|
致尚科技(301486):北京国融兴华资产评估有限责任公司对深圳证券交易所《关于深圳市致尚科技股份有限公司发行股份购买资产申请的审核问询函》（审核函〔2025〕030011号）的回复
| 时间：2025年10月24日 21:21:11 中财网 |
原标题:致尚科技:北京国融兴华资产评估有限责任公司对深圳证券交易所《关于深圳市致尚科技股份有限公司发行股份购买资产申请的审核问询函》（审核函〔2025〕030011号）的回复
深圳证券交易所《关于深圳市致尚科技股份有限公司
发行股份购买资产申请的审核问询函》（审核函〔2025〕
030011号）的回复
深圳证券交易所：
贵所于2025年9月18日下发《关于深圳市致尚科技股份有限公司发行股份购买资产申请的审核问询函》（审核函〔2025〕030011号）（以下简称“问询函”），北京国融兴华资产评估有限责任公司（以下简称“我公司”）对贵所问询函提出的需要我公司核实相关事项进行了认真地检查、分析、复核，现对问询函有关事项核实如下：
问询函第3问"关于评估”：
申请文件显示：（1）本次交易对恒扬数据采用了资产基础法、收益法进行评估，最终选用收益法评估结果作为最终评估结论。截至评估基准日2025年3月31日，收益法下标的资产评估值为11.513亿元，评估增值率276.55%，资产基础法下标的资产评估值为4.55亿元，评估增值率38.37%。（2）截至2025年6月30日，标的资产智能计算业务在手订单为1.12亿元，数据处理业务在手订单金额为3.23亿元。（3）最近三年，标的资产进行17次股权转让，估值分别为3.6亿元至9.83亿元不等，最近一次股权转让为2024年12月，估值9.83亿元，本次重组评估值较前次股权转让估值增值17.09%，主要系标的资产最近一年一期业务发展良好，盈利能力增强，新产品商业拓展预期较好。
请上市公司补充说明：（1）结合智能计算和数据处理行业发展情况、市场容量、竞品对比情况，主要客户相关业务扩张趋势、竞争优势及产品需求规模、标的资产所占份额，客户相关业务资本开支计划及标的资产参与在研项目、获取订单，标的资产行业地位、市占率、主要产品生命周期及更新迭代情况，报告期内主要产品实际销售单价及可比产品单价情况，说明预测期各期销售单价及数量变动的合理性，分产品说明收入预测的依据及可实现性。（2）截至回函披露日，标的资产实际业绩实现情况与预测数据是否存在重大差异，如是，进一步披露原因及对本次交易评估定价的影响。（3）结合报告期内FPGA芯片等原材料的主要采购来源、采购价格波动情况、市场供需情况、与原材料主要供应商的关系稳定性等，说明预测期内营业成本预测的合理性。（4）结合标的资产的核心竞争优势、原材料成本的预测情况、可比公司可比产品的毛利率情况、市场竞争程度、产品的可替代性及报告期内实际毛利率下滑趋势等，分产品说明预测期内毛利率水平的预测依据及合理性。（5）结合标的资产未来发展规划、营运资金周转次数、营运资金占营业收入的比例等说明预计未来年度的营运资金规模具体预测过程及合理性。（6）仅选取数据处理业务上市公司作为可比公司，未选择智能计算业务上市公司作为可比公司的原因，确定对比公司及同行业可比上市公司的选取原则及合理性，是否存在刻意只挑选有利可比公司的情况。（7）结合最近三年股权转让估值情况，自前次评估至今标的资产经营状况变化情况等，说明本次交易评估值高于历次评估的原因及合理性。（8）基于前述内容，补充披露评估参数选择是否合理准确，本次交易作价是否公允，本次交易是否符合《重组办法》第十一条的规定。
请独立财务顾问和评估师核查并发表明确意见。
答复：
一、 结合智能计算和数据处理行业发展情况、市场容量、竞品对比情况，主要客户相关业务扩张趋势、竞争优势及产品需求规模、标的资产所占份额，客户相关业务资本开支计划及标的资产参与在研项目、获取订单，标的资产行业地位、市占率、主要产品生命周期及更新迭代情况，报告期内主要产品实际销售单价及可比产品单价情况，说明预测期各期销售单价及数量变动的合理性，分产品说明收入预测的依据及可实现性。
（一）标的公司收入预测整体情况
标的公司主要产品为智能计算产品、数据处理产品及应用解决方案。
报告期及预测期内，各类业务收入数据情况如下所示：
金额单位：人民币万元
| 产品/服务类别 | 2023年 | 2024年 | 年 2025 1-3月 | 年 2025 4-12月E | 2026年E | 2027年E | 2028年E | 2029年E | 2030年E |
| 一、主营业务收入 | 21,540.06 | 45,532.99 | 17,812.42 | 37,489.89 | 66,536.32 | 76,884.80 | 84,817.97 | 91,995.51 | 95,730.24 |
| 1.智能计算产品 | 7,071.14 | 26,375.82 | 16,294.83 | 12,911.62 | 40,907.28 | 53,492.14 | 64,028.68 | 70,924.76 | 74,354.25 |
| 增长率 | 107.79% | 273.01% | \ | 10.73% | 40.06% | 30.76% | 19.70% | 10.77% | 4.84% |
| 产品/服务类别 | 2023年 | 2024年 | 2025 年 月 1-3 | 2025 年 月 4-12 E | 2026年E | 2027年E | 2028年E | 2029年E | 2030年E |
| 2.数据处理产品 及应用解决方案 | 14,468.92 | 19,157.17 | 1,517.59 | 24,578.27 | 25,629.04 | 23,392.66 | 20,789.29 | 21,070.75 | 21,375.99 |
| 增长率 | 356.91% | 32.40% | \ | 36.22% | -1.79% | -8.73% | -11.13% | 1.35% | 1.45% |
| 二、其他业务收入 | 2,143.37 | 1,774.51 | 512.65 | 1,053.00 | 1,544.40 | 1,698.84 | 1,868.72 | 2,055.59 | 2,261.15 |
| 三、营业收入合计 | 23,683.42 | 47,307.50 | 18,325.07 | 38,542.89 | 68,080.72 | 78,583.64 | 86,686.69 | 94,051.10 | 97,991.39 |
| 四、增长率 | 243.27% | 99.75% | 20.21% | 19.72% | 15.43% | 10.31% | 8.50% | 4.19% |
（二）智能计算产品收入预测分析
标的公司智能计算产品包括AI算力集群DPU产品及交换机产品、智算一体机（包括AI智算一体机、DPI智算一体机）等，主要应用于云计算集群、AI算力集群及边缘计算场景，主要客户包括以阿里巴巴为代表的互联网企业及华大智造、B客户为代表的行业应用客户，上述客户均为各自细分领域的头部企业，经营情况稳定，发展趋势良好。标的公司向前述客户提供的产品及服务在对应的细分领域内占有率领先，双方的合作关系持续且稳定，标的公司与主要客户合作的在研项目进展情况良好，同时标的公司亦根据行业发展及市场需求变化持续进行技术研发及产品迭代。
标的公司智能计算产品的定制化程度较高，不同产品因客户合作模式、参数规格及应用场景的差异，导致其单价有所波动。预测期各期产品销售单价结合公司标的公司同类产品在手订单的单价、市场竞品单价、新品开发进度及预期销售情况，并充分考虑行业内竞争可能导致产品价格有所下降等因素得出，单价设定合理谨慎。预测期各期销售数量，系根据标的公司业务发展情况、产品开发预期、客户合作稳定性，结合行业发展趋势，并充分考虑竞争可能导致的销量增速下降等因素得出，预测结果合理谨慎。
标的公司凭借优异的FPGA工程化、算法硬件化能力，以及深度场景适配与快速响应能力，在部分应用领域形成差异化竞争优势，成为阿里巴巴DPU产品国内最大的合作伙伴及部分行业客户的国内首选供应商，有望在行业发展中获取一定市场份额。智能计算产品收入预测符合行业发展趋势、竞争格局及公司业务特点，充分考虑了竞争可能导致的单价和销量增速下降，预测具有合理性。
1.行业发展情况及市场容量
（1）AI算力集群DPU产品及交换机产品
1）DPU行业发展概况
DPU（DataProcessUnit，数据处理芯片）被认为是继CPU和GPU之后的“第三颗主力芯片”。DPU要解决的核心问题是基础设施的“降本增效”，即将“CPU处理效率低下、GPU处理不了”的负载卸载到专用DPU，提升整个计算系统的效率，降低整体系统的总体拥有成本（TCO）。
CPU资源负载过大为行业痛点，智能网卡（SmartNIC）为DPU前身。在通信领域，伴随着5G、云网融合时代的到来，以及虚拟交换等技术的引入，基于服务器的网络数据平面的复杂性急剧增加。海量的数据搬运工作被CPU承担，导致网络接口带宽急剧增加，CPU资源负载过大，大大影响了CPU将计算能力释放到应用程序中，为了提高主机CPU的处理性能，SmartNIC将部分CPU的网络功能转移到网卡硬件中，起到了加速运算的目的，其可视为DPU的前身。
新一代的DPU的优势在于不仅可以作为运算的加速引擎，还具备控制平面的功能，可以更高效的完成网络虚拟化、I/O虚拟化、存储虚拟化等任务，并彻底将CPU的算力释放给应用程序。
2）DPU主要技术路线
当前DPU主要采用的架构方案包括NP/MP+CPU、FPGA+CPU、ASIC+CPU
及DPUSoC等。在这些不同路线之间，在成本、编程的易用性和灵活性方面存在各种权衡，主要技术路线介绍如下：
| 技术路线 | 核心架构 | 特点 | 主要应用场景 | 代表企业 |
| NP/MP+CPU | 网络处理器/多 核处理器 +控 制CPU | -协议兼容性强，支持多种网 络标准 -超低时延处理能力 -稳定性高，适合运营商级应 用 | -电信骨干网流量处理 -5G核心网数据面等 | Nvidia、华为等 |
| 技术路线 | 核心架构 | 特点 | 主要应用场景 | 代表企业 |
| -灵活性中等 | ||||
| FPGA+CPU | 可编程门阵列 +通用CPU | -硬件可灵活重构，快速适应 新协议 -开发周期短（通常约3-6个 月） - 支持深度定制化需求 -功耗较高 | - 互联网云计算企业定 制化加速 -金融高频交易等 | 标的公司等 |
| ASIC+CPU | 专用集成电路 +控制CPU | -能效比极高（80TOPS/W） -量产成本优势明显 -性能稳定可靠 -功能较为固化 | -智算中心网络卸载 -分布式存储加速等 | Nvidia、云脉芯 联等 |
| DPUSoC | 全集成系统级 芯片 | -集成度高，节省物理空间 -支持最新接口标准（PCIe 5.0/CXL） -通信延迟最低 -开发难度高 | -超算中心互联 -AI训练集群通信优化 等 | Nvidia、云豹智 能等 |
2、不同技术路线亦可以进行架构的整合。
其中，通用市场主要以ASIC/SoC技术路线为主导，代表企业为Nvidia，Nvidia占有市场份额接近60%；FPGA技术路线由于其本身具有高度可编程性、低延迟、高并发的特点，在工业控制、航空航天、通信、汽车电子等细分领域具有一定市场份额，同时依靠其高度灵活、可深度定制的特点，在互联网、云计算等应用领域也具有一定市场份额，与Nvidia主导的通用产品生态形成差异化竞争。
3）DPU产品受益于算力基础设施投资，市场规模不断扩大
人工智能（AI）是数字经济的核心驱动力，是新质生产力的关键要素。随着多模态、大模型的快速发展，各行业对智能化需求迅速增加，全球对AI算力基础设施的需求也不断增长。其中，AI服务器作为智算中心核心计算架构，随着AI技术升级应用，CPU的串行处理架构不能满足AI时代的算力需求，企业需要为人工智能、机器学习和深度学习建设全新的IT基础架构，逐渐由CPU密集型转向搭载GPU、FPGA、ASIC芯片的加速计算密集型架构，且越来越多地使用搭载GPU、FPGA、ASIC等加速卡的服务器。
在市场规模方面，Gartner报告显示，得益于AIGC技术的快速迭代，2024年全球都在加大对AI算力基础设施的投资，全球服务器市场规模将达到2,164.0亿美元，预计2023年-2028年市场将以18.8%的年复合增长率保持高速增长，2028年市场规模将达3,328.7亿美元，其中AI服务器将占据近七成市场份额。
受益于技术方案成熟度提升、服务器市场规模扩大及边缘计算应用落地等因素驱动，全球DPU产品市场规模快速增长。根据市场机构统计，全球DPU市场规模预计将从2020年的29.50亿美元增长至2025年的135.70亿美元，年复合增长率达35.69%，展现出强劲的发展潜力。这一趋势为具备技术创新能力的企业提供了重要发展机遇。
国内市场，从整体发展趋势看，中国DPU市场保持稳定增长态势，2020年国内DPU市场规模为0.88亿美元，而根据市场机构预测，预计到2025年市场规模有望达到37.41亿美元，年均复合增长率达到111.69%。这一发展前景主要得益于云计算、5G和边缘计算等技术的快速普及，以及各行业数字化转型带来的算力需求激增。
4）交换机产品行业发展趋势
近年来，AI大模型训练、“东数西算”战略及5G边缘计算规模化部署三重因素强力驱动，中国数据中心交换机市场爆发式增长，2024年行业规模破211.5亿元，2025年预计超226.8亿元，AI算力网络建设贡献率超45%。技术上，AI算力需求推动性能跨越升级，400G端口以38%的出货量占比成为当前主流，800G交换机于2025年实现规模化量产，而面向AIGC集群的1.6T端口预计2026年商用，将支撑单柜带宽从120T向160T跨越式升级，形成"算力需求-网络性能-市场规模"的螺旋式上升通道。
（2）智算一体机行业发展趋势
AI应用正从云端向边缘端普及，算力亦从“云优先”向“端边协同”转变，智算一体机是集成计算硬件、存储系统、网络设备与软件平台的一体化解决方案，旨在为用户提供“开箱即用”的高效计算能力，可针对人工智能、大数据分析、科学计算等特定场景进行优化适配。随着数据安全合规要求的提升和实时性需求的增加，边缘AI迅速崛起，混合AI模式逐渐成为行业发展的主流趋势，智算一体机迎来新的技术发展机遇。
根据IDC预测，2025年全球边缘计算服务支出总额将达到近2610亿美元，预计年复合增长率为13.8%，到2028年将达到3800亿美元；根据中研普华研究院预测分析，2025年，中国边缘计算市场规模达1900亿元人民币（约260亿美元），年复合增长率超30%，预计2030年将突破600亿美元。
智算一体机作为边缘计算的核心形态，其市场容量与边缘计算的整体发展紧密相关。当前，该市场已从概念验证步入大规模部署的爆发前夜，展现出巨大的增长潜力，据浙商证券测算，2025年到2027年一体机需求量将分别达到15万台、39万台、72万台，对应市场空间超过千亿元。
2.标的公司的竞争优势
（1）AI算力集群DPU产品及交换机产品
标的公司DPU产品技术含量及核心竞争优势如下：
1）优异的FPGA工程化与算法硬件化能力：具备将复杂软件算法（如自定义网络协议、特定计算任务）高效转化为FPGA硬件逻辑的能力，实现微秒级延迟与极致性能功耗比。
2）复杂的高速硬件系统设计能力：拥有应对200G/400G及以上速率的高速PCB设计、高密度散热、信号/电源完整性的全流程设计、仿真与测试能力，产品可靠性极高（返修率<0.1%）
3）多芯异构架构设计能力：精通CPU、GPU、DPU、交换芯片等多种计算单元的选型与系统级协同优化，能为客户提供整体性能最优的解决方案4）深度场景适配化与快速响应能力：能够从芯片选型、硬件设计、结构形态到固件和驱动进行全栈式深度场景适配，响应速度远快于行业竞争对手。
5）标的公司交换机产品技术含量及核心竞争优势如下：
标的公司AI算力集群交换机产品通过DPU与交换芯片的融合，实现了对传统数据中心服务器+网卡方案的系统级替代，实现了T级数据转发能力、DPU对链接的维护与分析能力，以及深度的芯片级业务适配能力。该产品的核心优势在于其端到端的可编程能力，DPU与交换芯片均采用可编程架构，这使得它们能够深度适配从数据业务通道至业务逻辑的各个层面。通过这种适配，DPU能够实现对数据路径的灵活控制、快速决策与按需转发，从而在复杂网络环境中提供高度定制化的数据交互支持。
（3）智算一体机
标的公司智算一体机业务的主要技术含量及核心竞争优势如下：
①芯片级架构设计能力
具备全栈芯片协同优化能力，可实现CPU、GPU、FPGA、DPU高效协同。
在鲲鹏920、昇腾310/910等芯片的架构整合方面达到业界领先水平，成功开发出性能领先的“鲲鹏+昇腾+FPGA（DPU）+交换芯片”的多芯异构解决方案。
②深度场景适配与快速响应能力
标的公司建立了敏捷高效的开发体系，将客户需求到产品实现的周期压缩至3-6个月，支持客户需求的快速迭代，适应AI技术快速演进的特点。并为客户提供从芯片选型、硬件设计、结构形态到散热方案的全流程适配，支持客户特殊场景需求，如宽温运行、抗震设计、特定接口等。
③深度融合华为生态
标的公司为华为鲲鹏/昇腾生态钻石级合作伙伴，产品入选华为安平行业展厅和高性能计算展厅，与华为在技术接入、深度支持和供应链保障方面建立了深度战略合作关系，是新进入者难以获得的资源。
3.竞品对比情况
（1）AI算力集群DPU产品主要竞品对比分析
当前DPU/AINIC的市场存在两种鲜明的技术路径：一种是以Nvidia、云脉芯联、云豹智能为代表的ASIC/SoC方案，追求标准化、高性能与低功耗；另一种则是标的公司坚持的FPGA方案，核心价值在于硬件级的可编程性与深度定制能力。标的公司代表产品与行业竞品对比分析如下：
| 对比维度 | 标的公司 | Nvidia | 云豹智能 | 云脉芯联 | |||
| 产品型号 | NSA.X5 | NSA.A5 | BlueField-3 | Connect-X7 | 云霄系列DPU | metaConnect-400S | metaVisor-200 |
| 产品图例 | |||||||
| 技术路线 | FPGA | FPGA | SoC（ARM+NiC+专 用加速器） | ASIC | SoC（ARM+NiC+加速 器） | ASIC | ASIC |
| 核心芯片 | Xilinx | Altera | BlueField | BlueField | CorsicaSoC（自研芯片） | 未披露 | YSA-100（自研芯片） |
| 网络接口 | 2x200G | 2x400G | 可选配，最高支持 1x400G或2x200G | 可选配，最高支持 1x400G或2x200G | 最高支持2x200G | 1x400G | 2x100G |
| PCIe 接口 | 2*Gen5.0x8/Gen4.0 x16 | 2*Gen5.0x16 | Gen5.0x16，可扩展 至x32 | Gen5.0x16，可扩展至 x32 | PCIeGen5.0x16 | PCIeGen5.0x16 | PCIeGen4.0x16 |
| 内存容量 | 32GB | 12GB | 32GB | N/A | 32GB | N/A | N/A |
| 结构尺寸 | 全高半长双宽 子版本支持全高半 长单宽 | 全高半长单宽 | 全高半长单宽/半高 半长单宽 | 半高半长单宽 | 全高半长双宽 | 半高半长单宽 | 全高半长双宽 |
| 功耗 | 典型120W 最高支持200W | 典型130W 最高支持200W | 65W | 45W | 120W | 75W | 120W |
| HPC/AI加速 | 标准RoCEv2RDMA协议、自研SxxRDMA 协议；GDR、GDS；快速重传；重排序等 | HPC/AIAll-to-All引擎；NvidiaGPUDirect； NvidiaGPUDirectStorage(GDS）：HPCMPI 标签匹配 | 标准RoCEv2RDMA协 议；Go-Back-N重传； GDS；DCCL | 标准RoCEv2RDMA协议；Go-Back-N重传 GDR、GDS；xCCL | |||
| 对比维度 | 标的公司 | Nvidia | 云豹智能 | 云脉芯联 | |||
| 网络加速 | SR-IOV；OVS；VxLAN、Geneve、NVGRE 等加速；TCPoffload、DPI；LoadBalance | RoCE、ZeroTouchRoCE；用于SDN和VNF 加速的ASAP2；单根I/O虚拟化（SR-IOV）； VirtIO加速；Overlay网络加速；VXLAN、 Geneve、NVGRE；可编程拥塞控制（PCC）； 无状态TCP卸载； | OVSoffload；SR-IOV； SPDKoffload | VxLAN、Geneve、NVGRE等加速；TCP offload；Packet/Streamclassify；NAT；Load Balance | |||
| 存储加速 | NVMEoF；压缩/解压缩 | BlueFieldS NAP-弹性块存储-NVMe?和 VirtIO-blk；NVMe-oF?和NVMe/TCP?加速； 解压缩引擎；用于RAID实施的纠删码 | NVMEoF | NVMEoF | |||
| 价格区间（元） | 7,000~15,000 | 15,000~30,000 | 15,000~30,000 | 7,000~20,000 | - | - | - |
CPU为核心，性能有限，适合带状态的控制面分析与处理；（3）FPGA芯片支持硬件级可编程，开发门槛较高，但是可针对场景进行深层次的自定义以提升系统级性能，同时具
备快速适应AI时代的业务变化而重编程的能力：
2.关于网络接口：网络接口主要实现端到端的互联，在AI网络中，接口的速率的高低直接与GPU突发的交互数据有关，速率越高瞬时交互的数据容量越大。当前业界在端侧
的AINIC互联的带宽最高是400G；
3.关于PCIe接口：与网络接口相对应，PCIe侧接口实现1:1的交互带宽，以实现从GPU的数据到网络数据的互通，PCIe5.0理论带宽为PCIe4.0的两倍；
4.关于结构尺寸：全高（≤111.15mm），半高（≤68.90mm），全长（≤312.00mm），半长（≤167.65mm），单宽（单槽），双宽（双槽）。结构尺寸越小，与服务器的适
配性越好；
5.关于功耗：对于ASIC的方案，由于功性能相对固化，为此功耗越小越好；对于SoC的方案，由于CPU的负荷将影响功耗的大小，而CPU的能力取决于其核数与主频，为
此首要的能力在于板卡可实现CPU性能的充分发挥，同时在相同的核数和主频情况下，功耗越小越好；对于FPGA的方案，由于FPGA的资源利用率、主频以及逻辑翻转率等直
接影响了功能，为此首要的能力在于FPGA性能、功能可以实现充分的发挥，同时在实现特定功能和性能的情况下，功耗越小越好；
6.关于加速功能：（1）Nvidia提供的是端到端的封闭生态解决方案，其Connect-X系列（ASIC网卡）与BlueField系列（SoCDPU）配合Quantum（IB交换机）和Spectrum
（RoCE交换机），能构建一个集成了自适应路由、在网计算等高级功能的完整AI网络，在使用Nvidia的全生态产品时其产品功能与性能可以更好的发挥；（2）云脉芯联、云
豹智能等国内ASIC/SoC路线厂商，系对标Nvidia不同产品线，专注于某些具体应用场景进行国产替代和专项优化；（3）标的公司采用FPGA路线，产品业务灵活性高，核心价
值在于硬件级的可编程性与业务场景深度定制能力；
7.关于产品售价：产品售价与采购规模、选配规格、定制化程度及是否需要配套服务相关，相关价格范围仅供参考，其中云豹智能、云脉芯联相关产品未查询到价格信息。
Nvidia提供的是端到端的封闭生态解决方案。其Connect-X系列（ASIC网卡）与BlueField系列（SoCDPU）配合Quantum（IB交换机）和Spectrum（RoCE交换机），基于Nvidia自研的通信协议、标准及计算核心，能构建一个集成了自适应路由、在网计算等高级功能的完整AI网络。这些特有功能仅在全部使用Nvidia产品时才能完全发挥，一旦与第三方产品配合则无法发挥产品全部功能及性能，这构成了其强大的生态护城河，Nvidia定义了高端AI网络的标准，但其封闭生态策略也为其他市场参与者创造了在开放生态中竞争的机会。
国内其他ASIC/SoC路线厂商如云脉芯联、云豹智能的主要产品分别对标Nvidia的不同产品线，在特定领域凭借本土化策略、特定场景优化及与其他非Nvidia产品的兼容性提供替代选择。
标的公司采用FPGA路线，产品业务灵活性高，核心价值在于硬件级的可编程性与业务场景深度定制能力。客户可以基于FPGA为核心定制高速网络接口、系统侧互联接口以及外部缓存等特性，基于FPGA的可编程特性从应用层到网络层，甚至数据链路层协议开始进行定制，实现与自身业务场景的深度适配。全球头部互联网及云服务厂商（如Meta、Google、亚马逊AWS、阿里巴巴、腾讯、字节跳动等）以及拥有大规模算力网络的运营商，其业务和模型架构千差万别，为了极致地提升核心计算芯片利用率，并减弱对Nvidia生态的依赖，它们普遍倾向于自研Scale-Up/Out解决方案、AI加速器（GPU/NPU/TPU/PPU）、协议标准（如中国移动、华为、阿里云联合制定的算力路由协议标准，阿里云联合烽火通信等制定的AI计算集群网络体系标准等）、通信库（如xCCL）等。FPGA架构具有灵活性高、并行性强、低时延等技术优势，能更好的满足客户快速迭代与深度定制的需求特点，是前述主体在部分应用领域的最优选择，这为标的公司的产品提供了广泛的市场应用空间。
（2）AI算力集群交换机
标的公司AI算力集群交换机，源自基于DPU与交换芯片深度融合的网关产品架构，与标的公司DPU产品形成配套解决方案，聚焦于细分领域的需求，与市场通用交换机产品不够成直接竞争，产品配置、应用领域等差异较大，无直接可比竞品。
（3）智算一体机
智算一体机行业竞争激烈，市场上存在着众多的供应商，竞争格局尚未完全稳定。目前，一些企业凭借技术领先、场景覆盖全面、安全性能卓越等优势，在市场上占据了一定的份额。基于面向的应用场景及算力需求的不同，在不同的市场层级面临的竞争态势有所差异，分别覆盖超大模型预训练、主流行业落地与边缘推理等多样化场景，体现出硬件市场对分层算力需求的精细匹配能力，具体如下：
| 市场层级 | 适用客户类型、应用场景 | 主要竞争企业 |
| 高端产品 | 支持超大模型预训练与推理（如671B参数）的预训练 与推理，硬件配置包括多卡并行计算（如Nvidia A100/H100集群）、大内存及分布式存储 | 华为、浪潮信息、紫光股份（新 华三）、中科曙光、摩尔线程、 云从科技、恒为科技以及海光、 飞腾、鲲鹏等国产品牌生态授 权的OEM厂商及生态合作伙 伴等 |
| 中端产品 | 适配行业主流大模型应用，支持70B-300B参数模型的 训练与推理，适用于中型企业及行业垂直场景 | |
| 基础产品 | 赋能轻量级模型推理与边缘部署，主要服务中小企业、 科研单位或边缘计算需求，支持70B以下参数级模型的 本地推理，适合轻量级生成式AI应用，如客服问答、 营销内容生成、知识检索等。 |
标的公司产品与市场部分产品对比情况如下：
①AI智算一体机
| 对比维度 | 浪潮信息 | 昆仑技术（超聚变） | 华鲲振宇 | 标的公司 | 标的公司 |
| 产品型号 | NF5688G7 | KunLun5280-VF | HuaKunTG225A1 | SK90-R1B | SK90-R1D |
| 尺寸 | 447x860x263mm | 447x790x175mm | 447x814x86.1mm | 445x798x44.2mm | 590*440*44.2mm |
| 高度 | 6U | 4U | 2U | 1U | 1U |
| CPU | Intel至强 | 鲲鹏920 | 鲲鹏920 | 鲲鹏920 | 鲲鹏920 |
| CPU算力密度 | 0.33～0.66颗CPU/U | 0.5颗CPU/U | 1颗CPU/U | 4颗CPU/U | 2颗CPU/U |
| GPU | Nvidia | 昇腾 | 昇腾 | 昇腾 | 昇腾 |
| GPU算力扩展密度 | 整机10张全高全长双宽卡 | 整机8张全高全长双宽卡 | 整机10张半高半长单宽卡 | 整机2张全高半长单宽卡 | 整机2张全高全长单宽卡 |
| DPU | 可支持OCP3.0、CX7等多种智 能网卡 | 华为SP系列 | 华为SP系列 | 自研DPU | 自研DPU |
| 核心架构 | CPU+GPU | CPU+GPU+DPU | CPU+GPU+DPU | CPU+GPU+DPU | CPU+GPU+DPU |
| 操作系统 | Linux | OpenEuler、FusionOS、 SUSE、Ubuntu、CentOS、 中标麒麟、麒麟信安等 | OpenEuler、SUSE、 Ubuntu、CentOS、中标麒 麟、麒麟信安等 | OpenEuler | OpenEuler |
| 适配大模型 | DeepSeek、LLaMA、GPT-3、 ChatGLM等 | DeepSeek、LLaMA、Qwen 等 | DeepSeek、LLaMA、Qwen 等 | DeepSeek、LLaMA、Qwen等 | DeepSeek、LLaMA、Qwen 等 |
| 网络 | 10G/25G/100G网卡+4x25G OCP网卡 | OCP网卡 光口：8个GE电口或 8*25GE/10GE | 10G/25G/100G网+4x25GOCP 网卡；光口：8个GE电口或 4*25GE/10GE | 8x100G/12x25G 可通过PCIe扩展8x100G | 4x100G/8x25G 可通过PCIe扩展4x100G |
| I/O扩展槽 | 10个PCIe5.0x16 | 8个PCIe4.0x8或3个 PCIe4.0x16+2个PCIe4.0x8 | 8个PCIe4.0x8或3个 PCIe4.0x16+2个PCIe4.0x8 | 4个PCIe4.0x16半高半长扩展 槽 | 2个PCIe4.0x16全高全长 扩展槽 |
| 功率 | 500~1800w | 500~1800w | 500~1800w | 1000~1800w | 500~1100w |
| 价格 | 100万～200万 | 100万～150万 | 50万～100万 | 10万~50万 | 10万~30万 |
| 对比维度 | 浪潮信息 | 昆仑技术（超聚变） | 华鲲振宇 | 标的公司 | 标的公司 |
| / 产品定位 应用场景 | AI 基于浪潮信息全新一代 超融 4.0Tbps 合架构平台，系统支持 网络带宽，面向超大模型训练（万 亿级参数超大模型并行训练需 求）、元宇宙、自然语言理解、 推荐、AIGC等场景 | 配置灵活，主要面向软件 定义存储、分布式存储、 云计算、大数据、高性能 计算和数据库等业务场 景，可支持70B以上模型 | 适用于云计算、虚拟化、 数据库、大数据分析、分 Web 布式存储、 等应用场 景，满足企业用户多样性 计算，可支持32B～70B 模型 | 中端或基础产品，主要面向DPI应用、通用计算、边缘计算、 AI计算及超融合存算分离算力节点等业务场景，可支持 32B～70B模型 |
2、基于一体机架构平台，用户可根据实际需求选配CPU、GPU、内存、存储等具体型号及数量，一体机整体功耗根据具体配置不同亦存在差异；
3、根据一体机具体配置不同，销售价格存在较大差异，上述价格范围系根据行业通行配置情况进行估算，仅供参考，与产品实际销售价格可能存在差异。。
②DPI智算一体机
| 对比维度 | 恒为科技 | 欣诺通信 | 标的公司 |
| 产品型号 | TeraSecPLUS正交架构一体机 | MS8000系列一体机 | MCP多芯融合正交架构一体机 |
| 尺寸 | 61*378*570mm 单板 | 2U 88*445*600mm 4U 177*445*600mm 6U 266*445*600mm ： ； ： ； ： | 53*423*493.8mm 单板 |
| 高度 | 6U3S、13U8S、21U16S | 2U4N/4U8N/6U12N | 3U2S、5U3S、7U5S、13U8S |
| CPU算力密度 | 3～4颗CPU/U | 4颗CPU/U | 4颗CPU/U |
| CPU | 鲲鹏920 | 鲲鹏920 | 鲲鹏920 |
| 核心架构 | 多芯异构CPU+GPU+DPU | 纯CPU计算 | 多芯异构CPU+GPU+DPU |
| 操作系统 | OpenEuler | OpenEuler | OpenEuler |
| 网络 | 4x100G | 每节点4x100G+4x10G+2xGE | 16x100G |
| 电源 | 3～4个1500w电源 | 2U：1600W；4U：3200W6U：4800W | 3～4个1500w电源 |
| I/O扩展槽 | 无 | 无 | 无 |
| 功率 | 单板1100w | 单板1100w | 单板1100w |
| 应用场景 | DPI应用、非结构化数据处理、图片视频处理等 |
4.标的资产行业地位、市占率
（1）AI算力集群DPU产品及交换机产品
标的公司始终坚持并深化基于FPGA的DPU技术路径，在该路线产品的灵活性、场景适配能力和迭代速度上处于行业头部地位。公司的DPU产品成功切入由Nvidia等国际巨头主导的高端市场，成为阿里巴巴DPU产品国内最大的合作伙伴及部分行业客户的国内首选供应商，具有一定的市场份额。
AI算力集群交换机产品聚焦解决多算力集群互通、跨地域业务协同中的特定性能与可编程需求，是DPU解决方案的组成部分，旨在与DPU协同形成更具价值的整体方案，与通用交换机产品不构成直接竞争；产品需求由DPU行业的发展和算力规模的持续扩张所驱动，随着算力网络演进，此类深度适配业务、提供跨域协同能力的专用解决方案，预计将拥有明确且持续的市场需求。
（2）智算一体机
标的公司智算一体机相关产品仍处于研发及市场推广期，尚未形成较大规模收入。同时智算一体机行业仍处于市场发展期，竞争格局尚未完全稳定，尚未清晰的市场规模及市场份额分布。标的公司智算一体机产品深度融合华为生态，技术开发能力及响应速度领先于其他生态合作伙伴，主要通过极致场景的适配和快速响应开拓并主导高价值的细分市场。
标的公司自2022年10月开始，将“智能计算”作为公司的战略方向之一，由中心侧算力部件、边缘侧智算一体机构成产品核心，面向互联网、安全和运营商三大行业。标的公司持续投入研发资源进行“智能计算”相关产品及技术开发，完成了NGIS.MCP多芯融合正交刀片式智算一体机、SK90机架式智算一体机等产品的研发落地，结合SempFusion大模型平台，形成软硬一体化解决方案。标的公司凭借优异的产品性能及方案落地能力，产品得到了华为生态的高度认可，分别于2025年3月、2025年9月获得鲲鹏KPN钻石合作伙伴及昇腾APN银牌合作伙伴认证，产品获选进入华为安平行业展厅与高性能计算展厅进行核心展示。
标的公司持续通过行业展会（如华为全连接大会、华为鲲鹏KPN伙伴大会、警博会等）等方式进行产品展示及客户拓展，标的公司基于华为生态的国产化解决方案在部分领域达到行业领先水平。同时，标的公司已在运营商、安全DPI领域的10余家客户侧进行导入测试工作，包括武汉绿网、南京烽火、国投智能、恒安嘉新、北京亚鸿等，针对该类业务场景，标的公司产品已经在部分客户的测试场景中完成了稳定性测试和深度性能优化，为后续实现规模销售奠定了良好的基础。
5.主要客户相关业务扩张趋势说明、相关业务开支计划及标的公司业务占客户市场份额情况
标的公司智能计算产品主要客户包括以阿里巴巴为代表的互联网客户、以华大智造及B客户为代表的行业应用客户，上述客户均为各自细分领域的头部企业，经营情况稳定，发展趋势良好。标的公司向前述客户提供的产品及服务在对应的细分领域内占有率领先，双方的合作关系持续稳定。基于该等客户的自身发展状况及所属行业的发展情况、客户的未来战略规划、产品开发规划等，以及标的公司持续的产品、技术创新和针对性研发，标的公司与主要客户具有持续稳定的合作预期，标的公司对该等客户服务的持续性较好。
标的公司智能计算业务主要客户包括阿里巴巴、华大智造，前述主要客户行业排名、竞争优势、市占率及收入情况具体如下：
（1）阿里巴巴
阿里巴巴为国内云计算龙头，在云计算基础服务实力强劲，阿里云通过全栈自研技术、全球部署的算力资源、丰富的客户积累与集团自身电商业务锤炼带来的安全性构建竞争壁垒，占据了亚太地区及中国国内市场的主要份额，根据市场统计，阿里云在亚太地区云计算IaaS市场2023年的市场份额达到22.20%。
数据来源：《公司深度研究-阿里巴巴-W（09988）》，2025年，天风证券 而在中国市场，截至2024年三季度，阿里云在云计算市场份额达到36%， 稳居市场第一位。数据来源：《人工智能动态跟踪2025年3月第2周》，2025年，东方证券最近三年，阿里巴巴的收入及利润情况如下：
单位：亿元
| 项目 | 2025财年 | 2024财年 | 2023财年 |
| 营业收入 | 9,963.47 | 9,411.68 | 8,686.87 |
| 净利润 | 1,294.70 | 797.41 | 725.09 |
标的公司服务的主要是阿里集团下属的阿里云业务板块，阿里云以35.8%份额居中国AI云市场首位。阿里云在2025财年（2024年4月1日至2025年3月31日）全年收入达1,180.28亿元，同比增长11%；2025年第二季度（截至2025年6月30日）收入为333.98亿元，同比增长26%，创三年新高增速。
（2）华大智造
华大智造依托DNBSEQ技术，为全球仅有的两家完整布局低通量至超高通量基因测序产品的企业之一，满足科研、临床等多样化需求，其准确性高、成本过去国内高端测序市场长期由海外行业龙头Illumina垄断，但随着本土厂商在技术和产品布局上的追赶，国产替代进程正在加速。截至2024年，华大智造已连续三年占据国内基因测序设备新增装机行业第一，2024年在新增装机中占比已高达63.8%。
2022年至2024年，华大智造的营业收入分别为42.31亿元、29.11亿元及30.13亿元。
6.智能计算产品主要在研项目情况
2025年3月31日至本核查意见出具之日，标的公司智能计算产品线在研项目情况如下：
| 项目 | 数量 |
| 截至 年 月 日在研项目数量 2025 3 31 | 8 |
| 新增研发项目 | 3 |
| 结项研发项目 | 5 |
| 截至本核查意见出具日在研项目数量 | 6 |
①项目合作背景
应对AI负载面临的技术挑战，阿里巴巴在基础设施层面全面创新，构建了灵骏集群，该集群专为AI负载进行大量优化，其中在网络架构方面，通过高性能网络HPN（HighPerformanceNetwork），能让规模化的GPU服务器更紧密、高效地协同工作，充分发挥GPU算力效率。
其中，HPN7.0网络通过多平面多轨网络架构的设计，可高效支持10万张GPU卡的集群，通过RDMA（远程直接内存访问技术）网络实现GPU间互联，使机器能更紧密、高效协同。NSA.X5产品即构成阿里云灵骏网络的端到端可预测网络（HPN7.0）的核心部件之一，与GPU/PPU的配比为2张GPU/PPU配1张DPU卡。在阿里巴巴2025云栖大会上，阿里云发布了新一代算力底座—“磐久超节点”服务器和HPN8.0高性能网络，将网络带宽升级至800Gbps，可实现Pb/s级Scale-Up（纵向扩展）带宽和百纳秒级低延迟，支持Nx10万卡GPU规模化互联。这两大技术升级进一步凸显了DPU/AINIC在系统中的关键地位。
NSA.A5项目系在NSA.X5项目基础上进行升级迭代，是为了适配阿里巴巴业务发展及技术升级的需求变化，以及兼容阿里巴巴PPUAI计算场景而定向开发的高性能DPU设备，是阿里巴巴新一代计算集群/高性能网络架构的核心部件之一。
②产品/技术迭代情况
恒扬数据根据阿里巴巴的产品规划开发进度及与客户的沟通进行了项目立项及技术预研。该项目于2025年2月立项，截至目前已进入设计验证阶段，预计2026年3月完成产品开发。该项目作为NSA.X5产品的迭代产品，主要升级为更高速的网络传输接口（400Gx2）、支持Interlaken扩展接口、配套的PCIe侧接口（PCIeGen5.0x16x2）和逻辑资源（≥4M），配合阿里巴巴的PPU或AMD的GPU使用，产品性能较NSA.X5产品提升在1倍以上。
③产品需求分析
阿里巴巴在2025年云栖大会宣布，将在未来三年推动3,800亿元的AI基础设施投资计划，并明确将持续追加投资。这一数额超过其过去十年云和AI硬件投入总和，旨在迎接超级人工智能时代。资金重点投向AI服务器、高性能算力集群、自研芯片（如交换芯片和AI加速卡）及绿色能源设施。2025年第一季度，阿里巴巴资本开支为246亿元，同比提高121%；2025年第二季度资本开支为386亿元，同比增长220%，环比上季增长57%，过去四个季度，阿里已经在AI基础设施及AI产品研发上累计投入超1,000亿元。
AINIC作为阿里巴巴算力中心GPU互联和网络通信的关键部件，将直接受益于其服务器采购量增长。根据高盛估算，阿里巴巴目前数据中心容量为3-4GW，计划到2032年扩大至20GW，这意味着平均每年需新增约2GW容量，基于每GW容量可承载100万个GPU的估算以及阿里巴巴服务器GPU/PPU与AINIC的配置比例，阿里巴巴预计未来平均每年DPU/AINIC的需求数量在100万-200万张。同时，基于减少对Nvidia生态依赖及自主可控的考虑，阿里巴巴应用NRE模式合作自研的AINIC的比例可能增加，预计阿里巴巴对标的公司NSA.X5及NSA.A5产品的采购占比也将进一步增加。
在与阿里巴巴的合作中，标的公司负责DPU/AINIC产品的设计和前期交付，以及其他技术支持项目的联合开发。凭借NRE合作基础，标的公司在产品灰度阶段和小批量阶段具有先发优势，并有望在产品量产后占有一定供应份额。
（2）北斗七星2.0项目
北斗七星项目系与阿里巴巴合作的对于NSA.X5等相关项目的技术支持项目，旨在解决NSA.X5产品在不同类型GPU/NPU之间互联互通的问题，实现应用场景的扩展，提升NSA.X5产品在阿里云体系应用适配，减少对Nvidia的BlueField、CX系列AINIC产品的需求。北斗七星2.0项目是在北斗七星基础上针对新特性和客户特殊业务需求的二次项目开发，通过北斗七星1.0项目，恒扬数据与阿里巴巴一起完成基于NSA.X5的RDMA标准化IP的开发、设计与交付工作，系基于RoCEV2的2*200GAI算力集群节点互联AINIC产品。
基于前一期项目的成功，阿里巴巴和标的公司启动了二期新增特性的开发，计划完成产品性能的两倍提升、QP连接数的4倍提升以及根据业务模型需要等新增特性的开发。进一步扩大NSA.X5产品在阿里巴巴数据中心的使用面和使用量。该项目于2025年4月立项，截至目前已完成主要技术开发及产品迭代工作，该项目一方面可以有效扩大与阿里巴巴在NSA.X5产品的合作规模，另一方面可有效推动NSA.A5项目的落地。
7.智能计算产品在手订单情况
截至2025年9月30日，标的公司智能计算各项产品在手订单金额统计如下：
| 产品分类 | 订单数量（pcs） | 单价（万元/pcs） | 订单金额（万元） |
| AI算力集群DPU产品 | 4,563.00 | 0.94 | 4,303.49 |
| AI算力集群交换机 | 91.00 | 12.31 | 1,120.51 |
| 配件 | 1,444.00 | 0.01 | 15.17 |
| 智能计算产品合计 | 6,098.00 | 0.89 | 5,439.17 |
8.主要产品生命周期和更新迭代情况
标的公司产品整体处于成长期，产品更新迭代情况说明如下：
（1）AI算力集群DPU产品及交换机产品
1）从传统FPGA迈向集成AI引擎、软件可编程的下一代平台（如VersalACAP），为复杂AI与网络工作负载提供革命性的算力与灵活性。
2）紧跟数据中心网络升级步伐，持续升级网络接口速率。网络接口速率是AI算力集群的核心要素之一，对集群的性能和效率起着关键作用，标的公司持续升满足AI算力集群对超高速、低延迟网络互联的刚性需求，确保产品不成为性能瓶颈。
3）持续升级主机接口。主机接口是算力集群中连接计算单元（如CPU、GPU）与外部设备（如存储、网络卡、加速器）的“数据咽喉”，直接决定集群的整体效率与算力释放能力，其重要性和作用贯穿数据流转全流程。标的公司目前已推出PCIeGen6接口产品，充分释放DPU的数据处理能力，避免出现“卡脖子”问题。
4）基于DPU与交换芯片融合的网关交换机，其未来演进将深度依赖于DPU的可编程性与算力提升，并结合交换芯片的容量与功能实现协同升级。
（2）智算一体机
标的公司智算一体机产品主要分为3个产品系列，包括融合刀片整机、机架式整机和端侧一体机，分别根据不同的应用场景及算力需求进行差异化设计和迭代，产品目前尚处于研发优化及推广阶段，未来将进一步根据产品市场响应、客户反馈以及底层硬件的技术演进（CPU、GPU、DPU等）进行产品升级和迭代。
9.报告期内智能计算可比产品单价情况
报告期内，标的公司向主要客户销售的产品定制化程度较高，缺乏公开市场可比价格。标的公司智能计算产品与市场上类似产品的价格对比情况，详见本小题‘3.竞品对比情况’部分的回复。由于同行业可比产品在具体参数规格、应用领域方面与公司产品存在较大差异，因此产品价格也存在一定差异。
10.报告期及预测期内智能计算主要产品销售单价与销售数量分析
（1）智能计算各类产品销售单价预测的合理性分析
智能计算产品报告期及预测期各项产品平均销售单价情况如下：
单价单位：（万元/pcs）
| 产品分类 | 2023 年 | 2024 年 | 2025年 1-3月 | 2025 年E | 2026 年E | 2027 年E | 2028年 E | 2029年 E | 2030 年E |
| AI算力集群DPU产 品 | 2.14 | 0.90 | 0.59 | 0.70 | 0.68 | 0.66 | 0.64 | 0.63 | 0.63 |
| 算力集群交换机 AI | 3.86 | 4.87 | 3.97 | 3.10 | 2.66 | 2.49 | 2.38 | 2.33 | 2.33 |
| 智算一体机 | 10.43 | 8.47 | 7.72 | 7.31 | 7.15 | 7.15 |
2）预测期内产品单价分析
标的公司针对不同客户采取不同的定价策略，基于各类产品的基础价格，并根据客户获取难度、货期要求、总体采购量、过往交易价格等因素，与客户协商确定销售价格、结算方式并签署合同。对于同一客户，在报告期内的销售价格及结算方式一般保持稳定。
标的公司智能计算产品定制化程度相对较高，不同产品因与客户合作模式、产品参数规格及具体应用场景不同存在差异，单价存在波动。预测期各期销售单价结合标的公司同类产品在手订单单价、市场竞品价格、新品开发进度及预期销售情况，并充分考虑行业竞争可能导致产品价格下降的因素进行预测，具备谨慎合理性。
（2）各类产品销量预测合理性分析
报告期及预测期各项产品销售量情况如下：
数量单位：PCS
| 产品分类 | 2023年 | 2024年 | 2025年E | 2026年E | 2027年E | 2028年E | 2029年E | 2030年E |
| AI算力集群DPU 产品 | 3,167.00 | 29,207.00 | 36,991.00 | 49,935.00 | 62,918.00 | 75,502.00 | 84,562.00 | 88,790.00 |
| 增长率 | 89.64% | 822.23% | 26.65% | 34.99% | 26.00% | 20.00% | 12.00% | 5.00% |
| AI算力集群交换 机 | 77.00 | 27.00 | 298.00 | 864.00 | 1,672.00 | 2,236.00 | 2,455.00 | 2,529.00 |
| 增长率 | 97.44% | -64.94% | 1003.70% | 189.93% | 93.52% | 33.73% | 9.79% | 3.01% |
| 智算一体机 | 247.00 | 550.00 | 1,010.00 | 1,420.00 | 1,669.00 | 1,752.00 | ||
| 增长率 | - | 144.44% | 83.64% | 40.59% | 17.54% | 4.97% |
①随着云计算、5G和边缘计算技术的快速发展，推动了算力需求的显著上升，智能计算产品市场需求显著扩大。这一趋势带动了AI算力集群、智算一体机等先进设施的大规模部署，以满足日益增长的计算需求。DPU作为“第三颗主力芯片”，能有效降低算力损耗，满足数据中心升级需求；
②公司竞争力强：标的公司凭借技术积累与市场洞察，在DPU产品研发和应用方面具备领先优势；
③行业趋势推动：中国智算中心建设投入加大，以及专业领域客户需求增长，共同促进智能计算产品收入提升。
2）预测期内产品销量分析
1 AI算力集群DPU产品
2025年销量根据在手订单情况及预计可签约订单情况预测。
标的公司智能计算产品主要客户包括以阿里巴巴为代表的互联网客户、以华大智造及B客户为代表的行业应用客户，上述客户均为各自细分领域的头部企业，经营情况稳定，发展趋势良好。标的公司向前述客户提供的产品及服务在对应的细分领域内占有率领先，双方的合作关系持续稳定。基于该等客户的自身发展状况及所属行业的发展情况、客户的未来战略规划、产品开发规划等，以及标的公司持续的产品、技术创新和针对性研发，标的公司与主要客户具有持续稳定的合作预期，标的公司对该等客户服务的持续性较好。
叠加公司自身产品具备高技术壁垒、明确迭代路径以及长期战略聚焦支撑，将会给公司带来的订单具备一定的可复制性与持续性，结合历史年度客户订单情况、客户需求情况分析、业务发展趋势及产品行业发展状况，预计2026至2030年产品销量将呈现显著增长趋势。
2 智算一体机
标的公司持续投入研发资源进行“智能计算”相关产品及技术开发，完成了NGIS.MCP多芯融合正交刀片式智算一体机、SK90机架式智算一体机等产品的研发落地，结合SempFusion大模型平台，形成软硬一体化解决方案。标的公司凭借优异的产品性能及方案落地能力，产品得到了华为生态的高度认可，分别于2025年3月、2025年9月获得鲲鹏KPN钻石合作伙伴及昇腾APN银牌合作伙伴认证，产品获选进入华为安平行业展厅与高性能计算展厅进行核心展示。
标的公司持续通过行业展会（如华为全连接大会、华为鲲鹏KPN伙伴大会、警博会等）等方式进行产品展示及客户拓展，标的公司基于华为生态的国产化解决方案在部分领域达到行业领先水平。同时，标的公司已在运营商、安全DPI领域的10余家客户侧进行导入测试工作，包括武汉绿网、南京烽火、国投智能、恒安嘉新、北京亚鸿等，针对该类业务场景，标的公司产品已经在部分客户的测试场景中完成了稳定性测试和深度性能优化，为后续实现规模销售奠定了良好的基础。未来销量根据产品状态、企业技术能力、市场趋势、客户需求与项目储备等综合考虑预测。
③AI算力集群交换机
2025年销量根据在手订单情况及预计可签约订单情况预测。
标的公司AI算力集群交换机产品通过DPU与交换芯片的融合，实现了对传统数据中心服务器+网卡方案的系统级替代，实现了T级数据转发能力、DPU对链接的维护与分析能力，以及深度的芯片级业务适配能力。产品在生态适配、深度定制方面具备差异化竞争优势，且已获得客户的规模订单。随着客户项目持续推进，在后续年度可能持续获取大额订单，实现销售快速放量。2026年至2028年产品销售增幅较大，2029年以后产品销量增速逐渐放缓谨慎预测。
3）预测期内产品收入分析
智能计算产品报告期及预测期内各类产品营业收入情况如下表：
金额单位：人民币万元
| 产品/服务类别 | 2023年 | 2024年 | 2025年E | 2026年E | 2027年E | 2028年E | 2029年E | 2030年E |
| AI DPU 算力集群 产 品 | 6,770.32 | 26,190.09 | 25,933.95 | 33,955.90 | 41,525.88 | 48,321.28 | 53,274.06 | 55,937.70 |
| 增长率 | 105.62% | 286.84% | -0.98% | 30.93% | 22.29% | 16.36% | 10.25% | 5.00% |
| AI算力集群交换机 | 296.99 | 131.37 | 924.57 | 2,295.38 | 4,165.36 | 5,322.40 | 5,715.07 | 5,887.41 |
| 增长率 | 169.00% | -55.77% | 603.79% | 148.26% | 81.47% | 27.78% | 7.38% | 3.02% |
| 智算一体机 | - | - | 2,346.96 | 4,656.00 | 7,800.90 | 10,385.00 | 11,935.63 | 12,529.14 |
| 增长率 | - | - | 98.38% | 67.55% | 33.13% | 14.93% | 4.97% | |
| 其他 | 3.82 | 54.37 | 0.96 | - | - | - | - | - |
| 智能计算产品合计 | 7,071.14 | 26,375.82 | 29,206.45 | 40,907.28 | 53,492.14 | 64,028.68 | 70,924.76 | 74,354.25 |
| 增长率 | 107.79% | 273.01% | 10.73% | 40.06% | 30.76% | 19.70% | 10.77% | 4.84% |