登临科技过聆讯：国产 GPU 的商业化，走到哪一步了

开场

10月25日，港交所披露了登临科技的聆讯后资料集。对关注国产 GPU 的人来说，这是一份分量很重的文件。它把一家芯片公司的产品、客户、收入、亏损、供应链和风险，放到公开桌面上。过去很多讨论只能停留在参数和传闻，这次至少有了一组可以逐项对照的数字。文件本身也写得很清楚，上市申请还没有获批，公司未必会进行发行。所以聆讯是一个审视节点，不是终点。

先把“通过聆讯”翻译成人话。港交所的上市流程里，聆讯是审核环节的一步，意味着公司已经走到离公开发行比较近的位置。它带来的是披露义务和公众审视，不是自动到账的融资。也不是商业化成功的证书。把这一步看成发令枪，比看成终点线更准确。

登临科技成立于2017年，做的是通用 GPU，也就是 GPGPU。简单说，GPU 本来最擅长图形渲染，GPGPU 让它承担通用计算，尤其是 AI 训练和推理。公司这次把自己定位在企业 AI 和边缘推理，产品品牌叫 Minsky，架构叫 GPU+。这些名词后面会一个个拆开，先记住它的主战场：企业级算力，不是消费级显卡。

为什么这个定位重要？因为企业级算力和消费级显卡是两门生意。消费级看出货量、渠道和游戏生态，企业级看项目交付、软件适配、稳定性和总拥有成本。用显卡的爆款逻辑去理解企业 GPU，很容易高估短期爆发，也容易低估软件生态的难度。登临的所有数字，都要放在企业级市场里读。

判断一家芯片公司的商业化，可以分三层看。第一层，能不能把产品卖出去；第二层，客户会不会重复买；第三层，卖出去以后能不能赚钱。第一层看收入和交付，第二层看复购和客户结构，第三层看毛利和现金流。登临现在第一层已经有明显进展，第二层和第三层还在验证。这三层，比单看收入增速更接近商业化的真相。

收入曲线

先看收入曲线。招股文件列出的营业收入，2023年约0.28亿元，2024年约0.83亿元，2025年约1.71亿元。2024年比2023年增长了接近两倍，2025年又在上一年的基础上翻了一倍左右。对一家芯片设计公司，这说明产品已经跨过从样机到批量交付的门槛。没有真实客户和真实交付，收入不会连续两年这样走。

更抓眼的是2026年前四个月，收入约2.00亿元，已经超过2025年全年。四个月干过去年十二个月的活，这个信号很强。它至少说明两件事：第一，产品在某个或多个场景里形成了可复制的交付；第二，公司的收入确认节奏在加快。但强信号还要接受稳定性的检验，接下来要拆的是这2亿元是怎么来的。

四个月的数据不能直接乘三，变成全年预测。企业级项目有验收节奏，一笔大单落在哪个季度，会让报表出现明显的台阶。渠道提货也会让收入提前，但终端有没有消化，要过一段时间才知道。所以看这种加速，不能只看同比，还要看环比、看客户数、看复购。单看一条上升曲线，结论会太急。

收入结构是第一把刀。登临的业务不只是卖板卡，还包括 GPGPU 相关技术服务，以及专属 IP 授权。产品销售收入、技术服务收入、IP 授权收入，三者的稳定性完全不同。硬件产品要看出货和复购，技术服务往往跟着项目走，IP 授权可能更集中、更波动。下一步核心观察点，是这三类收入各自占多少。

如果增长主要来自产品销售收入，而且分布在多个客户，商业化的含金量更高。如果增长主要来自少数项目的技术服务，或者一笔 IP 授权，那更像项目型收入，明年能不能重复要打问号。这不是说服务和授权不好，它们能提高客户黏性，也能改善毛利。问题在于，它们能不能支撑一条稳定的产品曲线。

第二把刀是客户和渠道。公司披露的销售对象包括 OEM、系统集成商和 AI 解决方案提供商。这个结构在国产算力里很常见。好处是能借助服务器厂商和集成商的客户关系快速落地，难点是收入的终端归属不够直接。货卖给集成商，终端可能还没有长期跑起来；项目验收之后，下一期是否复购还要看。

所以下一步要看客户集中度。前五大客户占收入多少，最大客户占多少，终端客户是谁，回款周期多长，有没有复购。这些信息比一句“进入多家头部客户”更有说服力。企业级芯片的规模化，不是把第一批货铺出去，而是客户在下一个项目里继续选你。复购率是最难伪造的指标。

把客户问题再往下拆，能看到三层。第一层是谁付钱，是终端客户、集成商，还是渠道商。第二层是买什么，是板卡、服务器，还是带服务的解决方案。第三层是会不会再买，复购来自同一个客户，还是不断开发新客户。三层里，第三层最能说明产品力。新客户可以靠项目带来，复购只能靠体验和成本。

利润与现金流

再看利润表。2023年到2025年，登临科技的净亏损分别约为3.32亿元、2.97亿元和2.81亿元。亏损在逐年收窄，但绝对额仍然不小。2026年前四个月，法定口径的净亏损约1650万元，收窄幅度很明显。这个变化值得注意，因为它说明收入增长开始对固定成本形成摊薄。

媒体转述招股文件时，还提到2026年前四个月经调整净利润约2060万元。这个数字和1650万元的法定净亏损并不矛盾，因为它们是两套口径。经调整利润会把一些项目从利润表里调出去，常见的是非现金或者一次性项目。关键要看调整项具体是什么，是否可持续，是否会影响真实现金。

用调整后盈利去说公司整体已经盈利，会把结论说过头。更稳妥的读法是：经营层面出现了改善迹象，但法定口径还在亏损。两者之间的差额，要回到完整报表逐项核对。经调整利润是管理层视角，法定利润是股东视角，两个都要看。

对一家还在扩张期的芯片公司，比净利润更敏感的指标是现金流。Fabless 模式，也就是无晶圆厂模式，自己不做制造，把晶圆生产、芯片组装和测试外包给代工厂和封测厂。好处是资本开支轻，难点是你要提前为产能和库存付钱。收入增长越快，备货、流片、封装测试的现金占用就越大。

所以经营现金流、应收账款和回款周期，往往比账面利润更早暴露问题。收入确认了，钱还没回来，报表上利润好看，公司账上却可能紧张。下一步核心观察点，是应收账款增速和收入增速谁更快，经营现金流能不能转正，库存周转有没有变慢。这些指标比一句“亏损收窄”更接近真实经营。

还有毛利率。芯片公司的商业模式，最终要靠毛利覆盖研发和销售。毛利率如果随着收入增长保持稳定，说明产品有定价权；如果毛利率被项目定制、渠道折扣或者供应链成本拖低，收入越大，压力可能越大。公开文件里的产品收入占比和毛利率，是判断规模效应有没有发生的关键。

亏损收窄还要看是靠什么。收入增长带来的摊薄，是健康的；砍研发带来的收窄，可能透支未来；会计口径调整带来的收窄，未必反映现金。三种情况在报表上都能让亏损变小，但含义完全不同。下一步要拆的是研发投入、销售费用和毛利率的变化，而不是只看净利润一个数。

业务模式

把镜头拉回业务本身。登临科技的架构叫 GPU+，公司自己的说法是软件定义的片内异构架构，产品品牌叫 Minsky。所谓异构，可以理解成芯片里不只用一种计算单元，而是让不同单元分工，再靠软件调度。这个设计思路的目标，是在企业 AI 的负载里提高能效和灵活性。

产品方向主要是企业数据中心和边缘推理。企业数据中心是当前收入的支点，边缘推理是延展场景。边缘推理指的是把 AI 计算放在离用户或设备更近的地方，比如工厂、门店、摄像头旁边。这个市场碎片化，单点算力需求不一定大，但对功耗、成本、交付和稳定性很敏感。它不是一个靠一款爆品就能通吃的市场。

公司还计划拓展公有云和机器人。这里要把“计划”两个字看清楚。企业数据中心是已经形成收入的主战场，公有云和机器人更像下一阶段的期权。它们能讲出更大的空间，但需要不同的软件栈、不同的交付体系和不同的客户关系。计划变成收入，中间隔着产品化、认证和规模化采购。

再看 Fabless 模式的分工。公司保留架构、系统软件栈和专属 IP 的开发，晶圆制造、芯片组装和测试交给代工厂和 OSAT，也就是外包半导体封装测试服务商。这种模式让公司把资源集中在设计和软件上，不用背晶圆厂的重资产。但代价是，交付能力很大程度绑在供应链伙伴身上。

晶圆厂用哪家、制程是什么、封测伙伴是谁、产能有没有约束、采购价格怎么变，这些都会影响毛利和交付。国产 GPU 公司还多一层压力：先进制程和先进封装的产能是稀缺资源，谁能锁定产能，谁就更能保证交付。下一步核心观察点，是供应商集中度、产能锁定方式和库存周转。

从产品形态看，登临卖的也不只是一颗芯片，而是板卡、系统软件和服务的组合。企业客户买的是一套能跑起来的算力，不是一颗参数漂亮的裸片。芯片参数决定上限，软件栈和交付能力决定客户能不能把上限用出来。很多国产芯片的第一道坎是点亮，第二道坎是跑通，第三道坎才是规模化。登临现在要回答的，是第三道坎。

产品组合也会影响毛利。板卡、技术服务、IP 授权的毛利率不一样，收入结构一变，综合毛利率就跟着变。如果低毛利的集成项目占比上升，收入会好看，利润未必同步。如果高毛利的 IP 授权占比上升，利润会好看，但收入的可持续性要另说。看芯片公司，不能只看收入增速，要把结构一起看。

市场份额

文件里有一个很抓眼的数字。按弗若斯特沙利文统计的2025年收入计算，登临科技在中国企业 AI GPGPU 市场排名第三，份额是1.0%。第三名听起来不错，1.0%又显得很小。这两个信息要放在一起读。它说明在这个特定口径里，登临已经进入了主要玩家名单，但市场仍然非常分散，头部也没有形成压倒性的收入份额。

这个1.0%不能外推成中国整体 GPU 市场的份额。它的边界是企业 AI、GPGPU、按收入计、中国市场，四个条件同时成立。换一个产品边界，或者把训练、图形、消费级算力都算进来，数字会变。市场份额是有坐标的，离开坐标就容易变成口号。

也不能拿它去和摩尔线程、沐曦的份额直接比较。那两家公司有各自的产品组合、收入结构和披露口径。把它们混在一起排座次，容易得出看起来精确、实际上没有意义的结论。真正可比的是同一类工作负载下的性能、功耗、软件适配和交付能力。市场份额只能说明位置，不能说明竞争力。

从竞争角度，1.0%的第三名有一个现实含义：市场还在早期。早期市场里，客户关系、某个标杆项目、一次国产化采购，都可能让排名发生明显变化。反过来说，领先者也没有形成软件生态的绝对锁定。这对登临是机会，也是压力。机会在于窗口还开着，压力在于它必须尽快把项目型收入变成产品型收入。

再说市场空间。企业 AI GPGPU 这个口径，听起来很大，实际边界要看统计机构怎么定义。它包不包括整机、集成服务、渠道收入，都会影响分母。登临的1.0%是在这个分母里算出来的。理解这一点，就不会把细分市场的第三名，误读成整个算力市场的第三名。

软件生态

接下来是最关键、也最容易被讲轻的部分：软件生态。登临科技说，它的 Hamming 软件栈集成了底层驱动、CUDA 等效库和 AI 推理工具链。CUDA 是英伟达的并行计算平台，开发者用它写 GPU 程序。所谓等效库，可以理解成一套尽量模仿原有接口的替代件，让已有代码少改一点就能跑。这个方向是对的，但“能跑”和“好跑”之间，距离很远。

第一道距离是算子覆盖。一个 AI 模型拆开以后，是大量算子，也就是矩阵乘、卷积、归一化、注意力这些计算单元。等效库要覆盖主流框架和主流模型用到的算子，还要处理边界情况。少一个关键算子，客户就可能要改代码，或者退回 CPU。覆盖率高不高，不能只看演示模型，要看真实业务里的长尾模型。

第二道距离是性能稳定性。兼容层往往要付出额外开销，这个开销在不同模型、不同批量大小、不同并发下不一样。单卡跑分好看，不代表八卡、六十四卡集群稳定。企业客户真正关心的是吞吐、延迟、利用率和故障恢复。一次训练中断，或者推理服务抖动，都会把迁移带来的成本优势吃掉。

第三道距离是工程成本。把一套现有系统从 CUDA 迁到新平台，不只是改几行代码。还要重编译、调算子、做精度对齐、压测集群、改监控和运维流程。客户会算总拥有成本，也就是硬件价格、迁移人力、运行电费、维护支持和停机风险加在一起。芯片便宜一点，如果迁移要花几个月，账未必划算。

第四道距离是开发者习惯。CUDA 的护城河不只是代码，还有文档、社区、教程、招聘市场和一整套调试工具。开发者遇到问题，能搜到答案，能找到人，这种网络效应很难一夜之间复制。国产软件栈要赢，不能只靠“兼容”，还要让开发者愿意在新平台上写新东西。第一步是迁移旧模型，第二步是原生开发，第二步更难，也更有价值。

兼容层还有一个商业上的微妙之处。它降低了客户的迁移门槛，也降低了客户对你的依赖。如果客户只是因为少改代码才用你，那么下一次采购，他仍然会拿你和原平台比价。真正形成黏性的，是你在某些场景里提供了原平台给不了的价值，比如更好的性价比、更低的功耗、更快的本地支持，或者更符合国产化要求。

所以，Hamming 的意义要分两层看。第一层，它证明登临有能力提供一套完整的软件交付，不是只卖硬件。第二层，它是否真的降低了迁移成本，是否在生产环境里稳定，是否有第三方同条件测试，需要独立的框架、算子、模型和集群稳定性验证。下一步核心观察点，是客户迁移案例的数量、迁移耗时，以及同条件总拥有成本。

公司说的高能效、性价比和 CUDA 迁移优势，是产品主张。产品主张要变成客户复购，才算商业化证据。企业级市场的常态就是这样：客户不会因为一份 PPT 换掉跑了多年的平台，只有当迁移收益足够大、风险足够小，才会动。登临要做的，是把这套账算给客户看，并且让客户自己验证。

软件生态有一个飞轮：客户越多，遇到的模型和算子越多；问题解决得越多，软件越成熟；软件越成熟，新客户越愿意来。这个飞轮转起来很慢，但一旦转起来，护城河会变深。登临现在要做的，是让第一批客户成为案例，让案例带来第二批客户。飞轮没转起来之前，收入增长仍然依赖项目和渠道。

竞争格局

把登临放回国产 GPU 的竞争里，会看到另一条线。2025年6月30日，摩尔线程和沐曦递交了科创板 IPO 申请，国产 GPU 公司开始进入更系统的公开文件审视阶段。这意味着竞争不只在客户机房里，也在资本市场上。谁能持续融资，谁就能扛住长周期的研发和流片投入。上市进程本身，会成为竞争节奏的一部分。

资本市场的竞争有两个作用。第一，提供资金，让公司能继续投研发、锁产能、建软件团队。第二，提供信用，让大客户在采购时更放心。但资本市场的位置，不能直接换算成产品竞争力。融资能力强的公司，产品不一定更好；产品更好的公司，也可能因为资金链紧张掉队。两条线要分开看。

国产 GPU 的竞争，还有一条更隐蔽的线：供应链。Fabless 公司拼的不只是设计，还有谁能拿到产能、谁能在先进封装上排到队、谁能让代工厂愿意配合新产品的导入。这些能力不会写在宣传页上，但会直接决定交付。登临的供应链细节，要等完整文件里的供应商和成本信息来验证。下一步核心观察点，是供应商集中度和产能保障方式。

还有一条线是客户关系。企业级芯片的替换周期长，客户一旦选定平台，迁移成本很高。所以先进入客户的项目，哪怕量不大，也可能形成后续优势。反过来，如果只做一次性项目，没有进入客户的长期架构，收入就会随项目波动。登临的渠道结构能不能沉淀成客户关系，是比单笔订单更重要的问题。

国产化窗口也有阶段性。第一阶段是“有没有”，客户愿意为可用性付溢价；第二阶段是“好不好用”，客户开始比较迁移成本和稳定性；第三阶段是“便不便宜”，客户按总拥有成本算账。窗口早期，国产 GPU 公司容易拿到项目；窗口成熟以后，软件和成本决定谁能留下。登临面对的是从第一阶段往第二阶段走的市场。

替代边界

国产替代不是一句“全面替代”，它是一层一层发生的。最外层是芯片和板卡，往里是服务器整机，再往里是驱动、框架、算子库，最里面是开发者和运维习惯。替代的难度，一层比一层高。登临现在站的位置，大概是芯片、板卡和一部分软件栈。它能覆盖的是企业 AI 和边缘推理里的部分工作负载，不是所有训练。也不是所有 CUDA 应用。

哪些场景更可能先发生替代？一类是国产化要求明确、模型相对固定、推理负载稳定的企业项目。这类场景对迁移成本敏感，但对生态多样性要求没那么高。另一类是边缘推理，单点算力需求小，场景碎片化，客户更看重功耗、成本和交付。还有一种是对现有平台供应有顾虑的客户，愿意用一部分业务做备份。

反过来，大规模训练集群、前沿模型研发、依赖大量冷门 CUDA 库的科研场景，迁移门槛明显更高。训练集群不只看单卡性能，还看卡间互联、并行框架、故障恢复和长时间稳定性。一个算子缺失，或者一次通信瓶颈，就可能让整个训练任务效率下降。国产 GPU 要进这些场景，需要的不只是芯片，是一整套系统能力。

这条边界对登临的含义是，收入增长可以很快，但可复制性要按场景拆。一个银行的风控模型跑通，不代表一个互联网公司的推荐系统能直接搬过去。一个边缘盒子量产，不代表数据中心训练集群就能接住。公司计划拓展公有云和机器人，这两个方向都需要不同的软件和交付能力。它们能打开天花板，但不会自动变成下一年的收入。

企业客户的采用周期也要算进去。一个新平台进入采购名单，通常要经过测试、试点、小批量、正式采购几个阶段。每个阶段都可能停。测试看功能和性能，试点看稳定性和运维，小批量看交付和成本，正式采购看总拥有成本和供应保障。收入曲线上的一个台阶，背后可能是十几个客户在不同阶段排队。

从试点到量产，中间有一个容易被忽略的环节：运维。企业客户上线以后，要监控、要升级、要故障定位、要备件。芯片公司如果只提供板和驱动，客户的技术团队就要自己扛。能不能提供及时支持，能不能把问题定位到算子或框架，决定了客户敢不敢扩大规模。软件生态不只是开发工具，也是服务体系。

反假设

现在回到最开始的问题：登临是不是到了商业化拐点？我的判断是，收入层面的拐点信号已经出现，商业层面的拐点还没有被证明。最有力的反假设是，2026年前四个月的收入跃升，可能来自少数客户、渠道备货，或者项目验收时点。如果这些收入不能跨客户、跨季度重复，它更像一次项目放量，而不是产品规模化。

怎么验证这个反假设？看四组指标。第一组是客户结构，前五大客户占比有没有下降，最大客户依赖有没有缓解。第二组是收入质量，产品销售收入占比有没有上升，技术服务和 IP 授权是不是在缩小。第三组是现金，应收账款增速和回款周期有没有恶化，经营现金流能不能跟上收入。第四组是毛利，毛利率能不能覆盖研发和销售投入。

如果这四组指标一起改善，拐点论会更强。如果收入增长但应收账款同步膨胀，或者毛利被项目定制拖低，那说明增长的质量还不够。芯片公司的商业化，不是把货卖出去就结束了，而是客户下一期还愿意买，并且能靠这套平台持续创造价值。复购，是最难伪造的指标。

还有一个观察点，是上市本身。聆讯后资料集只是披露节点，申请还没有获批，发行也不确定。上市成功会带来资金和品牌背书，能延长研发跑道，也能让客户更放心。但募资不能替代产品竞争力。钱可以买时间，买不到生态。对登临来说，资本市场的下一步，和产品商业化的下一步，要分开跟踪。

把观察顺序排一下。短期看后续披露的客户集中度和收入结构，中期看复购、毛利率和经营现金流，长期看软件迁移案例和开发者采用。上市进程可以并行跟踪，但它不是判断商业化的主指标。顺序摆对了，就不会被一个单点消息带着走。

结论

把整件事压缩成一句话：登临科技已经进入国产 GPU 商业化的牌桌，但还没有证明自己能长期赢牌。招股文件给出的是入场资格的证据，不是长期竞争力的判决。真正的分水岭，是客户在下一个项目里，主动把它写进采购清单。

对国产 GPU 行业，这份文件也有一个普遍意义。大家都会经历从“能做出来”到“卖得动”，再到“被重复购买”的三级跳。第一级靠工程能力，第二级靠客户关系和国产化窗口，第三级靠软件生态和总拥有成本。登临现在在第二级和第三级之间。这个行业最后拼的，不是谁先开发布会，而是谁能在客户的机房里待得久。