关键要点
- 壁仞科技 2026 年上半年营收 12.355 亿元人民币(约 1.72 亿美元、13.3 亿港元),上年同期为 5890 万元(约 820 万美元),同比增幅 1997.6%。
- 招股与中期文件把原因写得很直白:完成主要互联网客户的供应商准入与认证,并开始批量交付。
- 毛利率升至 42.7%,同比提高 1080 个基点;研发开支增至 8.044 亿元(约 1.12 亿美元);净亏损收窄 76.4%。
- 这些是未经审计的中期数字,客户名称、出货量、收入集中度均未披露。
一颗 AI 芯片可以在纸面上很能打,然后躺在仓库里。壁仞科技被这个问题追了很多年:BR100 在 2022 年以"国产替代"的姿态上过头条,可头条不是订单。答案直到 2026 年 8 月递交给港交所的文件里才出现。
改变叙事的那组数字
截至 2026 年 6 月 30 日的六个月,壁仞营收 12.355 亿元人民币(约 1.72 亿美元、13.3 亿港元)。2025 年同期是 5890 万元(约 820 万美元)。涨幅 1997.6%——不是四舍五入的误差,是一家公司从演示跨进了交付。
报表其余部分用更慢的语气讲同一件事:
- 毛利 5.271 亿元(约 7300 万美元),毛利率升至 42.7%,同比提高 1080 个基点;公司把这归因于云训练产品占比提升。
- 研发开支增长 40.7%,达到 8.044 亿元(约 1.12 亿美元)。
- 净亏损收窄 76.4% 至 3.772 亿元(约 5200 万美元);非国际财务报告准则口径为 3.372 亿元(约 4700 万美元)。
连起来读,形状很清楚:壁仞现在卖硬件卖到能覆盖很大一部分成本,但花出去的仍然比挣进来的多。
"通过认证"到底意味着什么
文件把跳升的原因写得很平实:完成主要互联网客户的供应商准入与资格认证,并开始批量交付。在企业级硬件里,这一环就是全部。
云厂商不会因为跑分好看就买加速卡。它会用自家模型跑几个月,检查散热与驱动稳定性,统计节点多久挂一次,测试软件栈能否吞下现有工作流。认证对买方是昂贵的,对卖方是缓慢的。在它发生之前,一家 GPU 公司只是一个带价目表的研究项目。
所以那条收入曲线看起来不像增长,更像一个开关被合上。按文件披露,壁砺系列的训练与推理产品已进入互联网公司、模型开发商、国家级算力平台、电信运营商与政府客户。公司还描述了与伙伴共建的京津冀算力集群,以及一款名为光跃的光互连 GPU 超节点商用版本,称已部署到数千张卡的规模。
读到这里该放慢。数千张卡是公司说法,不是独立审计过的数量。它声称该系统把混合专家模型的端到端训练提升三成以上,同理。这类数字有方向性价值,不该当成已核验的性能。
软件才是真正的产品
做硬件的人喜欢争论裸片和制程,买方争论的是软件。
文件称 BIRENSUPA 软件栈开箱支持一千多个模型,并为数十个国产大模型完成首日适配。这比听起来重要。一个中国模型开发者在国产加速卡之间做选择,本质上是在选迁移要花掉多少工程时间。每一个已适配的框架、算子、推理引擎,都是别人替你省下的一周。
竞争的地面也挪到了这里。董事长报告里的论点是:前沿竞争已从单卡转向系统——光互连、先进封装、三维集成,决定多少颗加速卡能像一台机器那样工作。
上市是容易的那一步
壁仞 2026 年 1 月 2 日在港交所挂牌,代码 6082。发行 2.848 亿股 H 股,每股 19.60 港元,募资 55.8 亿港元(约 7.17 亿美元)。配售文件显示机构认购约为可售股份的 26 倍,散户部分超额认购约 2348 倍。开盘 35.70 港元,盘中最高 42.88 港元,收于 34.46 港元,当日涨 76%,按发行价计市值 469 亿港元(约 60 亿美元)。
这样的热度,与其说说明壁仞,不如说说明香港 2026 年的新股行情。招股书里还带着一条没有消失的风险:2023 年 10 月,美方将该公司列入实体清单,限制其获取部分技术。一个强劲的半年报,取消不了一道出口管制。
诚实的局限
- 数字未经审计,来自中期业绩公告与随附的港交所文件,不是全年审计报告。
- 增速依赖基数。5890 万元上长出 1997.6%,真实,但无法与一家成熟芯片公司的增速相提并论。
- 客户与出货量均未披露。"主要互联网客户""批量交付"是公司措辞,看不出收入集中度,也看不出卖了多少张卡。
- 系统层面的说法是自报。超节点部署规模与训练提升三成,来自壁仞,不是第三方测试。
- 供应链影响未量化。招股书提示实体清单限制,但所阅文件未测算其对产出的实际影响。
普通人现在能做什么
1. 看到"国产 GPU 突破",先问它处在哪一站:流片、客户认证,还是已交付订单。这三个词描述的是完全不同的生意。
2. 跟财报的,下个半年看毛利率与研发占收入比重。首日暴涨是市场事件,这两行才说明公司是否在变成能自我维持的生意。
3. 团队在选加速卡的,先测软件栈再测芯片。模型适配度与驱动成熟度,对迁移成本的影响远大于峰值跑分。