1.1、公司发展：深耕图显领域十六载，高举高打构筑GPU梦之队
始于国防科大，立足军工电子。长沙景嘉微电子股份有限公司成立于 2006 年 4 月，致力于信息探测、处理与传递领域的技术和综合应用。公 司主营高可靠性的军用电子产品的研发、生产和销售，主要产品覆盖图 形显控、小型专用化雷达领域的核心模块及系统级产品。公司了解到国 外机载航电系统主要应用 ATI 公司的图形处理芯片 Mobility Radeon 9000（M9）。公司借由 ATI M9 显卡驱动开发项目契机进军 GPU 图显领 域。公司历经 3 代 GPU 图形显控芯片升级。2021 年第 3 代 GPU 产品 JM9 系列已成功流片。公司逐步成长为实现商用量产图形显控 GPU 的 龙头上市公司。
航空图显模块起家，制霸军工显控领域。公司成立之初恰逢我国军用飞 机图形显控系统由 DSP 与 FPGA 向 GPU 升级阶段，参与完成“神州八 号”图形显控模块设计。2007 年，公司率先完成 VxWorks 操作系统下 主流军用图显芯片 M9 驱动程序的开发和汉化。公司同年完成第一款图 形显控模块的开发销售，实现了图显技术初步积累。2008-2010 年间， 公司陆续通过双软企业、三级保密资格单位、武器装备质量体系等一系 列资格认证，为业务全面开花奠定了基础。在此期间，公司首款图显模 块通过客户技术鉴定审查并开展替代M9的自主芯片研发。2010年至今， 公司 JM5400 已占据国内军用飞机图显模块绝大部分市场，成为图形显 控行业领域的绝对标杆型企业。
核心团队稳健，股权结构清晰。公司由原国防科技大学军事技术运筹学 教授饶先宏与电子系讲师胡亚华共同出资成立。同年，曾万辉与喻丽丽 夫妇注资公司，并成为公司实控人。截止 2022 年三季报情况来看，董 事长曾万辉直接持股 4.06%。喻丽丽、曾万辉还持有公司股东乌鲁木齐 景嘉合创 80%的股权。董事长夫妻合计持有公司约 36.07%股权。公司 创始人饶先宏和胡亚华分别持有景嘉合创 10%股权。饶先宏和杨爱莲夫 妻合计持有公司 4.89%股权。胡亚华持有公司 3.95%股权。国家集成电 路大基金持有 8.1%的股权，预计将逐步良性完成投资退出。
核心团队人才济济，造国产显卡梦之队。公司核心技术班底在各军工电 子专业领域内具备十年以上的研发经验，专业造诣极深。核心团队的专 业性对国内军工电子行业现阶段的技术水平、与国外差距以及关键突破 点能很好的把握，从而有针对性的进行产品设计。另一方面，军工电子 涉及细分领域广泛，最终产品往往需要在逻辑算法、软硬件开发、结构 设计、芯片及 FPGA 研发等多领域具备研发实力，公司核心团队的复合背景和有机组合完美的满足了这一要求。
1.2、公司财务：军品基本盘稳定，芯片快速爬坡
军品发展稳定，芯片快速放量。公司整体营收利润自上市后快速爬升， 2022 年前三季度营收实现 7.29 亿元，归母净利润 1.73 亿元。公司在军 用领域的主要产品包括图显模块和小型专用化雷达。其中，图显模块主 要采用公司自主研发的 JM5400 芯片，实现了在军用领域的国产替代。 民用产品主要以芯片为主，其中 JM7 系列军民两用，JM9 系列针对信创 市场。从营收分布来看，图形显控产品长期驱动营收，占比超 7 成。2021年 JM7 系列芯片收入经历大幅放量后，图形显控、芯片和小型雷达产品 收入分别占比 47.66%/40.89%/10.43%。JM9 系列流片成功后，芯片业 务有望进一步成长为公司第二支柱。
军品种毛利高，拉动综合利润。公司主营军品业务图形显控以及小型雷 达毛利率高达 70%以上，符合军工电子行业高技术壁垒、高附加值的特 征。其中图形显控模块以及相应驱动程序应用于航电系统，是现代军机 的中枢神经系统。产品的高可靠性、高稳定性以及高定制化属性非常明 显。公司为军用芯片编写的驱动程序，解决了商用级图形处理芯片军用 化的难题。高毛利包含了驱动程序的独特价值。芯片产品主要面向民用 和信创市场，毛利率低于军工系列。自 2019 年起开启上升通道，2021 年芯片毛利率达 44.49%。
研发持续投入，未来成长可期。公司在上市初期管理费用较高，后逐步 下降。销售费用近年来维持在 4%左右。公司作为军工企业，军用电子产品对可靠性和稳定性的要求极高。军用电子设备的研发、生产重点与 民用产品完全不同。军品专用化、定制化的特点使得研发要求极高。公 司自上市后，研发费用维持较高增速，2021 年研发开支占总营业收入的 23.14%。研发费用的持续扩张对公司后续业务的开展具有基石效应。
1.3、公司产品：立足军品市场，力拓信创民品
图形显控系统：是信息融合与人机交互的核心系统。公司图形显控领域 产品包括图形显控模块、图形处理芯片（GPU）、加固显示器、加固电 子盘以及加固计算机。公司打造了基于 M9、M72 和 M96 系列的开发平 台和系列产品线，从底层上驾驭了图形显控产品的能力。芯片方面，公 司研发的以 JM5400 为代表的图形芯片打破了外国芯片在我国军用 GPU 领域的垄断，率先实现军用 GPU 国产化。公司的图形显控产品 近年来一直积极向其他领域延伸，如电子稳像处理板等。电子稳像处理 板可支持视频稳像及视频拼接，满足车辆在地面行驶状态下使用电子图 像进行观察、瞄准的使用要求，具有广阔的市场前景。
小型化雷达：功能及品类持续拓展。公司经过在微波射频和信号处理方 面多年的技术积累，在小型专用化雷达领域相继取得了一系列突破。公 司小型专用化雷达分为三大类：○1 空中防撞系统利用二次雷达技术，对 一定范围内的飞机进行实时监视、标识，判断周围飞机的飞行方位角、 距离和飞行意图，并按照一定的策略实施自动防撞；○2 主动防护雷达系 统对不同视场内的飞行目标进行实时探测和识别，并对构成威胁的来袭 目标进行快速定位和生成主动拦截所需的相关战斗参数，控制拦截系统 准确地拦截来袭目标；○3 弹载雷达微波射频前端负责雷达发射信号及相 关数据的发送与接收。
芯片：跨越 0 到 1，从可用变身好用。公司 2014 年底推出 5 系列芯片 以来，3 代芯片产品均明确对标海外同类产品。其中 JM5400 芯片对标 ATI M96 芯片，首次实现国产军用图形显控的完全自主可控。JM7200 在 JM5400 的基础之上优化了性能参数，对标英伟达 GT640 芯片，实 现了军民两用。JM9 系列两款芯片对标英伟达 GTX 1080 芯片，分别于 2021 年 11 月和 2022 年 6 月完成阶段性测试工作。9系列产品可满足地理信息系统、媒体处理、CAD 辅助设计、游戏、虚拟化等高性能显 示需求和人工智能计算需求，适配设备涉及台式机、笔记本、一体机、 服务器、工控机、自助终端等。3 代芯片的技术快速迭代，从最初5系的12年代际差缩短至9系列的5年代际差，并有望进一步缩短和海外 龙头的技术差异。
2.1、应用场景：从图显到超算，新应用场景需求爆发
GPU 适用海量数据并行计算。GPU 是图形处理器的英文简称，是用于 进行图像运算工作的微处理器，可以对图形数据、显示、可视计算等作 出优化加速，用于通用计算的 GPU 也被称作 GPGPU。图形的结构像素 点之间是独立的，图像以矩阵形式存储数据。GPU 的主要任务是处理成 千上万个三角形的顶点/内部像素的着色。所以 GPU 设计便是基于大吞 吐量和并行计算，80％的晶体管用作计算单元（CPU 只有 20%左右）， 具有很强的浮点运算能力和超长的流水线处理。并行计算是将特定计算 分解成可以同时进行的较小独立乘法和加法运算。然后重新组合或同步 计算结果，形成原来较大计算的结果。而 CPU 作为强大的执行引擎， 旨在将其数量相对较少的内核集中用于单个任务处理，并快速将其完成
图形渲染是 GPU 最大的应用领域。GPU传统的功能是在个人电脑、工 作站、游戏设备以及服务器等上执行绘图运算工作。GPU图形渲染的流 水线可分为两大部分，一是把 3D 坐标转换为 2D 坐标，二是把 2D 坐 标转变为有颜色的像素。两大部分可再拆分为 6 个阶段性步骤。第一， 对顶点数据进行处理；第二是将定点进行基本形状的装配；第三是把一 系列定点的基本形状构建出几何形状；第四步为光栅化，将图元映射在 屏幕对应像素；第五步对各个像素的最终颜色进行计算；第六步是对像素的测试和混合，查看物体之间的混合程度。
GPU 应用触角延伸至 AI、深度学习等众多场景。尽管 GPU 当下主要的 使用场景仍然是图形处理视觉效果越来越真实的顶级游戏。但同时， GPU 也已经演化为用途更普遍的并行处理器，能够处理越来越多的应用程序。GPU 使用场景已扩展至云端的 AI 训练、AI 推理、图片渲染、视 频转码、云端图形工作站、云游戏等；移动消费端的个人 PC/台式机/手 机上的图形处理、移动手游、移动办公等；自动驾驶场景下的行车路径 规划、车速规划、行车安全控制等。
人工智能 AI 是 GPU 应用层的一个重要分支。人工智能通过模拟和延展 人类及自然智能的功能，拓展机器的能力边界，使其能部分或全面地实 现类人的感知（如视觉、语音）、认知功能（如自然语言理解），或获得 建模和解决问题的能力（如机器学习等方法）。从技术角度看，AI通常可分为“训练”和“推理”两个阶段。训练阶段基于充裕的数据来调整 和优化人工智能模型的参数，使模型的准确度达到预期。为了获取更准 确的 AI 模型，训练阶段需要处理巨大的数据集并做反复的迭代计算，耗 费巨大运算量。推理阶段利用训练结束的 AI 智能模型，进行推理或预测 待处理输入数据对应的输出（如给定一张图片，识别其中的物体）。
人工智能技术对底层芯片算力需求飞速增长。2012 年时，深度学习模型 AlexNet 识别一张 ImageNet 图片需要 7.6X108次基本云运算，训练该模 型需要 3.17X1017次基本运算。1993 出品的英特尔奔腾 P5 芯片来执行 推理任务需要至少 10 分钟，而训练任务需要近百年才能完成。如今手 机上只需要数百微秒就能执行完成这样的图像识别，云计算数据中心只 需要 20 分钟即可完成训练任务。与此同时，AI 对算力的需求已经大幅 度超过了摩尔定律的速度。AI 运算具有的大运量、高并发度、访存频繁 的特点对芯片的微架构、指令集、制造工艺以及配套系统软件都提出了 巨大的挑战。
ChatGPT、AIGC 为 AI 领域最具创新性应用场景。炙手可热的 ChatGPT 目前只是语言生成模型。而 AIGC（AI-Generated Content）包含文本生 成，音频生成、图像生成、视频生成及图像、视频、文本间的跨模态生 成等。为实现对话文本生成，OpenAI 需要约 3617 台 HGX A100 服务 器（28936 个 GPU）来为 ChatGPT 服务。随着 ChatGPT 开放第三方 插件，ChatGPT 具备了增强知识库的能力，或将成为一个全知全能的 AI 平台。本次开放的第三方插件分为三大类，1）网页浏览器：在循环 中添加必应搜索；2）代码解释器：在一个沙盒和防火墙的执行环境中添 加一个实时的 Python 解释器；3）检索：对个人和组织文件进行语义搜 索。
2.2、赛道格局：图显、超算引领GPU发展
全球 GPU 增长稳健，新应用场景前景乐观。根据 T4 的数据显示，2022 年预计全球 GPU 市场规模为 250 亿美元，至 2025 年将进一步提升至 350 亿美元。Verified Market Research 的数据则更为乐观，预计至 2028 年全球 GPU 市场将扩大至 2465.1 亿美元，2020 年至 2028 年的复合增 长率有望达到 32.82%。全球范围内，GPU 由三大巨头英特尔、英伟达 和 AMD 占据市场主导地位。从竞争格局来看，英特尔在集成显卡领域 占主导，英伟达则深耕独立显卡以及数据中心超算加速卡业务。
图形处理和数据中心为 Top2 应用场景。通过观察英伟达的营业收入可 以发现 GPU 传统领域的游戏显卡收入稳中有增，但数据中心 GPU 收入 快速扩张，使得游戏显卡收入占比总体营收比例逐步收缩，从 2017 年 的 59%降低至 2022 年的 46%。随着全球组范围内的人工智能需求爆炸 式增长，数据中心计算需求激增。英伟达数据中心 GPU 收入占比从 2017 年 12%翻倍提升至 2022 年的 39%。预计在未来几年，随着人工智能、 高性能计算的需求高涨，英伟达数据中心业务将进一步提供增量或超过游戏显卡成为第一大 GPU 收入板块。近期炙手可热的 ChatGPT 是人工 智能训练和推理的最好例证，且此趋势将会进一步引爆对数据中心 GPU 算力的需求。
集成显卡英特尔领先，独显英伟达一家独大。根据 JPR 的统计，22 年 第三季度英特尔的 PC 集成显卡市占率高达 72%。从市场格局来看，英 特尔在集成显卡和桌面端霸主地位稳固，英伟达保持稳定，AMD 份额略 有收缩。而独立显卡英伟达多年深耕独立显卡市场，在软硬件积累均拥 有巨大优势。根据 JPR 统计，22 年第三季度英伟达在独立显卡市场份 额提升至 88%。从渗透率来看，当下独显渗透率仅为 20%左右，JPR 预计未来 5 年独显渗透率将提高至 26%。英特尔在阔别独立显卡市场 20 余年后，再次进入独显市场竞争。后发者进入独显市场难度取决于游 戏开发商针对新 GPU 的优化适配。游戏开发周期通常较为紧张，开发 商缺乏足够动力去适配优化，而老款游戏的图形引擎修改则更为困难。
英伟达一枝独秀，引领超算芯片竞争格局。近期引爆全球的 AI 产品ChatGPT 依赖于上万个英伟达 GPU 芯片所组成的高性能网络集群，把 45TB 的语料库平均分配给每个芯片，通过 PyTorch、TensorFlow 等软 件工具实现分布式并行计算，最后逐级计算总成。根据 Liftr 数据，英伟 达的数据中心 GPU 在全球领先的六大云计算平台中均有超过 70%的份 额，在甲骨文和腾讯更是接近 100%。总的格局来看，在全球顶级云厂 商加速计算中，英伟达份额为 82%，大幅领先其他竞争对手。
2.3、行业壁垒：硬件快速迭代，软件构建生态
GPU 发展的核心三要素： IP 核、软件生态以及行业合作绑定。从硬件 层设计来看，IP 核是已验证并可重复使用的集成电路设计模块。IP 的积 累对于硬件的高频迭代至关重要。英伟达每 2 年升级一次架构。对于 GPU 的后起追赶者而言，全流程自研极易痛失产品商业运作的窗口期。 所以外采部分成熟 IP 是行业惯例做法。根据 IBS 的数据，7nm 制程下 单颗芯片中可集成的 IP 核数量平均为 178 个，到5nm增长到218个。 由此可见，IP 核在积累层面与多核协作上的挑战性。即使流片成功，GPU 在商业上的成功还需要硬件、配套编程接口和软件生态的多重支持。所 以英伟达的龙头地位其CUDA平台生态起到了至关重要的作用。
要素一：IP 核的质量决定了 GPU 的性能底色。 IP 大致分为三大类， 一是模拟 IP，包括 PCIe、Displayport 和 HDMI 等等；二是 Memory； 三是数字 IP，包括基于 Arm 或 RISC-V 的微控制器 IP、编解码芯片 IP 以及最核心的 GPU IP 等。从现状来看，难度更大的图显领域差距约在 10 年左右，超算领域差距在 3 年左右。IP 核的自研比例越高，利于提 升芯片的成功率和产品差异化。IP 核对于初创公司的考验在于时间和成 本。IP 自研通常需要 3-4 年以及至少 200 位工程师，而外采可节约 1-1.5 年的开发周期。成本方面，一位研发工程师的成本在 50 万元每年，200 人的研发团队一年的人力成本为 1 亿元。
要素二：软件生态构筑全球 GPU 龙头护城河。软件生态构筑的两大要 素，其一为提供开发者友好的生态社区；其二为生态的跨行业应用与通 用性。英伟达 CUDA（Compute Unified Device Architecture，统一计算 架构）使得开发者可利用英伟达的 GPU 进行图像处理之外的复杂计算 任务，且以类 C 语言为基础的开发环境使得上手极具便利性。摩尔定律 使得晶体管数量不断增长，CUDA 作为一种可扩展的编程模型，使得代码可以在任意数量核心的 GPU 上运行而无需重新编码。CUDA 在推出 之际，曾面向美国大学和科研机构免费试用，而后面向工商企业。因 CUDA 只能运用于英伟达 GPU，久而久之软硬结合形成了强用户粘性与 庞大的用户人群。
优秀生态在于跨行业性的应用能力。CUDA 之所以成功一方面在于 CUDA 生态统一的开发套件（CUDA Toolkit, NVIDIA GPU Computing SDK）以 及极其丰富的库(cuFFT, cuBLAS, cuSPARSE, cuRAND, NPP, Thrust 等)。 其中常用的 cuDNN（CUDA Deep Neural Network library）用于深度神 经网络加速。在医学科研领域，BIDMC 和哈佛医学院借助 “cuDNN”检 测乳腺癌的精确率高达 92%。在视频处理领域，Elemental Technologies 等公司利用 CUDA 加速视频处理的全流程包括压缩、色彩校正、帧率转换、 降噪等等。CUDA 在各个领域的广泛应用侧面助力了其 GPU 的强势崛起。
要素三：与千行百业深度适配，形成反馈合作圈。英伟达和 AMD 均积 极设立合作网络，将产品互相授权并深度适配。○1 后发者进入 GPU 显 卡市场难度取决于游戏开发商针对新 GPU 的优化适配。游戏开发周期 通常较为紧张，开发商缺乏足够动力去适配优化芯片新进玩家，而为老 款游戏的图形引擎修改适配则更为困难。游戏软件厂商与 GPU 厂商在 无数轮的硬软件适配反馈中构筑了生态合作圈。○2 英伟达 GeForce NOW 云游戏服务将嵌入比亚迪、现代、捷尼赛思等整车厂车内屏幕提 供停车时的游戏服务。与此同时，新能源汽车制造领域前 30 家制造商 中的 20 家在 NVIDIA DRIVE 平台上开发自动驾驶等软件。在互相适配 的过程中，逐步形成了你中有我，我中有你的合作黏性。
3.1、军品机遇：国防需求明确，产品精准卡位
军费预算创新高，国防数字化扩张。随着俄乌战争的愈演愈烈，世界各 国或进入军费高增周期。军费是军工行业景气度最重要的指标。“十四五” 将是国防建设的关键时期，军费开支的变化将极大影响武器装备的列装 速度与进度。中国财政部在 2023 两会期间发布的政府预算草案报告中 显示，今年国防费预算约为 15537 亿元人民币，同比增长 7.2%。 2020-2023 年，国防预算呈加速态势，增速分别为：6.6%、6.8%、7.1%、 7.2%。根据前瞻研究院的预测，军工电子市场规模在 2022 年为 3842 亿元，2025 年将增长至 5012 亿元。
军机增量空间广阔，订单有望持续释放。根据《world air forces 2022》 数据，中国拥有 3285 架军用机，占比全球 6%，位居全球第三。美国军 用飞机总数位居全球第一，拥有 13246 架军机，占比全球 25%。同期， 中国与美国的军机数量差距仍有较大追赶空间。从战斗机层面来看，美 国拥有各类战斗机 8203 架，中国只有 2483 架。整体来看，○1 国内军用 机对比发达国家仍有量级差距，亟待提升；○2 军机代际差距明显，存量 更新升级需求迫切。我国大量军机仍以歼 7、歼 8 三代机为主，美国军 机主力机型已为四代机和五代机。
军用雷达赛道稳增，机载领域需求第一。军用雷达是我国雷达行业中先 行攻略的领域，截止 2021 年，国内军用雷达市场占比 60%。根据《全 球军用雷达 2015-2025》数据显示，预计至 2025 年公司产品有所涉及 的机载和路基雷达板块分别占据军用雷达市场 36%和 27%的份额。从各 行业整体规模来看，2021 年军用雷达市场规模约为 392.2 亿元。亿渡数 据预计到 2026 年，军用雷达市场有望增长至 470.2 亿元，复合增长保 持在 3.3%。
3.2、民品机遇：产品锚定国际标杆，信创替换需求巨大
国家信创应用落地，产品适配抢占先机。2020 年是信创产业“元年”， “ 2+8 ”体系中全面升级自主创新信息产品，信创行业开始全面爆发 和整体布局。2021 年信创产业逐步走向应用落地阶段，信创厂商一方 面深耕党政信创解决方案，其次在关系国计民生的重要行业陆续布局， 通过产品服务升级和渠道开拓抢占政策风口和市场先机。景嘉微在此期间，完成与龙芯、飞腾、麒麟软件、统信软件、天脉等国内主要的 CPU 和操作系统厂商的适配工作；与中国长城、超越电子等十余家国内主要 计算机整机厂商建立合作关系并进行产品测试；与麒麟、长城、苍穹、 宝德、超图、昆仑、中科方德、中科可控、宁美等多家软硬件厂商进行 互相认证。
信创存量可观，替换需求可期。基于现阶段政策与市场规律来看，信创 的替换需求将从党政、军队、企事业开始，逐步向民用消费级市场延伸。 尽管国家尚未就国产化芯片提出明确要求，但替换需求大势所趋。根据 亿欧智库的数据，PC 总替换数量约为 2757 万台，平均单价 6000 元， 对应替换规模为 1654 亿元；服务器替换总量约为 275.7 万台，单价 35000 元计算，对应的替换规模为 964 亿元左右。在 AI 井喷式爆发的 高景气度下，GPU 在服务器中的应用有望量价齐升。根据智研咨询的统 计，目前一台超算服务器使用的 GPU 占服务器总体成本的 27%左右。 假设存量替换的服务器以算力服务器为主，则信创服务器对应的 GPU 替换需求约为 260 亿元左右。
海外打压力度升级，民族品牌迎发展良机。从成品端来看，美国断供三 款高端人工智能 GPU，分别为英伟达的 A100 和 H100、AMD 的 MI250。 其中，英伟达 H100 芯片 2022 年推出，采用台积电定制的 4nm 工艺， 为有史以来最尖端的算力芯片之一。从设备侧来看，美国限制应用材料、 LAM Research 等设备厂商出口半导体设备。从软件授权方面来看，美 国对 EDA 软件工具等技术实施出口管制，限制中国公司、研究机构获得 某些受监管的半导体技术能力。在人员方面，明确禁止美国人员在未经 许可下为中国半导体发展提供任何帮助。出口禁令叠加信创政策指引下， 民族品牌有望获得历史性机遇，加速完成 GPU 的国产替代。
3.3、公司禀赋：图显企业开发顺位优势明显
图显综合开发难度更高。GPU 的开发需要软硬件的双重驱动。○1 渲染 GPU 约 80%是通用计算 GPGPU 的部分，20%是固定渲染流水线（fixed function）。固定渲染流水线中涉及较多软件技术能力，包括编译器、驱 动软件、各类数学公式等等。从研发人员角度出发，图显团队所需软件 研发人员是超算团队的 3 倍左右，重在驱动程序和编译器的开发。○2 计算核与存储进行交互时的效率平衡是另一大难点。○3 任务分发逻辑与各 部分硬件协同能力也决定了渲染图形的性能表现。综合来看，图形显控 GPU 开发需平衡众多硬件技术单元，难度较高。
超算发展痛点在 CUDA 生态的兼容。图显和超算所需构建的生态并不相 同。从技术层面来看，图显在于打通驱动程序和编译器层面的生态。经 过多年发展，可借鉴业界众多成熟的标准 API，包括 OpenGL、DirectX 等。在超算领域，目前软件生态被英伟达的 CUDA 所垄断。通用计算和 超算领域生态的发展壁垒在于生态复杂度和兼容性。其一，通用计算要 求生态全面打通至应用层并在创新应用领域进行自研。其二，因 CUDA 在超算领域的霸主地位，目前多数初创公司的芯片对 CUDA 兼容性欠佳。 兼容 CUDA 涉及 50 个编译器、50 个驱动、300 个应用层工程师以及 3-5 年的开发时间。若芯片不能完美兼容 CUDA 核心功能则可能流失众多潜 在用户群。
研发驱动业务发展，人才催化技术升级。IC 设计行业属于典型的智力密 集型行业，对人才需求极大。公司以核心技术管理层为首，打造了一支 技术领域齐全、研发能力突出的技术团队。团队相关成员均有十年以上 的集成电路科研经验，对芯片设计领域的研发特点及客户需求有着深刻 的理解，具有难以复制的竞争优势。从公司科研人员数量来看，公司上 市之际科研人员为 238 人，占比总员工数 57.35%。上市后，研发人员 规模扩充激进，2022 年中报显示研发人员为 865 人，占比高达 69.26%。 高研发投入的发展路径为公司后续军民融合的产品推陈出新提供了有力 保障。
第一层价值：公司发展战略清晰，从军品立足转向军民融合。公司传统 军品 5 系列图显模块在军机领域稳扎稳打；小型主动防护式雷达预计将 迎来订单收获期。军费预算稳中有升，新装备列装有望加速落地。公司 军品历史利润表现优异，未来有望继续保持。 第二层价值：民用芯片推陈出新，拓展 AI 增长潜能。ChatGPT 热度不 减，模型升级和插件应用持续更新。公司 9 系列可满足部分高性能显示 需求和人工智能计算需求。根据公司公告显示，某公司拟采购 10 万片 芯片，芯片产品放量在即。可比公司寒武纪主营 AI 芯片，对应市值已高 达 650 亿元以上。我们预计，随着公司 9 系列逐步从整机厂适配转向订 单落地，公司有望打开广阔的全新成长空间。
收入与毛利率假设： 1）图形显控领域产品：公司图显系列产品主要应用于军机、舰船等领 域。我们认为在两会及政府换届就绪后，2023 年军队采购支出将开始加 速落地。因此我们预计 2022-2024 年公司图形显控领域产品营收增速分 别为 15%/28%/30%，毛利率水平稳定，分别为 75%/72%/73%。
2）小型专用化雷达领域产品： 公司雷达产品也主要应用于军机、装甲 车等领域，主动防护式雷达等产品进入产品收获期。我们预计 2022-2024 年公司小型专用化雷达领域产品营收增速分别为 88%40%/30%，毛利 率分别为 70%/72%/73%。 3）芯片产品和其他业务：公司 9 系列通用计算芯片已与国内上下游厂 商积极开展适配，有望拓展 AI 各类应用场景。整体芯片毛利率 2021 年 已超 40%，9 系列的推出有望延续毛利水平。我们预计信创需求将在今 年政府换届就绪后陆续释放。公司芯片产品预计 2022-2024 年营收增速 分别为 32.75%/110%/60%。预计芯片产品毛利率分别为 40%/42%/44%。
公司作为国内 GPU 龙头，产品研发具备完整的梯度性，与国外竞争对 手差距持续缩小，叠加民用计算机国产化规模化采购进程加快，GPU 芯 片民品放量在即，未来业绩值得期待。受2022年1H疫情扰动等因素， 公司 2022 年前三季度营收7.29亿元，同比下降 10.35%，归母净利润1.73亿元，同比下降 30.60% 。随着疫情影响消退、国家政策明朗、 信创需求提振，预计2023年公司将会迎来复苏。我们预计公司 2022-2024 年营收分别为 11.24/17.17/24.26亿元，净利润分别为 3.52/4.69/6.64 亿元，现价对应 PE 为 141/106/75 倍。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
