|
| 寒武纪-U(688256)经营总结 | | 截止日期 | 2024-06-30 | | 信息来源 | 2024年中期报告 | | 经营情况 | 四、 经营情况的讨论与分析
2024年上半年，公司凭借人工智能芯片产品的核心优势，持续深化与互联网、大模型等前沿领域头部企业的技术合作。公司凭借卓越的产品适配能力和开放合作的务实态度，积极助力人工智能的实际应用落地，赢得了合作伙伴的好评。受“实体清单”等供应链不利因素影响，公司实现营业收入6,476.53万元，较上年同期下降43.42%，毛利率62.72%。实现归属于上市公司股东的净利润为-53,010.96万元，较上年同期亏损收窄1,471.90万元，亏损收窄2.70%。
（一）展开技术合作，推动应用落地
报告期内，公司的智能芯片产品重点在互联网、大模型等前沿领域里，与头部客户进行了产品应用和先进技术的深度合作。同时，公司积极在多个重点行业中，与客户开展了产品的应用发掘和探索，为后续的业务落地积极准备。
在互联网领域，得益于公司智能芯片产品能效的持续提升，公司不断加深与该领域内客户的合作。报告期内，公司产品在自然语言应用场景中实现了批量出货。公司当前芯片产品的实测能力、迭代预期均满足了客户的需求，公司开放合作的务实作风也得到了客户的认可。
在大模型领域，公司与国内头部算法公司持续开展商务与技术合作，公司助力客户在其各自的垂直领域中进行了大模型应用的探索与落地。在视觉大模型领域，公司与该领域的头部客户达成了战略合作，公司产品为视觉大模型在线商业应用提供了坚实的算力支持。在语言大模型领域，公司产品与该领域的头部客户进行了大模型适配，获得了与该客户的多个产品兼容性认证，满足了客户对于人工智能算力的需求，加速了客户大模型从训练到部署的全部过程。
在金融领域，公司与多家金融机构进行了大语言模型的测试以及行业应用的探索，积极推动金融领域的应用落地。
在其他垂直行业，公司智能芯片产品继续为传统产业智能化转型保驾护航，助力智慧粮仓、智慧矿山、智慧交通等场景的业务落地。
（二）持续研发投入，驱动技术创新
自成立以来，公司始终将自主创新、高效研发置于战略布局的核心位置。在人工智能芯片行业，只有通过不断的研发投入，方能驱动技术创新的不断前行，进而打造出具备竞争力的产品，从而在智能芯片市场竞争中取得优势地位。
2024年上半年，公司研发投入44,747.60万元，研发投入占营业收入比例为690.92%。本报告期末，公司拥有727人的研发团队，占员工总人数的74.79%，78.82%的研发人员拥有硕士及以上学历，研发队伍结构合理、技能全面，有力支撑了公司的技术创新和产品研发。
报告期内，公司持续进行研发投入。在硬件方面，公司的新一代智能处理器微架构和指令集正在研发中。在软件方面，公司对基础软件系统平台也进行了优化和迭代。其中，在训练软件平台方面，公司大力推进了大模型业务的适配和优化；在推理软件平台方面，公司在 AIGC 业务适配、开源生态建设及易用性等方面都取得了一定进展。
1、智能处理器微架构及指令集
公司持续推动智能处理器微架构及指令集的迭代优化工作。新一代智能处理器微架构及指令集将对自然语言处理大模型、视频图像生成大模型以及推荐系统大模型的训练推理等场景进行重点优化，将在编程灵活性、易用性、性能、功耗、面积等方面提升产品竞争力。
2、基础系统软件平台
（1）训练软件平台
报告期内，公司持续推进训练软件栈的更新和迭代，以客户需求为导向，新增的功能及特性提升了产品通用性，大力推进了大模型业务的适配和优化。
公司持续对大规模分布式训练软件栈进行研发，迭代更新了对业界主流分布式训练组件的支持。当前，训练软件栈已经能够完整支撑主流大模型分布式训练需求，完善了各组件的支撑程度，缩短了业界新模型在公司产品的适配周期。
在生态方面，寒武纪训练软件平台更新迭代了 PyTorch 2.1/2.3 的支持,支撑了多个训练和推理的业务场景，并实现了快速跟进社区版本的长效机制。此外，寒武纪训练软件平台实现了Transformers以及Accelerate社区对于MLU的原生支持，增加了Triton 3.0.x的寒武纪后端，并开源了跨平台AI编译器前端Triton-Linalg，提升了业界人工智能应用与公司产品进行适配的开发效率。
在大模型方面，公司的训练软件平台增加了对 Llama3 系列、Qwen 系列等主流网络的支持并重点优化了并行训练功能。公司的训练软件平台通过融合算子、通算融合等方面的优化，提升了公司产品的性能和竞争力。报告期内，寒武纪训练软件平台全面优化了分布式通信功能，显著提升了多机分布式训练性能。
在易用性和稳定性方面，公司的训练软件平台增强了性能分析和精度分析工具，提升了用户对大模型训练的调试和分析工作效率。同时，训练软件平台增加了大模型稳定性训练需要的在线调优工具，优化了断点续训功能，完善了模型训练性能分析等功能。为了提升公司智能计算集群系统的部署效率，寒武纪训练软件平台还开发了集群分析工具，完善了故障判断逻辑，优化了故障诊断流程。
在报告期内，公司成功验证了集群上的大语言模型预训练功能，实现了业界领先水平的单训练任务长时间持续稳定运行，且计算效率和能效达到了业界领先水平。
（2）推理软件平台
报告期内，公司在AIGC业务适配、开源生态建设及易用性等方面都取得了一定进展。
在AIGC业务适配方面，公司的推理软件平台紧随业界应用需求和发展，支持并优化了Llama系列、Qwen 系列等一系列文生文模型，以及 StableDiffusion3 等多个主流多模态模型，实现了文生文、文生图、文生视频和多模态等AIGC主流业务场景覆盖，促进了公司应用生态的扩张。
在开源生态建设及易用性优化方面，公司的推理软件平台支持了多个基于PyTorch生态构建的开源组件，降低了业界新模型的适配成本，缩短了性能优化周期，提升了软件栈易用性，支撑了大模型行业落地带来的推理需求。
在算子优化方面，公司开发了PyTorch第三方算子加速库，实现了对大模型关键算子的专门加速，使公司的推理平台算子计算效率达到业界领先水平，充分发挥了公司产品的优势。
（三）持续生态建设、增强品牌影响力
报告期内，公司与多所知名高校合作，共同开设了基于寒武纪平台的人工智能课程，为学术界与产业界搭建了沟通的桥梁，还构建了高校课程生态体系。通过深化产学合作，公司不仅为自身生态建设增添了新动力，也为培养未来人工智能领域的优秀人才贡献了力量。
（四）人才体系的健全和发展
公司高度重视人才体系的健全与发展，既积极引进高精尖外部人才，又深耕内部人才培养，不断完善人力资源管理体系与服务水平。目前，公司已成功构建起一支由成熟稳定的研发团队、高效专业的销服团队以及精干有力的管理及支撑团队组成的队伍。
在人才引进策略上，公司与多所知名高校建立了紧密的合作关系，共同开展职业发展教育、设立实习基地，并畅通校企沟通渠道，确保源源不断地吸引并汇聚行业内的优秀人才。
在人才发展与培养方面，公司构建了多层次的能力发展模型，并制定了清晰的任职资格标准，以满足不同类型员工个性化的职业发展需求。针对管理类人才与专业类人才，公司量身定制了多样化的培训课程与培训项目，助力每位员工实现个人价值的最大化。
报告期内公司经营情况的重大变化，以及报告期内发生的对公司经营情况有重大影响和预计未来会有重大影响的事项
|
|