寒武纪(688256):天健会计师事务所（特殊普通合伙）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中有关财务事项的说明
原标题:寒武纪:天健会计师事务所（特殊普通合伙）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中有关财务事项的说明 一、关于融资规模…………………………………………………第1—24页二、关于经营业绩及应收账款……………………………………第24—58页三、关于预付账款及存货…………………………………………第58—71页四、关于财务性投资………………………………………………第71—77页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 审核问询函中有关财务事项的说明 天健函〔2025〕784号 上海证券交易所： 由中信证券股份有限公司转来的《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》（上证科审（再融资）〔2025〕64号，以下简称审核问询函）奉悉。我们已对审核问询函所提及的中科寒武纪科技股份有限公司（以下简称寒武纪公司或公司）财务事项进行了审慎核查，现汇报如下。 部分表格中单项数据加总与合计数据可能存在微小差异，均系计算过程中的四舍五入所致。 一、关于融资规模（审核问询函问题3） 根据申报材料：（1）公司本次拟募集资金498,000.00万元，主要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；（2）公司IPO项目部分设备、软件及IP、材料存在复用情况。 请发行人说明：（1）本次募集资金的具体构成情况及测算依据，各类支出的主要用途，并结合同行业可比公司及公司类似项目的研发投入、人员工资、IP投入等情况，说明本次募集资金规模测算的谨慎性、合理性，是否存在IP复用等情形；（2）结合公司资金持有及对外投资情况、资金缺口等情况及本次募投项目的实施背景、主要考虑，说明公司本次融资规模的合理性；（3）在2022-2024年持续亏损的情况下，本次募投项目实施后费用、折旧、摊销等对公司经营业绩的主要影响。 请保荐机构和申报会计师核查并发表明确意见。 回复： (一)本次募集资金的具体构成情况及测算依据，各类支出的主要用途，并结合同行业可比公司及公司类似项目的研发投入、人员工资、IP投入等情况，说明本次募集资金规模测算的谨慎性、合理性，是否存在IP复用等情形1.本次募集资金的具体构成情况及测算依据，各类支出的主要用途 公司拟向特定对象发行A股股票募集资金总额不超过398,532.73万元，扣除发行费用后，实际募集资金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，具体如下： 单位：万元
若本次向特定对象发行募集资金总额因监管政策变化或发行注册文件的要求予以调整的，则届时将相应调整。 公司各个募投项目的具体投资构成情况及测算依据、各类支出的主要用途如下： (1)面向大模型的芯片平台项目 本项目拟投资总额为290,000.00万元，其中拟投入募集资金205,427.94万元，投资总额具体情况如下： 单位：万元
1）资产投资 本项目的资产购置主要是对相应的开发环境、实验环境和测试环境进行投入。 资产购置单价根据公司历史采购价格及近期市场情况预估。其中，硬件设备购置情况如下： 单位：万元 单位：万元 本项目的产品开发费为227,297.22万元，包括研发人员工资153,964.16万元、产品试制费（主要为流片、研发物料及测试费用）72,500.00万元及其他研发支出833.06万元。 ①研发人员工资 产品开发费中研发人员工资具体测算情况如下： 单位：万元
②产品试制费 产品试制费主要为流片、研发物料及测试费用。本募投项目拟研发四款芯片包括：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。根据项目实施过程中拟试制的各款芯片情况，结合公司历史研发项目同类用途芯片的费用情况，并充分考虑测试验证的客观风险对材料用量和测试复杂性的影响，预计总体产品试制费为72,500.00万元。 3）铺底流动资金 以分项估算法按照最近三年公司各项主要流动资产、流动负债的周转情况，测算本项目所需流动资金。铺底流动资金按项目研发完成后运营期所需流动资金的5%计算。各年流动资金测算如下： 单位：万元
本项目拟投资总额为160,000.00万元，其中拟投入募集资金145,207.77万元，投资总额的具体情况如下： 单位：万元
1）资产投资 本项目的资产购置主要是对相应的开发环境、运行环境和测试环境进行投入。 资产购置单价根据公司历史采购价格及近期市场情况预估。本项目硬件设备购置情况如下： 单位：万元 本项目的产品开发费为138,700.00万元，包括研发人员工资138,272.50万元，及其他研发支出427.50万元。其中研发人员工资具体测算情况如下：单位：万元
(3)补充流动资金 公司拟使用募集资金47,897.02万元用于补充流动资金。公司补充流动资金的金额主要基于未来三年新增最低现金保有量测算，具体测算过程详见本回复报告一（二）1(3)未来三年新增最低现金保有量之说明。 根据测算，公司未来三年新增现金保有量需求为102,401.84万元，本次拟使用募集资金47,897.02万元补充公司业务发展的流动资金需求，规模具有合理性。 2.本次募投项目与同行业可比公司及公司类似项目各类投入情况的对比(1)面向大模型的芯片平台项目 1）与公司类似项目各类投入情况的对比 本项目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。 本项目与公司2022年度向特定对象发行募投项目先进工艺平台芯片项目具有一定的可比性，两个项目各类投入情况的对比如下：
在资产投资方面，面向大模型的芯片平台项目设备支出金额和比例较前募项目明显偏低，主要原因为该项目可充分复用公司已购置的硬件设备，新增设备购置需求较少。两个项目IP/EDA的支出占比接近，主要原因为IP/EDA支出中以IP等针对各项目专项授权的购置为主，不涉及复用情况，需要按项目单独核算。 在产品开发费方面，面向大模型的芯片平台项目人员工资支出占比更高，主要原因为：①面向大模型的芯片平台项目的技术复杂度更高，需要更多、更专业的研发人才；②近年来研发人员薪酬水平有所上涨，本募测算中的研发人员平均薪酬高于前募。 在铺底流动资金方面，面向大模型的芯片平台项目支出占比更高，主要原因为该项目拟面向大模型场景开展多款芯片的研发，预计相关研发成果商业化后市场需求大，经营过程中流动性资金占用高。 2）与可比公司类似项目各类投入情况的对比 本次募投项目与海光信息的新一代海光通用处理器研发项目、新一代海光协处理器研发项目具有一定的可比性，两个项目各类投入情况的对比如下：单位：万元
(2)面向大模型的软件平台项目 1）与公司类似项目各类投入情况的对比 本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；拟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与公司2022年至2024年软件类项目研发投入情况的对比如下： 单位：万元
本次面向大模型的软件平台项目与公司2022年至2024年软件类项目研发投入各部分的投入占比相近，在部分细分支出的占比上存在小幅差异，具体如下：在资产投资方面，面向大模型的软件平台项目设备支出金额和比例均偏高，主要原因为该项目需要自建智能计算验证系统，上述系统合计支出为14,000万元。由于实际应用中千卡甚至万卡规模的智能计算集群系统需求日益增加，不同数量规模的算力硬件对软件平台的功能和性能的一致性与稳定性会产生不同的影响，因此本项目需要建设智能计算验证系统，面向大模型在大规模复杂集群上开展训练和推理任务时的功能和性能要求，支撑对软件平台的稳定性和软硬件协同优化效果进行充分的验证与调优，用于实现本项目的软件平台与底层硬件的联合验证，验证范围包括：算力利用效率、通信效率、分布式策略、长效运行时的稳定性以及故障快速恢复能力等等，从而确保本项目的软件平台在复杂任务场景下的易用性、稳定性和可靠性，尽早在研发环节发现问题、完善能力、优化性能。 在产品开发费方面，公司2022年至2024年软件类项目研发投入中其他投入占比较高，该部分投入主要为分摊的房租费用、专业服务费、研发物料及测试费等。面向大模型的软件平台项目可充分利用公司现有的办公场所；且在设备采购处规划了测试验证系统，预计额外测试费较少，因此预留的其他支出较少。 2）与可比公司类似项目各类投入情况的对比 同行业可比上市公司未直接披露过软件项目的细分研发投入情况。根据英伟达2025财年（截至2025年1月28日）的官方财报及行业分析，其全年研发总投入为129.14亿美元，同比增长49%。尽管英伟达未单独披露软件研发的具体金额，但结合其战略布局和业务结构，研究机构推断其软件研发投入占总研发的35%-40%，即45.2亿至51.66亿美元，主要投向CUDA生态系统、人工智能基础设施和自动驾驶平台等软件领域。 本项目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规划建设，与面向大模型的芯片平台项目紧密耦合，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。本项目建设具备必要性，详见本回复报告一(二)2本次募投项目的实施背景、主要考虑之说明。 3.本次募集资金规模的测算谨慎、合理 综上所述，本次募投项目各子项目投资金额的测算均依据项目建设需要及公司历史类似采购价格或历史年度研发人员薪酬并结合最新市场情况进行，各项投入用途与募投项目建设需求匹配；本次募投项目各项投入占比与公司内部类似项目或同行业可比公司类似项目不存在显著差异；本次募投项目在进行投入预算时充分考虑了现有资产的可复用性；本次募集资金规模的测算谨慎、合理。 4.本次募投项目中拟购置IP不涉及复用情形 公司本次募投项目面向大模型的芯片平台项目拟购置IP，具体购置明细详见本回复报告一（一）1（1）1）资产投资之说明。 IP为项目必不可少的研发工具，本次募投项目中IP基本为针对各项目专项授权，不会涉及复用的情况，需要根据项目实际需求单独进行采购。 (二)结合公司资金持有及对外投资情况、资金缺口等情况及本次募投项目的实施背景、主要考虑，说明公司本次融资规模的合理性 1.公司资金持有、对外投资及资金缺口情况 综合考虑公司可自由支配资金金额、拟投资项目情况、未来三年预计自身经营情况及其他各项资金需求安排等，公司总体资金缺口617,149.63万元，具体测算过程如下： 单位：万元
注2：上述相关假设及预估的财务数据仅用于本次资金缺口测算，不构成公司的盈利预测，不代表对公司未来业绩任何形式的保证 (1)可自由支配资金余额 截至2024年末，公司货币资金余额为198,649.23万元。交易性金融资产（均为结构性存款）余额为76,018.48万元，其中闲置募集资金理财部分余额为51,015.82万元，剔除该部分后的交易性金融资产为25,002.66万元。其他债权投资（均为可转让定期存单）余额为5,046.33万元。上述三项资金合计为228,698.22万元。其中，受限货币资金（如保证金等）1,451.84万元，应专款专用的前次募集资金专户余额45,929.18万元。据此测算，公司可自由支配的资金余额为181,317.20万元。 (2)2024年末最低现金保有量 最低现金保有量系公司为维持其日常营运所需要的最低货币资金金额，以应对客户回款不及时的情况，及支付供应商货款、员工薪酬、税费等短期付现成本。 结合公司经营管理经验、现金收支以及未来三年公司经营情况等，假设最低现金保有量为公司3个月的经营活动现金流出资金。2024年，公司月均经营活动现金流出为32,672.27万元，据此测算，2024年末公司最低现金保有量为98,016.82万元。 (3)未来三年新增最低现金保有量 最低现金保有量需求与公司经营规模相关，假设最低现金保有量的增速与营业收入增速一致。公司2022年至2024年营业收入的复合增长率为26.92%；结合目前市场需求情况与未来发展趋势，基于谨慎性原则，假设公司未来三年的营业收入仍按26.92%的增长率保持增长。基于以上假设，公司未来三年新增最低现金保有量需求为102,401.84万元，具体测算过程如下：
(4)未来三年偿还有息债务的利息 截至2024年末，公司有息债务均为短期借款，本金为10,000万元，年借款利率为3.10%。假设未来三年短期借款利率维持不变，据此测算公司未来三年偿还有息债务的利息为930.00万元。 (5)已审议的投资项目资金需求 截至本回复报告出具之日，公司已经董事会审议的重大投资项目为本次募集资金投资项目。不考虑补充流动资金项目，本次募投项目所需总投资金额为450,000万元，分别为面向大模型的芯片平台项目拟投资290,000万元和面向大模型的软件平台项目拟投资160,000万元。 (6)未来三年经营性现金流入净额 公司采用以报告期内财务数据为基础，综合考虑历史上销售商品、提供劳务收到的现金以及购买商品、接受劳务支付的现金等分别与营业收入、营业成本的关系，采用直接法对未来期间经营性现金流入净额进行测算。 1）营业收入与营业成本预计 公司2022年至2024年营业收入的复合增长率为26.92%。结合目前市场需求情况与未来发展趋势，基于谨慎性原则，假设公司未来三年的营业收入仍按26.92%的增长率保持增长，则2025年至2027年的营业收入分别为149,068.44万元、189,204.54万元和240,147.12万元。 2022年度至2024年度，公司综合毛利率分别为65.76%、69.16%和56.71%。 受收入结构变动、被列入“实体清单”后采购成本提升等因素的综合影响，公司2024年度毛利率下滑。基于谨慎性原则，假设公司未来三年的毛利率与2024年度保持一致，即56.71%。 基于上述假设，公司未来三年的营业收入和营业成本情况如下： 单位：万元
2）经营活动现金流入预计 2022年至2024年，公司销售商品、提供劳务收到的现金总额占营业收入总额的比例为120.01%，假设2025年至2027年该比例保持在120.01%。 2022年至2024年，公司收到的税费返还总额占营业收入总额比例为2.39%，假设2025年至2027年该比例保持在2.39%。 2022年至2024年，公司收到其他与经营活动有关的现金主要系政府补助和利息收入，分别为10,756.40万元、17,029.00万元和50,686.71万元，公司收到的政府补助和利息收入与营业收入不存在强相关关系；假设2025年至2027年公司收到其他与经营活动有关的现金为2022年至2024年的平均水平，即每年26,157.37万元。 3）经营活动现金流出预计 2022年至2024年，公司购买商品、接受劳务支付的现金占营业成本的比例分别为289.44%、196.88%、607.02%。2024年，基于人工智能芯片下游需求的爆发和芯片上游行业产能紧张等情况，公司增加备货，使得经营性采购支出大幅增长，但相关备货于2024年末尚未完全结转至成本，使得公司2024年度购买商品、接受劳务支付现金占营业成本的比例较高。结合历史年度公司购买商品、接受劳务支付的现金占营业成本的比例，并综合考虑公司未来销售的增长情况和备货的需要，假设2025年至2027年公司购买商品、接受劳务支付的现金占营业成本的比例为300%。 2025年至2027年，公司研发人员薪酬主要在募投项目支出中体现，因此，此处测算支付给职工以及为职工支付的现金仅考虑销售人员和管理人员薪酬。假设未来三年公司支付给职工以及为职工支付的现金（仅考虑销售人员和管理人员）将在2024年的基础上以5.00%的速度增长，测算结果分别为14,150.59万元、14,858.12万元和15,601.03万元。 2022年至2024年，公司支付的各项税费总额占营业收入总额比例为4.84%，假设2025年至2027年该比例保持在4.84%。 2022年至2024年，公司支付的其他与经营活动有关的现金总额占营业收入总额比例为18.99%，假设2025年至2027年该比例保持在18.99%。 基于以上假设及预估的财务数据测算的未来三年公司经营活动现金流入净额合计约为-147,118.17万元，具体情况如下： 单位：万元
注2：上述相关假设及预估的财务数据仅用于本次资金缺口测算，不构成公司的盈利预测，不代表对公司未来业绩任何形式的保证 2.本次募投项目的实施背景、主要考虑 本次募投项目的实施背景及实施的必要性和紧迫性说明如下： (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Llama3.170B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。 3.本次融资规模具备合理性 综合考虑本次募投项目实施的必要性及紧迫性，以及公司可自由支配资金、未来资金需求、未来三年经营性现金净额等情况，公司目前的资金缺口为617,149.63万元，超过本次募集资金总额398,532.73万元，本次募集资金规模具有合理性。 (三)在2022-2024年持续亏损的情况下，本次募投项目实施后费用、折旧、摊销等对公司经营业绩的主要影响 本次募投项目是公司未来主要研发方向，本次募投项目实施后所产生的费用、折旧及摊销等支出为公司未来主要的研发投入，该等项目的实施并不会对公司经营业绩产生额外的影响。 公司本次募投项目周期设定为36个月。根据项目实施计划，项目实施后各年度产生的费用、折旧及摊销等支出对公司经营业绩的主要影响预测如下：单位：万元、%
伴随公司云端产品线主要产品2024年第四季度开始向客户批量出货，公司2024年第四季度、2025年第一季度分别实现营业收入98,915.78万元、111,139.89万元，实现归属于母公司所有者的净利润27,215.30万元、35,546.52万元。截至2025年第一季度末，公司已实现连续两个季度盈利。公司云端产品线技术成熟度高，实现大规模商业化落地，预计未来将存在持续的商业化出货。 综上，本次募投项目是公司未来主要研发方向，本次募投项目周期内每年产生的费用、折旧及摊销等支出与公司最近三年的年平均研发投入不存在显著增加；此外，公司截至2025年第一季度已实现连续两个季度盈利，预计未来将存在持续的商业化出货，业绩具有持续性。因此，基于公司的研发投入规划及产品商业化出货情况，预计本次募投项目的实施在建设期内不会对公司的业绩产生负面影响。 (四)申报会计师核查程序及核查意见 1.核查程序 (1)查阅公司募投项目可行性研究报告，向公司了解各子项目投资金额的测算逻辑、各类支出的用途及软硬件资产的复用情况，并对各子项目投资金额的测算依据和过程进行复核； (2)查阅公司类似研发项目的投入信息及同行业可比公司的披露信息，对比公司本次募投项目与同行业可比公司及公司内部类似项目的支出构成和占比情况； (3)查阅公司财务报表，分析公司报告期内货币资金持有情况、资产负债情况、现金流状况，核查公司关于资金缺口的测算情况； (4)访谈公司管理层，了解本次募投项目的实施背景、主要考虑及融资规模的合理性等情况； (5)取得与本次募投项目相关的支出明细，并测算本次募投项目实施后的费用、折旧及摊销情况，结合最近三年公司研发投资情况评估上述支出对公司经营业务的主要影响。 2.核查意见 经核查，我们认为： (1)本次募投项目投资金额的测算均依据项目建设需要及公司历史类似采购价格或历史年度研发人员薪酬并结合最新市场情况进行，各项投入用途与募投项目建设需求匹配。本次募投项目各项投入占比与公司内部类似项目或同行业可比公司类似项目不存在显著差异。本次募投项目在进行投入预算时充分考虑了现有资产的可复用性，拟新购置的IP不涉及复用的情况。综上，本次募集资金规模的测算谨慎、合理； (2)公司本次融资规模的确定综合考虑了募投项目实施的需求，以及公司资金持有、未来资金需求、未来三年经营性现金净额、资金缺口等情况，本次融资规模具备合理性； (3)本次募投项目是公司未来主要研发方向，本次募投项目实施后所产生的费用、折旧及摊销等支出为公司未来主要的研发投入。此外，公司截至2025年第一季度已实现连续两个季度盈利，预计未来将存在持续的商业化出货。基于公司的研发投入规划及产品商业化出货情况，预计本次募投项目的实施在建设期内不会对公司的业绩产生负面影响。 二、关于经营业绩及应收账款（审核问询函问题4） 根据申报材料：（1）报告期内，公司营业收入分别为72,903.46万元、70,938.66万元、117,446.44万元和111,139.89万元，公司各年度第四季度收入占比分别为64.31%、79.46%、84.22%；（2）公司云端产品线收入2024年收入116,627.85万元，同比增长1,187.78%，智能计算集群系统未产生收入，边缘产品线收入持续降低；（3）报告期内，公司扣非后归母净利润分别为-157,947.90万元、-104,286.25万元、-86,495.15万元、27,596.28万元；（4）报告期各期末，公司应收账款账面价值分别为76,560.88万元、64,392.11万元、30,459.86万元、80,749.94万元。 请发行人说明：（1）结合市场需求变化、公司经营战略调整、客户集中度等原因，说明报告期内公司收入结构变动的主要原因；（2）报告期内各年第四季度确认收入的主要合同及验收产品情况，公司收入存在季节性波动的原因及合理性，是否符合企业会计准则的相关要求；（3）结合收入、毛利及毛利率变动情况，说明公司2022-2024年持续亏损的主要因素及对公司经营的持续影响；（4）结合公司对于主要客户的信用政策及其执行情况，说明公司应收账款余额变动与收入变动的匹配性，应收账款占收入比例与同行业可比公司是否存在重大差异；（5）报告期内公司应收账款的期后回款、账龄等基本情况，并结合公司逾期应收账款的认定标准及基本情况、单项计提应收账款的计提原因及计提比例，说明公司坏账准备计提的充分性，坏账准备计提政策及比例是否与同行业可比公司存在重大差异。 请保荐机构和申报会计师核查并发表明确意见，并说明对公司收入的核查手段、核查过程及核查结论。 回复： (一)结合市场需求变化、公司经营战略调整、客户集中度等原因，说明报告期内公司收入结构变动的主要原因 报告期内，公司主营业务收入的产品构成情况如下： 单位：万元
2022年、2023年，公司智能计算集群系统收入占比较高，系主营业务收入的主要来源；随着AIGC、大模型等人工智能应用的兴起，云端智能芯片市场需求激增，结合公司战略发展规划，最近一年及一期，云端产品线收入占比大幅上升，成为公司主营业务收入的主要来源。报告期内，公司边缘产品线收入和占比持续下降。虽然各产品线收入存在一定波动，但整体来看均是基于公司核心产品形成的持续稳定的收入。公司收入结构变动的主要原因如下： 1.我国人工智能领域蓬勃发展，云端算力需求呈爆发式增长，叠加下游客户存在国产化计算设备部署需求，以公司云端产品线主要产品为代表的人工智能芯片市场空间广阔 目前，人工智能已广泛应用在云计算与数据中心、消费类电子、智能制造、智能驾驶、智慧金融、智能教育等行业领域。特别是2023年以来，大模型等生成式人工智能加速发展，与制造业、农业、医疗、教育等传统行业深度融合，持续推动产业转型升级，促进新业态、新模式的不断涌现，人工智能的发展迈向新台阶。人工智能运算的大运算量、高并发度、访存频繁等特性，对底层算力提出了新的要求，智能芯片凭借其在性能和功耗方面的显著优势，成为满足人工智能运算需求的关键。大模型等人工智能计算的参数量达千亿甚至万亿级别，数据规模亦呈指数级增长，本地或边缘部署无法满足其高密集度的计算需求，在此背景下，云端算力需求呈爆发式增长。根据IDC和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》预测数据，2025年，以云端算力为主的中国智能算力规模将达到1,037.3EFLOPS，并在2028年达到2,781.9EFLOPS，2025-2028年中国智能算力规模的年复合增长率达38.94%。 在智能芯片下游应用领域，存在较强的国产化设备部署需求。《北京市加快目标中明确提出：到2025年，人工智能算力布局初步形成，国产人工智能芯片和深度学习框架等基础软硬件产品市场占比显著提升，算力芯片等基本实现自主可控；国产硬件比例显著提高，全面兼容国产深度学习框架。根据摩根士丹利发布的《中国人工智能：沉睡的巨人已觉醒》蓝皮书，2024年中国人工智能芯片的国产化率为34%，预计2027年达到82%。 综上，人工智能领域的蓬勃发展带动对云端智能芯片的爆发式需求，叠加主要下游用户存在较强的国产化设备部署需求、国产化渗透率大幅提高，以公司云端产品线主要产品为代表的智能芯片具有广阔的市场前景和发展空间。 2.公司在智能芯片领域技术成熟，云端产品线主营产品在供应链问题有所缓解后于2024年第四季度开始批量交付，带动最近一年及一期云端产品线收入大幅增长 公司是国内最早进行人工智能芯片技术研究及商业化应用的公司之一，公司已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。公司的智能芯片和处理器产品可高效支持大模型训练及推理、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，可辐射云计算、能源、教育、金融、电信、医疗、互联网等行业的智能化升级。 2022年12月，公司及部分子公司被列入“实体清单”，公司供应链受到一定影响。2024年以来公司的供应链问题有所缓解，公司产品在软件平台易用性、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等方面均通过了客户严苛环境的验证。基于上述情况及研发环节所需的时间，公司云端产品线主营产品于2024年第四季度开始向客户批量交付。2024年度、2025年一季度，公司云端产品线实现主营业务收入116,627.85万元、110,900.40万元，占当年/期主营业务收入的比例为99.31%、99.94%。 公司云端产品线主要客户需求旺盛，符合行业和市场需求情况。公司云端产品线业务的可比公司中，英伟达2025财年数据中心市场业务营业收入同比增长142.37%，公司2024年度云端产品线收入大幅增长与同行业可比公司业绩变动情况一致，具备行业合理性。 综上，依托公司在智能芯片领域的核心技术优势，叠加人工智能算力需求的爆发及主要下游用户存在较强的国产化设备部署需求等行业有利因素的影响，公司云端产品线的市场需求旺盛，最近一年及一期实现了规模化收入，成为公司营业收入的主要来源。 3.云端产品线业务与智能计算集群系统业务是公司面向差异化客户需求基于公司核心芯片开展的不同产品落地形式，综合考虑下游客户的性质、回款周期情况，公司最近一年及一期销售重心布局在云端产品线，未继续承接智能计算集群系统项目 (1)云端产品线业务与智能计算集群系统业务是公司面向差异化客户需求基于公司核心芯片开展的不同产品落地形式 公司云端产品线目前包括云端智能芯片及板卡、智能整机。其中，云端智能芯片及板卡是云服务器、数据中心等进行人工智能处理的核心器件，其主要作用是为云计算和数据中心场景下的人工智能应用程序提供高计算密度、高能效的硬件计算资源，支撑该类场景下复杂度和数据吞吐量高速增长的人工智能处理任务。 公司的智能整机是由公司自研云端智能芯片及板卡提供核心计算能力的服务器整机产品。公司的智能整机产品与智能计算集群系统业务的区别在于智能整机主要提供计算集群中的单体服务器，而不提供全集群搭建服务，主要面向有一定技术基础的商业客户群体。 公司智能计算集群系统业务是将公司自研的智能计算板卡或智能整机产品与合作伙伴提供的服务器设备、网络设备与存储设备结合，并配备公司的集群管理软件组成的数据中心集群。智能计算集群主要聚焦人工智能技术在数据中心的应用，为人工智能应用部署技术能力相对较弱的客户提供软硬件整体解决方案，以科学地配置和管理集群的软硬件、提升运行效率。 从行业及客户需求角度来看，不同客户对人工智能应用的部署能力存在差异，针对客户的差异化需求，公司将自研的智能芯片及板卡开发出不同的产品形态，提供给目标客户，整体来看均是基于公司核心产品形成的持续稳定的收入。 (2)综合考虑下游客户的性质、回款周期情况，公司最近一年及一期销售重心布局在云端产品线，未继续承接智能计算集群系统项目 公司智能计算集群系统市场的主要客户为拟建设或扩大建设智能算力基础设施的城市或者城市群。公司2022年实施落地南京智能计算中心项目（二、三期）智能计算设备（二期）项目，实现主营业务收入44,318.51万元，占当年主营业务收入的比例为61.34%；2023年在台州、沈阳实施落地智能计算集群系统项目，分别实现主营业务收入46,733.83万元、13,719.44万元，占当年主营业务收入的比例分别为66.06%、19.39%。因此，2022年度、2023年度，公司智能计算集群系统业务收入较高。 鉴于近年来芯片领域全球竞争激烈，公司在2024年、2025年一季度加大了备货，使得现金流相对紧张。公司智能计算集群系统业务客户主要为实施城市智能计算中心的地方政企类客户，回款周期相对较长；云端产品线主要面向各类型商业客户，回款及时。 综合考虑智能计算集群系统业务和云端产品线业务客户的性质、回款周期及公司目前的现金流情况，公司2024、2025年一季度主要以云端产品线的形式向客户销售，未承接新的智能计算集群系统项目。 4.公司战略聚焦在云端产品线业务，边缘产品线业务规模逐年下降 2022年度，公司边缘产品线实现主营业务收入3,783.77万元。2022年12月，公司被美国列入“实体清单”后，供应链暂时遇到障碍，恢复供应需要成本和时间。因此，公司及时调整战略和产品布局，减少低毛利的边缘产品线产品的销售，从战略上聚焦云端智能芯片的研发和销售。2023年度以来，公司销售的边缘智能芯片产品均为库存商品，随着其他未受制裁的公司在边缘端推出了迭代产品，公司边缘端产品的销量逐年下降。 在供应链问题有所缓解后，受大模型等人工智能市场对智能算力的需求驱动，公司凭借人工智能芯片产品的核心技术优势，持续深化与大模型、互联网等前沿领域头部企业的技术合作，2024年研发投入主要投向云端产品，云端产品线实现大规模商业化落地。 综上，公司目前聚焦云端产品线业务，研发投入主要聚焦云端智能芯片、板卡等产品；受“实体清单”影响，公司边缘产品线竞争力下降，报告期内销售规模逐渐降低。 5.报告期各期，公司客户集中度较高，且主要客户存在变动，与收入结构的变动存在一致性 报告期各期，公司第一大客户产生的营业收入占当期总营业收入的比例分别为60.81%、65.88%、79.15%和96.48%，公司前五大客户的销售金额合计占营业收入比例均在80%以上，客户集中度较高。报告期内，公司第一大客户存在变动，相应的公司对第一大客户销售的业务类型也存在变动：2022年度、2023年度，公司第一大客户分别为南京市科技创新投资有限责任公司、台州市黄岩置成物产管理有限公司，对应的主要业务均为智能计算集群系统业务；2024年度、2025年一季度，公司第一大客户均为公司A，对应公司云端产品线业务。综上，报告期内，公司客户集中度高且主要客户存在变动，与公司收入结构的变动存在一致性。报告期各期，公司客户集中度高的原因、向主要客户销售的产品类型的具体如下： (1)2022年度、2023年度 2022、2023年客户集中度较高，主要原因为公司对应年度收入主要为智能计算集群系统收入，而智能计算集群系统业务单个项目金额较大。2022年，公司实施落地南京智能计算中心项目（二、三期）智能计算设备（二期）项目，实现主营业务收入44,318.51万元，占当年主营业务收入的比例为61.34%；2023年在台州、沈阳实施落地智能计算集群系统项目，分别实现主营业务收入46,733.83万元、13,719.44万元，占当年主营业务收入的比例分别为66.06%、19.39%。 (2)2024年度、2025年一季度 2024年度、2025年一季度客户集中度较高，主要原因为云端产品线相关产品向客户持续交付。公司凭借人工智能芯片产品的核心优势，持续深化与大模型、互联网等前沿领域头部企业的技术合作。公司产品在软件平台易用性、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，获得了行业客户的广泛认可。公司云端产品线主营产品经过在客户处测试及适配等流程，于2024年第四季度开始向客户批量出货，实现了大规模商业化落地。 受人工智能算力需求的爆发及主要下游用户存在较强的国产化设备部署需求等行业有利因素的影响，人工智能芯片下游市场客户需求强劲。受公司被列入“实体清单”的影响，短期产能相对快速增长的市场需求显得不足，导致最近一年及一期客户集中度较高。同行业可比公司海光信息亦被列入“实体清单”，其2024年度前五大客户收入占比为98.16%。综上，公司2024年度、2025年一季度客户集中度较高的情况具备业务合理性，符合行业特点，与同行业可比公司的情况一致。 综上所述：（1）人工智能领域的蓬勃发展带动对云端智能芯片的爆发式需求，叠加主要下游用户存在较强的国产化设备部署需求、国产化渗透率大幅提高，以公司云端产品线主要产品为代表的智能芯片具有广阔的市场前景和发展空间。 在此背景下，报告期内，公司将业务重心聚焦在云端产品线，在供应链问题有所缓解后，公司产品实现了规模化交付，带动最近一年及一期云端产品线收入大幅增长。（2）云端产品线业务与智能计算集群系统业务是面向差异化客户需求基于公司核心芯片开展的不同产品落地形式，综合考虑下游客户的性质、回款周期情况，公司最近一年及一期销售重心布局在云端产品线，未继续承接智能计算集群系统项目。（3）受“实体清单”影响，公司边缘产品线竞争力下降，报告期内销售规模逐渐降低。（4）报告期内，公司客户集中度高，与公司的业务模式及经营情况相关；报告期内，主要客户存在变动及向主要客户销售的产品类型相应变动，上述情况与公司收入结构的变动存在一致性。（未完）  |