投出愛芯、壁仞的耀途資本：中國AI芯片的勝算

2026 年 2 月 10 日，邊緣側/端側AI推理芯片公司愛芯元智正式在港交所掛牌上市，成為中國邊緣AI芯片第一股;。

耀途資本創始人楊光說了一句：信念會得到回報。;這句克制的表達，濃縮了一場長達五年的堅守。

就在1個月前，耀途投資的另一家GPU巨頭壁仞科技也成功敲鐘。這一連串的豐收;，不僅是資本的回報，更是中國 AI 芯片產業一次次關鍵探索，從云端算力到端側算力的接力崛起。

時間回到 2020 年，因芯片產能黑天鵝事件，意外重塑了國內中高端 AI 視覺處理市場格局，帶來短暫窗口期。那一時期，行業黑馬競相涌現。正是在這個關鍵節點，楊光在上海展想中心見到了愛芯元智的創始人仇肖莘，這位曾任紫光展銳 CTO、擁有深厚技術底蘊的女性掌舵人。

盡管耀途團隊對仇肖莘及團隊的技術實力深信不疑，但內部討論時也曾探討：等愛芯的芯片跑通，視覺處理的短暫市場窗口期還在嗎？;而出于對終端智能化長期趨勢的看好，以及中國完善的工業制造和AI硬件產業鏈的信任，最終，耀途資本選擇了連續兩輪押注。

后來的事實證明，這筆押注沒有錯。愛芯元智不僅穩穩拿下了視覺終端計算市場份額，更敏銳地意識到，存量市場不是終點。

他們順著 AI-ISP 、混合精度 NPU、Pulsar工具鏈 的技術長板，2021年迅速切入智能汽車賽道，拿下了多個車廠定點訂單，四年累計裝車量近百萬顆。按2024年出貨量計，愛芯已成為中國第二大國產智能駕駛SoC供應商。

這期間，愛芯還引入了韋豪創芯、美團、騰訊、寧波和重慶的政府投資平臺作為戰略投資人，獲得了足夠的資金投入高端智駕芯片研發。2026 年 Q2，愛芯元智將發布支持城市 NOA 的重磅芯片，標志著其將沖刺 L2+ 高階智駕市場。

從 2019 年創立到 2026 年上市，愛芯元智做對了三件事：組建AI算法和芯片融合的團隊、提前押注智能汽車市場、通過產業協同獲得豐富資金。

在愛芯元智上市前夕，我們與楊光進行了這次對話，聊了邊緣 AI 芯片的投資邏輯、AI 時代對芯片公司的新要求、中美芯片競爭的差異化路徑，以及開源模型如何重塑產業格局。

核心觀點：

1. 云端先行，端側隨后;。云端美國領先，中國在追趕。邊緣側市場，中國擁有應用場景豐富、供應鏈完備和客戶多元化三重優勢，更有機會誕生世界級企業。
2. 端側芯片的護城河在生態，不在性能。云端芯片市場用戶與供應商集中度高，端側市場極度分散。芯片公司必須借助方案商切入碎片化場景，一旦芯片+方案商+應用; 生態構建完成，后來者很難撼動。
3. 軟件能力是AI芯片公司的生死線。現在很多AI芯片公司都是一半以上員工是軟件工程師。創始團隊必須有人真懂AI算法，能緊跟技術前沿，最理想的是半導體+AI背景互補。
4. 中國端側AI芯片的勝算，離應用更近；不拼通用算力，要在垂直且具規模的場景扎根。應用高地在中國，自動駕駛、消費電子等場景的迭代速度遠超海外，會不斷催生新的芯片需求。
5. 開源模型打開了國產AI芯片的生存空間。開源極大降低了適配門檻，讓芯片公司能更快實現場景落地。從芯片到模型都由國內企業自主研發，形成主權AI;閉環，國產芯片足夠勝任推理場景需求。
6. 2025年是GPU大年，未來是網絡互聯、通信芯片大年。網絡數據傳輸、硅光和各類光電互聯芯片公司會陸續登陸資本市場，將出現多家市值超100億美元的公司。

創投家：耀途資本從 2017 年就開始投資邊緣側 AI 芯片，當時的投資邏輯是什么？

楊光：我們是最早投資邊緣側 AI 芯片的機構之一。2017 年那會兒還沒有 ChatGPT，大家押注的是硬件智能化。

當時的判斷是消費電子、汽車這些領域的硬件都在智能化，中國又有很強的硬件制造基礎。如果中國公司做端側 AI 芯片，供應給國內硬件廠商，這些廠商未來成為全球化公司，芯片也就跟著出海了，這個邏輯的想象空間很大。

一邊是端側設備全面智能化，一邊是中國硬件廠商在全球市場份額持續提升。這種技術壁壘高、增速快、有技術創新的賽道，正是我們這類 VC 最看重的。

創投家：能否分享一下愛芯最初的決策過程，以及公司后來的哪些關鍵發展，印證了您最初的判斷？

楊光：2020 年，因芯片產能黑天鵝事件，意外改寫了國內中高端 AI 視覺處理市場格局。經產業方朋友介紹，我們認識了愛芯的仇老師。

我們和仇老師是一見如故。她曾任博通VP、紫光展銳CTO，而我們此前海內外也布局了很多芯片項目，當時聊了很多技術層面，也聊到很多共友，她展現出很強的技術認知、戰略眼光和前瞻性。

在隨后的團隊盡調中，她的團隊管理能力也不容置疑，整合了一批大牛。我們見了算法、芯片設計團隊核心成員，團隊氛圍很踏實，不僅技術很扎實，而且內部凝聚力很強，信息透明度很高，創業方向、技術路徑等都對齊得很好。

這種高度人事匹配的團隊，讓我們很快做出了投資決定，2020年參與愛芯A輪，并在2021年追投了A++輪。投資后，愛芯的發展印證了我們的判斷。仇老師展現了強大的領導力、執行力和資源整合能力。

愛芯在2021年切入了輔助駕駛芯片賽道，進展迅猛。首款車載芯片于2023年6月已經量產上車，2025年底累計裝車量近百萬顆。

智能汽車市場主要看兩塊：一塊是法規驅動的AEB市場，M55H芯片在2024年出貨量已經是國內第二，新一代M57也已經面向全球發布，目標就是沖進第一梯隊；另一塊是高階智駕，如城市NOA，愛芯也計劃2026年Q2發布高算力高階智駕芯片。

另一方面，公司也緊密和產業方如韋豪創芯、美團、騰訊、，以及寧波、重慶的政府投資平臺深入合作，獲得了可觀的資金注入，讓公司有足夠資源投入高端智駕芯片的研發。

創投家：ChatGPT 和生成式 AI 出現后，市場產生了哪些變化？

楊光：ChatGPT 的誕生讓行業意識到，所有硬件產品都值得用 AI 重新構建。

當前，汽車、機器人、無人機及 3D 打印機等設備的硬件邏輯都在被 AI 重新定義，這必將催生出大量的半導體機會。

如果沒有AI，半導體過去的創新更多集中在提升某些具體功能，比如影像、無線充電等。這些都是在優化現有設備的特點，但AI完全不同，它徹底改變了手機、PC乃至各類AI硬件的用戶體驗，創造了許多全新功能。

如今，能夠提升生產力的AI算法及其承載芯片，賦予半導體更大的價值，從單純實現功能，到提升人類效率甚至替代部分人類工作，這完全打開了市場的天花板。

邊緣AI的核心價值在于滿足低延遲、強隱私與高能效的真實場景需求。特別是自動駕駛和機器人等對延遲極度敏感的領域，由于無法完全依賴云端，本地化運行已成為必然。同時，隨著用戶隱私意識的提升，手機和 PC 的本地化處理也將成為常態，這進一步倒逼邊緣側芯片提升傳輸速度、算力和帶寬等性能指標。

這些趨勢共同指向一個明確的訴求：端側設備需要性能更強勁的 AI 芯片。

我們在端側算力芯片投了多家企業，面向不同的應用場景。比如愛芯元智，從視覺處理，延伸至如今智能汽車、端側AI推理高端芯片市場；進迭時空，RISC-V CPU AI芯片，也可以應用于機器人、智能終端。

我們天使輪投資的光羽芯辰，其解決方案是將DRAM內存以3D堆疊方式集成在AI 芯片之上，從而大幅縮短數據傳輸距離，顯著提升內存帶寬。這種新技術非常契合手機、PC、機器人等對大算力、大帶寬有高度依賴的邊緣計算場景。

以前，市場的目光大多集中在數據中心 GPU 的增長上。現在的數據中心多為大規模集群，動輒達到 10 萬卡甚至 20 萬卡的規模，其中涉及大量的互聯需求。這也解釋了光模塊近期表現優異的原因，因為其核心價值就在于解決大規模數據傳輸問題。

我認為2025年是 GPU 的大年;，但未來幾年，網絡數據傳輸、硅光和各類光電互聯芯片企業將陸續登陸資本市場，且很有可能多家公司市值超過 100 億美元。作為 AI 底層的基礎設施層，我們會持續在該領域進行深耕與布局。

創投家：也就是說，芯片的功能是在隨著需求的變化而不斷演進的？

楊光：沒錯，需求一直處于動態演變的過程中。

以英偉達在汽車領域的芯片歷程為例：早期的算法主要基于規則（Rule-based），模型規模小，對算力的要求相對較低。后來發展到端到端算法（End-to-End），系統開始模擬人類駕駛員的行為，算力需求隨之大幅提升。

而現在，我們進入了VLA（視覺語言動作模型）階段。在自動駕駛過程中，系統需要具備思維鏈（Chain of Thought）能力，能夠像人一樣對交通標識、行人意圖，甚至是鬼探頭;等復雜突發場景進行邏輯判斷和預判。引入思維鏈意味著需要更大規模的模型來承載，對芯片算力的要求自然水漲船高，目前自動駕駛高端芯片算力已跨越 1000T 門檻。

可以說，AI 模型的持續演進不斷定義著 AI 芯片的新需求，其中時刻孕育著技術創新的機會。

機器人領域同樣如此。目前機器人的應用場景比自動駕駛更處于早期階段，對于具體需要多大算力、允許多少延時等，行業內還沒有明確的界定和統一標準。

因此，從芯片設計的角度來看，未來充滿了變數與挑戰，非常值得期待。

創投家：你們如何看待云端和端側AI 芯片的發展節奏？

楊光：我們認為整體節奏是云端先行，端側隨后;。

在云端領域，目前美國確實處于領先地位，中國則處于全力追趕的狀態。但在端側 AI 領域，情況大不相同。由于全球絕大部分的應用場景、完善的供應鏈以及核心下游客戶都集中在中國，可以說中國企業是覆蓋全球的。

基于這種生態優勢，端側市場留給中國公司的機會肯定更多。在這一賽道上，完全有潛力誕生出世界級的領軍企業。

AI時代的芯片公司

創投家：在AI 變革之下，芯片公司面臨哪些新的挑戰？

楊光：當下芯片公司面臨的最大挑戰，在于是否具備強大的軟件實力。

現在的 AI 芯片公司，軟件開發人員往往占了一大半，真正負責芯片設計的反而不到一半。邏輯很簡單，如果軟件算法支持不到位，芯片在客戶那里就根本用不起來。沒有頂尖的軟件算法團隊，你甚至無法洞察客戶的真實需求。

同時，創始團隊必須時刻緊跟算法前沿。從硬件架構的角度，要思考如何更高效地支持云端大模型，或者邊緣側的蒸餾模型。比如愛芯元智自研的混合精度 NPU，就是從算法需求出發，倒推芯片應具備的功能特性；再比如 DeepSeek 普及了INT8 之后，所有做 GPU 或 DSA 架構的廠商都要考慮如何實現原生支持。

這些競爭，本質上都是算法和軟件層面的博弈。

創投家：除了軟件能力，AI 芯片公司還需要具備什么核心競爭力？

楊光：至關重要的一點，是生態系統的構建能力。

傳統的功能性半導體芯片往往是性能為王;，只要指標好就不愁賣。但 AI 芯片不同，它需要極其龐大的生態支撐。以端側 AI 芯片為例，像瑞芯微這樣的企業，其核心優勢在于擁有海量的生態合作伙伴，也就是方案商（ISV）。這些方案商利用芯片開發出五花八門的成熟方案推向客戶，有的專注掃地機器人，有的做智能音箱，有的做倉儲物流機器人或無人物流車。

回顧歷史，英特爾通過 x86 聯盟、英偉達通過 CUDA 都是在走這條路。一旦這種芯片+方案商+應用;的生態構建完成，就會形成極高的護城河。

在云端，你可能只需要服務好幾家大客戶；但端側市場極其碎片化，應用場景千差萬別。對于一家芯片原廠來說，逐一攻克這些場景效率極低，必須借助成百上千的方案商。

舉個例子，一家創業公司想做一個陪伴機器人;，在規劃項目時，它首先想的是哪里有成熟方案。如果它發現華強北的方案商已經把某款芯片配好了現成的算法和參考設計，它就能迅速出貨。當這種便利性成為行業共識時，后來的競爭對手就很難撼動你的地位了。

創投家：投資AI芯片公司迭代了哪些新的標準？

楊光：現在的核心標準是：創始人或創始團隊必須有人真懂 AI、真懂算法。

在傳統的芯片設計時代，只要瞄準特定的制程工藝，維護好供應鏈，定義好功耗等核心性能指標，按部就班地推進即可。那時候，市場可能兩三年才發生一次大的更迭。

但現在的 AI 市場，可能每三個月就會發生一次劇變。如果還停留在以前的舊思維，只是一味地追求算力加速，那可能會發現現在的視頻算法、大模型算法早已不是當初定義的模樣。

所以，創始團隊必須具備敏銳的技術前瞻性。在 AI 這條賽道上，如果僅僅按眼前的需求去定義產品，等芯片兩三年后研發出來，市場可能已經不需要了。

因此，我們特別看重創始人對 AI 的深度認知以及對市場變化的敏銳度。當然，我們并不要求創始人是全才;，既精通半導體又精通 AI。

最理想的架構是創始團隊的背景互補：有人深耕半導體，有人精通 AI 算法，甚至還有系統級的人才，這樣的黃金組合;才是我們最看重的。

中國AI芯片的勝算

創投家：目前美國的芯片仍處于領先地位。如果中國芯片要參與全球化競爭，您認為我們該如何探尋差異化的發展路徑？

楊光：在云端領域，美國確實處于領先地位，但這種領先并非全方位的。

客觀來看，英偉達等巨頭是站在全球協作的肩膀上，利用臺積電最先進的 3nm 工藝生產芯片。而中國芯片的設計能力其實并不落后太多，我們有能力設計出 7nm 甚至更先進制程的芯片，真正的瓶頸在于底層的生產制造環節。

因此，從長遠來看，建立一套自主可控、不依賴外部的國產供應鏈是我們的必修課。

但在端側 AI 領域，中美的差距并不明顯。長期來看，我們更看好中國市場。原因在于，下游的應用高地在中國。以汽車為例，中國自動駕駛對新技術、產品的采納率和迭代速度遠超海外，這種激烈的實戰環境會不斷倒逼出更多超前的芯片需求。

創投家：為什么您認為端側AI 芯片是應用定義;的芯片？

楊光：因為未來的端側 AI 芯片，其生命力直接取決于對場景的理解。

應用的快速迭代會催生出非常具體的芯片需求。一旦中國公司深耕這些垂直領域，在應用層建立起領先優勢，海外對手就很難追趕。目前在自動駕駛、機器人及各類 AI 硬件方向，海外除了特斯拉，強大的全球性玩家數量和行業內卷比不上中國。再多迭代幾代產品后，中國企業競爭力會更強。

我們的投資判斷非常明確：端側AI芯片必須離應用更近。

以大疆為例，這是一家我們非常尊敬的公司，它最強大的核心技術之一就是自研的圖傳芯片。大疆的無人機即便飛出數公里，圖像依然能以極低延遲傳輸，這種極致體驗在全球范圍內幾乎沒有對手。

即便海外半導體公司愿意投入三四年時間研發，他們也找不到像大疆這樣體量的廠商去深度磨合、定制私有協議。這種需求在海外幾乎是真空的，因為相關的無人機廠商早已被大疆拉開了代差。

大疆最初也嘗試過第三方方案，效果也不錯，但在追求極致性能的過程中，最終選擇了自研。如今，他們擁有了世界一流的遠距離圖傳芯片。

未來，中國會涌現出更多類似的公司，在某個細分功能或 AI 特定領域做到極致。

創投家：所以中國AI 芯片的勝算在于垂直領域？

楊光：沒錯，垂直且具規模的場景。

如果一個場景的芯片需求量只有一萬顆，那投入產出比肯定不劃算。但只要這個垂直賽道的規模足夠龐大，我相信中國獨特的應用生態一定會催生出一批非常有意思的芯片公司。

開源救;了中國AI及芯片？

創投家：中國和美國AI產業會怎么發展，開源會成為中國AI實現彎道超車;的關鍵支點嗎？

楊光：全球AI 產業未來競爭焦點，就在于中美兩國之間。而中國正走出一條以開源普惠; 為核心的差異化發展道路。

與美國全力追求SOTA（目前最高水平的）的閉源路徑不同，中國的策略更務實：通過DeepSeek、通義千問、Kimi等開源模型，以更低成本提供高性能AI能力。它系統性激活了中國自主的AI產業閉環——從底層國產算力、中層模型到上層應用。

開源模式帶來了深遠的商業變革，核心在于重構了利潤分配，將利潤從封閉的模型層釋放給了廣大的應用開發者和終端用戶，真正推動了普惠AI;。

可以說，美國在向塔尖攀登，而中國在推動技術普及。從長遠看，兩條路徑或許最終都能通向AGI，中國選擇了一條更巧妙、更注重可行性的道路。我相信只要持續投入，我們同樣能夠到達目標。

創投家：開源與閉源的模式差異，對國產芯片產業會產生怎樣的影響？

楊光：我個人認為，模型開源對國產芯片而言是極大的助力。

DeepSeek、通義千問等優秀模型的開源，極大地開拓了應用場景，使大模型能迅速且低成本的在云端，包括私有云和本地部署等場景中落地。在此之前，大模型基本部署在云端，許多國央企或對數據安全敏感的機構，很難真正運用生成式 AI 來提升效率。

現在情況變了。比如 DeepSeek 走紅后，國內迅速出現了DeepSeek 一體機;，本質上它就是一臺預裝了開源模型的 AI 芯片服務器。客戶購買配置了壁仞科技、瀚博半導體、昆侖芯等AI芯片的服務器后，可以直接本地部署大模型。

這種模式從底層催生了大量的私有化部署需求，也是一個非常重要的市場變量。

創投家：開源模型對AI 芯片公司的技術支持有什么影響？

楊光：從兼容和支持的角度來看，開源讓事情變得簡單了。

以往的閉源模型大多基于英偉達生態開發，公開信息有限，國產芯片想要適配并提供良好支持，軟件工作量極大。但開源模型不同，其結構透明，芯片公司能迅速實現硬件級的優化與兼容。

目前國內表現出色的開源模型相對集中，主要是 DeepSeek、通義千問、Kimi 等這幾家。放眼全球，Meta 開源模型 Llama 早已被中國開源模型超越。對于中國的 AI 芯片公司來說，只要集中精力適配好這幾個主流模型，就能覆蓋絕大多數客戶場景。

中國客戶天然更傾向于開源生態，這大幅提升了國產芯片被市場采用的概率。

創投家：所以開源模型實際上打通了從芯片到應用的整個鏈條？

楊光：沒錯。這背后邏輯非常清晰：開源驅動了模型的本地化部署，而本地化對數據傳輸和本地處理能力提出了新要求。

這種趨勢促使軟硬件結合更加緊密，特別是在特定行業場景中，國產芯片完全可以勝任并發揮出本土優勢。這就是我們所說的主權 AI;，從底層芯片到中間層模型，再到上層應用，全部由國內企業自主定義和研發。

開源模型的突破，極大地降低了 AI 芯片在算法和軟件兼容方面的壁壘，形成了一個完整的生態閉環。（作者｜郭虹妘，編輯｜陶天宇）