Case 04/产业研究 · 商业分析/2026.10

把一颗芯片的账
算清楚

在一个所有人都在讲「能效翻十倍」的赛道里,我做的事是反过来问: 这颗芯片省下的钱,最后落在谁的报表上? 这份材料把一份写满技术参数的商业计划书,重做成一条能被尽调拆开验算的商业逻辑。

研究对象
须弥芥子 MaaC 架构
模型专用推理芯片
我的角色
独立完成
研究 · 建模 · 材料重构
产出
21 页研究报告
32 页路演材料
方法
技术路线 → 成本结构
→ 单位经济 → 竞争 → 估值
11,664亿元
2030E 中国 AI 推理芯片 TAM
CAGR 39.1%
30亿元
五年内真正可服务的 SOM
TAM 的 0.26%
47元
每百万 Token 的结构性差价
同等延迟 SLA 下
2.8–3.7亿
投前估值建议区间
按「未流片」定价
01 — 起点

先把这份 BP 的问题
说清楚

原始材料的第五年收入是 50 亿、0.5% 市场份额。这个数字等于用五年走完寒武纪十年的路。 我的第一项工作不是加内容,是把不能成立的部分标出来——因为投资人问的第一个问题,一定是最脆的那一块。

01
财务失真
第五年 50 亿收入、0.5% 份额,无单位经济支撑
重建为 12 亿、0.1% 份额,每一层假设可被拆开验算
02
口径混乱
峰值 TOPS 与 tokens/W 不在同一基准上并列
按同一工作负载重算,对外只保留可复核口径
03
证据等级缺失
厂商口径、仿真值、实测值统一写成「实测」
分级标注:实测/第三方/厂商口径/架构推算
04
定价矛盾
叙事讲「中国唯一」,估值按已流片项目讲
按「未流片、无付费客户」定价,取可比区间中位偏下
05
模式模糊
收入模型只有「卖芯片」一条线
拆成 NRE → 供货 → 分成,三段接力对应三个年份
02 — 产业链

钱不在设计里
在中游被卡住

把 AI 芯片拆成上中下三段之后,会发现一件很反直觉的事:设计和需求两侧都很拥挤, 真正稀缺的是中间那一段——光刻、存储带宽、先进封装。这三个卡口决定了中国任何一家 AI 芯片公司能做什么、不能做什么。

上游 · 工具与设备

  • EDA 工具新思、楷登、西门子合计约七成份额;国产仅覆盖成熟节点
  • 指令集与 IPARM 授权受限;RISC-V 可自研,但生态尚薄
  • 半导体设备EUV 由 ASML 独家供应;国产停留在 DUV 多重曝光
  • 材料与零部件光刻胶、大硅片国产化率仍低,交期长

中游 · 制造与封装

  • 芯片设计英伟达占 AI 加速器收入约八成;国产份额快速上升
  • 晶圆代工5nm 以下仅台积电、三星;中芯 N+2 月产能不足 4 万片
  • HBM 存储海力士、三星、美光垄断;长鑫可用产能约 5,000 片/月
  • 先进封装CoWoS 由台积电主导;国内 2.5D/3D 国产化率不足 10%

下游 · 需求与交付

  • 云厂商自研 ASIC 比例上升,采购标准是每 Token 成本
  • 模型厂商毛利被价格战压平,最愿意为结构性降本付费
  • 行业客户政务、金融、能源;模型版本按年冻结,数据不出域
  • 集成商一体机与私有化交付,单价高、决策链短
EUV 光刻制程上限
HBM 存储带宽与容量
CoWoS 封装封装产能

三个卡口全在中游。这也解释了 MaaC 这条路线为什么在中国值得看: 把模型权重固化进金属层,权重不再需要被搬运,于是既不需要 HBM,也不需要把逻辑与存储堆在一起的先进封装—— 一次绕开两个卡口。这不是性能叙事,是供应链叙事,也是我最终把它作为投资标的而不是技术展示的原因。

03 — 市场

万亿是背景板
30 亿才是能收的钱

大多数早期材料会把 TAM 写成一个很大的数然后停下。真正决定估值的不是 TAM,是最后一层—— 五年内这家公司真正能触达、能交付、能收钱的那部分。三层口径必须逐层给出假设,否则后面所有数字都是浮的。

TAM
11,664亿元中国 AI 推理芯片 · 2030E · CAGR 39.1%
SAM
≈1,000亿元模型冻结型推理芯片 · TAM 的 8%–10%
SOM
≈30亿元五年内可服务市场 · SAM 的 3%
芯片口径11,664 亿元为 AI 推理芯片销售额,不含服务器整机与云服务收入。
时间口径2024 为历史值,2030 为预测值;两者相除不等于已实现增速。
SAM 假设8%–10% 取自「模型版本冻结 ≥ 12 个月」的场景占比,属研究判断而非统计数据。
SOM 假设SAM 的 3%,只计云端旗舰与边缘高价值场景,不含通用公有云 API 池。
04 — 单位经济

把账算到
客户 CFO 能签字

技术成立不等于生意成立。客户的账本只有两行:每百万 Token 花多少钱,多久回本。 这一页把两行都算到底,并且给出一个反向条件——什么情况下这笔账算不过来。

47元/百万 Token

同等延迟 SLA 下的结构性差价,不是商务折扣。差价来自权重不再从 HBM 搬运,属于架构红利。

1年回本

按 8B 稠密模型、batch 受 SLA 压制在 4–8、电价 0.6 元/度、PUE 1.3 测算。

2年 · 压力情景

调用量只有预期一半时,回本从 1 年拉到 2 年,仍在客户 3 年折旧期内——这是敢让客户先付费做 POC 的底气。

测算假设 · 每一条都可以被尽调复核

  1. 8B 稠密模型,batch 受延迟 SLA 压制在 4–8,不用大 batch 摊薄成本
  2. 电费 0.6 元/度、PUE 1.3,不含机房租金与人力
  3. 折旧年限:GPU 3 年、MaaC 5 年,差异计入每 Token 成本
  4. 两方案单机吞吐按同一延迟口径折算,不比较峰值算力
  5. 售价与 NRE 为示例值,非报价;结论对参数敏感度已做单因素检验
05 — 估值

六个可比交易
只给了一个打折的锚

海外同路线的公司已经拿到很高的定价,但它们的价格里包含「已流片」「已签约」「已被产业方收编」这三件事。 这个项目一件都还没有,所以可比交易只能给锚,不能直接套用。

可比标的路线定价参考可迁移程度
Taalas 权重全量固化(HC1,N6,815mm²) 已被产业方收编 验证了可行性;但换模型需重流 2 层金属、约 2 个月
Etched Transformer 计算图固化(Sohu) 签约约 10 亿美元 证明了需求存在;架构换代即失效,是这条路线的共同软肋
Groq LPU,确定性调度 已量产交付 有量产能力,但不是固化路线,成本结构不可比
Cerebras 晶圆级集成 大额订单在手 走的是「更大 die」方向,与本项目相反
原粒半导体 国内 AI 芯片,Pre-A 超 5 亿元 国内同阶段最直接的对标,已具备样片
算苗科技 国内 AI 芯片,已流片 约 120 亿元 流片后的估值锚,不能用于流片前定价
投前估值
2.8–3.7亿元

国内同阶段区间为 3–8 亿,取中位偏下:未流片、无付费客户的项目不该拿已流片项目的价。

融资方案
5,000万元 / 12–15%

12 个月运营 + 三项可验收交付物,对应投后 3.3–4.2 亿。

交割结构
40 / 30 / 30

架构冻结 40%、工具链 MVP 30%、第三方仿真报告 30%。本质是把这一轮做成一次付费的技术验证。

06 — 交付

最后交出去的
是两样东西

研究报告给的是判断,路演材料给的是推进节奏。两者共用一套数字,任何一页被追问,都能落回同一张假设表。

Research · 21 页

产业链与商业逻辑研究报告

  • 推理侧供需结构翻转:2026 年推理占 AI 算力约 2/3,中国日均 Token 调用 140 万亿
  • 五条技术路线对比:MaaC 只在「版本冻结 + 调用集中」一个格子里最优
  • 海外验证与共同瓶颈:Taalas 与 Etched 都停在「换模型太贵」
  • 客户资格四条件与反向排除清单
  • 三段收入结构与客户回本模型
  • 六个风险与对应止损线
Deck · 32 页

32

  • 行业与时机 9 页 · MaaC 路线 4 页 · 方案 5 页
  • 商业模式 6 页 · 团队与执行 6 页
  • 附 12 条术语对照卡,供非技术听众当场查阅