作者：金德路
2026 年 1 月 28 日，酷芯微电子向港交所递交上市申请。
这家成立于 2011 年的公司，最初以无人机图传芯片切入市场，长期深耕通信与专用计算领域。如今，其核心产品已转向视觉处理 AI SoC，业务重心也随之从图像传输延伸至端侧智能计算。
转型背后，是行业需求的结构性转变。
过去几年，AI 产业的关注焦点集中在云端训练能力与模型规模；而随着模型逐步成熟，行业开始更加关注推理部署、成本效率与场景渗透。
在这一变化下，端侧算力的重要性被重新评估。酷芯微的 IPO，某种程度上，正站在这一产业迁移节点之上。
luming lab
端侧推理崛起，AI SOC 引发关注
2011 年，酷芯微在合肥成立。
核心创始团队来自复旦大学微电子专业，技术底色浓厚。
彼时，深度学习尚未兴起，端侧 AI 几乎不存在市场空间，真正迎来爆发的，是民用无人机。
随着大疆创新将无人机重新定义为 " 飞行相机 "，远距离高清图像传输成为了核心技术瓶颈。但当时市面上，并没有能够满足其需求的稳定数字图传芯片。
2013 年，公司推出业内首款量产远距离数字高清视频传输解决方案，率先解决民用无人机远距离高清图传难题。在大疆实现自研芯片量产之前，酷芯微长期是其核心图传芯片供应商。
这一选择在当时并不 " 性感 "，却极具工程导向。
随着机器人与无人系统的发展，仅提供图像传输已难以满足行业需求。2014 年起，公司开始加大在机器人感知与智能计算方向的投入，与通信与传输能力结合，逐步构建起感知、计算、传输三大核心技术体系。
2017 年 10 月，酷芯微推出首代 28nm AI SoC AR92 系列，正式切入端侧智能计算。
这一转向，在事后看来，恰好踩中了 AI 产业结构性迁移的起点。
过去数年，AI 的主流叙事高度集中于云端：算力规模、大模型训练、参数数量构成了行业竞争的核心指标。但当前，行业焦点开始从云端向端侧倾斜。
实际上，转变并非源于 AI 训练需求的消失，而是AI价值结构的重新分配。
一方面，端侧设备数量正在快速扩张。根据 ABI Research 的预测，到 2028 年，基于中小模型的端侧 AI 设备规模将达到 40 亿台，年复合增长率约 32%；到 2030 年，约 75% 的 AIoT 设备将采用高能效比的专用硬件。
另一方面，端侧推理在隐私保护、实时性与离线可靠性方面具备天然优势，尤其适用于自动驾驶、无人机、野外作业等弱网络甚至无网络环境。
更重要的是，随着模型逐步成熟，AI 的新增需求正从 " 更强的训练能力 "，转向 " 更大规模、更高频次的推理部署 "。
从需求结构来看，高盛预计，至 2026 年，全球 AI 训练与推理需求将基本持平；此后，推理需求占比持续提升，至 2028 年，推理需求约占 55%，训练需求约占 45%。
在收入端，这一趋势更加直接。高盛预计，2026 年，中国推理类 AI GPU 收入将首次超过训练类 GPU，占比分别为 55% 与 45%；至 2028 年，推理相关收入或将提升至 62%，而训练相关收入则降至 38%。
这意味着，AI 产业正在从 " 集中式训练驱动 "，转向 " 分布式推理变现 " 的新阶段。
在这一结构下，算力不再只存在于云端数据中心，而是被拆解并嵌入进大量终端设备。而 AI SoC 芯片，也成为端侧推理最关键的基础设施。
2026 年 1 月 28 日，酷芯微正式向港交所递交主板上市申请。官网显示，酷芯微以通信、端侧芯片及其解决方案赋能产业智能升级。
然而，AI SOC 赛道并非一马平川。
luming lab
关于赛道固有挑战
事实上，AI SoC 赛道，并非简单的 "AI+ 芯片 " 叠加，而是一条技术、生态与资本强度高度耦合的复杂路径。
首先，技术要求远高于其他芯片。
一方面，AI 对于算力的要求极高；另一方面，端侧芯片往往功耗受限。如何在维持低功耗的同时提供足够的算力，是设计的核心难题。
另外，投中网对于芯片行业人士的采访指出，AI 芯片的难点更多在于软件部分，即配套的工具链，这其中两个工具很重要：一个是编译器，另一个是量化工具。没有这两个工具根本无法端侧落地。
即便部分企业引入包括斯坦福、伯克利等顶尖高校背景的专家团队参与开发，工具链构建仍然周期漫长、工程复杂度极高，成功率并不稳定。
其次，更深层的问题在于生态协同。
英伟达 CEO 黄仁勋曾多次强调，极端协同设计非常必要。这不仅仅关乎单一芯片，而是要在整个技术栈上进行协同设计，包括模型、算法、系统和芯片。
原因在于，AI SoC 不仅是硬件，还是算法的载体。当前行业普遍面临软硬件割裂、算法与算力割裂的问题。许多 AI 算法公司缺乏芯片设计能力，单纯将 AI 算法移植到芯片上往往会因为兼容性差而效率大幅降低。
这种复杂性最终体现在研发强度上。国投证券数据显示，多家 A 股 SoC 企业研发费用率普遍处于 20% – 30% 区间。
相比之下，国外高通、德州仪器等企业的研发费率常低于 20%。
差异背后，是商业成熟度的不同。龙头企业能够以规模摊薄研发成本，而成长阶段的企业，则需要在尚未形成稳定利润的情况下持续高强度投入。对于 AI SoC 公司而言，这种 " 高投入、慢兑现 " 的特征几乎是赛道的天然属性。
与此同时，行业竞争格局仍然高度分散。
招股书披露，2024 年中国视觉处理 AI SoC 市场中，行业第一名的市场份额仅为 8.2%，前五名合计份额不足 30%。这意味着市场尚未完成集中出清，也说明价格竞争、客户争夺与技术迭代压力仍将长期存在。
可以说，赛道趋势虽明朗，但护城河尚未形成。
酷芯微道阻且长
赛道的艰难，最终会体现在企业的经营质量上。
从市场份额来看，酷芯微仍处于追赶位置。
招股书披露，按 2024 年收益计，在中国视觉处理 AI SoC 产品及解决方案市场，酷芯微电子以 4 亿元的收益及 1.3% 的市场份额排名第 8。
在更细分的无人机视觉处理 AI SoC 领域，酷芯微表现相对更为突出。按 2024 年收益计，公司以 8.0% 的市场份额位列第三。
但即便如此，行业第一的市场占有率已达到 20.1%，规模差距依然明显。
比份额更值得关注的，是客户结构。
2023 年、2024 年、2025 年 1-9 月，该公司向五大客户提供 SoC 产品及技术服务产生的收益分别占总收益的 72.3%、76.1%、58.8%，其中最大客户产生的收益分别占总收益的 50.9%、33.1%、34.1%。
这意味着，公司收入高度集中于少数客户，尤其在 2023 年，单一客户几乎贡献了一半营收。
这种结构下，企业表面上拥有稳定订单，但议价能力与抗波动能力仍相对有限，一旦核心客户策略调整，经营弹性便会被放大。
此外，公司财务仍承压明显。
2025 年前三季度，公司经调整净利润实现扭亏为盈。然而，经营性现金流却由正转负，出现 " 利润改善、现金承压 " 的倒挂现象。
报告期内，公司经营活动产生的现金流量净额分别为 -1.42 亿元、0.45 亿元、-0.40 亿元。最近一期同比下降 1196.10%，主要原因是存货及应收款项增加，营运资金占用显著上升。
当产品仍在争夺市场份额时，库存备货与账期延长往往成为常态，现金流承压便成为代价。
更值得注意得是，在 2023 年与 2024 年公司处于大额亏损阶段时，CFO 许维的薪酬总额分别达到 3201.9 万元与 3141 万元。
其中，以权益结算的股份支付分别为 3007.3 万元，3007.3 万元，占同期股份支付费用的 79.24% 与 37.83%。
虽然股权激励在 IPO 前阶段并不罕见，但在现金流承压、经营质量尚未完全修复的背景下，如此集中且高比例的激励安排，难免引发市场对激励节奏与公司阶段匹配度的讨论。
小 结
酷芯微的 IPO，恰好站在 AI 产业结构迁移的节点之上。
从无人机图传到 AI SoC，公司确实踩中了推理时代的产业方向。然而，方向正确并不意味着道路平坦。技术门槛、生态协同、客户集中与现金流压力，都将在未来数年持续考验其经营韧性。
东风已至，但真正的较量，才刚刚开始。
- END -
鹿鸣财经 | 原创平台
四川省互联网行业联合会网络名人专委会专业委员
深圳市自媒体协会财经专委会特邀理事
成都市自媒体协会财经专委会特邀理事
「往期推荐」
