🇨🇳 国产GPU 7nm芯片 半导体 AI算力
天数智芯 · 国产通用GPU先锋 · 7nm训练/推理双产品线
1 公司全景画像
公司基本信息
全称
上海天数智芯半导体有限公司
英文名
Iluvatar CoreX Inc.
成立时间
2015年
总部
上海浦东张江高科技园区
创始人/CEO
李云鹏
企业性质
民营高科技企业
员工规模
约800人（研发占比超70%）
市场定位
中国自主通用GPU（GPGPU）领导者
天数智芯是国内最早一批从事通用GPU芯片设计的公司。2021年成功点亮国内第一款7nm通用GPU推理芯片——智铠100，随后推出训练芯片天垓100。国有资本背景雄厚（上海集成电路产业基金、中网投等），D轮后估值超100亿元。
2 创始人与团队
创始人：李云鹏
教育背景
清华大学（本科/硕士）
职业背景
曾任职于AMD、三星等国际芯片公司
创业时间
2015年创立天数智芯
行业地位
中国GPU芯片领域领军人物之一
核心管理团队
| 职位 | 背景 |
|---|---|
| 董事长/CEO | 前AMD GPU架构师 |
| 总裁 | 前紫光展锐高管 |
| CTO/首席架构师 | AMD/NVIDIA资深工程师 |
3 创业历程
2023
天垓100训练芯片量产
国内首款7nm通用GPU训练芯片进入量产
2022
智铠100推理芯片发布
国内首款7nm推理GPU，对标NVIDIA T4
2021
智铠100点亮；D轮融资约10亿
自研7nm推理GPU一次点亮成功
2020
C轮融资
引入上海集成电路产业基金
2019
启动7nm GPU研发
正式启动高性能通用GPU芯片设计
2015
天数智芯创立
上海成立，定位国产通用GPU
4 融资图谱
| 时间 | 轮次 | 投资方 | 金额 |
|---|---|---|---|
| 2018 | A/B轮 | 中金资本等 | 未披露 |
| 2020 | C轮 | 上海集成电路产业投资基金等 | 约5亿 |
| 2021.03 | C+轮 | 中国互联网投资基金、中金资本 | 约10亿 |
| 2021.09 | D轮 | 多家国有资本和市场化机构 | 超10亿 |
融资洞察
主要投资方：上海集成电路产业投资基金、中国互联网投资基金、中金资本等国家队。D轮后估值超100亿。国有资本连续多轮支持，反映国家层面对国产GPU战略布局的重视。
5 财务分析
财务概览（非上市，数据为公开估算）
融资总额
>30亿元人民币
估值
>100亿元（D轮后）
员工规模
约800人
研发占比
>70%估算
核心洞察
- 国有资本背书雄厚：国家队连续多轮支持，融资渠道优于多数纯民营GPU初创
- 估值突破百亿：反映市场对国产GPU赛道的高度认可及对公司技术实力的预期
- 量产能力已验证：最早实现7nm GPU量产的国产公司之一，天垓100+智铠100双线并行
6 产品与技术
核心产品线
| 产品 | 类型 | 工艺 | 对标 | 状态 |
|---|---|---|---|---|
| 天垓100 | AI训练GPU | 7nm | NVIDIA A100 | 量产 |
| 智铠100 | AI推理GPU | 7nm | NVIDIA T4 | 量产 |
核心技术
- 自研通用GPU微架构：完全自主知识产权的计算架构
- 多精度支持：FP32/TF32/FP16/INT8全方位覆盖
- 生态兼容：兼容CUDA生态与主流AI框架
- 全栈工具链：自研驱动/编译器工具链，降低迁移门槛
7 客户与生态
| 领域 | 合作伙伴 |
|---|---|
| AI框架 | PyTorch、TensorFlow、PaddlePaddle |
| 服务器 | 浪潮、新华三、中兴 |
| 云平台 | 阿里云、华为云 |
| 科研 | 中科院、清华、上交大 |
生态战略
构建"芯片-驱动-平台-应用"全栈生态体系。通过兼容主流AI框架和CUDA生态，降低客户迁移成本，逐步建立自主GPU生态壁垒。
8 竞争格局
| 维度 | 天数智芯 | 壁仞科技 | 摩尔线程 | 海光信息 |
|---|---|---|---|---|
| 成立 | 2015年 | 2019年 | 2020年 | 2014年 |
| 训练GPU | 天垓100 | BR100 | — | DCU |
| 推理GPU | 智铠100 | BR104 | MTT | DCU |
| 工艺 | 7nm | 7nm | 12nm | 7nm |
| 上市 | 未上市 | 未上市 | 未上市 | 已上市 |
优势
- 最早布局国产GPU（2015年），先发优势明显
- 训练+推理双产品线覆盖，全栈能力
- 7nm量产经验，良率验证通过
- 国有资本背书，融资渠道稳定
劣势
- 与NVIDIA仍有2-3代技术代差
- 未上市融资渠道相对单一
- CUDA生态粘性极强，迁移成本高
- 营收规模远小于国际巨头
9 风险矩阵
R1 技术追赶风险
NVIDIA每年迭代架构（Hopper→Blackwell→Rubin），追赶压力持续。产品代差约2-3代，性能距离持续存在。 R2 供应链风险
7nm依赖台积电代工，地缘政治可能影响产能。若美国升级出口管制，代工渠道可能受阻。 R3 生态建设风险
CUDA生态粘性极强，开发者习惯与工具链迁移成本高昂。需要3-5年持续投入才能建立自主生态。 R4 融资风险
芯片设计属于高投入长周期行业，需持续融资支持研发。资本市场环境不确定性影响后续融资节奏。10 展望
| 时间 | 事件 |
|---|---|
| 2015 | 上海创立，定位国产通用GPU |
| 2021 | 智铠100推理芯片点亮；D轮融资 |
| 2022 | 智铠100量产发布 |
| 2023 | 天垓100训练芯片量产 |
| 未来 | 下一代架构 / 科创板上市预期 |
关键展望
- 制程演进：向更先进制程（5nm/3nm）演进，提升算力密度
- 市场份额：信创/政务/运营商领域扩大占有率
- 上市预期：科创板上市是中长期重要里程碑，将进一步拓宽融资渠道
- 生态深化：持续投入软件生态建设，降低开发者迁移门槛
数据来源：公司官网、企查查、公开融资报道。部分为估算，2026-06-09采集