|
致尚科技(301486):五矿证券有限公司关于《关于深圳市致尚科技股份有限公司申请发行股份、现金购买资产的审核问询函的回复》之专项核查意见
| 时间：2025年10月24日 21:21:12 中财网 |
原标题:致尚科技:五矿证券有限公司关于《关于深圳市致尚科技股份有限公司申请发行股份、现金购买资产的审核问询函的回复》之专项核查意见
深圳证券交易所：
贵所下发的《关于深圳市致尚科技股份有限公司申请发行股份、现金购买资产的审核问询函》（审核函〔2025〕030011号）（以下简称“问询函”）已收悉。
深圳市致尚科技股份有限公司（以下简称“上市公司”、“公司”或“致尚科技”）及相关中介机构就问询函所提问题进行了认真讨论分析与核查，并按照要求在《深圳市致尚科技股份有限公司发行股份购买资产暨关联交易报告书（草案）》（以下简称“重组报告书”）中进行了相应的修订和补充披露。
五矿证券有限公司（以下简称“独立财务顾问”）作为本次重组的独立财务顾问，就问询函所提问题出具本核查意见，现提交贵所，请予审核。
除另有说明外，本核查意见中的简称和名词释义与重组报告书中的含义一致。
本核查意见中若出现总计数与各分项数值之和的尾数不符的情况，均为四舍五入所致。
| 问询函所列问题 | 黑体加粗 |
| 对问询函所列问题的回复 | 宋体（不加粗） |
| 对问询函回复中涉及问题的标题部分 | 宋体（加粗） |
| 对重组报告书的修改、补充披露 | 楷体（加粗） |
目录.............................................................................................................................2
1.关于标的资产生产经营............................................................................................3
2.关于标的资产财务状况..........................................................................................82
3.关于评估................................................................................................................135
4.关于股份支付........................................................................................................187
5.关于协同效应及整合管控....................................................................................195
6.关于交易对方........................................................................................................205
7.关于交易方案及其他事项....................................................................................225
其他事项说明...........................................................................................................231
1.关于标的资产生产经营
申请文件显示：（1）上市公司本次拟收购深圳市恒扬数据股份有限公司（以下简称恒扬数据或标的资产）99.8555%股权。标的资产主要从事智能计算产品和数据处理产品及应用解决方案的研发、销售及服务，产品生产主要委托外协厂商完成。报告期内，标的资产主营业务收入分别为2.15亿元、4.55亿元和1.78亿元，其中智能计算产品收入分别为0.71亿元、2.64亿元和1.63亿元，占比分别为32.83%、57.93%和91.48%，收入大幅增长，主要系向终端客户阿里巴巴及其指定整机生产厂商新华三信息技术有限公司（以下简称新华三）销售收入增加。（2）最近一年及一期，新华三为标的资产前五大客户，标的资产向其销售金额分别为1.01亿元、0.56亿元，占营业收入比例分别为33.97%、30.68%。
标的资产与新华三合作模式为：阿里巴巴集团内企业与恒扬数据签署NRE（一次性工程费用）技术服务协议，产品开发完成后，标的资产向新华三销售产品，并应用于阿里巴巴智算中心。（3）报告期各期，标的资产向阿里巴巴终端客户销售毛利率分别为55.39%、28.38%和9.91%，毛利率大幅下滑，且低于向非阿里巴巴客户销售毛利率。标的资产向阿里巴巴销售产品系定制化开发，生命周期一般为2-3年，前期销售毛利率较高，后期批量交付毛利率较低，标的资产正在为阿里巴巴开发新一代的产品。（4）标的资产境外业务主要向A客户销售数据处理产品及应用解决方案，2023年、2024年，A客户均为标的资产第一大客户，标的资产向其销售金额分别为1.19亿元、1.61亿元，2025年1-3月未向其销售。（5）标的资产主要产品以外协生产为主，外协模式包括委托加工和代工模式。委托加工模式下，供应商仅提供组装、焊接等服务，代工模式下，代工厂自行采购原材料加工后销售给标的资产。标的资产产品需经过阻抗测试、外观检验、生产测试、老化测试、复检测试等关键环节的多次验收。（6）报告期内，国投智能（厦门）信息股份有限公司（以下简称国投智能）向标的资产采购乾坤大数据治理平台等软件，销售正交架构分流器、存储芯片等原材料，深信服科技股份有限公司向标的资产采购上网行为软件开发服务等软件，销售DPU产品。
请上市公司补充说明：（1）使用通俗易懂的语言详细说明标的资产智能计算及数据处理业务的具体业务模式，包括但不限于产品研发设计、定制流程、验证调试等环节的实际业务内容，提供相关服务所需的技术和能力，与同行业可比公司业务模式是否存在差异。（2）结合标的资产所处行业发展趋势、市场容量、竞争格局，主要产品如DPU、一体机、数据处理方案的供需状况、技术迭代情况、竞品优劣势对比情况，标的资产行业地位、市占率、技术优势及行业进入壁垒等，说明标的资产主营业务技术含量及核心竞争优势。（3）主要客户如阿里巴巴、新华三等公司在国内外智能计算领域行业排名、竞争优势、市占率及收入情况，与标的资产在智能计算领域的合作背景、历史及稳定性，标的资产是否为主要客户智能计算产品唯一供应商，智能计算业务收入是否具有可持续性，对阿里巴巴、新华三等客户是否存在重大依赖。（4）阿里巴巴不直接向标的资产采购，而是指定新华三向标的资产采购的原因，标的资产签署NRE技术服务协议的对象及具体约定，包括但不限于研发产品知识产权归属、供应产品内容、合同有效期等，标的资产为阿里巴巴开发新一代产品的最新进展，产品开发、迭代及销售具体约定，新一代产品销售前是否需重新进行客户验证及具体流程。（5）结合智能计算产品生命周期各阶段产品性能、结构、单价、成本等方面的变化情况，标的资产定价模式、上下游议价能力等，说明标的资产智能计算业务毛利率大幅下滑、向不同类型客户销售毛利率差异较大的原因，导致毛利率大幅下滑的不利因素是否持续。（6）结合A客户成立时间、具体业务、向标的资产采购处理产品及应用解决方案的背景、双方合作历史及具体协议约定，包括但不限于供应产品内容、付款方式及时点、合同有效期，以及最近一期向A客户销售的情况，说明标的资产数据处理业务收入是否具有可持续A 7 A
性，是否对 客户存在依赖。（）报告期内 客户所在地区外交、行业、贸易等政策及变化情况，出口主要结算货币的汇率波动情况，相关政策及汇兑损益变化对标的资产的业绩影响及应对措施，最后一期未产生收入的原因，标的资产境外收入是否存在不确定性。（8）主要产品委托外协生产的原因，委托加工和代工模式下生产产品类型、单价、终端销售对象及销售金额占比，前五大外协厂商基本情况、合作背景、采购内容、金额及占比，定价方式及公允性，是否与标的资产存在关联关系，未来是否仍维持以研发、销售为主，将生产委托外协厂商的经营模式。（9）标的资产与外协厂商采购、生产具体约定，验收及质量控制实施主体、实施体流程及有效性，产品质量约束措施及责任承担安排，是否存在纠纷或潜在纠纷。（10）报告期内，标的资产既向国投智能等公司采购，又向其销售的原因、相关交易必要性、合理性，采购及销售价格公允性，是否符合行业惯例。
请独立财务顾问和会计师核查并发表明确意见。
【回复】
一、使用通俗易懂的语言详细说明标的资产智能计算及数据处理业务的具体业务模式，包括但不限于产品研发设计、定制流程、验证调试等环节的实际业务内容，提供相关服务所需的技术和能力，与同行业可比公司业务模式是否存在差异
（一）标的资产智能计算产品、数据处理产品及应用解决方案的具体业务模式
1、标的资产智能计算产品、数据处理产品及应用解决方案具体情况
恒扬数据专注于智能计算产品、数据处理产品及应用解决方案的研发、销售与服务，是国内优秀的AI智算中心、云计算数据中心及边缘计算核心基础设施供应商，同时提供网络可视化与智能计算系统平台解决方案。
（1）智能计算产品
智能计算产品主要包括AI算力集群DPU产品、AI智算一体机/DPI智算一体机等。
恒扬数据AI算力集群DPU产品主要为基于FPGA（现场可编程逻辑门阵列）芯片自研的异构计算加速卡、智能加速卡、AINIC（AI智能网卡）等，主要产品形态为包含嵌入式软件的硬件设备。标的公司DPU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。标的公司DPU产品主要应用于云计算集群和AI算力集群等场景，能够帮助核心芯片分担专项计算任务、网络及存储等工作负载，使核心芯片专注AI训练、模型推理等关键计算任务，从而提升系统整体效率。
恒扬数据智算一体机产品深度融入华为鲲鹏、昇腾计算生态，整合DPU、CPU和GPU的多芯异构融合技术，主要目标客户包括有特定应用场景（如运营商、安全等）和异构算力需求的行业客户、系统集成商等，算力密度及性能不低于市场同定位主要竞品。
（2）数据处理产品及应用解决方案
标的公司数据处理业务主要产品包括高性能数据处理设备、数据分析应用平台等，并基于上述产品体系为客户提供完整的一体化解决方案。其中数据处理产品主要包括正交架构分流器、标准机架式分流器等高性能汇聚分流设备，主要产品形态为包含嵌入式软件的硬件设备，支持最高达800GE高速率接口，产品性能指标处于行业领先水平，可采集骨干网、数据中心等场景的多向流量，结合应用软件、数据分析平台可提供对网络流量的智能分流过滤、数据预处理、负载均衡与分发、可视化管控等功能；数据处理应用解决方案主要以项目的形式进行销售、实施，标的公司以自主研发的大数据分析平台为核心建立了“大平台+多组件”的灵活产品架构，采取“核心部件自研与业界组件集成并行、平台标准化产品与客户场景化定制结合”的模式，分阶段试运行、逐段验收，提升整体竞争力。恒扬数据数据处理产品及应用解决方案在高壁垒细分特种市场及海外发展中国家市场形成了差异化竞争优势，具有一定市场份额。
2、恒扬数据主要业务模式
为确保各产品线的战略成功，恒扬数据构建了一套涵盖从战略到市场全周期的闭环业务模式，旨在驱动“战略驱动产品、产品赢得客户、客户反馈增强战略”的飞轮效应，确保业务的持续领先与进化。恒扬数据主要产品包括硬件、软硬件一体、综合解决方案等不同形式，除部分产品/业务特殊情况外，智能计算产品及数据处理产品业务流程不存在重大差异，核心业务环节及主要工作内容说明如下：
| 业务环节 | 业务内容 |
| 战略分析 | 围绕公司战略定位与核心能力的战略执行分析与规划，建立“中长期→年度→季度”的 滚动战略管理机制。并积极参与全球顶级行业论坛及标准组织的相关会议，确保技术 前瞻性。重点聚焦互联网、运营商、安全三大赛道，进行持续的宏观环境、产业链、 技术趋势分析。 |
| 行业/市场分析 | 技术趋势分析：跟踪新兴技术发展和创新趋势，预测其对行业的影响； |
| 竞争态势矩阵：分析直接竞品、间接竞品、潜在进入者，从产品能力、价格、渠道、 品牌等维度对比，明确公司的相对位置。 | |
| 研发设计/产品开 发/产品发布 | 恒扬数据借鉴并导入业界先进的集成产品开发模式，制定了完善的研发流程及项目管 理制度，对需求分析、立项决策、产品及方案设计、测试验证、产品发布等环节进行 全流程管理（概念阶段：Kickoff→TR1；方案阶段：TR1→TR2；概念&开发阶段： TR2→TR4；设计验证阶段：TR4→TR5；系统验证阶段：TR5→TR6；发布阶段： TR6→GA），技术、产品研发需求即来源于公司的战略规划、市场调研、技术迭代等， 亦包括特定合作模式下的客户定制化开发需求。恒扬数据的产品开发模式既适合高效 率高质量交付产品，也保证了一定的灵活性，确保恒扬数据的产品开发始于精准的市 场需求，并最终落地为具备市场竞争力的成功产品。 恒扬数据建立了结构化的产品发布机制，确保市场、销售、服务等团队与研发同步完 成赋能，实现产品从研发到商业化的平滑过渡。 其中，标的公司与部分特定客户采用NRE（Non-RecurringEngineering，一次性工程费 用）合作模式进行产品开发，并收取技术服务费用，具体模式及流程详见本小题之“3、 NRE模式项目流程”。 |
| 产品迭代 | 通过系统化的产品迭代升级机制，产品不仅能快速响应市场变化，更能主动引领技术 趋势，具体包括基于客户应用场景与反馈数据的持续优化、有规划的产品功能演进与 版本迭代、构建平台化和生态系统等方式。 |
| 采购 | 采购部门根据市场部门的销售订单、预测订单以及研发部门的物料需求清单确定采购 需求并制作采购订单，向合格供应商下达。原材料到货后需经过质量管理部门的严格 检验，合格后方可办理入库登记。为确保原材料质量和最终产品符合客户要求，公司 制定了完整的供应商管理制度，包括供应商的引入和考核流程、品质检验流程以及质 量事故处理流程等，形成从供应商选择到原材料验收的全流程质量控制体系 |
| 生产 | 恒扬数据依托行业成熟的电子制造业产业链优势，将主要资源集中于高附加值的研发 设计环节，而将硬件加工与装配等相对低附加值的生产环节委托给外协厂商完成。同 时，恒扬数据自身保留小型装配及测试车间作为补充生产能力。 关于外协加工具体情况，详见本题“九、标的资产与外协厂商采购、生产具体约定，验 收及质量控制实施主体、实施流程及有效性，产品质量约束措施及责任承担安排，是 否存在纠纷或潜在纠纷”之回复。 其中，关于数据处理业务中综合应用解决方案实施模式及流程详见本小题之“4、数据 应用解决方案实施流程”。 |
| 销售 | 恒扬数据采用直销的销售模式，并针对不同类型客户采取差异化的产销策略：对定制 类业务实行“以销定产”模式，严格根据客户订单需求及市场预测安排生产计划和原材 料采购；而对于通用类产品则采取适度“以产定销”策略，基于市场调研、行业趋势分 析及历史销售数据等多维度因素进行需求预测，制定科学的生产和采购计划，并保持 合理的原材料储备以确保市场响应速度。此外，恒扬数据部分一体化方案服务或产品 以项目为单位，通过参与目标客户招投标或竞争性谈判等方式取得销售合同。 |
（1）深刻理解行业需求及客户需求
恒扬数据基于对行业发展趋势、产业竞争格局、产品技术需求的深刻理解，行业前沿发展趋势，能够有效匹配各应用领域的需求，从而更好地满足客户需求。
（2）强大的自有软硬件架构设计能力和设备开发能力
在硬件层面，需要掌握高性能硬件设计、专用芯片（以FPGA为主）的开发及工程化能力，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；在软件层面，须具备底层DPI（深度报文检测技术）、流量调度、协议识别等核心算法的开发能力，并确保系统达到高稳定性、高可靠性和高吞吐量的苛刻指标。同时，为了满足不同客户的定制化需求，产品平台需要具备良好的模块化、系列化设计，以控制研发和部署成本。
（3）深度场景适配化与快速响应能力
恒扬数据针对互联网、安全、运营商等细分垂直领域，构建“场景需求-全栈适配-快速交付”的闭环能力，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，结合标的公司完善的“战略—需求—产品—反馈—迭代”的产品开发迭代机制，既实现“精准匹配场景痛点”，又确保“响应速度领先行业”。
3、NRE模式项目流程
在产品开发环节，针对与部分特定客户NRE合作模式下定制开发的DPU产品，恒扬数据基于与战略客户的多年沟通与协作，对公司的产品项目开发流程进行了进一步的优化，以保证两个公司团队在联合开发过程中的开发效率。具体说明如下：
| 业务环节 | 业务内容 |
| Kickoff | 对应公司研发流程的概念阶段；针对定制产品进一步细化，对NRE协议 中的需求进行详细的拆解、输出具体的交付件清单并进行可供应性分析， 确保后续设计的有效性和产品的可持续供应能力 |
| EVT（工程验证及测试阶段） | 对应公司研发流程的TR4节点，完成产品方案设计、产品原型的开发， 并进行详细的功能测试及性能测试，并根据测试结果进行设计修改 |
| DVT（设计验证及测试阶段） | 对应公司研发流程的TR5节点；形成更多数量样机，进行更全面的功能 测试、性能测试和可靠性测试，确保产品符合客户需求及设计规范，准 备进入PVT阶段 |
| PVT（生产验证及测试阶段） | 对应公司研发流程的TR6-GA节点；进行小批量试产，进行全面的质量 |
| 控制和可靠性测试，确认生产工艺和设备的稳定性，解决生产过程中的 问题，为产品量产及发布做准备 | |
| 产品验收 | 经客户验收通过后进行量产交付 |
恒扬数据自2003年成立以来，在FPGA开发上积累了深厚的工程实践经验，不仅精通硬件设计，更擅长将核心算法在FPGA上实现高效固化。恒扬数据凭借FPGA工程化与算法硬件化能力、深度场景适配化与快速响应能力等核心能力及对行业与客户需求的深入、全面的认识和理解，能为客户提供高度定制化的系统解决方案，通过FPGA架构实现客户需要的产品功能，完成硬件验证与兼容性测试，并保证及时有效地完成产品、技术开发及交付。
4
、数据应用解决方案实施流程
标的公司数据应用解决方案主要以项目的形式进行销售、实施，采用了“核心自研+生态集成”的双轮驱动策略：一方面，公司专注于高性能数据分析处理设备的研发以及大数据分析平台的核心架构与关键技术；同时积极引入业界成熟部件，弥补特定领域的不足，提升整体竞争力。在实施过程中，采取“核心部件自研与业界组件集成并行、平台标准化产品与客户场景化定制结合”的模式，分阶段试运行、逐段验收，并通过持续迭代不断实现技术升级与业务升级，从而稳步提升客户体验与满意度。具体说明如下：
| 业务环节 | 业务内容 |
| 方案规划与构建 | 解决方案规划过程中，立足整体行业发展趋势，从顶层设计切入，同时深度 契合客户的业务需求与技术架构，兼顾技术前瞻性与落地可行性 |
| 客户引导与需求挖掘 | 完成方案初步规划构建后，持续与客户进行沟通交流，采用小规模试点及成 熟案例推介的方式对客户进行引导，并挖掘客户的专有需求，同时需要将客 户的模糊需求转化为具体的技术方案 |
| 产品研发及解决方案集成 | 基于项目需求对已有产品、成熟部件进行解决方案集成，针对不能完全匹配 的客户需求立项进行产品/技术研发 |
| 工程部署上线试运行 | 协助客户制定切实可行的实施方案，建立标准化交付体系，覆盖网络规划、 系统部署、数据迁移、性能优化、上线试运行等全流程环节； 制定详细的验证计划，通常包括功能验证、性能测试、稳定性评估、数据一 致性测试和安全审计等多个维度 |
| 交付验收与客户培训 | 验收前组织客户多个业务部门对新上线产品进行系统性试用，全面评估功能 完备性、性能表现及易用性。建立标准化反馈收集机制，能够高效识别系统 优化点、系统问题、前期需求理解的偏差，为后续迭代提供方向。 验收流程通常包括系统功能验证、性能测试、数据一致性测试、安全合规检 |
| 查等。 建立客户培训体系，涵盖产品操作与业务应用以及网络系统安全、行业数据 分析等专业知识。同时充分利用培训活动收集客户的新需求、新想法、业务 痛点，对系统的改进意见等，为系统的升级演进提供比较好的输入 | |
| 运行维护与持续优化 | 建立了7×24小时响应机制，并对实施问题进行分级管理，确保不同级别问 题能在规定的时效内得到有效的解决 |
（1）技术研发能力
标的公司数据应用解决方案以自研D-EYE数据分析平台及高性能汇聚分流设备为核心，以互联网的大数据分析处理为基础，对互联网数据（移动网、固网、专网）和客户自有数据、外部导入数据等多维数据进行智能挖掘分析，实现用户画像、时空多维关联、行为分析、数据治理、信息安全等应用呈现，为客户提供智能化高性价比的行业完整解决方案。
其中数据分析平台架构能力是技术能力建设的核心，平台必须具备海量数据的存储与处理能力，并支持水平扩展，以满足业务持续增长的需求。在已实施项目中，标的公司平台已能够支撑每秒500万条数据的接入与处理，单日处理规模达500亿条，为客户提供了高性能、高可靠性的大数据分析与应用支撑。
同时，公司需具备覆盖数据的全生命周期管理的大数据技术全栈研发与维护能力，从数据采集、存储、处理到分析与应用，每个环节都需要专业技术支撑，以确保整体解决方案的完整性与一致性；汇聚分流设备需满足高可靠性与高带宽接入的严格要求，恒扬数据持续进行技术创新，根据行业需求，推动产品向更大容量、更高性能、更低功耗发展，推出覆盖100G、400G到800G的数据采集分析产品，相关产品性能指标处于行业领先水平。
（2）场景适配及业务交付能力
标的公司场景适配及业务交付能力以客户行业特性与业务痛点为核心，针对客户及行业的具体业务需求进行定制方案，避免“标准化方案硬套”。交付端搭建全流程管控体系，覆盖需求确认、本地化部署、试运行优化，海外项目还配置多语言团队与跨时区响应机制，高效满足客户个性化业务落地与跨地域实施需求。
（3）数据安全与合规性管理
合规性管理是安全领域解决方案落地的“底线要求”，需以国内外数据法规为导向，将合规设计贯穿解决方案全流程，避免客户面临法律风险。在国内场景，需严格遵循《中华人民共和国网络安全法》《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》等要求；面向海外市场，需适配当地法规，支持数据本地化存储、数据出境审批流程。
（二）关于与同行业可比公司业务模式是否存在差异
1、关于与同行业可比公司业务模式对比情况
标的公司主要业务模式与产品特点、行业情况相匹配，符合标的公司实际经营情况，与同行业可比公司相比不存在重大差异。
同行业可比上市公司主营业务/产品及业务模式具体如下：
| 项目 | 恒为科技 | 迪普科技 | 中新赛克 | 与标的公司是 否存在重大差 异 |
| 主营 业务 | 从事智能系统解决方案 的研发、销售与服务， 是国内优秀的网络可视 化和智能系统平台提供 商，以及算网解决方案 和运维科技的提供商， 致力于为运营商网络、 信息安全、 国产信息 化、工业互联网、行 业智能和智算中心等领 域提供业界先进的产品 和解决方案 | 迪普科技以“让网络更简 单、智能、安全”为使命， 深耕网络安全、工控安 全、数据安全、云安全 及应用交付等多个关键 领域，构建了以网络安 全为核心，应用交付、 网络产品为两翼的“一体 两翼”的产品体系，持续 为各行业用户提供具有 核心竞争力的全场景网 络安全解决方案及全生 命周期的安全运营保 障，用户覆盖了政府、 运营商（移动、电信、 联通）、电力、能源、 金融、交通、教育等多 个关键行业 | 网络可视化基础架构、网 络内容安全、数据运营、 数据与网络安全等产品的 研发、生产、销售，以 及相关产品的安装、调试 和培训等技术服务，为政 府、运营商及企事业单位 等提供专业产品、解决方 案和技术服务。 | - |
| 生产 模式 | 在生产方面，恒为科技 采用自有产线与外协加 工相结合模式，以产品 品质以及交付响应能力 为优先，结合强有力的 | 迪普科技生产流程严格 遵循研发设计的硬件图 纸与工艺说明，在各类 电子元器件及其辅助材 料经过组装工序后，将 | 在生产方面，坚持以销定 产并保持适当安全库存的 原则，采取自行生产和委 外生产相结合的方式，通 过统一采购、层层检测的 | 其中恒为科技、 中新赛克均采 用自产+外协加 工的生产模式， 迪普科技未披 |
| 项目 | 恒为科技 | 迪普科技 | 中新赛克 | 与标的公司是 否存在重大差 异 |
| 成本管控体系，根据产 能和需求情况动态调整 产线选择，并通过控制 工艺标准、制定操作流 程、质量工程师驻厂， 以及控制最终检验环节 等方式保证产品质量的 一致性。 | 自主研发的软件系统灌 装至硬件设备中。整个 生产过程通过一系列严 格的质量控制流程，涵 盖原材料检验、生产过 程监控以及成品检测等 环节，确保产品均符合 迪普科技质量标准。为 客户提供了可靠、稳定 的产品保障，进一步提 升迪普科技在市场中的 口碑与品牌形象 | 模式，确保生产效率和产 品质量。 | 露是否存在外 协加工，总体上 标的公司生产 模式与行业公 司不存在重大 差异 | |
| 采购 模式 | 恒为科技计划部依据销 售部制定的销售预测以 及研发部的项目物料需 求，进行物料需求计划 的计算和采购申请的下 达。采购部依据采购申 请，将采购订单下达给 合格供应商名录内的相 关供应商。采购部同时 建立供应商管控流程， 管理供应商的认证导 入、考核评价和辅导改 善。在订单执行过程中， 采购部依据需求变化的 情况，与供应商协调物 料交付计划的调整。物 料到料后，经由质量部 做进料检验合格后，由 仓储物流部进行入库操 作 | 迪普科技构建了一套高 效、专业、灵活的采购 运作体系，涵盖战略性 供应商选择、采购执行 以及供应商管理三大核 心流程。在供应商选择 阶段，迪普科技依据严 格的评估标准，筛选出 具备优质产品、可靠服 务及强大供应能力的供 应商，并与之建立长期 稳定的合作关系。在采 购执行过程中，迪普科 技通过精细化的采购管 理，确保原材料及零部 件的及时供应，满足生 产计划的顺利推进。同 时，迪普科技持续优化 供应商管理体系，通过 评估、监督与合作优化 等措施，激励供应商不 断提升产品质量与服务 水平。 | 中新赛克设立供应链管 理部，负责建立健全中新 赛克的采购管理制度与供 应商管理制度、制定采购 流程和年度采购计划，管 理生产物料及重要设备的 采购工作，并对子公司的 采购及生产活动进行管 控。为规范采购流程，降 低采购成本，中新赛克制 定了一系列采购控制措 施，包括《采购控制程序》、 《供方评定程序》等，并 监督子公司的相关制度执 行情况。 | 无重大差异 |
| 销售 模式 | 在销售方面，国内销售 主要采取向客户直接销 售的模式，海外销售通 过外贸公司实现出口， 恒为科技加大销售渠道 建设，加强与客户的联 | 采用渠道销售和直签销 售相结合的方式。迪普 科技持续强化销售团队 建设，优化渠道管理体 系，通过与优质渠道伙 伴建立生态合作伙伴关 | 在销售方面，确立“直销+ 经销”的销售模式，加强渠 道体系建设，在加大销售 团队建设和管理力度的同 时，积极加强与行业生态 伙伴之间的合作，共同拓 | 行业可比公司 采用包括直销、 经销、渠道销售 等多种形式，标 的公司以直销 为主，销售情况 |
| 项目 | 恒为科技 | 迪普科技 | 中新赛克 | 与标的公司是 否存在重大差 异 |
| 系与合作，保持行业市 场领先优势。 | 系，迪普科技实现了产 品与解决方案在目标客 户群体中的广泛覆盖。 | 展并扩大在行业领域的覆 盖面。 | 略有不同但无 重大差异 | |
| 研发 模式 | 在研发方面，坚持市场 导向和技术引领的双驱 动模式，加强产品研发， 提升产品和解决方案竞 争力。 | 采用产品线管理团队的 模式进行组织，该团队 由市场产品部和研发产 品部协同组成。市场产 品部负责收集客户需求 及反馈，精准定义产品 功能与性能指标；研发 产品部则专注于需求的 细化分解与技术可行性 分析。通过市场与研发 部门的无缝衔接，迪普 科技有效保障了研发成 果的市场适配性，为持 续推出高质量、创新性 的产品奠定了坚实基 础。 | 在产品方面，围绕市场需 求，紧跟前沿技术，加强 产品研发，积极扩大产品 种类，增强各个产品间的 协同效应，加强与其他厂 商的方案合作，形成综合 解决方案，提高行业竞争 力。 | 无重大差异 |
2、关于NRE合作模式的说明
在电子制造、半导体等行业，NRE合作模式已形成成熟惯例，如光峰科技（688007.SH）与极米科技通过NRE合作模式开发激光投影光学引擎、华丰科技（688629.SH）与华为通过NRE合作模式开发连接器产品等。
标的公司部分特定客户采用NRE合作模式，主要系相关产品应用场景高度适配、定制化程度高，通过“客户预付/补偿研发成本+绑定后续合作”的机制，可平衡研发投入风险、强化客户粘性并提升产业链价值，其合作模式具有真实的商业背景，对标的公司经营无不利影响。
二、结合标的资产所处行业发展趋势、市场容量、竞争格局，主要产品如DPU、一体机、数据处理方案的供需状况、技术迭代情况、竞品优劣势对比情况，标的资产行业地位、市占率、技术优势及行业进入壁垒等，说明标的资产主营业务技术含量及核心竞争优势
（一）智能计算产品
1、AI算力集群DPU产品
恒扬数据AI算力集群DPU产品主要为基于FPGA芯片自研的异构计算加
速卡、智能加速卡、AINIC等，主要应用于云计算集群和AI算力集群等场景，能够帮助核心芯片分担专项计算任务、网络及存储等工作负载，使核心芯片专注AI训练、模型推理等关键计算任务，从而提升系统整体效率。
在人工智能行业高速发展的背景下，DPU相关产品市场规模持续增长，市场整体呈现为由不同技术路径和客户需求驱动的多层次竞争格局。行业主要竞争企业包括Nvidia、云脉芯联、云豹智能等，其主要采用ASIC/SoC方案，追求标准化、高性能与低功耗；而恒扬数据以FPGA芯片为基础的DPU产品灵活性高，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，从性能、效率、定制化和可维护性等多个方面增加了客户云服务基础设施的能力。在AI行业发展带来的算力投资持续增长以及不同行业客户差异化的深度定制需求的情况下，恒扬数据的DPU产品解决方案有望持续获益。具体分析如下：
（1）行业发展情况、市场容量
①DPU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。
②DPU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 -灵活性中等 | -电信骨干网流量处理 -5G核心网数据面等 | Nvidia、华为等 |
| 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 | 恒扬数据等 |
| 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%；而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。
③DPU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。
（2）产品供需情况
应用于AI算力设施的DPU产品可以是基于ASIC、FPGA和SoC的。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。ASIC具有成本效益，可能提供最佳性价比，但灵活性有限；SoC芯片集成了NiC和ARM等，兼具灵活性，但可编程部分以CPU为核心，性能有限；相比之下，FPGA具有高度可编程性、低延迟、高并发的特点，但存在功耗高、成本高、单位面积大的问题，在部分要求低时延处理和高灵活变化场景的细分领域具有相对优势，如工业控制、互联网、通信、航空航天、汽车电子等。基于不同路线产品以及特定应用领域的需求特点，市场整体供需结构较为复杂。具体分析如下：在需求端，DPU产品需求整体呈现爆发式增长的趋势：①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。在当前数据增幅大幅提升的大背景下，CPU性能的增速减缓，成本大幅增加，而DPU可有效减少算力损耗，提升算力中心运行效率，展现出强劲的发展潜力。②随着数据量的爆发式增长与数据类型的多元化发展，单一超算服务器（Scale-Up，纵向扩展）已无法满足大模型训练需求，万卡级集群成为头部企业的标配，横向扩展（Scale-Out）架构成为目前算力集群建设的主流选择，在此架构下，网络通信效率直接决定整体算力效率，DPU成为提升集群效率的关键因素之一，逐渐成为AI算力集群的必选项。③各大算力中心呈现存算分离与算力协同的发展趋势，通过跨域扩展（ScaleAcross）将分布在不同地理位置的多个数据中心视为一个统一的、巨型的“虚拟计算机”，协同完成一项任务。这为DPU在广域网加速、数据调度等领域创造了新市场。其中，FPGA路线产品凭借其深度适配、高灵活性及极致性能等特点，在部分领域具有比较优势，有望获得一部分市场增量。
在供给端，因技术路线及细分领域应用特点的差异，不同类型的DPU产品并非简单的“替代”关系，而是一个由不同技术路径和客户需求驱动的多层次竞争格局。
总体上，DPU产品呈现需求爆发式增长，而供给端呈现高端供给不足且仍需要进一步适配客户需求的发展特点。
（3）行业竞争格局、主要竞品对比情况
①行业竞争格局
因DPU产品技术路线及细分领域应用特点的差异，不同类型的DPU产品并非简单的“替代”关系，而是一个由不同技术路径和客户需求驱动的多层次竞争格局。Nvidia凭借其成熟的端到端生态（NVLink+IB+CUDA）以及行业领先的产品性能主导通用市场，市场份额接近60%；但面对部分客户如互联网厂商的自主可控、定制适配的需求，国内采用ASIC/SoC路线的厂商凭借本土化策略、特定场景优化及与其他非Nvidia产品的兼容性提供替代选择；FPGA路线的DPU产品凭借本身低延迟、高并发的技术特点以及对部分领域的高适配性，在部分应用领域如数据通信处理、高性能计算、工业控制、航空航天、汽车电子等具有一定的市场份额，FPGA路线厂商则通过极致的灵活性与快速适配性解决头部客户的极致需求，形成差异化竞争。
②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；另一种则是恒扬数据坚持的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 | 恒扬数据 | 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/Gen4.0x 16 | 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 | |||
| 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）； | OVSoffload； SR-IOV；SPDK | VxLAN、Geneve、NVGRE等加速；TCP offload；Packet/Streamclassify；NAT；Load | |||
| 对比维度 | 恒扬数据 | Nvidia | 云豹智能 | 云脉芯联 | |||
| 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； | offload | Balance | |||||
| 存储加速 | NVMEoF；压缩/解压缩 | BlueFieldSNAP-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 | - | - | - |
注：、关于技术路线：（） 芯片性能特性相对固化，适合已有的标准化和通用场景的解决方案；（） 芯片集成了 和 等，兼具灵活性，但可编程部分以
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 PCIe PCIe 1:1 GPU PCIe5.0 PCIe4.0
、关于 接口：与网络接口相对应， 侧接口实现 的交互带宽，以实现从 的数据到网络数据的互通， 理论带宽为 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
FPGA
直接影响了功能，为此首要的能力在于 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）恒扬数据采用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。
恒扬数据采用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，这为恒扬数据的产品提供了广泛的市场应用空间。
（4）标的资产行业地位、市占率
恒扬数据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。
（5）行业进入壁垒
①技术研发与整合壁垒
DPU并非简单的硬件组件，而是集成了多核处理器、高速网络接口以及各类硬件加速引擎的复杂系统。企业需要同时精通高性能计算、网络协议、虚拟化技术、芯片设计以及软硬件的深度协同优化，这种跨领域的尖端技术整合能力构成了极高的研发门槛。随着数据中心网络向400G甚至800G升级，以及AI算力需求对低时延、高吞吐提出的极致要求，DPU的技术架构需要持续快速迭代，新进入者难以迅速匹配行业及客户需求的变化节奏。
②产业生态与标准壁垒显著
当前DPU的软硬件生态仍由行业巨头主导，新厂商面临显著的生态壁垒。
一方面，亚马逊AWS、微软Azure等超大规模云服务商普遍采用自研DPU方案（如AWSNitro），形成封闭的内部生态系统，第三方产品难以切入。另一方面，在通用市场，DPU需要与主流的云计算平台、操作系统以及应用软件进行深度适配和优化。然而，行业在硬件接口、管理规范、软件API等方面尚未形成完全统一的标准，导致每进入一个新客户环境都可能需要高昂的定制化开发成本，极大地限制了产品的规模化扩张。
③市场信任与服务能力
企业级客户，尤其是云服务商和金融行业，对底层基础设施的可靠性、稳定性和安全性有着近乎苛刻的要求，该类客户更倾向于选择已有品牌背书和大量成功案例的供应商。对于新进入者而言，需要经历一个漫长的“验证-试用-小规模部署-大规模应用”周期才能建立起市场信任。此外，DPU的价值实现离不开强大的服务能力，厂商需要具备为客户提供从部署调试、驱动优化到持续运维和定制化开发的全生命周期技术支持，这需要深厚的技术积累和资源投入。
（6）恒扬数据产品技术迭代情况
标的公司产品技术迭代遵循明确的平台化战略，始终围绕更高性能、更低延迟、更强兼容性的核心目标，在芯片平台、网络接口和主机互联等关键维度上持续领先行业。
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，恒扬数据持续升级网络接口速率，已规模化应用200G/400G产品，800G产品正在研发中，持续满足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。恒扬数据目前已推出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。
（7）恒扬数据技术含量及核心竞争优势
基于前述对算力集群DPU产品的相关行业发展趋势、市场容量、竞争格局、供需状况、技术迭代情况、竞品优劣势对比情况的分析，恒扬数据DPU产品技术含量及核心竞争优势总结如下：
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。
2、智算一体机
AI技术加速渗透千行百业，全球市场规模持续爆发，大模型商业化落地推动行业进入高质量发展阶段。传统AI部署依赖云端或本地集群，存在算力采购与运维成本高昂、跨网络传输延迟影响实时响应、核心数据暴露的安全泄露风险等问题。边缘计算将算力下沉至数据产生端，而智算一体机是集成高性能硬件、智能软件、行业模型的一体化方案，实现“开箱即用”的本地化智能计算。其广泛应用于政务审批、金融风控、医疗影像分析、工业质检等场景，解决了敏感数据“不出域”的安全需求、实时业务的低延迟要求及中小企业AI部署门槛高的痛点。
当前，智算一体机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。恒扬数据深度融入华为鲲鹏、昇腾计算生态，整合DPU、CPU和GPU的多芯异构融合技术，打造了具备高性能、高密度特性的智能计算一体机产品系列，主要面向基础及中端应用场景，凭借极致的技术灵活性、快速的响应速度和深度场景适配能力构筑核心壁垒，在部分行业垂直应用领域内具有一定比较优势，与行业内其他厂商形成差异化竞争。具体分析如下：
（1）行业发展趋势、市场容量
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）产品供需情况
需求方面：随着各行业数字化转型的加速，对AI算力的需求不断增长，智算一体机作为一种高效、便捷的AI算力解决方案，受到金融、医疗、政务等多个行业的青睐。例如，金融行业在风险评估、智能客服等方面，医疗行业在医学影像分析、辅助诊断等环节，都对智算一体机有较大的需求。
供给方面：市场上已经涌现出众多智算一体机供应商，如华为、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，同时，随着技术的不断进步和市场的不断扩大，越来越多的企业也在进入该领域，供给能力不断提升。
（3）行业竞争格局、主要竞品对比情况
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。 |
各厂商的算力一体机产品呈现多样化配置与功能定位，价格覆盖5万元至500万元不等，高端型号支持超大模型预训练与推理，中端型号适配行业主流大模型应用，基础型号赋能轻量级模型推理与边缘部署。这种多样化的产品布局满足了不同用户群体的需求，推动了市场的快速发展。
恒扬数据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 | 恒扬数据 | 恒扬数据 |
| 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 网卡 +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 |
| 对比维度 | 浪潮信息 | 昆仑技术（超聚变） | 华鲲振宇 | 恒扬数据 | 恒扬数据 |
| 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 |
| 产品定位/ 应用场景 | 基于浪潮信息全新一代AI超 融合架构平台，系统支持 4.0Tbps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、分布式存储、 Web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 |