企业官网建设流程全解析

9月11日，国产云端AI芯片企业燧原科技（688801）正式登陆上交所科创板，成为"国产GPU四小龙"中最后一家上市的公司。据报道，本次发行价142.18元/股，发行约4303.52万股，上市当日以410元开盘、397元收盘，收盘市值约1708.5亿元。在此之前，摩尔线程于2025年12月5日登陆科创板，沐曦股份于2025年12月17日上市，壁仞科技则在2026年1月2日于港股上市。至此，四家国产GPU公司齐聚资本市场。

对做开发和运维的人来说，比股价更值得关注的是：这四家里，燧原走了一条和别人不一样的技术路线。

DSA还是GPGPU，这是两条不同的路

四小龙中，只有燧原的芯片采用DSA架构（Domain-Specific Architecture，领域专用架构）。据公开信息，这种架构裁掉了通用GPU的图形渲染特性，专精通用计算和张量/矩阵计算。走类似路线的还有谷歌TPU、寒武纪、华为海思和阿里平头哥；另外三家四小龙成员则采用通用GPGPU路线，主要兼容或适配英伟达CUDA生态。

两条路线的取舍很清晰：

• DSA的优势在性价比。产量足够大时，能效比更高、单位算力成本更低。这也是为什么它常出现在有超大单一客户的场景里——腾讯就是燧原的第一大客户，据报道2025年有八成收入来自腾讯，微信语音转文字背后的推理卡就来自燧原。
• • DSA的代价在生态。它没有CUDA那样的完整生态，需要自研编译器和定制算子库，客户把现有模型迁过来，通常要在框架、编译器、算子、集群软件几个层面做适配。
    公开数据显示，燧原2023至2025年营收分别为3.01亿元、7.22亿元和9.90亿元，2026年上半年营收达11.20亿元，已超过2025年全年。同时公司目前尚未盈利，2023至2025年研发费用分别为12.29亿元、13.12亿元和11.35亿元，占营收比例从408%一路降到114.63%——典型的芯片行业"先重投入、后谈回报"节奏。出货量上，据IDC数据，2025年中国AI加速卡整体出货约400万张，英伟达以约220万张占约55%份额，燧原当年出货6.6万张，市占约1.7%。

长于推理、短于训练，这不是巧合

一个容易被忽略的细节：2023至2025年，燧原AI加速卡及模组收入80%以上是推理产品。DSA架构在计算精度要求高、过程更复杂的AI训练任务上，表现不如通用GPU，所以这类公司往往先在推理侧站稳。

理解这一点，对做技术选型很关键。

对开发者和从业者的实际影响

如果你在做模型部署、推理服务或者算力选型，下面几条是能直接用的：

1. 迁移成本要提前算，不要等上线才发现。
从CUDA迁到国产DSA平台，工作量取决于模型类型、业务场景和现有工具链。先确认三件事：目标平台对PyTorch的适配程度、你用的算子（尤其是自定义算子）有没有覆盖、推理框架有没有对应的后端支持。算子没覆盖，往往就是最大的坑。

2. 别只看纸面算力。
TFLOPS是理论峰值，实际吞吐还受显存带宽、互联带宽和软件栈成熟度影响。评估时一定要用真实模型跑端到端延迟和吞吐。下面这段基准测试代码可以直接拿来用：

importtimeimporttorchdefbench_latency(model,x,warmup=5,iters=20):model.eval()dev=x.devicewithtorch.no_grad():for_inrange(warmup):# 预热，避免首次编译/加载影响结果model(x)ifdev.type=="cuda":torch.cuda.synchronize()t0=time.perf_counter()for_inrange(iters):model(x)ifdev.type=="cuda":torch.cuda.synchronize()# 等待异步算子真正执行完return(time.perf_counter()-t0)/iters ``` 注意：不同厂商加速卡的适配层命名和同步接口不一样，具体以官方文档为准，别把上面的 `cuda` 同步接口直接套到别的设备上。**3.推理优先看性价比，训练优先看生态和精度。**如果业务以推理为主、对成本敏感、模型相对固定，专用架构的性价比优势明显；如果训练任务多、模型结构变化频繁，通用GPU的生态成熟度仍然更省心。**4.关注"算力绑定"这条趋势线。**据报道，2026年9月DeepSeek计划采购16万颗华为昇腾950DT芯片并共建数据中心；京东云计划采购摩尔线程GPU构建十万卡国产算力集群；也有报道称字节跳动此前向寒武纪预购超20万片芯片。大模型厂商在用长期采购锁定供应链，这意味着国产算力的软件栈会随着真实业务场景快速迭代——对开发者来说，这是好事。## 写在最后四小龙上市只是一个节点。对一线开发者来说，国产算力真正能用起来的那天，不是市值高低决定的，而是算子覆盖率、迁移成本和工具链文档质量决定的。硬件参数可以追，生态是靠一个个项目磨出来的。 你所在的项目有没有评估过国产算力？迁移过程中踩过哪些坑？评论区聊聊。