致尚科技(301486):上会会计师事务所（特殊普通合伙）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（修订稿）
原标题:致尚科技:上会会计师事务所（特殊普通合伙）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（修订稿） 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 （修订稿） 上会业函字(2025)第 1461号 深圳证券交易所： 贵所于2025年9月18日出具的《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”），上会会计师事务所（特殊普通合伙）（以下简称“会计师”或“我们”）作为深圳市致尚科技股份有限公司（以下简称“公司”、“上市公司”或“致尚科技”）聘请的资产重组审计机构，针对问询函所涉及需会计师核查的问题，进行了审慎核查，现回复如下： （以下如无特殊说明，本答复中简称与《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）》中的简称具有相同含义；本回复中若出现总计尾数与所列数值总和尾数不符的情况，均为四舍五入所致；除特别注明外，金额单位均为人民币万元） 目录 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..........................................................................................96 4.关于股份支付........................................................................................................146 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性，是否对A客户存在依赖。（7）报告期内A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。 ①DPU产品 A、DPU产品概述 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。以NSA.A3DPU产品为例，产品具体介绍如下：标的公司DPU产品以FPGA芯片为基础，FPGA（现场可编程门阵列， 和ASIC芯片不同，其最大的特点是芯片的具体功能在制造完成以后由用户配置决定，因此得名“现场可编程”。FPGA芯片出厂时无预设固定产品功能特性，需要通过硬件描述语言或高级综合工具，对FPGA芯片底层逻辑单元及互连资源进行晶体管级的编程，即可实现各类定制化数字逻辑功能，适配不同业务场景需求。FPGA芯片应用（与集成电路设计前端流程相同，需要使用硬件描述语言进行编程）及基于FPGA芯片的产品开发具有较高技术门槛，其技术复合性强、设计流程复杂、调试与验证难度高，基于FPGA的产品开发需要具备硬件架构设计、FPGA芯片编程及实现、PCB设计、芯片仿真测试等全流程的技术服务能力，且高度依赖人才与经验积累，需要从长期的产品研发与生产管理过程中不断积累工艺平台数据、产品测试验证数据、产品开发应用经验等，持续完善产品开发平台、技术、工具、方法等，从而提供具有市场竞争力的产品及服务。 恒扬数据自2003年成立以来，创始团队及芯片设计团队在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上实现高效编程固化。可将客户的业务逻辑以及相对低效率的软件算法转化为基于FPGA路线实现的高性能、多并发、低功耗的计算硬件单元，结合标的公司成熟的硬件架构设计、PCB设计、仿真、测试等能力，最终形成高可靠、高性能、深度适配业务需求的DPU产品。标的公司DPU产品开发的核心流程具体说明如下：
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。 B、DPU行业发展概况、产业链及行业上下游情况 I、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”。主要承担CPU和GPU不擅长的计算加速、存储加速、网络加速、算力集群组网、网络流量及任务分发调度等功能。 在AI时代，计算模式发生了根本性转变：从以CPU（中央处理器）为核心的通 用计算，转向了由GPU/NPU等集群驱动的规模化智能计算。可以将一个AI算力中心 类比为一个超级物流枢纽：GPU是数以万计的“超级分拣机器人”，负责执行核心的 计算任务；CPU是“枢纽的总指挥”，负责整体的任务调度与逻辑管理；DPU（数据处 理单元）则是枢纽的“智能交通指挥系统”，部署于每个计算节点，实现所有数据的 调度、传输与安全保障，确保海量数据包能够毫不停歇地、精准地送达每一个GPU。 Ⅱ、产业链及上下游情况 i、DPU产业链 DPU产业链具体构成如下：则主要对应AI计算/云计算、数据通信、智能驾驶、网络安全等领域需求。 中游的DPU研发、制造厂商主要向上游采购基础组件、芯片及加工服务，并基于核心芯片进行研究开发形成DPU产品。中游供应商（包括自研自用厂商）主要包括三类，即通用芯片厂商（如Nvidia、博通等）、互联网及科技巨头（如亚马逊、微软、华为、阿里巴巴等）以及国内行业初创企业（如云豹智能、云脉芯联等）等。 技术路线主要包括ASIC、FPGA、SoC三类，不同路线的产品，在成本、编程的易用性和灵活性方面存在各种权衡。 恒扬数据采用FPGA路线，FPGA（Field-ProgrammableGateArray，现场可编程逻辑门阵列）是一种特殊的逻辑芯片，和ASIC芯片的不同之处在于，用户可以随时定义其硬件功能。虽然CPU、GPU都可以实现编程，但这种可编程是指改变其寄存器的配置，用户并不能改变其硬件功能。而FPGA可编程的是硬件可编程，内部的门电路逻辑块、连线、I/O等资源都可以由用户配置，使得同一片FPGA既可以在5G的基站实现信道编码的功能，也可以在重新配置后放在AI基础设施中实现网络传输及协议控制的功能。因此，FPGA芯片又被称作“万能”芯片。 FPGA具有以下技术特点及优势：1）灵活性高，适合高速迭代的场景：FPGA可以实现任何电路功能，重新配置逻辑功能耗时甚至不超过一秒，修改不限次数，这一特性尤其适合标准/协议/算法经常更改的行业、快速迭代成本敏感的行业、小批量的行业以及需要反复修改验证的设计领域等；2）并行性好，适合要求低时延和大量并行计算的场景：FPGA内部数十万个可配置逻辑块可以同时独立工作，实现大规模的低时延并行计算，由于不存在线程或者资源冲突的问题，FPGA的时延是确定的低时延，特别适合低时延高性能的计算场景。由于FPGA的技术特性，在数据通信处理、高性能计算、工业控制、航空航天、汽车电子等部分应用领域占据重要作用；3）开发周期快，一般FPGA芯片开发周期6-12个月，远远快于ASIC芯片2-3年的设计和流片周期。 在DPU产业链中，恒扬数据主要基于FPGA路线，形成了适配不同应用领域的多款高性能DPU计算加速卡产品，应用于存储加速、网络加速、算力集群组网、图像识别和处理、网络流量及任务分发调度等领域。同时，与部分头部互联网客户及细业务需求深度匹配的定制化DPU解决方案及技术服务。 ii、人工智能产业链 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，属于人工智能 行业。人工智能产业链构成如下：在人工智能产业链中，恒扬数据的DPU产品主要归属于基础层中的IT设备（计 算芯片、网络设备）部分，是AI基础设施建设的重要部件之一，与GPU、CPU等核 心算力芯片在AI服务器中进行集成，主要应用于互联网及云计算厂商的AI算力集 群。近年来，随着人工智能行业不断发展，AI算力需求急剧上升，DPU的价值在AI 算力基础设施上更为凸显。当前，大模型训练需要成千上万个GPU/NPU组成算力集 群实现协同工作。而正是通过DPU的网络互联实现了从单一计算卡到千卡、万卡、 十万卡集群的协同。结构及配置示意图如下：DPU在该场景下，主要解决了以下核心需求： 1）高带宽、低延迟的算力集群互联组网 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2*100G/2*200G产品，2*400G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。 2）解决“GPU等待”的问题，直接提升算力利用率 GPU成本昂贵，但其计算能力只有在持续获得数据输入时才能被完全释放。DPU通过支持RDMA（远程直接内存访问）技术，在GPU之间建立起“数据超高速通道”，让数据能够直接、快速地交换，极大降低传输延迟。这确保了昂贵的GPU资源尽可能处于“工作”而非“等待”状态，直接提升了算力运营商的资产回报率。 3）优化“集群协作”效率，缩短模型训练周期 在大模型训练中，所有GPU需要频繁地同步计算结果（这一过程称为“集合通信”）。DPU能够对通信过程进行硬件级加速，如同为万人大团队建立一套高效的会议系统，大幅减少同步所需时间，从而显著缩短模型训练的总周期，加快业务迭代速度。 ②智算一体机 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。目前，恒扬数据智算一体机产品已获得部分安全及运营行业客户订单，产品及服务逐步落地并形成销售。 （2）数据处理产品及应用解决方案 ①产品概述 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。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，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。主要产品如下：②产业链及行业上下游情况 标的公司数据处理产品及应用解决方案按应用场景划分主要属于网络可视化行业。网络可视化是以网络流量及数据的识别、采集与深度检测为基本手段，结合各 种网络处理技术和信息技术，对网络的物理链路、逻辑拓扑、运行质量、流量内容、 用户信息、承载业务等进行监测、识别、统计、展现与管控，并将可视化的数据传 递给下游客户，实现网络流量计数据的智能化管控、商业智能以及信息安全等一系 列目标。产业链构成情况如下：其中，基础架构提供商主要为下游应用开发商和系统集成商提供流量及数据获取、解析、管控等各类基础的软硬件产品，例如高性能DPI探针设备、汇聚分流硬件、各类软件中间件和软件模块等。应用开发商主要为下游系统集成商提供各类应用系统的开发，在基础软硬件产品之上，专注于一类或多类网络应用，主要应用方向包括：网络优化与运营维护、信息安全、大数据运营等方面。系统集成商则直接面向整个行业的下游用户，如电信运营商、政府机构及企事业单位等，提供方案咨询与设计、项目建设和技术服务等业务。 在数据处理及应用解决方案产业链中，恒扬数据既能够提供汇聚分流设备等基础架构产品，也能够以自研的大数据分析平台并集成自有产品及行业通用产品为下游客户提供一体化的数据应用解决方案。 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：
恒扬数据产品生产主要包括PCB半成品加工及产品组装，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。具体生产流程图如下： 恒扬数据产品生产主要包括PCB半成品加工及产品组装，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。具体生产流程图如下：
（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，以及与部分客户形成了长期稳定的战略合作关系，产品规划及研发方向始终跟随行业前沿发展趋势，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，标的公司与部分特定客户采用NRE合作模式进行定制产品开 发。与销售标准产品不同，互联网及部分行业战略客户往往需要与其特定业务场景、 技术栈和基础设施深度绑定的专用硬件。通过NRE合作模式，恒扬数据能够从需求 源头与客户协同，确保最终产品在功能、性能、功耗及成本上精准匹配其业务目标， 这是实现客户价值最大化和建立长期合作的关键。 在NRE合作模式下，一般由客户提出定制产品的技术规格、负责项目过程管控 及评审、定制产品的验收等；恒扬数据NRE项目下的具体研发工作，包括硬件架构 设计、FPGA开发、产品测试验证、工艺实现等研发过程，恒扬数据承担项目前期费 用及研发失败的风险；项目研发完成后，客户向恒扬数据采购定制产品。根据具体 项目目标不同，NRE项目的实施周期6-18个月不等。 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。NRE项目流程 如下：NRE项目流程各阶段具体业务内容、时间周期等具体说明如下：
所需核心能力： 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。 （1）FPGA工程化与算法硬件化实现能力 在芯片设计、嵌入式系统领域，芯片、软件和硬件各自提供部分功能，但要形成可满足客户需求应用的产品，还是面临软件的代码运行与硬件的性能、资源限制、执行时序等协同问题，需要将高级语言描述的软件算法转化为在专用硬件上高效、可靠运行的物理实现的能力，这是一个跨越算法、软件和硬件设计及开发领域的系统工程。 恒扬数据可提供RTL级（Register-transferLevel，寄存器传输级，使用硬件描述语言描述电路的数据流和控制逻辑）硬件化服务，可将客户的业务逻辑以及相对低效率的软件算法，通过HDL级语言（HardwareDescriptionLanguage）在FPGA上进行RTL级转化，转化为基于FPGA路线实现的高性能、低能耗的计算硬件单元（算法直接由硬件电路运行可实现纳秒级处理，较软件平台效率提升10倍-100倍），满足客户超高速、高集成度、高能效和高并发的业务需求。如标的公司与阿里巴巴合作开展深度的联合开发，将其自研RDMA算法在FPGA中实现，构成了其HPN网络的核心部件，完成了400GAINiC的自有协议和通用协议互联互通。 （2）超高速硬件设计与验证能力 恒扬数据具备从设计、仿真、测试到验证的全流程超高速硬件设计与实现能力。 在设计与仿真环节，恒扬数据具备112GPAM4、PCIeGen5x16（128GB/s）等高速信号的端到端设计与仿真能力，以及6相300A的大电流电源设计等成熟经验，并将技术能力落地到12.8T（32x400G）的交换机产品、400G及800G的DPU和数据处理产品、集成T级交换芯片的CPU计算刀片产品等；在测试与验证环节，恒扬数据硬件测试执行全面的信号和电源完整性测试，确保产品在高速运行下的稳定可靠，同时还拥有国密三级安全PCIe卡的成功设计经验，在高可靠硬件设计领域具有深厚的积累。 （3）平台化产品赋能与快速部署响应能力 FPGA开发具有底层编程门槛高、方案定制化程度高、可复用性低、开发部署验证流程复杂等难题，对于满足客户需求而言，企业的历史开发经验积累、平台化的能力和响应时间至关重要。 经过二十余年的技术积累与产品迭代，恒扬数据在Xilinx（AMD）和Altera（Intel）等行业最新一代高性能产品平台上进行了持续的迭代和演进，构建起“可复用、低门槛”的FPGA硬件开发平台，为客户提供基于高端FPGA的平台化硬件设计及成熟的FPGA逻辑固化设计服务。在供应商提供的FPGA开发环境基础上，可进一步为客户提供成熟的硬件架构设计、PCB设计、逻辑仿真、样机验证等一站式服务，使客户可以专注于其核心业务逻辑开发和硬件定制需求，可有效缩短产品上市周期40%以上，实现了技术与市场的快速对接。 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：
（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。 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：
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，市场整括Nvidia、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：
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。以Nvidia为例，其2023财年（2022年1月31日-2023年1月29日）数据中心网络业务板块（包括网络交换芯片、DPU及光模块等）收入为36.88亿美元，至2025财年（2024年1月29日-2025年1月26日）增长至129.90亿美元，年化增长率87.68%。 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算力集群的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。据研究机构预测，2025年全球DPU市场规模将达到135.7亿美元，而中国DPU市场规模将达到37.4亿美元。基于不同路线产品以及特定应用领域的需求特点，市场整体需求结构较为复杂，不同性能参数、技术路线及应用场景的产品需求规模及价格差异较大。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，DPU产品总体市场集中度较高，但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。其中通用市场主要由Nvidia主导，占据绝大部分市场份额；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、特定场景优化及兼容性提供部分替代选择；FPGA路线的DPU产品凭借本身低延迟、高并发的技术特点以及可编程高适配性，在部分应用领域如数据通信处理、高性能计算、AI算力集群组网等具有一定的市场份额。市场中DPU厂商均主要使用代工模式进行产品生产，自身专注于高附加值的研发设计环节，主要企业均未披露产能、产量、生产计划等信息。其中ASIC/SoC路线的厂商主要通过晶圆厂进行核心芯片代工生产；恒扬数据采用FPGA路线，主要向上游供应商采购FPGA芯片进行研发设计，并通过NSM、珠海一博等外协厂商进行产品的加工生产，截至本核查意见出具之日，标的公司的原材料采购及生产环节未出现产能瓶颈或生产受限的情况。 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分化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为代表的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：
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 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，由于功能、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 智能等国内厂商的ASIC/SoC路线产品，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。 国内其他厂商如云脉芯联、云豹智能的ASIC/SoC路线产品分别对标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。恒扬数据相对于行业其他企业的差异化竞争优势具体如下：（未完）  |