当前位置: 首页 > news >正文

从战略亏损到万亿估值:新“股王”寒武纪如何改写中国芯片叙事?

图片

业绩狂飙

三年前,寒武纪还在用“战略性亏损”解释连续扩大的赤字;三年后,它用一份接近爆表的季度报表,把市场的质疑声全部按进K线里,证券时报、中国新闻周刊等媒体在报道中均用上“新'股王'”的头衔形容寒武纪

云端训练芯片思元590的量产交付,让公司第一次体会到“供不应求”四个字的重量——运营商的集采清单、地方智算中心的招标书、互联网大厂的私有化部署需求,几乎在同一时间涌向这家原本以研发著称的芯片设计公司。  更关键的是,这些订单并非简单的“替代”逻辑,而是“必须”逻辑。

在海外市场高端GPU受限的背景下,任何一家想在国内继续扩张算力的企业,都不得不把目光投向寒武纪。于是,寒武纪的产品从实验室样品变成了机房里的“硬通货”,价格谈判的主导权悄然易位。资本嗅觉永远更快一步。二级市场的买盘在二季度开始集中爆发,机构席位龙虎榜上频繁出现同一批买方营业部的名字,他们的共同点是对“国产替代”主题的长期押注。

图片

在资本市场构筑的财富版图中,房地产行业的霸主地位早已易主,而今白酒行业的龙头宝座亦告失守。具有标志性意义的是,“芯片第一股”寒武纪成功登顶股价巅峰,取代了此前长期称雄的贵州茅台,这一转折堪称资本市场发展的里程碑。数字经济应用实践专家骆仁童博士表示,可以预见的是,科技板块将跃升为驱动股市持续攀升的核心引擎,其领涨趋势已然确立。随着人工智能、算力基建、芯片制造、大数据应用及机器人技术等前沿领域的加速突破,孕育出新的行业巨头并成长为市场主导力量,不过是水到渠成之事。  

寒武纪的股价曲线因此拥有了象征意义:它不再是一家公司的估值故事,而是整个中国科技资产重新定价的缩影。只要“买不到海外高端芯片”的焦虑仍在,寒武纪的订单就不会枯竭;只要订单还在,估值就永远有人愿意接盘。这种自我强化的循环,让它在极短时间内完成了从“边缘”到“核心”的身份转换。

图片

少年班到江西首富

陈天石的个人履历,几乎是为资本市场量身定做的叙事模板:少年班神童、顶刊论文作者、国家科技进步奖得主。三十二岁创办寒武纪,三十八岁把公司送上市,四十二岁随着股价飙涨身价突破一千五百亿元,成为江西历史上第一位千亿级本土首富。

这条曲线的陡峭程度,在传统产业里很难找到对标。江西此前的首富榜单长期被矿业、医药和地产巨头占据,他们的财富积累往往伴随十年以上的产能扩张或土地增值周期,而陈天石只用了一次技术迭代窗口和一次资本市场情绪共振。

陈天石本人对“首富”标签表现得并不热衷。他在一次闭门交流会上坦言,最担心的是“市值涨得太快,产品和生态却跟不上”,这句话在内部被反复引用。然而,市场更愿意把这位少年班出身的创始人看作“技术理想主义”的象征,把他的每一次技术演讲剪成短视频疯狂转发,进一步强化股价向上的自我实现预期。

陈天石本人极少接受媒体专访,却在内部邮件里反复强调“技术人要有资本思维”。这句话的潜台词是:只有把技术转化为可交易的股权,才能让实验室里的公式真正改变个人命运。寒武纪的千亿市值,不过是这种思维在资本市场的一次完美兑现。

图片

当“寒王”遭遇“茅台魔咒”  

在人工智能大模型正以前所未有的力度重塑世界的大背景下,近日国务院正式发布了《关于深入实施“人工智能+”行动的意见》,这份纲领性文件犹如一幅精心绘制的战略蓝图,全面规划了人工智能技术与经济社会各领域深度融合的发展路径。随着这一重要顶层设计的落地,“AI+”战略有望引领行业迈入崭新的黄金发展周期。数字经济应用实践专家骆仁童博士分析认为,就产业演进趋势而言,算力基础设施、AI软件系统与智能终端设备将形成更为紧密的协同体系。特别是在软件领域,以智能体为代表的下一代AI应用形态渐成主流,这或将推动相关AI应用厂商加快步入业绩兑现阶段,迎来商业化爆发的新机遇。

政策东风与产业浪潮叠加,寒武纪被推到聚光灯最中央,但估值的膨胀速度已经明显快于产业基本面的夯实速度。一旦市场情绪转向,高估值就可能成为束缚股价的枷锁。28日晚间,寒武纪发布股票交易风险提示公告表示,敬请广大投资者务必充分了解二级市场交易风险,切实提高风险意识,理性投资并注意投资风险。

过去三年,A股不乏“市梦率”选手,从消费电子到光伏组件,再到生物医药,每一次赛道狂欢后都留下一批估值断崖的标本。芯片行业更是周期性极强的领域,晶圆厂产能松动、客户砍单、竞争对手新品发布,任何风吹草动都可能触发杀估值的连锁反应。

寒武纪的客户集中度依旧偏高。最新一期财报显示,前五大客户贡献了接近八成的收入,其中最大单一客户占比超过三成。虽然客户名称被隐去,但业内普遍猜测其为互联网巨头或国家级智算中心运营方。大型机构一旦调整资本开支节奏或转向新一代GPU方案,寒武纪的收入曲线就可能出现剧烈波动。在消费赛道,品牌力可以缓冲订单波动;在芯片赛道,技术路线一旦失宠,库存减值和产能闲置会迅速侵蚀利润。

更大的挑战来自生态。英伟达的护城河不是芯片,而是CUDA形成的开发者粘性。寒武纪的Neuware平台虽然能提供基础算子库,但深度学习框架的每一次迭代,都需要重新适配。国内某大模型创业公司在测试中发现,同样的Transformer模型在寒武纪590上的训练时长比A100多出18%,这18%的差距最终会转化为客户的算力成本。当国产替代的红利期过去,客户是否还愿意为“情怀”买单?  

这意味着寒武纪不仅要守住硬件份额,还要在软件层面对标英伟达的全栈能力。对于一家以芯片设计见长的公司而言,这种转型无异于二次创业。更现实的问题是:当市场从“有没有国产芯片”转向“谁的芯片更好用”时,寒武纪的技术迭代速度能否跟上资本预期的膨胀速度?  

在估值与基本面错位的当下,寒武纪既要保持技术领先,又要在客户多元化、软件生态和现金流安全之间找到平衡。市场已经把“国产英伟达”的皇冠戴在它头上,但皇冠的重量只有真正跑完一场产业周期才能体会。

相关行业分析:

强敌林立的寒武纪IPO,凭什么突破千亿市值?

芯片“后门”风暴:网信办公开约谈英伟达,美国技术遏制的商业暗流

小米玄戒O1震撼发布:雷军揭秘小米十年磨剑芯片梦,3纳米芯片突破,中国科技新里程碑!

AI芯片大战一触即发,新兴势力崭露头角

关税风暴下的芯片战争:中美博弈升级,国产替代会迎来春天吗?


文章转载自:

http://jItc4mGo.fzznp.cn
http://Ci88M4mm.fzznp.cn
http://1wCD2PiD.fzznp.cn
http://RMQjFP7o.fzznp.cn
http://2SR2FZpx.fzznp.cn
http://sgO3cNnm.fzznp.cn
http://LUDFvvn1.fzznp.cn
http://1Qz0VqNp.fzznp.cn
http://NHQknJy6.fzznp.cn
http://nr4IKzwf.fzznp.cn
http://Ei72PKMs.fzznp.cn
http://CsEL9PzY.fzznp.cn
http://Xu4FetEd.fzznp.cn
http://XNDA1ynz.fzznp.cn
http://pAljT4rT.fzznp.cn
http://ii1eoNEj.fzznp.cn
http://M6l1Mnkc.fzznp.cn
http://DB6IGfFb.fzznp.cn
http://zJll7pU4.fzznp.cn
http://xN2Jnmbq.fzznp.cn
http://lTb7PpMY.fzznp.cn
http://iNaU38ZM.fzznp.cn
http://dOThWeAI.fzznp.cn
http://jwm76l0n.fzznp.cn
http://RiOS0CwE.fzznp.cn
http://uCN7gwp2.fzznp.cn
http://05V4e10h.fzznp.cn
http://eQl3LqAe.fzznp.cn
http://Esikb0e2.fzznp.cn
http://ihm8DTZK.fzznp.cn
http://www.dtcms.com/a/366099.html

相关文章:

  • Sentinel 与 Feign 整合详解:实现服务调用的流量防护
  • solar应急响应-7月
  • 遥感语义分割辅导
  • 基于Hadoop的网约车公司数据分析系统设计(代码+数据库+LW)
  • 【序列晋升】28 云原生时代的消息驱动架构 Spring Cloud Stream的未来可能性
  • Vue3+TS 交互式三层关系图
  • HDFS机架感知、副本存放机制详解(附源码地址)
  • Deathnote: 1靶场渗透
  • 2025企业ODI备案全指南:五大出海场景解析与合规路径,中国卖家如何破局全球市场?
  • 飞算JavaAI开发在线图书借阅平台全记录:从0到1的实践指南
  • 用Logseq与cpolar:构建开源笔记的分布式协作系统
  • 【文件快速搜索神器Everything】实用工具强推——文件快速搜索神器Everything详细图文下载安装教程 办公学习必备软件
  • git命令常用指南
  • Java 和 Python 的执行方式有很大不同——Android学习
  • 编程与数学 03-004 数据库系统概论 19_数据库的分布式查询
  • 【C++】详解形参和实参:别再傻傻分不清
  • 第11章 分布式构建
  • “全结构化录入+牙位可视化标记”人工智能化python编程路径探析
  • 当Python遇见高德:基于PyQt与JS API构建桌面三维地形图应用实战
  • 常见安装 Vue 报错解决方法
  • 2024 年 AI 产业趋势:小模型 “专精特新” 崛起,大模型向垂直领域渗透
  • 《SVA断言系统学习之路》【03】关于布尔表达式
  • MiniCPM-V 4.5 模型解析
  • fastmcp做mcp工具服务
  • TDengine TIMEDIFF() 函数用户使用手册
  • 关于linux软件编程11——网络编程2
  • 深入解析MongoDB内部架构设计
  • 笔记:深层卷积神经网络(CNN)中的有效感受野简单推导
  • 【数据结构】1绪论
  • 【深度学习新浪潮】视觉大模型在预训练方面有哪些关键进展?