，不存在难以突破的重大技术难点，本次募投项目目标的达成不存在较大不确定性。 3、公司拥有充分的技术及人员储备 公司多年持续高效的研发工作为公司在智能芯片领域和软件平台领域积累了一批创新性强、实用度高的拥有自主知识产权的核心技术，并形成了具有强大专业背景和丰富研发经验的研发人员储备。
公司是智能芯片领域全球知名的新兴公司，全面系统掌握智能芯片及其基础系统软件研发和产品化核心技术。公司在智能芯片领域掌握了智能处理器微架构、智能处理器指令集、SoC芯片设计、处理器芯片功能验证、先进工艺物理设计、芯片封装设计与量产测试、硬件系统设计等关键技术；在基础系统软件技术领域掌握了编程框架适配与优化、智能芯片编程语言、智能芯片编译器、智能芯片数学库、智能芯片虚拟化软件、智能芯片核心驱动、云边端一体化开发环境等关键技术。 公司在智能芯片及相关领域开展了体系化的知识产权布局，为公司研发的核心技术保驾护航。截至 2025年 3月 31日，公司累计已获授权专利 1,556项，按照专利地域可分为：境内专利 1,078项，境外专利 478项；按照类型可分为：发著作权 65项，集成电路布图设计 6项。 2）公司从事募集资金投资项目拥有充分的人员储备 公司创始人、董事长、总经理陈天石博士从事人工智能和处理器芯片等相关领域工作近二十年，创办并领导公司跻身全球智能芯片公司前列。 公司在技术研发、供应链、产品销售等方面均建立了成熟团队，核心骨干均有多年从业经验。公司核心研发人员多毕业于著名高校或科研院所，拥有计算机、微电子等相关专业的学历背景，多名骨干成员拥有知名半导体公司多年的工作经历。截至 2025年 3月 31日，公司员工中有 76.66%为研发人员，79.44%的研发人员拥有硕士及以上学位，研发队伍结构合理、技能全面，有力支撑了公司的技术创新和产品研发。 公司为确保智能芯片产品及基础系统软件平台的高质量迭代，在竞争激烈的市场中保持技术领先优势，持续加大研发投入，积极引进优秀人才、保持公司研发团队稳定，并将继续推动人才体系的健全和公司组织架构的优化。在人才体系的建设上，公司不断完善各项人力资源管理制度，持续吸纳行业优秀人才，充实研发团队，为实现公司的可持续发展奠定坚实的人才基础。 4、公司与软硬件采购方保持了良好的沟通，采购情况稳定 公司采用 Fabless经营模式，供应商主要包括 IP/EDA厂商、晶圆制造厂和封装测试厂等。 公司本次募投项目涉及软硬件采购主要包括研发相关的设备、IP/EDA等。 本次再融资募投项目面向大模型的芯片平台项目中用于购置设备和 IP/EDA的投资金额合计为 42,170.25万元，面向大模型的软件平台项目中用于购置设备的投资金额为 21,300.00万元。本次募投项目拟采购的设备主要为服务器、交换机、数据存储设备等各类用于支撑研发过程的设备，在当前国内市场中有较为多样的选型和配置，并且公司与国内主流的供应商保持了畅通的沟通渠道，定期沟通需求信息，及时主动地采取供应风险防范措施；在 IP和 EDA方面，国内厂商逐步成熟，公司与主要供应商保持了稳定的合作关系。因此本次募投项目涉及的研发设备、IP/EDA的采购较为稳定，并采取了比较充足的保障措施，不存在较大不确定性。 综上，公司与本次募投项目涉及的软硬件采购方保持了良好的沟通，并采取了较为充足的保障措施，软硬件采购稳定，不存在重大不确定性。 5、公司已有产品已规模应用，为本募规划的产品的测试及验证奠定了良好基础 公司已有产品已规模应用于大模型算法公司、服务器厂商、人工智能应用公司，辐射云计算、能源、教育、金融、电信、医疗、互联网等行业的智能化升级，支撑人工智能行业快速发展。公司本募研发的产品亦面向上述客户，前期已在云端产品线积累的良好客户基础能够帮助本募研发的产品顺利实现商业化。 在大模型领域，公司产品已在大语言模型应用场景以及文生图、文生视频等多模态大模型应用场景进行了大规模部署应用并成功支撑了大模型算法商、互联网等客户的长时间、高流量、高并发的线上服务，同时深度积累了大模型相关的数据中心部署、调试调优以及商业应用深度优化技术，也熟悉了大模型厂商、互联网客户以及其他大模型应用客户的适配、验证、应用的完整工作流程。公司此前积累的大模型商业客户部署经验将为本次募投项目的实施提供助力。 公司在长期的市场拓展过程中，已积累了良好的品牌认知和优质的客户资源，本募规划产品的推出、升级和更新换代更易被市场接受，为公司的业务拓展奠定良好的基础。 综上，公司各研发项目的研发流程相同，历史上，公司均成功完成了相关产品及技术的迭代研发；本次募投项目部分研发难点已得到攻克，部分待攻克的研发关键点有充分的技术保障；本次募投项目有充分的技术和人员储备；公司与软硬件采购方保持了良好的沟通，采购情况稳定；公司已有产品已规模应用，为本募规划的产品的测试及验证奠定了良好基础。因此，公司本次募投项目的实施具备可行性，不存在重大不确定性。 二、保荐机构核查情况 （一）核查程序 针对上述事项，保荐机构主要实施了如下核查程序： 1、查阅了发行人本次募投项目可行性研究报告、发行人首次公开发行招股说明书、2022年度向特定对象发行募集说明书、年报等定期报告、行业研究报告、同行业可比公司信息披露文件等公开文件或信息，了解大模型技术发展趋势、市场需求、市场竞争格局及公司竞争优劣势、公司经营发展规划、资产负债情况、预计研发目标及同行业公司相关技术研发进展等情况； 2、查阅了发行人本次募投项目的可行性研究报告，对本次各募投项目的具体内容进行了对比、分析，访谈发行人管理层，了解芯片的商业化前景。查阅了发行人首次公开发行招股说明书、2022年度向特定对象发行募集说明书、年报等定期报告，了解公司主营业务及前次募投项目的建设内容，对本次募投项目的产品与公司主营业务、前次募投项目进行了对比、分析； 3、查阅发行人本次募投项目可行性研究报告、年报等定期报告等，取得了公司关于本次募投项目研发进展及后续安排、研发难点的攻克情况、公司技术及人员储备、软硬件采购稳定性、客户验证等情况的说明。 （二）核查意见 经核查，保荐机构认为： 1、报告期内，大模型技术推动人工智能算力市场高速增长，全球智能芯片市场当前呈现国外巨头主导，国内厂商市场份额逐步提升趋势，本次募投项目是公司保持技术优势，完善软件生态的必经之路。公司本次募投项目紧扣公司经营发展规划，构建面向大模型的算力软硬件矩阵，通过向特定对象发行 A股股票实施募投项目符合公司低负债率运营特点与行业特点。公司本次募投项目研发目标明确，将进一步强化较同行业可比公司的技术竞争力。本次募投项目实施具有必要性与紧迫性。 2、公司面向大模型的芯片平台项目与面向大模型的软件平台项目紧密耦合，是满足大模型技术和市场应用需求密不可分的一体两面。预计研发芯片具有良好的商业前景。本次募投项目是在现有业务、前次募投项目研发基础上的迭代研发和升级，在运用技术、具体产品等方面均有迭代更新，将进一步高效支持大模型场景任务。本次募投项目是围绕公司主营业务、在面向人工智能发展新阶段（大模型阶段）进行产品的迭代升级，本次募集资金符合投向主业的要求。 3、公司各研发项目的研发流程相同，历史上，公司均成功完成了相关产品及技术的迭代研发；本次募投项目部分研发难点已得到攻克，部分待攻克的研发关键点有充分的技术保障；本次募投项目有充分的技术和人员储备；公司与软硬件采购方保持了良好的沟通，采购情况稳定；公司已有产品已规模应用，为本募规划的产品的测试及验证奠定了良好基础。因此，公司本次募投项目的实施具备可行性，不存在重大不确定性。 问题 2 前次募投项目 根据申报材料，（1）公司将 2022年定增项目稳定工艺平台芯片项目的拟投入募集资金由 69,973.68万元调整到 44,973.68万元，将调减的 25,000万元永久补充公司流动资金；将 IPO节余资金用于稳定工艺平台芯片项目的 31,548.78万元调整为永久补充公司流动资金；（2）公司 2022年定增募集资金拟投入的先进工艺平台芯片项目、稳定工艺平台芯片项目和面向新兴应用场景的通用智能处理器技术研发项目均尚未结项，其中，面向新兴应用场景的通用智能处理器技术研发项目投入金额占比为 34.69%。 请发行人说明：（1）公司未使用前次募投项目节余资金投入本次募投项目的主要考虑，前次募投项目变更的主要情况及变更前后非资本性支出的具体金额及其占比情况；（2）结合前次募投项目稳定工艺平台芯片项目、面向新兴应用场景的通用智能处理器技术研发项目规划达到预定使用状态的时间、当前研发进展、后续研发安排，说明该项目募集资金使用比例相对较低的具体原因，是否存在延期风险，以及相关情况对本次募投项目实施的影响。 请保荐机构核查并发表明确意见。 回复： 一、发行人说明 （一）公司未使用前次募投项目节余资金投入本次募投项目的主要考虑，前次募投项目变更的主要情况及变更前后非资本性支出的具体金额及其占比情况 1、公司未使用前次募投项目节余资金投入本次募投项目的主要考虑 （1）公司首次公开发行股票募集资金投资项目（以下简称“IPO募投项目”）节余募集资金变动情况 2023年 7月 18日，公司召开了第二届董事会第十一次会议、第二届监事会第六次会议，审议通过了《关于首次公开发行股票募投项目结项并将节余募集资金用于特定项目及永久补充流动资金的议案》，同意公司 IPO募投项目结项，并将节余募集资金分别用于 2022年向特定对象发行股票（以下简称“2022年定增”）中的“稳定工艺平台芯片项目”及永久补充流动资金。IPO募投项目审议结项时，节余募集资金规划用途如下： 单位：万元
（2）未使用 IPO募投项目节余资金投入本次募投项目的主要原因 在 2022年 12月 15日，美国商务部工业和安全局（BIS）将公司及部分子公司列入“实体清单”，公司供应链受到一定影响，公司产品的成本结构发生了一定变化，产品成本有所提升。公司在对边缘市场进行调研后，认为边缘产品的售价相对云端产品而言较低，对成本变化较为敏感，原“稳定工艺平台芯片项目”中规划的边缘产品受市场和成本的影响较为明显。故公司对“稳定工艺平台芯片项目”进行了战略调整，暂缓对其中边缘计算芯片的研发。同时由于公司急需充裕的流动资金进行备货，为了满足公司备货及日常运营需求，公司将原本用于“稳定工艺平台芯片项目”的 IPO节余资金调整为永久补充流动资金。截至 2025年3月 31日，前述转出的永久补充流动资金已使用完毕，故无法使用 IPO募投项目节余资金投入本次募投项目。 2、前次募投项目变更的主要情况及变更前后非资本性支出的具体金额及其占比情况 （1）前次募投项目变更的主要情况 1）2022年定增募投项目 2024年 9月 30日，公司召开了第二届董事会第二十四次会议与第二届监事会第十八次会议，审议通过了《关于调整募集资金投资项目并增加实施主体及实施地点的议案》；2024年 11月 1日，公司召开了 2024年第二次临时股东大会审议通过了该议案事项，除同意前述 IPO节余募集资金用于稳定工艺平台芯片项目的 31,548.78万元用于永久补充流动资金外，亦同意将 2022年定增募集资金中稳定工艺平台芯片项目的拟投入募集资金由 69,973.68万元调整到 44,973.68万元，调减的 25,000万元将永久补充公司流动资金；同意对先进工艺平台芯片项目、稳定工艺平台芯片项目的投资结构明细进行调整。 调减稳定工艺平台芯片项目的拟投入募集资金与调整先进工艺平台芯片项目、稳定工艺平台芯片项目的投资结构明细具体如下： 单位：万元
①调减稳定工艺平台芯片项目投入募集资金的原因 2019年，公司边缘产品线推出了首款边缘智能芯片思元 220，在 2020-2021年期间，随着市场拓展的深入，公司的边缘端产品思元 220规模落地该市场的头部企业，累计销量突破百万片，其业务的拓展直接带动了公司边缘产品的收入。 为了实现公司边缘产品线在更多边缘智能业务场景的落地，公司充分考虑了边缘端智能应用场景差异化的算力需求，规划了“稳定工艺平台芯片项目”，并作为公司 2022年向特定对象发行股票募投项目之一。“稳定工艺平台芯片项目”的研发周期为三年，预计在 2026年 5月达产后，进一步拓展边缘端应用场景，提升边缘产品线的收入占比。 但是，在 2022年 12月，美国商务部工业和安全局（BIS）将公司及部分子公司列入“实体清单”，公司的供应链受到一定影响，公司产品的成本结构发生了一定变化，产品成本有所提升。公司在对边缘市场进行调研后，认为边缘产品的售价相对云端产品而言较低，对成本变化较为敏感，原“稳定工艺平台芯片项目”中规划的边缘产品受市场和成本的影响较为明显。 因此，公司进行了战略调整，暂缓对“稳定工艺平台芯片项目”中边缘计算芯片的研发，调减部分拟投入的募集资金，用于补充公司的自有资金，以确保提高募集资金使用效益。 ②调整稳定工艺平台芯片项目与先进工艺平台芯片项目投资结构明细的原因 由于公司其他在研项目已在 2022年定增募投项目开展前，采购了募投项目中需要的部分设备、软件及 IP，可以在稳定工艺平台芯片项目与先进工艺平台芯片项目中进行复用，原计划采购的部分资产和软件在募投项目实施期间不需要进行重复采购。因此，公司调整稳定工艺平台芯片项目与先进工艺平台芯片项目的投资结构明细，将上述项目节约下来与资产投资相关科目的募集资金调整到产品开发相关科目，该投资结构明细的调整有利于提升募投资金使用效率。 2）IPO募投项目 公司 IPO募投项目在实施过程中未发生过变更，IPO募投项目节余募集资金情况详见本题之“1、公司未使用前次募投项目节余资金投入本次募投项目的主要考虑”。 （2）变更前后非资本性支出的具体金额及其占比情况 根据《<上市公司证券发行注册管理办法>第九条、第十条、第十一条、第十三条、第四十条、第五十七条、第六十条有关规定的适用意见——证券期货法律适用意见第 18号》（以下简称《18号适用意见》）的相关规定：“募集资金用于支付人员工资、货款、预备费、市场推广费、铺底流动资金等非资本性支出的，视为补充流动资金。资本化阶段的研发支出不视为补充流动资金。工程施工类项目建设期超过一年的，视为资本性支出”。公司 2022年定增项目募集资金中用于非资本性支出的内容主要为产品开发费、铺底流动资金与补充流动资金。 1）2022年定增募投项目 公司 2022年定增募投项目变更与调整投资结构明细前后非资本性支出占比的具体情况如下： 单位：万元
 |