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(chuàng)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(yè)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(yè)黑馬競相涌現(xiàn)。正是在這個關鍵節(jié)點，楊光在上海展想中心見到了愛芯元智的創(chuàng)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(yè)制造和AI硬件產業(yè)鏈的信任，最終，耀途資本選擇了連續(xù)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(wěn)穩(wěn)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(chuàng)芯、美團、騰訊、寧波和重慶的政府投資平臺作為戰(zhàn)略投資人，獲得了足夠的資金投入高端智駕芯片研發(fā)。2026 年 Q2，愛芯元智將發(fā)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(chuàng)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(yè)協(xié)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(yè)格局。
核心觀點：
- “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(yōu)勢，更有機會誕生世界級企業(yè)。
- 端側芯片的護城河在生態(tài)，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(tài)構建完成，后來者很難撼動。
- 軟件能力是AI芯片公司的生死線?，F(xiàn)在很多AI芯片公司都是一半以上員工是軟件工程師。創(chuàng)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。
- 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(guī)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。
- 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(xiàn)場景落地。從芯片到模型都由國內企業(yè)自主研發(fā)，形成“主權AI”閉環(huán)，國產芯片足夠勝任推理場景需求。
- 2025年是GPU大年，未來是網(wǎng)絡互聯(lián)、通信芯片大年。網(wǎng)絡數(shù)據(jù)傳輸、硅光和各類光電互聯(lián)芯片公司會陸續(xù)登陸資本市場，將出現(xiàn)多家市值超100億美元的公司。
以下為創(chuàng)投家與楊光的對話全文，略有刪減：
為什么押注邊緣側？
創(chuàng)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(xù)提升。這種技術壁壘高、增速快、有技術創(chuàng)新的賽道，正是我們這類 VC 最看重的。
創(chuàng)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(fā)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(jīng)產業(yè)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(xiàn)出很強的技術認知、戰(zhàn)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(chuàng)業(yè)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(fā)展印證了我們的判斷。仇老師展現(xiàn)了強大的領導力、執(zhí)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(jīng)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(guī)驅動的AEB市場，M55H芯片在2024年出貨量已經(jīng)是國內第二，新一代M57也已經(jīng)面向全球發(fā)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(fā)布高算力高階智駕芯片。
另一方面，公司也緊密和產業(yè)方如韋豪創(chuàng)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(fā)。
創(chuàng)投家：ChatGPT 和生成式 AI 出現(xiàn)后，市場產生了哪些變化？
楊光：ChatGPT 的誕生讓行業(yè)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(chuàng)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(yōu)化現(xiàn)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(chuàng)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(xiàn)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(tài)，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(yè)，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(shù)據(jù)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(shù)據(jù)中心 GPU 的增長上?，F(xiàn)在的數(shù)據(jù)中心多為大規(guī)模集群，動輒達到 10 萬卡甚至 20 萬卡的規(guī)模，其中涉及大量的互聯(lián)需求。這也解釋了光模塊近期表現(xiàn)優(yōu)異的原因，因為其核心價值就在于解決大規(guī)模數(shù)據(jù)傳輸問題。
我認為2025年是 GPU 的“大年”，但未來幾年，網(wǎng)絡數(shù)據(jù)傳輸、硅光和各類光電互聯(lián)芯片企業(yè)將陸續(xù)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(xù)在該領域進行深耕與布局。
創(chuàng)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(tài)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(guī)則（Rule-based），模型規(guī)模小，對算力的要求相對較低。后來發(fā)展到端到端算法（End-to-End），系統(tǒng)開始模擬人類駕駛員的行為，算力需求隨之大幅提升。
而現(xiàn)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(tǒng)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(fā)場景進行邏輯判斷和預判。引入思維鏈意味著需要更大規(guī)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(xù)演進不斷定義著 AI 芯片的新需求，其中時刻孕育著技術創(chuàng)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(yè)內還沒有明確的界定和統(tǒng)一標準。
因此，從芯片設計的角度來看，未來充滿了變數(shù)與挑戰(zhàn)，非常值得期待。
創(chuàng)投家：你們如何看待云端和端側AI 芯片的發(fā)展節(jié)奏？
楊光：我們認為整體節(jié)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(tài)。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(yè)是覆蓋全球的。
基于這種生態(tài)優(yōu)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(yè)。
AI時代的芯片公司
創(chuàng)投家：在AI 變革之下，芯片公司面臨哪些新的挑戰(zhàn)？
楊光：當下芯片公司面臨的最大挑戰(zhàn)，在于是否具備強大的軟件實力。
現(xiàn)在的 AI 芯片公司，軟件開發(fā)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(chuàng)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(fā)，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(xiàn)原生支持。
這些競爭，本質上都是算法和軟件層面的博弈。
創(chuàng)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(tài)系統(tǒng)的構建能力。
傳統(tǒng)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(tài)支撐。以端側 AI 芯片為例，像瑞芯微這樣的企業(yè)，其核心優(yōu)勢在于擁有海量的生態(tài)合作伙伴，也就是方案商（ISV）。這些方案商利用芯片開發(fā)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(lián)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(tài)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(chuàng)業(yè)公司想做一個“陪伴機器人”，在規(guī)劃項目時，它首先想的是哪里有成熟方案。如果它發(fā)現(xiàn)華強北的方案商已經(jīng)把某款芯片配好了現(xiàn)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(yè)共識時，后來的競爭對手就很難撼動你的地位了。
創(chuàng)投家：投資AI芯片公司迭代了哪些新的標準？
楊光：現(xiàn)在的核心標準是：創(chuàng)始人或創(chuàng)始團隊必須有人真懂 AI、真懂算法。
在傳統(tǒng)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(fā)生一次大的更迭。
但現(xiàn)在的 AI 市場，可能每三個月就會發(fā)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(fā)現(xiàn)現(xiàn)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(chuàng)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(fā)出來，市場可能已經(jīng)不需要了。
因此，我們特別看重創(chuàng)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(chuàng)始人是“全才”，既精通半導體又精通 AI。
最理想的架構是創(chuàng)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(tǒng)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(chuàng)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(fā)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(xié)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(huán)節(jié)。
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(zhàn)環(huán)境會不斷倒逼出更多超前的芯片需求。
創(chuàng)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(yōu)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(shù)量和行業(yè)內卷比不上中國。再多迭代幾代產品后，中國企業(yè)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(shù)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(fā)，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(xié)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(xiàn)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(chuàng)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(guī)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(guī)模足夠龐大，我相信中國獨特的應用生態(tài)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(chuàng)投家：中國和美國AI產業(yè)會怎么發(fā)展，開源會成為中國AI實現(xiàn)“彎道超車”的關鍵支點嗎？
楊光：全球AI 產業(yè)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(fā)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(tǒng)性激活了中國自主的AI產業(yè)閉環(huán)——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(yè)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(fā)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(xù)投入，我們同樣能夠到達目標。
創(chuàng)投家：開源與閉源的模式差異，對國產芯片產業(yè)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(yōu)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(shù)據(jù)安全敏感的機構，很難真正運用生成式 AI 來提升效率。
現(xiàn)在情況變了。比如 DeepSeek 走紅后，國內迅速出現(xiàn)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?？蛻糍徺I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(chuàng)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(tài)開發(fā)，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(xiàn)硬件級的優(yōu)化與兼容。
目前國內表現(xiàn)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(shù)客戶場景。
中國客戶天然更傾向于開源生態(tài)，這大幅提升了國產芯片被市場采用的概率。
創(chuàng)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(shù)據(jù)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(yè)場景中，國產芯片完全可以勝任并發(fā)揮出本土優(yōu)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(yè)自主定義和研發(fā)。
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(tài)閉環(huán)。（作者｜郭虹妘，編輯｜陶天宇）
轉載請注明出處、作者和
本文鏈接。
聲明：文章內容僅供參考、交流、學習、不構成投資建議。
想和千萬鈦媒體用戶分享你的新奇觀點和發(fā)現(xiàn)，
點擊這里投稿 。創(chuàng)業(yè)或融資尋求報道，
點擊這里。
掃描下載App
快報
根據(jù)《網(wǎng)絡安全法》實名制要求，請綁定手機號后發(fā)表評論