谷歌 TPU 原班
杨龚轶凡团队
判断国产 AI 芯片九成在做"类英伟达 GPU"（通用、兼容 CUDA 生态、赌对训练/推理都能干）；中昊芯英是极少数坚持 TPU/ASIC 专用路线的规模玩家——赌的是"专用打通用"。看它，核心就一句：它赌的"模型收敛、专用胜通用"这个大方向对不对，以及它能不能补上 TPU 最缺的那块——软件生态和外部客户。
判断中昊芯英是国产 AI 芯片里团队最"正统"、路线最"异类"、且罕见已盈利的一家——真正的谷歌 TPU 原班人马，坚持专用 ASIC 而非通用 GPU。它的强，强在稀缺的 TPU 工程血统 + 已量产 + 已赚钱；它的悬，悬在两个赌注：① 架构赌注——"大模型收敛、专用胜通用、CUDA 贬值"这个判断对不对；② 生态赌注——TPU 最难的从来不是芯片，而是"没有 CUDA，客户怎么用起来"。它的决定性变量，是能不能在模型架构真收敛之前活着、并把 TPU 的软件生态和外部规模客户建起来，把"团队光环 + 对赌营收"变成可持续的真实市场。
| 决定性变量 | 为什么是胜负手 | 兑现的观察信号 |
|---|---|---|
| 架构赌注：模型是否收敛到"专用可吃" | 事实杨龚轶凡判断"模型逐步收敛、CUDA 价值下降"。判断若 Transformer 类架构稳定为主流，TPU 的能效/成本优势兑现；若模型仍快速演进，专用 ASIC 有"押错就推倒重来"的风险。 | 主流模型架构的稳定性；刹那/须臾对新模型的适配速度。 |
| 生态赌注：外部客户能不能用起来 | 事实谷歌 TPU 靠自家海量内部需求 + JAX/XLA 软件栈闭环成功；中昊芯英没有内部需求，要卖外部、生态从零。 | 软件工具链成熟度、非关联外部客户数、客户迁移成本。 |
先看它站在算力技术栈的哪一层、走了哪条支线，这决定了它的天花板和风险。
判断中昊芯英选的是"专用打通用"的窄门：不追求"什么模型都能跑"，而是把芯片为"AI（尤其大模型）"这一类计算深度定制，用牺牲通用性换能效比和成本。事实联合创始人兼 CTO 郑瀚寻的表述很清醒——"GPU 架构和 ASIC 架构会长期共存，重要的并非照搬英伟达"，即它不打算复制 GPU，而是做 GPU 做不好的那部分。
判断专用路线的诱惑与陷阱都在"专用"二字。诱惑：一旦模型架构稳定，专用芯片的能效和成本优势可以碾压通用 GPU（谷歌 TPU 已在自家验证）。陷阱：专用意味着"赌架构"——你为某类模型优化到极致，万一模型范式变了，优势可能一夜清零；而且没有 CUDA 生态，客户要重新适配。推导这就是为什么全球敢走纯 TPU 路线的极少，且成功者（谷歌）都有"自家超大内部需求 + 自建软件栈"兜底。中昊芯英作为独立第三方，既要赌架构赌对，又要从零建生态、拿外部客户——这是它比 GPU 同行更难、也更可能一战封神的地方。
| 本质 4 问 | 答案（含证据） |
|---|---|
| ① 本质在做什么 | 判断为 AI 计算（矩阵乘为主）造一颗"专精"芯片，用架构定制换能效和成本，赌"大模型这类计算已足够定型、值得为它做专用硬件"。 |
| ② TPU vs GPU 的成熟度 | 事实GPU（英伟达）靠通用性 + CUDA 生态占绝对主导；TPU 路线由谷歌验证可行（自家训练/推理大量用 TPU）。事实郑瀚寻观点：两种架构长期共存，非零和。 |
| ③ 谁掌握话语权 | 事实话语权在英伟达 + CUDA 生态手里——这是 GPU 阵营最深的护城河。事实杨龚轶凡判断"模型逐步收敛、CUDA 价值呈下降趋势"，即赌护城河会随模型定型而变浅。 |
| ④ 未来价值往哪迁 | 推导若大模型架构收敛（Transformer 长期主导），价值会向"为定型架构做极致能效/成本"的专用芯片迁移，TPU 类受益。判断若模型仍在剧烈演进，通用 GPU 的灵活性仍是刚需，专用芯片受限。这正是中昊芯英押注的核心分歧。 |
判断谷歌 TPU 之所以成功，靠的是"自家有海量、稳定、可控的内部 AI 需求（搜索/广告/大模型）+ 自建 JAX/XLA 软件栈"——它的 TPU 是给自己用的，不需要说服外部客户、不需要 CUDA 兼容。推导中昊芯英把 TPU 路线搬到中国，但它没有谷歌那样的内部需求做兜底，必须把芯片卖给外部客户。判断所以真正的问题是：一个没有"自家超级用户"的独立 TPU 公司，怎么解决"客户为什么放弃 CUDA 生态、来用你的专用芯片"？它的团队再正统、芯片能效再高，也要先过这一关。
在 AI 芯片这种极硬的系统工程里，"做过真 TPU"和"想做 TPU"是天壤之别。
| 角色 | 人物 | 关键背景 |
|---|---|---|
| 创始人 & CEO | 杨龚轶凡 | 事实斯坦福大学毕业；经历甲骨文 SPARC T8/M8 服务器 CPU 设计生产应用全过程；参与谷歌 TPU 2/3/4 代 AI 训练芯片的主要设计、流片和应用全过程；2020 年回国在杭州创立中昊芯英。判断这是国内极稀缺的"真正做过世界级量产 TPU"的血统。 |
| 联合创始人 & CTO | 郑瀚寻 | 事实公开表述路线判断"GPU 与 ASIC 长期共存、不照搬英伟达"，是团队架构信仰的代言人。 |
| 资本信号 | — | 事实被媒体称"一家'三无'创业公司，被英伟达和谷歌抢着投"——侧面印证团队与技术的稀缺性。 |
判断团队是中昊芯英最强、最可信的资产："谷歌 TPU 原班 + CPU 大厂工程经验"，在国产 AI 芯片里几乎独一份——TPU 是极难的系统工程，做过真 TPU 的人，比 PPT 创业者可信得多，这也是它能 5 年走完从 0 到 1、并被顶级资本追逐的根本。缺口但待观察：① 软件/编译器团队厚度——TPU 的死穴在软件栈（谷歌靠 JAX/XLA），这块团队实力未充分公开；② 商业化/BD 能力——把专用芯片卖给外部客户是另一种能力；③ 核心团队稳定性与全职投入。
缺口"算力超 GPU 近 1.5 倍、能耗降 30%"是公司口径的对标数据，需谨慎：① 对标的是"海外知名 GPU"的哪一款、哪种精度、什么工作负载？② 这是峰值算力还是真实端到端有效算力？③ 软件栈成熟度、客户实测、支持的模型范围如何？缺口更关键的——刹那的真实外部客户是谁、装机量多少、软件生态如何——均未充分公开。这正是追问清单第 1、2 组的核心。
中昊芯英的命运系于三个真正有分歧的命题。每题给 Bull / Bear / Reality，再下裁决。
中昊芯英天然被类比谷歌 TPU。用谷歌 TPU 成功的四个前提逐条拷问它。
| 谷歌 TPU 成功的前提 | 中昊芯英的现状 | 是否满足 |
|---|---|---|
| 顶级 TPU 工程能力 | 事实创始团队是谷歌 TPU 2/3/4 代原班——这一条几乎照搬 | ✅ 满足（最硬） |
| 自家超大内部需求（TPU 给自己用） | 判断无——中昊芯英必须把芯片卖给外部客户 | ❌ 不满足（致命差异） |
| 自建软件栈（JAX/XLA）承接生态 | 缺口软件工具链成熟度未充分公开，从零建生态 | ⚠ 待证（TPU 真正的坑） |
| 模型架构已定型、值得专用 | 判断大模型收敛中但未完全定型，赌注仍在验证 | ⚠ 部分满足 |
判断"中国的谷歌 TPU"这个对标，在"工程血统"上高度成立，在"成功的商业前提"上恰恰缺了最关键的两块：谷歌 TPU 赢在"自家海量内部需求 + 自建软件栈"，让它不用求外部客户、不用兼容别人的生态；而中昊芯英既没有自家超级用户兜底，又要从零建 TPU 软件生态、说服外部客户放弃 CUDA。推导所以更准确的说法是：中昊芯英有谷歌 TPU 的"人和技术"，但没有谷歌 TPU 的"商业土壤"。它要复制的不是谷歌造 TPU 的能力（这它有），而是要解决谷歌根本不用解决的问题——"作为独立第三方，怎么让外部客户用起来一颗没有 CUDA 的专用芯片"。这才是它真正的战场。
看清它周围站着谁，就明白它的优势多稀缺、软肋在哪。
| 玩家 | 类型 | 打法 / 现状 | 对中昊芯英的意义 |
|---|---|---|---|
| 中昊芯英 | 独立 TPU/ASIC | 谷歌 TPU 原班，刹那量产、已盈利、借壳上市 | TPU 标杆，生态与外部客户待证 |
| 英伟达（CUDA） | 通用 GPU + 生态 | 绝对主导，护城河是 CUDA 生态 | 它赌 CUDA 贬值；也是它必须绕开的对手 |
| 沐曦/摩尔线程等国产 GPU | 类英伟达通用 | 追赶 GPU + 兼容 CUDA 生态，已密集上市 | 路线之争：它们赌"通用兼容"，中昊赌"专用能效" |
| 谷歌 TPU / 亚马逊 Trainium | 大厂自研 ASIC | 自家内部需求闭环，验证了 ASIC 路线 | 路线的成功先例，也是"有内部需求"的对照 |
| 寒武纪等国产 ASIC | 国产专用 | 专用 AI 芯片，已上市 | 专用路线的国产同行/对照 |
判断① 在"独立第三方 TPU"这个位置，中昊芯英几乎没有同血统对手——谷歌 TPU 原班 + 已盈利，稀缺度极高。② 它同时和两类人对赌：赌赢通用 GPU 阵营（英伟达 + 国产 GPU）的"CUDA 不会一直强"，又要面对大厂自研 ASIC 的路线正确性。③ 它的必答题：在没有"自家超级用户"的情况下，靠什么让外部客户跨过"没有 CUDA"的门槛——大概率答案是"软硬一体交钥匙 + 死磕对能效/成本极敏感的特定客户（如互联网推理、国产化算力中心）"。芯片和团队是它的底气，软件生态和外部客户是它的天花板。
判断四个断点里，断点 1（软件生态）和断点 2（架构赌对）最致命——前者是 TPU 公司的历史死穴，后者是这条路线的根本风险。团队和芯片再强，也要先过这两关，"团队光环 + 对赌营收"才能兑换成可持续的真实市场。
| 风险 | 说明 | 观察信号 |
|---|---|---|
| 架构押注风险 | 专用 ASIC 赌模型收敛，若模型范式剧烈演进，可能押错、推倒重来。 | 对新模型（MoE/线性注意力/多模态）的适配速度与弹性。 |
| 软件生态从零 | 没有 CUDA，也无谷歌式自建软件栈公开验证，客户迁移成本高。 | 软件工具链成熟度、客户实测、生态建设进展。 |
| 无内部需求兜底 | 不像谷歌有自家海量 TPU 需求，必须靠外部客户，获客更难。 | 非关联外部客户数、装机量、复购。 |
| 对赌与营收质量 | 2025 对赌 20 亿营收，3 倍跳增有关联/囤货充数风险。 | 客户结构、关联交易占比、订单可持续性。 |
| 借壳与资本节奏 | 借壳 + 对赌带来时间与业绩压力，可能催生短期行为。 | 剔除对赌后的真实增长、治理透明度。 |
| 性能对标口径 | "超 GPU 1.5 倍、能耗降 30%"为公司口径，需第三方与实负载验证。 | 独立评测、真实工作负载与精度下的有效算力。 |
判断六类风险的母题是同一个：中昊芯英能不能在"模型收敛"这天到来前活着，并把 TPU 的软件生态和外部客户建起来。在这被证明之前，它是一支血统最硬、已盈利、但仍在验证核心赌注的稀缺队伍。
中昊芯英团队和血统够硬，最关键的变量藏在"生态"和"营收质量"里。★ 是我认为最锋利、最能戳破叙事的问题。
判断① 没有 CUDA，你的外部客户凭什么用、软件生态到哪了？② 20 亿对赌营收里多少是真实非关联需求？③ 模型范式若变，你的专用架构会不会押错？——这三问答清楚，就知道中昊芯英是"国产专用算力的隐形冠军"，还是"血统很牛、方向太超前、生态建不起来"的悲情赌注。
· 智东西：《中昊芯英创始人杨龚轶凡：模型逐步收敛，CUDA 价值呈现下降趋势》——路线判断、创始人背景
· 东方财富 / 财富号：中昊芯英公司基本情况、TPU 架构领军定位
· 中国基金报：联合创始人兼 CTO 郑瀚寻"GPU 与 ASIC 长期共存、不照搬英伟达"
· 上海证券报 / 财联社（科创板日报）：刹那量产、性能对标、须臾 2026-07-19 首秀、"5 年从 0 到 1"
· 证券时报：《一家"三无"创业公司，被英伟达和谷歌抢着投》——资本与稀缺性；艾布鲁 2.5 亿战投、估值约 32.5 亿
· 天普股份公告（2025-12-25 交易完成）：借壳、合计持股约 68.29%、杨龚轶凡成实控人；2024 营收 5.98 亿/净利 8590 万、2025 对赌营收 20 亿/净利 4.5 亿