1.1 推出首款完全自主知识产权 GPU
景嘉微是国内 GPU 领域自主研发创新的先行者，早在 2014 年就推出了国内首款完全 自主知识产权的 GPU——JM5400。产品从国防、航天等军用场景延伸至信创市场及民用市 场。2024 年，公司推出景宏系列高性能智算模块与整机产品，可用于 AI 训练与推理。 公司三大业务板块：图形显控、小型专用化雷达、以及芯片。 1）图形显控是公司的核心业务，依托于公司自主研发的 GPU 芯片形成图像显控模块 产品，不仅在机载领域取得领先地位，还积极向车载、船舶显控和通用市场等方向扩展。 2）小型专用化雷达是继图形显控后打造的第二增长业务，依托在微波和信号处理方面 的技术积累，公司研发出主动防护雷达、测速雷达等系列产品，产品布局不断丰富。 3）芯片领域，公司 GPU 芯片从图形显控向 AI 拓展，有望顺应 AI 大模型浪潮，成为 新兴增长极。景宏系列产品的推出填补了公司在 AI 训练、推理和科学计算领域的空白，为 公司在人工智能领域的持续发力奠定了坚实基础。
1.2 军工电子短期承压，芯片业务有望引领增长
2023 年受宏观经济波动、下游需求变化及销售结构调整等多重因素影响，公司各业务 领域销售规模和营业收入均出现下滑。营收构成方面，2023 年图形显控、小型专用化雷 达、芯片业务分别占收入 65.1%、18.5%、14.2%。
股权结构方面，控制权较为集中。公司实控人喻丽丽为最大股东，持股比达到 25.54%。 其中，国家集成电路产业投资基金作为第二大股东的入股还体现了对企业的战略支持。
2023 年，公司业绩受宏观经济和市场需求影响有所下滑。2024 年第三季度，归母净利 润增速回升至 53.28%，主要因去年同期基数较低所致。 2020 至 2022 年期间公司营收和净利润持续增长，主要得益于公司把握数字经济发展机 遇，推动芯片产业化以及产品在通用领域的广泛应用。
2023 年，公司营业收入减少，导致研发费率和管理费率有所上升。2024 年伴随公司推 动降本增效，费用率或将有所下降。
公司坚持研发优先战略，始终保持较高比例的技术人员。2023 年研发人员占比达到 64.4%。2023 年公司进行人员结构调整，研发人员数量及员工总数有所下降。
2.1 AI 驱动需求快速增长，国产 GPU 亟待突破
AI 驱动下，GPU 市场高速增长。GPU 凭借强大的并行计算能力，成为深度学习和神 经网络训练的关键硬件，推动 AI 模型的快速开发与部署。随着 AI 在各行业的普及，高性 能 GPU 需求持续增长，推动 GPU 市场高速扩张。Verified Research 在最新的报告中预测， 2023 年到 2030 年，GPU 市场的复合年增速为 38.7%。国内 GPU 市场也增长迅速。据中商 产业研究院估计，中国 2024 年 GPU 市场规模约为 1073 亿元，2020-2024 年复合增速为 32.8%。
GPU 根据应用端可分为移动端、桌面端及车端。广泛应用于计算机游戏、虚拟现实、 人工智能、图像渲染、科学计算等领域。 移动端 GPU 主要用于加速图形处理，提升计算机游戏的图像质量与性能。此外，移动 端 GPU 也广泛应用于加速深度学习、计算机视觉和自然语言处理等 AI 领域。桌面端服务 器 GPU 分为高性能计算服务器和智能计算服务器，凭借其高并发计算能力，在数据中心建设中发挥重要作用。汽车领域 GPU 被用于车端及其配套设施的智能芯片，负责处理摄像头、 普通雷达、激光雷达等传感器的数据，助力实现智能驾驶功能。
在 AI 领域，模型参数不断增长，尤其是基于 Transformer 的大模型，对算力需求激 增。这类模型摒弃传统循环神经网络，采用自注意力机制处理序列数据，实现并行处理， 大幅提升训练与推理效率。然而，这也带来了更高算力需求与成本的显著增加。英伟达数 据显示，在 Transformer 模型引入前，算力需求每两年增长约 8 倍，而引入后，这一增速飙 升至约 275 倍。 根据 Scaling-law 法则，大模型的性能随着参数规模、训练数据量和计算资源的增加而 显著提升。例如，GPT-4 参数量由 GPT-3 的约 1750 亿增至约 1.8 万亿，增长超过 10 倍；训 练数据集规模也从数千亿 Token 扩展至 13 万亿 Token。这种大幅扩展显著增强了 GPT-4 处 理复杂问题和生成自然语言文本的能力。 随着大模型参数规模和训练数据量的持续攀升，对算力的需求呈指数级增长，这种趋 势为 GPU 市场规模的扩大注入了强劲动力。
在 GPU 重要性日益突显的背景下，GPU 算力成为关键资源。美国对华实施的 GPU 出 口限制，特别是针对英伟达的 A100、H100 等高端产品，严重影响了中国企业在大模型训 练和高性能计算领域的核心硬件获取。
国产 GPU 性能仍有差距：国内 GPU 设计企业包括华为海思、寒武纪、摩尔线程等， FP32 精度算力主要集中在十位数量级，壁仞科技 BR100 可达到 248 TFLOPS。
2.2 政策与资金共振，算力建设显著增加
2024 年 12 月 28 日，由中央广播电视总台与国务院国资委联合制作的大型系列纪录片 《大国基石》推出了第三期《算力引擎》，其中明确指出：算力即国力。这一观点不仅突显 了算力在国家战略中的关键地位，以及对算力，尤其是 AI 算力的高度关注与重视。
2024 年上半年智算中心招投标相关事件 791 起，同比增长高达 407.1%。截至 2024 年 上半年，国内已经建设和正在建设的智算中心超过 250 个。截至 2024 年 7 月 28 日，我国 智算中心已达到 399 座。2024 年 11 月，46 个智算中心迎来了新进展。
随着政策支持力度的不断加大，互联网各公司在 AI 算力领域的资本开支显著增加。 2024 年前三季度，BAT 三家公司总资本开支达到 867.21 亿元，同比增长 119.80%，其中第 三季度资本开支为 362.30 亿元，同比增长 117.15%，环比增长 57.93%。这些增加的资金主 要流向 AI 算力和大模型研发领域。百度加大了在“文心一言”大模型的投入，腾讯和阿里巴 巴也在持续加强 AI 技术研发，2024 年两家公司分别在服务器上的开支达到 60 亿美元和 30 亿美元。 字节跳动和小米也在加大对 AI 算力的投资。字节跳动旗下的豆包大模型在自然语言 处理等方面已展现出强大实力，公司预计 2024 年在 AI 领域的资本支出将达到 800 亿元， 几乎与 BAT 三家公司在此领域的总投入相当，均显示出公司在 AI 领域的雄心，未来可能 成为行业的重要引领者。与此同时，小米也在积极建设 GPU 集群，增强 AI 大模型能力， 推进向轻量化和本地化发展的战略。
2.3 景宏与 JM11 相继问世， AI 与消费市场加速突破
2024 年 3 月 12 日，景嘉微宣布成功研发“景宏系列”高性能智算模块及整机产品，专注 于 AI 训练、推理和科学计算领域。景宏系列支持多种混合精度运算，配备多卡互联技术， 兼容主流 CPU、操作系统及服务器厂商，适配当前计算生态、深度学习框架及算法模型库， 显著缩短用户验证周期。
景嘉微表示，该产品的推出丰富了公司高性能计算产品线，填补了公司在 AI 训练、 AI 推理和科学计算等应用领域的产品空白，为公司未来在人工智能领域的持续发力奠定基 础。虽然此前的 JM9 系列芯片等支持图像识别等场景，但无法满足图形处理高端应用，高 性能计算等 AI 应用，而景宏系列弥补了这一缺陷。 2024 年 12 月 3 日，景嘉微宣布新款图形处理芯片 JM11 系列初步测试基本完成。该芯 片兼容 Linux 和 Windows 操作系统，支持虚拟化技术，适用于图形工作站、云桌面和云游 戏等领域。公司预计该系列将进一步丰富产品线和核心技术储备，提升公司核心竞争力， 巩固市场地位。
2.4 定增项目支撑持续研发
定增项目资金到位，推动 GPU 研发。2023 年 6 月 16 日，景嘉微通过 2023 年度向特 定对象发行 A 股股票方案，本次增发旨在强化公司在高性能芯片领域的战略布局，提升研 发与产品水平，优化市场布局，全面增强综合竞争力。2024 年 10 月 23 日，公司收到募集 金额。本次公司发行 A 股共计 63,986,969 股，发行价格 59.91 元，实际募集资金净额为 38.27 亿元。 定向增发所募集的金额将应用于“高性能 GPU 芯片”与 “通用 GPU 先进架构研发中 心建设”项目。 “高性能 GPU 芯片”项目聚焦图形处理与高性能计算，面向大型游戏、专 业渲染、数据中心、人工智能等领域应用，旨在弥补国内 GPU 在高端图形处理和高性能计 算领域的技术短板，完善公司产品布局。“通用 GPU 先进架构研发中心”项目则依托公司既 有技术与前期成果，重点研发高性能计算核心架构、通用计算库与驱动、高性能 GPU 编译 器等核心技术，推动通用 GPU 架构技术升级。
高性能 GPU 芯片将采用 Chiplet 封装技术，将多个模块芯片与底层基础芯片封装在一 起，提升芯片集成度，在不改变前道制程工艺前提下提升芯片性能、降低设计成本。
Chiplet 技术是后摩尔时代的集成电路技术发展的最优解。随着半导体制程节点的持续 演进，短沟道效应以及量子隧穿效应带来的发热、漏电等问题愈发严重，对缩微器件的性 能产生由量到质的影响，导致追求经济效能的摩尔定律难以为继。在此背景下，Chiplet 技 术作为一种利用先进封装方法，通过将复杂的电路拆解成一系列模块，然后再将不同的模 块集成在一起。这种技术能够提升良率、降低成本，同时支持模块化复用，增强系统的灵 活性。它还满足高效能要求，带来更具竞争力的性价比。
3.1 突破早，多年深耕 GPU
嘉微在 GPU 领域的研发起步较早，技术经验积累丰富。景嘉微成立于 2006 年，在 成立的第二年便成功研制 M9 GPU 芯片驱动，并于 2014 年成功实现国内首颗自主 GPU 突 破——JM5400。 芯片领域的研发周期较长，制作工艺复杂，需要长期的积累与深厚的经验才能获得成 果。景嘉微在 GPU 领域的早期布局使其具备了丰富的研发经验，凭借多年的技术积淀，能 够不断应对行业的技术挑战，并持续推进产品创新与性能提升。
3.2 GPU 研发门槛高，考验综合能力
景嘉微在 GPU 研发领域展现出卓越能力。GPU 芯片设计技术门槛高，研发流程复 杂，制作工艺严格，需要长期积累和大量投入。景嘉微在起步早，缺乏国外技术借鉴的情 况下，凭借自主研发，从基础架构到核心算法，逐步攻克技术难题，经过多年的努力取得 了显著成果。这种完全依靠自身力量的研发能力，在国内 GPU 企业中十分突出。 GPU 研发面临许多挑战： 1） 软件层面：GPU 的开发和应用需要复杂的软件支持，且从 CPU 切换到 GPU 需要 重新编写底层软件，以适应 GPU 的并行计算架构。这不仅要求对并行计算原理有 深入理解，还需要投入大量的时间和资源进行开发与优化。此外，GPU 的编程模 型也较为复杂，需要高效的编程工具和方法。 2） 硬件层面：GPU 芯片的设计和制造十分复杂精细。芯片的设计开发需要兼顾芯片 兼容性，选择最优性价比工艺及工艺平台。芯片生产涉及数千道工序，晶圆制造 和封装测试的质量控制至关重要，任何生产环节的偏差都可能影响最终品质 。 3） 生态系统建设：GPU 的成功不仅依赖于硬件本身，还需要一个完善的生态系统， 包括驱动程序、开发工具和应用支持。NVIDIA 正是通过 CUDA 生态形成了长期 的市场占有和较强的客户粘性。 4） 巨额研发投入：GPU 研发需要巨大的资金和人力投入，从芯片设计、验证到流 片，再到驱动和应用软件的开发，每一个环节都需要大量的资源投入。 5） IP 壁垒：GPU 领域的核心 IP 研发难度高，周期长，需要多年的技术积累才能产出 稳定的产品。国内 GPU 厂家大多使用国外 IP，无法控制核心电路专利。
3.3 管理团队深耕行业，募集资金充裕有望吸引顶尖人才
公司领导深耕行业多年，保证公司航向准确。公司董事长曾万辉先生与副董事长余圣 发先生均毕业于国防科技大学，分别获得微波与毫米波技术专业和信息与通信系统专业硕 士学历。此外，公司其他领导中，刘培福先生以及张阳先生也获得机械制造、电子信息工 程相关学位，体现了公司领导集体对行业技术和发展趋势的深刻理解与专业洞察。
定增项目带来资金，支持研发投入与人才引进。公司始终坚持大力投入研发，积极引 进高科技研发人员。2020-2023 年研发人员人均薪酬持续增长。此外，根据定增说明书，公 司 2 个项目合计使用 8.95 亿元用于研发人员费用。
（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。）
