7-1发行人及保荐机构关于审核问询函的回复(中科寒武纪科技股份有限公司)

关于中科寒武纪科技股份有限公司
2025 年度向特定对象发行股票申请文件的
审核问询函的回复
保荐机构（主承销商）
广东省深圳市福田区中心三路 8 号卓越时代广场（二期）北座
二〇二五年七月
上海证券交易所：
贵所于 2025 年 6 月 16 日出具的上证科审（再融资）〔2025〕64 号《关于
中科寒武纪科技股份有限公司向特定对象发行股票申请文件的审核问询函》（以下简称“问询函”）已收悉，中科寒武纪科技股份有限公司（以下简称“寒武纪”、“发行人”、“公司”）、中信证券股份有限公司（以下简称“保荐机构”、“中信证券”）对问询函中的相关问题逐项进行了研究和落实，现对问询函问题回复如下，请予审核。
如无特别说明，本问询函回复报告中的简称或名词的释义与《中科寒武纪科技股份有限公司 2025 年度向特定对象发行 A 股股票募集说明书》中的相同。本回复中所列数据可能因四舍五入原因而与数据直接相加之和存在尾数差异。
本回复报告的字体代表以下含义：
审核问询函所列问题 黑体
对问询函所列问题的回复 宋体

目 录

问题 1 关于本次募投项目 ......3
问题 2 前次募投项目 ......32
问题 3 关于融资规模 ......45
问题 4 关于经营业绩及应收账款 ......63
问题 5 关于预付账款及存货 ......100
问题 6 关于财务性投资 ......114
问题 1 关于本次募投项目
根据申报材料，公司拟向特定对象发行 A 股股票募集资金总额不超过498,000.00 万元，将用于面向大模型的芯片平台项目、面向大模型的软件平台项目和补充流动资金。
请发行人说明：（1）结合大模型技术发展趋势、市场需求、市场竞争格局及公司竞争优劣势、公司经营发展规划、资产负债情况、预计研发目标及同行业公司相关技术研发进展等情况说明公司本次募投项目实施的必要性及紧迫性；（2）面向大模型的软件平台项目与面向大模型的芯片平台项目之间的关系，预计研发的各类芯片的商业化应用前景；本次募投项目较公司现有业务、前次募投项目在运用技术、具体产品以及应用场景等方面的区别和联系，是否涉及新产品、新技术，募集资金是否符合投向主业相关要求；（3）本次募投项目目前研发进展及后续安排、研发难点的攻克情况，并结合公司技术及人员储备、软硬件采购稳定性、客户验证等情况，说明实施本次募投项目的可行性，是否存在重大不确定性。
请保荐机构核查并发表明确意见。
回复：
一、发行人说明
（一）结合大模型技术发展趋势、市场需求、市场竞争格局及公司竞争优劣势、公司经营发展规划、资产负债情况、预计研发目标及同行业公司相关技术研发进展等情况说明公司本次募投项目实施的必要性及紧迫性
1、大模型技术发展推动人工智能应用迈向全新阶段，带动人工智能算力市场需求高速增长，本次募投项目实施是公司紧跟市场及技术发展需求的必要选择
大模型技术的迭代发展，正推动人工智能应用从解决特定领域任务的“工具”，迈向深入理解人类意图并自主执行任务的“全能助手”，以通用 Agent 为典型代表的智能体应用的快速落地，进一步推动了市场对大模型新技术和新应用发展的需求升级，为智能芯片企业带来了广阔的市场机遇。根据 IDC 数据，2024 年中
国人工智能算力市场规模约为 190 亿美元，2025 年将达到 259 亿美元，同比增
在人工智能算力市场高速增长的产业背景下，社会对智能化应用的高涨热情驱动着大模型技术创新，迫切需要智能芯片和软件平台技术的加速升级，智能芯片行业正围绕热点需求方向，积极加快技术革新和产品能力布局。
（1）大模型训练需要更高性能的智能芯片
通用 Agent 应用的快速兴起，需要大模型具备更强的学习和执行能力，持续强化“感知-认知-行动”闭环的准确性和高效性，从而更为智能地识别并响应人类的复杂任务意图，这一目标支撑着大模型训练对高性能算力需求的持续增长。另一方面，已训练好的基础大模型，在垂直领域（如教育、工业与医疗等）的落地应用过程中，需从“通识人才”转变为“领域专家”，因此需采用强化学习技术对大模型进行后训练，注入领域知识，学习领域偏好与安全规范，提升任务泛化能力，实现模型压缩与效率优化，最大化地释放大模型在具体应用场景中的价值。
上述大模型技术发展趋势对训练任务的持续需求，推动着全球智能芯片企业持续对训练场景的智能芯片和软件平台进行技术创新，通过底层硬件+软件系统的协同优化，为大模型训练提供更为多样化的算力软硬件解决方案。我国智能芯片企业在当前国内外集成电路领域日趋严峻的竞争态势下，逐步呈现与国外领先企业的差异化发展路径。在追求单芯片极致性能的传统发展路径外，我国企业着力发展先进封装技术、高效通信技术、互联交换芯片、训练软件平台等多软硬件措施协同的新技术路径，通过先进封装实现计算性能升级，通过高效通信技术和互联交换芯片实现高密度集群系统综合性能提升，通过研发训练软件平台实现软硬件协同的系统性能增强，逐步缩短在智能算力软硬件系统层面与国外领先企业的差距，支撑大模型复杂训练任务的要求。
（2）大模型的多模态处理能力需要更为专业的智能芯片
大模型的多模态处理能力，是机器实现“感知-认知-行动”闭环的关键所在，持续加强大模型对多模态数据任务的处理能力，是大模型技术创新的重要发展趋势之一。早期大模型只能处理某一特定类型数据的单模态任务（如：文本数据处
理），随着大模型数据处理能力的增强，大模型逐步具备可同时处理多模态任务的能力（如：文本+图像+音视频等数据处理）。未来，结合视频实验演示、原理讲解文本的个性化跨媒体教学，结合视频、声音的多传感协同的工业检测，结合医学影像、病例文本的综合智能诊断等跨模态大模型支撑的应用将快速发展，在教育、工业、医疗等垂直行业引发链式变革，加速通用人工智能时代的到来。
大模型的多模态处理能力，对智能芯片的能力特性带来差异化的设计需求和挑战，例如：多模态的数据处理对智能芯片的内存带宽和数据处理的实时性有更高要求，视频数据通常以较高帧率持续生成，每帧数据量较大，而文本数据可能以较为离散但也可能高频的方式产生，这要求智能芯片在内存带宽的设计上需具备同时处理多个通道数据并发写入的能力，避免因数据积压导致数据丢失或写入延迟，影响模型的后续计算。面向多模态处理任务的高效智能芯片，是应对大模型多模态能力升级需求的重要支撑，正在成为智能芯片企业强化技术竞争力的重要布局方向之一。
（3）大模型应用的大规模落地需要更为专业的推理智能芯片
大模型在应用阶段，主要执行推理任务，其对人类意图的理解的准确性，将是影响大模型落地应用的关键因素之一。交互式的生成式人工智能应用（如：ChatGPT 类应用）是大模型推理的主要落地领域，这类应用需要快速响应人类的文字及语音等输入，同时还需要具备处理高并发、大吞吐量数据的能力，确保交互体验，避免上下文遗忘、生成内容不完整等问题。面向未来智能体类应用的快速发展，需要更强的交互理解能力，增强大模型对长文本处理能力是未来重要的技术发展趋势之一。大模型的长文本能力使大模型可以理解、推理并生成超长内容，并保持上下文逻辑一致性。大模型在长文本能力领域的持续突破，将有效提升通用 Agent 处理复杂任务的能力，加速推动复杂 Agent 应用的崛起。
面向以长文本处理为代表的一系列推理环节的新技术需求，市场需要更为专业的推理智能芯片，以及基于硬件特性的推理软件平台，面向推理业务的软硬件联合优化，将为大模型应用落地提供更具竞争力的推理算力解决方案。
（4）大模型效率升级需要更低位宽的训练和推理算力能力

大模型技术能力的持续提升，进一步催化了对计算效率和部署成本的极致化追求。在大模型的训练过程中，更低的数据位宽，可以有效降低内存占用、提升
计算效率、降低训练成本。用 FP8 格式训练代替 FP32 格式训练，数据存储从 32
位压缩至 8 位，有效的提升大模型训练效率，如：英伟达 Hopper 架构通过
Transformer 引擎使用 FP8 格式，为万亿参数模型训练提供的性能较 FP16 格式有
多倍提升，大幅缩短训练周期。大模型的推理过程中，更低的数据位宽，可以提升推理速度，支撑高并发场景，降低大模型部署成本，加速规模化应用，如采用
FP4 格式的 B200 进行 Llama3.1 70B 模型推理，相较于使用 FP8 格式的 H200，
推理吞吐量可提升 3 倍。
更低位宽计算在大模型训练和推理过程中产生的收益，将引导智能芯片的硬件和软件技术向更高效支撑低位宽的方向演进。训练芯片与推理芯片均需要升级低位宽数据的算力能力，训练和推理软件平台方面也需针对混合位宽的数据运算开展特性优化，为大模型的低位宽训练和推理需求提供更为出色的算力软硬件解决方案支撑。
综上所述，本次募投项目紧跟技术发展趋势，面向大模型不同细分业务场景的市场需求，拟研发面向大模型需求的智能处理器技术、先进封装技术、训练芯片、推理芯片、交换芯片、训练以及推理平台软件等，加快构建面向大模型的算力软硬件技术能力矩阵，是形成面向广泛大模型业务场景的多样化算力解决方案的必要选择，本次募投项目的实施将拓展公司技术和产品的市场空间，推动公司长期持续的经营发展。
2、全球智能芯片市场呈现国外巨头主导，国内芯片设计厂商正逐步提升国内市场份额，本次募投项目实施为公司巩固现有优势、持续扩大产品应用生态的必经之路
（1）全球智能芯片市场呈现国外巨头主导，国内芯片设计厂商正逐步提升国内市场份额
全球智能芯片市场依然由国外巨头占据主导地位，在云端智能计算市场，主流的芯片和板卡方案提供商主要为英伟达、AMD。2022 年至 2024 年，英伟达研
发费用金额分别为 73.39 亿美元、86.75 亿美元与 129.14 亿美元，AMD 研发费用
金额分别为 50.05 亿美元、58.72 亿美元与 64.56 亿美元。英伟达与 AMD 持续高
强度的研发投入使其能够更为高效地开展技术升级和服务创新，完成在技术、人才、市场和生态等方面的持续积累，巩固其市场竞争力和领先优势。
在当前国际技术和产业竞争新态势的背景下，国内智能芯片市场需求缺口加大，急需有竞争力的国内智能芯片产品来填补。华为海思依托华为的雄厚资金、人才储备，服务器、网络设备产品能力，和整体商业渠道，已在云端智能芯片领域实现产品落地。目前，以华为海思和公司为代表的第一梯队企业，正通过优秀的产品竞争力，逐步提升国产智能芯片的市场份额。
（2）公司芯片设计能力较强，软件应用生态仍在持续完善中
英伟达 GPU 芯片最初设计目的不是用来执行人工智能算法及应用，随着人工智能行业的发展，英伟达基于其原有的 GPU 技术储备和设计理念去适配人工智能的应用和算法。英伟达 GPU 芯片产品在智能计算市场占据优势地位得益于CUDA 软件平台及相关生态的完善。和英伟达相比，公司设计的智能芯片是面向人工智能领域而专门设计的芯片，其架构和指令集针对人工智能领域中的各类算法和应用作了专门优化，可高效支持视觉、语音、自然语言处理和传统机器学习等智能处理任务。公司目前自主研发了基础系统软件平台，但其生态完善程度与英伟达相比仍有一定差距。
华为海思依托华为整体的技术优势和商业渠道，在芯片设计行业具备全栈的技术能力和产品布局。和华为海思相比，公司自成立以来一直专注于人工智能芯片产品的研发与技术创新，在人工智能芯片领域积累了丰富的先进自主技术，进入该领域的时间较早，具备较强技术创新能力，得到业界广泛认可。公司作为一家具备软硬件全栈