GPU企业：天数智芯（Iluvatar CoreX）
上海天数智芯半导体股份有限公司（Iluvatar CoreX） 是中国主要的通用GPU和人工智能算力企业之一，也是国内较早实现 通用GPU产品规模量产 的企业。
如果把中国主要GPU公司进行简单分类：
壁仞——高性能GPGPU、Chiplet和大型智算集群
那么天数智芯最鲜明的特点可以概括为：
公司目前已经形成：
天垓系列
智铠系列
以及：
彤央系列
三条重要产品线。
其中：
天垓主要负责云端训练和通用计算；
智铠主要负责AI推理；
彤央则进一步把GPU算力从数据中心扩展到：
边缘计算、机器人、具身智能和AI Agent终端。
因此，到了2026年，天数智芯已经不再只是一家传统意义上的：
更加准确的定位应该是：
一、天数智芯基本情况
天数智芯成立于：
2015年12月29日。
公司最初从高性能计算和人工智能基础软件领域开始发展。
2018年，公司正式启动：
2019年完成：
软件栈框架设计。
2020年：
天垓100启动流片
并于当年12月：
成功点亮。
2021年3月，天数智芯正式发布：
天垓100芯片
以及：
天垓100加速卡。
这成为公司发展历史上的重要转折点。
二、总部位于上海
天数智芯总部位于：
上海。
目前公司在上海设有主要办公和研发基地，并在：
北京
南京
深圳
西安
等地建立团队。
公司目前董事长兼CEO为：
盖鲁江。
香港交易所披露资料显示，盖鲁江担任公司执行董事、首席执行官和董事会主席，负责集团日常经营和总体战略规划。
三、天数智芯已经登陆香港资本市场
2026年1月8日，天数智芯正式在：
香港联合交易所主板
挂牌上市。
股票简称：
天数智芯
股票代码：
9903.HK
发行价格：
144.60港元。
此次全球发售募集资金总额约：
36.77亿港元
扣除估计上市开支后的净募集资金约：
35.09亿港元。
对于GPU企业来说，成功上市非常重要。
因为高性能GPU产业需要持续投入：
芯片架构
流片
封装
显存
软件
编译器
服务器
集群
以及下一代产品。
GPU不是一次性研发项目。
而是一场长期资本和研发竞赛。
四、天数智芯真正的核心技术路线：通用GPU
天数智芯最重要的关键词是：
General-Purpose GPU。
也就是：
通用GPU。
GPU最早主要负责：
Graphics。
也就是图形处理。
但是现代GPU已经成为非常重要的：
并行计算处理器。
它可以执行：
矩阵计算
科学计算
信号处理
加解密
以及大量并行算法。
天数智芯官方明确表示：
公司的系统架构、指令集、核心算子和软件栈均进行自主研发，并能够独立演进。
五、为什么“通用GPU”很重要？
AI算法变化极快。
过去主要是：
CNN。
后来出现：
Transformer。
现在又出现：
MoE
Reasoning Model
多模态
视频生成
AI Agent
具身智能。
如果芯片只能执行某一种固定算法，
新的模型出现以后就可能面临困难。
通用GPU最大的优势就是：
Programmability。
也就是：
可编程。
开发者可以不断编写新的Kernel和算法。
还能够通过软件支持：
未来还没有出现的算法。
六、天垓系列：天数智芯的训练GPU
天数智芯最核心的GPU品牌之一是：
天垓。
目前官网已经列出：
天垓100
天垓150
以及：
天垓300。
天垓系列主要面向：
AI训练
通用计算
科学计算
以及云端GPU计算。
七、天垓100：中国通用GPU发展中的重要产品
2021年3月，天数智芯正式发布：
天垓100。
天数智芯将其称为国内首款：
全自研GPU架构下的云端训练产品。
同年9月：
天垓100加速卡进入量产阶段。
从中国GPU产业发展的角度看，天垓100具有很高代表性。
因为GPU产业真正困难的并不是：
做出样片。
而是：
能不能量产。
八、天垓100的主要规格
天垓100加速卡型号为：
BI-V100。
官方公布的主要配置包括：
32GB HBM2
板级功耗：
250W
接口：
PCIe Gen 4.0 ×16
采用：
全长全高双槽PCIe加速卡。
从产品形态来看，它明显是一款：
Data Center GPU。
而不是面向普通消费者的游戏显卡。
九、天垓100支持的不只是AI训练
天垓100采用通用GPU架构。
除了：
深度学习训练，
还可以支持：
科学计算
传统机器学习
数学计算
加解密
数字信号处理
以及各种通用并行算法。
这就是GPGPU和单纯固定功能AI ASIC之间的重要区别。
十、天垓150：开始进入大模型时代
随着大语言模型快速发展，
天数智芯进一步推出：
天垓150。
官方资料显示：
天垓150配备：
64GB HBM
板级功耗：
350W。
它重点针对：
大模型训练
大模型推理
以及：
混合GPU集群。
十一、64GB HBM为什么很重要？
对于普通图形GPU来说：
显存可能主要存储：
Texture
Frame Buffer
以及3D数据。
显存需要存储：
模型参数
Activation
KV Cache
Gradient
Optimizer State
以及大量中间数据。
模型越大：
需要的显存越多。
算力。
还要看：
显存容量
和：
Memory Bandwidth。
十二、天垓150开始强调异构混训
天垓150官方特别强调：
异构方案混训。
简单来说，就是：
企业已经拥有其他GPU资产，
不一定要一次全部替换。
新的国产GPU可以逐渐加入现有数据中心。
这种思路非常现实。
因为企业已经投入巨额资金购买GPU服务器。
真正能够降低用户迁移阻力的方法并不是：
“把旧机器全部扔掉。”
而是：
让新的GPU逐渐进入现有系统。
十三、天垓150开始直接面向主流大模型
天垓150已经支持包括：
LLaMA
Qwen
Yi
等大模型体系。
软件环境还支持：
DeepSpeed
Megatron-DeepSpeed
Megatron-LM
Colossal-AI
以及其他大模型训练框架。
推理方面则强调与：
vLLM
以及：
TGI
等框架的兼容。
这说明国产GPU竞争正在发生一个很大的变化。
过去问的是：
能不能跑ResNet？
现在问的是：
能不能跑Qwen、DeepSeek和各种Transformer模型？
十四、天垓300：2026年新一代产品
2026年7月19日，天数智芯正式发布：
天垓300。
截至2026年8月，天垓300已经成为公司官网天垓训练产品线中最新的重要成员之一。
由于这款产品刚刚发布，
目前最值得继续关注的并不是单纯发布会上的峰值数字，
而是：
实际量产
模型适配
集群性能
功耗
显存体系
以及真实客户部署。
这些指标最终才会决定一颗GPU的产业价值。
十五、智铠系列：专门面向AI推理
如果说：
天垓负责训练，
那么：
智铠
则重点负责：
Inference。
也就是：
AI推理。
2022年12月，天数智芯正式发布：
智铠100。
十六、为什么训练和推理要分开？
训练和推理对GPU的要求并不完全一样。
训练需要：
极高算力
大显存
高带宽
多GPU通信。
而推理通常更加关注：
低延迟
高并发
成本
以及：
能效。
例如：
训练一个大模型可能只训练几个月。
但模型上线以后：
可能每天服务几千万用户。
所以从长期成本来看：
Inference可能比Training消耗更多算力。
这也是为什么GPU企业都会建立专门的：
推理产品线。
十七、智铠100支持多种计算精度
智铠100基于天数智芯第二代通用GPU架构。
支持：
FP32
FP16
以及：
INT8
等多种计算精度。
不同精度适合不同AI工作负载。
训练更加关注：
FP32
FP16
BF16。
而推理经常可以使用：
INT8
甚至更低精度。
精度降低以后：
计算速度更快，
显存占用更少，
同时功耗也可能降低。
十八、为什么推理市场现在越来越重要？
今天AI已经进入真正：
商业应用阶段。
企业不只是训练模型。
还需要长期运行：
智能客服
AI搜索
智能语音
推荐系统
金融AI
医疗AI
大模型Agent
以及各种企业助手。
这些产品每天都需要执行推理。
所以未来GPU市场很可能会出现：
和：
Inference GPU
两个巨大市场。
十九、彤央系列：天数智芯正在从云进入边和端
这是天数智芯目前非常值得关注的一次战略扩展。
公司目前已经形成：
彤央系列。
包括：
TY1000
TY1100
TY1100-NX
TY1100-NX-PRO
以及：
TY1200。
这些产品明显不再只是：
大型数据中心GPU。
而是进入：
Edge AI
具身智能
机器人
工业计算
AI Agent
以及各种智能终端。
二十、TY1000：GPU + ARM CPU
彤央：
TY1000
采用：
天数智芯自研GPGPU模块
加：
同时配备：
32GB HBM2e
以及：
16GB LPDDR4。
应用包括：
具身智能
工业能源
物流
智慧零售
以及：
车路协同。
这实际上已经非常接近：
AI边缘计算模组。
二十一、TY1100进一步提高端侧计算能力
彤央：
TY1100
采用：
以及：
自研GPGPU模块。
显存：
16GB或32GB HBM2e
系统内存：
16GB LPDDR5X。
它同样面向：
机器人
智能终端
工业设备
以及边缘AI。
二十二、TY1100-NX更适合本地AI系统
TY1100-NX
继续采用：
加：
自研GPGPU。
其GPU共享的LPDDR5X容量可以配置：
32GB或64GB
另外配备：
16GB LPDDR5X系统内存。
官方列出的应用已经包括：
具身智能
视频分析
AI Agent终端
天气预警
以及高校教学。
这说明天数智芯已经开始把GPU从：
数据中心训练
真正扩展到：
本地AI计算。
二十三、TY1200：天数智芯进入AI Agent与具身智能
目前彤央产品中非常值得关注的是：
TY1200。
它是一套高度集成的AI计算平台。
官方公布：
GPU显存：
32GB HBM2e
系统内存：
16GB LPDDR5X
存储：
512GB SSD
最高可以扩展到：
2TB NVMe
并集成：
16-Core x86 CPU。
二十四、TY1200最高支持35B模型本地运行
天数智芯表示：
TY1200可以支持最高：
35B参数级模型
并能够：
完全离线运行。
这对于：
企业AI
机器人
隐私计算
以及本地AI Agent
非常重要。
因为用户的数据不一定需要发送到：
Cloud。
二十五、TY1200官方公布300 TOPS算力
在2026年的AI Agent应用中，
天数智芯公布：
TY1200拥有：
300 TOPS
级AI算力。
公司已经用它进行本地AI Agent平台适配。
这说明天数智芯已经明显开始进入：
端侧生成式AI。
过去国产GPU主要集中在：
数据中心。
而现在GPU计算正逐渐向：
Cloud → Edge → Device
扩展。
二十六、具身智能为什么特别适合这种架构？
机器人与普通服务器完全不同。
机器人需要同时处理：
大模型
语音
摄像头
环境感知
路径规划
实时控制
以及传感器。
所以很难只依靠：
一颗CPU。
更加合理的架构是：
TY1200官方正是按照这种结构描述机器人算力层次：
实时核心负责运动控制。
二十七、天数智芯已经从“训练卡”变成云边端产品体系
如果看天数智芯几年前的产品：
重点非常明确：
云端训练GPU。
但是今天已经变成：
天垓——Cloud Training
智铠——Cloud Inference
彤央——Edge / Device AI
这实际上形成了：
云—边—端
完整产品结构。
这是公司近几年最值得关注的战略变化之一。
二十八、天数智算软件栈同样重要
天数智芯同时开发：
天数智算软件栈。
公司表示，从：
系统架构
指令集
核心算子
到：
软件栈
均进行自主研发。
这对于GPU企业极其重要。
因为GPU最终不是拿来收藏的。
而是：
运行软件。
二十九、所有国产GPU最终都要面对CUDA
NVIDIA最大的技术优势之一就是：
CUDA。
CUDA实际上已经远远超过：
一套GPU API。
它拥有：
Compiler
Runtime
Math Libraries
Communication Libraries
Scientific Computing Software
以及：
全球开发者。
所以国产GPU企业真正最大的障碍并不只是：
芯片算力。
更加困难的是：
软件迁移。
三十、为什么“易迁移”成为天数智芯的重要卖点？
天数智芯一直强调：
开发易迁移。
原因很简单。
企业已经拥有：
PyTorch代码
大模型
训练脚本
CUDA项目
科学计算程序。
没有客户愿意为了换一张GPU：
把所有软件重新写一遍。
所以国产GPU真正有价值的软件平台应该做到：
尽量保持现有开发习惯，
减少代码修改，
缩短迁移时间。
天垓100和天垓150都把生态兼容和迁移能力作为核心产品特征。
三十一、DeepSpark：天数智芯的开源生态
天数智芯还建立了：
DeepSpark
开源社区。
DeepSpark主要围绕：
通用计算
模型
算法
应用
以及评测
建立开放生态。
社区通过开放应用和模型，帮助开发者把AI程序部署到国产GPU平台。
三十二、2026年开发者生态进一步强化
2026年，天数智芯进一步上线和完善：
开发者门户。
目前已经提供：
大量技术文档
训练指南
推理部署
以及：
上百个推理模型部署指南。
公司还持续进行新模型：
Day 0适配。
这说明国产GPU竞争已经从：
硬件阶段
进入：
开发者阶段。
三十三、什么是Day 0适配？
简单来说就是：
一个新模型今天发布，
GPU平台马上就能支持。
例如：
Qwen
GLM
混元
以及未来各种新模型。
AI更新速度极快。
如果一款GPU需要：
半年
才能支持最新模型，
那么客户就很难使用。
所以：
模型适配速度
正在成为GPU平台非常重要的竞争指标。
三十四、天数智芯已经进入多个行业
公司目前公开的应用场景包括：
AIGC
智能语音
互联网
智慧教育
智能制造
智慧医疗
以及：
智算中心。
另外还有：
金融
自动驾驶
能源
车路协同
数据分析
以及各种行业计算。
这说明通用GPU的真正商业价值就在于：
一个硬件平台支持很多行业。
三十五、科学计算也是GPU的重要市场
例如：
能源勘探
地震计算
流体计算
气象
金融计算
都需要大量：
Floating-Point Computing。
天数智芯已经公开展示GPU用于：
能源勘探
以及高性能计算算法的应用案例。
这也是为什么公司一直强调：
通用GPU
而不只是：
AI Accelerator。
三十六、天数智芯已经实现商业化收入增长
根据公司香港上市文件：
2022年营业收入约：
1.89亿元人民币
2023年：
2.89亿元
2024年：
5.40亿元。
截至2025年6月30日的半年收入约：
3.24亿元
相比2024年同期约：
1.97亿元
继续增长。
其中公司绝大多数收入来自：
通用GPU产品。
三十七、GPU产品仍然是收入核心
2024年：
天数智芯通用GPU产品收入约：
3.70亿元人民币
占总收入：
68.5%。
与此同时：
AI算力解决方案收入约：
1.66亿元
占总收入：
30.8%。
这其实很有意思。
因为它说明公司已经逐渐从：
卖GPU卡
向：
卖算力解决方案
扩展。
三十八、这与整个GPU产业趋势一致
NVIDIA今天也已经不只是卖：
它还提供：
服务器
网络
软件
AI平台
以及：
完整数据中心。
国产GPU企业也正在走类似路线。
真正的大客户需要的往往不是：
“给我一颗GPU。”
而是：
“帮我把整个AI系统跑起来。”
所以未来GPU企业越来越需要同时具备：
Hardware
Software
Server
Cluster
以及：
Solution
能力。
三十九、2026年上半年预计实现账面盈利
2026年8月13日，天数智芯公布：
截至2026年6月30日的半年，
预计录得净利润：
6000万元至1.4亿元人民币。
而2025年同期净亏损约：
6.09亿元。
不过，这个数字需要特别说明。
四十、这次盈利主要来自投资公允价值收益
天数智芯在公告中明确表示：
2026年上半年业绩由亏转盈，
主要原因是：
金融资产公允价值收益增加，
其中包括一项上海证券交易所上市公司股票投资产生的：
未实现净收益。
相关公允价值收益预计约：
7.3亿至7.9亿元人民币。
所以：
不能简单把这次账面盈利理解成GPU主营业务已经全面盈利。
对于分析GPU公司来说，
这一区别非常重要。
四十一、天数智芯与摩尔线程最大的区别
这两家公司都是国产通用GPU企业。
但是产品重心明显不同。
强调：
全功能GPU。
同时进入：
游戏显卡
专业图形
视频
HPC
以及数据中心。
而：
天数智芯
从一开始就更加集中于：
GPGPU
云端训练
推理
以及现在的边缘AI。
所以：
摩尔线程更加接近：
完整独立GPU公司。
天数智芯更加接近：
四十二、天数智芯与沐曦有什么区别？
沐曦同样是一家：
高性能GPGPU企业。
两家公司实际上非常接近。
沐曦目前重点发展：
曦云C系列
曦思N系列
曦索X系列
并进一步进入：
HPC
AI for Science
大型GPU超节点。
天数智芯则：
较早实现通用GPU量产，
并围绕：
天垓
智铠
彤央
建立：
训练 + 推理 + 边缘AI
体系。
简单来说：
沐曦正在强化高性能数据中心和科学计算。
而：
天数智芯正在强化云边端完整算力。
四十三、天数智芯与壁仞最大的区别
壁仞从一开始就非常强调：
超高性能数据中心GPU。
BR100采用：
Chiplet
并持续发展：
BLink
光互连
超节点
以及：
大规模Scale-up。
天数智芯相对更加注重：
GPU商业落地和产品覆盖。
其产品从：
天垓训练卡
发展到：
智铠推理卡
现在又进入：
彤央边缘和机器人平台。
所以：
壁仞更集中于：
大型AI数据中心。
天数智芯的覆盖范围更加向：
Edge和Device
扩展。
四十四、天数智芯与NVIDIA真正的差距在哪里？
如果只看：
矩阵算力，
可能很容易陷入：
“谁多少TOPS”
这样的比较。
但GPU产业真正的差距更加复杂。
包括：
GPU架构
HBM
先进制程
封装
高速互连
Compiler
Driver
CUDA生态
数学库
开发工具
AI框架
以及：
大规模集群经验。
已经形成非常深的：
Hardware + Software Ecosystem。
所以国产GPU真正需要追赶的不是：
一张卡。
而是：
整个计算平台。
四十五、天数智芯最大的优势之一：较早实现量产
天数智芯最大的产业优势之一是：
时间。
公司2018年正式启动通用GPU设计。
2021年天垓100就已经发布，并进入量产阶段。
对于GPU公司来说：
真正量产一次
会积累大量经验。
包括：
Tape-Out
Bring-Up
Board Design
Driver
Compiler
客户测试
服务器兼容
以及售后。
这些经验不是简单靠：
论文
或者PPT
能够获得的。
四十六、第二个优势：训练和推理都有产品
Training。
或者只做：
Inference。
天数智芯比较早就形成：
天垓训练
智铠推理。
现在又加入：
彤央Edge AI。
这使产品线更加完整。
四十七、第三个优势：自主软件体系
公司不仅开发GPU硬件。
还长期强调：
指令集
核心算子
软件栈
全部自主研发。
GPU企业如果没有软件能力，
基本不可能长期竞争。
因为下一代GPU最终都需要：
保持软件兼容。
四十八、第四个优势：已经形成实际商业收入
很多GPU创业企业最大的难题是：
产品发布了，但没有客户。
天数智芯从2022年至2024年的收入从：
约1.89亿元
增长到：
约5.40亿元。
虽然规模仍然不能与全球头部GPU企业相比，
但至少说明：
产品已经进入真实商业市场。
四十九、第五个优势：Edge AI可能带来新机会
彤央系列是目前天数智芯非常值得观察的一条路线。
因为AI正在从：
Cloud
逐渐进入：
Robot
Factory
Car
Camera
以及：
Personal AI Device。
未来很多模型并不一定全部运行在云端。
这意味着：
Edge GPU
可能成为新的巨大市场。
五十、天数智芯面临的最大挑战：软件生态
所有国产GPU企业都面对同一个问题：
CUDA。
硬件一代可以快速升级。
但软件生态需要：
很多年
甚至几十年。
用户真正关心的是：
PyTorch是否稳定？
模型能不能直接运行？
算子覆盖是否完整？
通信库性能如何？
Profiler好不好用？
出现问题谁来解决？
这些因素最终决定：
GPU是否真正好用。
五十一、第二个挑战：高端GPU制造供应链
高性能GPU依赖：
先进制程
HBM
先进封装
高速PCB
电源
服务器
以及：
高速网络。
所以GPU企业不是孤立存在的。
它真正依赖的是：
整个半导体产业链。
尤其对于大模型GPU来说：
HBM
往往与计算核心本身一样重要。
五十二、第三个挑战：集群规模
单卡能跑模型，
只是第一步。
未来真正的大客户需要：
64卡
256卡
1000卡
甚至：
万卡。
这时候GPU企业需要解决：
通信
网络
故障
调度
Checkpoint
以及：
Scaling Efficiency。
所以天数智芯未来如果继续进入高端训练市场，
必须进一步证明：
大型GPU集群能力。
五十三、第四个挑战：AI变化太快
GPU公司还面临一个特殊困难：
应用本身也在高速变化。
2022年的热门模型，
到2026年可能已经完全不同。
所以硬件必须拥有：
足够通用性。
软件团队则必须保持：
Day 0
甚至：
Day 1
模型适配。
这也是天数智芯继续建设开发者社区的重要原因。
五十四、第五个挑战：持续推出下一代GPU
真正成功的GPU企业必须做到：
连续迭代。
一代产品成功并不够。
必须不断出现：
第二代
第三代
第四代。
天数智芯目前已经从：
天垓100
发展到：
天垓150
再到：
天垓300。
未来真正值得观察的是：
这种迭代速度能不能持续。
五十五、天数智芯在中国GPU产业中的位置
如果把目前中国主要GPU企业放在一起，可以这样理解：
壁仞——高性能GPGPU + Chiplet + 超节点
天数智芯——通用GPU + 训练 + 推理 + 云边端
芯原——Vivante GPU IP
这样分类会更加清楚。
天数智芯最适合的目录标签是：
GPGPU / AI GPU / Edge AI / AI Computing。
五十六、天数智芯不是传统“显卡公司”
这一点也需要特别说明。
普通用户说GPU，
往往想到：
GeForce。
但天数智芯的主要业务不是：
游戏显卡。
它真正面向的是：
服务器
智算中心
AI训练
AI推理
工业AI
机器人
以及：
边缘计算。
所以它更加接近：
Data Center GPU Company。
而不是：
Consumer Graphics Company。
五十七、为什么“彤央”可能非常值得关注？
过去所有国产GPU企业都重点攻击：
数据中心。
这很合理。
因为AI服务器市场价值最大。
但是未来：
机器人
AI PC
工业设备
无人系统
家庭AI服务器
以及AI Agent终端
也会产生巨大算力需求。
这些设备不可能装：
一张1000W的数据中心GPU。
它们需要：
更小、更低功耗、更集成的GPU系统。
彤央系列正在尝试进入的，
正是这一市场。
五十八、未来最值得关注的第一个方向：天垓300
2026年刚刚发布的：
天垓300
将是未来几年判断天数智芯高端GPU能力的重要产品之一。
真正需要观察的是：
大模型性能
显存体系
功耗
集群效率
软件成熟度
以及：
大规模客户部署。
五十九、第二个方向：大模型Day 0生态
未来GPU竞争的速度会越来越快。
如果天数智芯能够保持：
新模型发布后快速支持，
那么客户采用国产GPU的心理门槛会逐渐降低。
这也是开发者生态建设比单纯发布GPU产品更加重要的原因之一。
六十、第三个方向：彤央和机器人
具身智能很可能是未来AI的下一个重大计算市场。
机器人需要：
视觉
语言模型
导航
实时控制
以及：
本地推理。
天数智芯现在已经把彤央TY1200明确用于：
具身智能
和：
AI Agent终端。
如果机器人产业真正进入大规模商业化，
这条产品线可能非常重要。
六十一、第四个方向：能否形成自己的软件护城河
长期来看：
天垓100会被替代。
天垓150也会被替代。
天垓300未来同样会有下一代。
但如果开发者长期使用：
天数智算软件栈
DeepSpark
开发工具
以及相关API，
软件生态就可以跨越：
多代GPU。
所以一家GPU企业真正长期的价值往往不只是：
某一代芯片。
而是：
Software Platform。
六十二、第五个方向：上市后的研发投入
2026年香港上市后，
天数智芯获得超过：
35亿港元净募集资金。
未来这些资金能否真正转化成：
下一代GPU
软件生态
研发团队
以及：
市场规模，
将直接影响公司长期竞争力。
GPU产业是一个：
不允许停止研发
的行业。
六十三、如何看待天数智芯？
如果只把天数智芯理解成：
“国内第一批做AI训练卡的公司”
已经不够准确。
今天它真正构建的是：
自主GPGPU架构
天垓训练GPU
智铠推理GPU
彤央Edge AI
天数智算软件栈
DeepSpark开发者生态
AI算力解决方案
最后形成：
云—边—端统一GPU计算体系。
结论
天数智芯的发展路径非常有代表性：
2015年——公司成立
↓
2018年——正式启动通用GPU设计
↓
2020年——天垓100流片并点亮
↓
2021年——天垓100发布并进入量产
↓
2022年——智铠100发布
↓
天垓150进入大模型训练时代
↓
彤央系列进入Edge AI和具身智能
↓
2026年1月——港交所上市，9903.HK
↓
2026年7月——天垓300正式发布。
因此，天数智芯真正值得观察的问题已经不是：
“国产GPU能不能做出来？”
这个问题早已经跨过去了。
今天真正重要的是：
能不能持续推出下一代GPU？
能不能让主流大模型快速迁移？
能不能形成成熟的软件生态？
能不能把单卡扩展到大型集群？
能不能从数据中心进一步进入机器人和Edge AI？
能不能让国产GPU从“可用”真正走向“好用”？
如果这些问题能够逐渐解决，
天数智芯的角色就可能从：
国产通用GPU厂商
继续升级为：
覆盖云、边、端的国产AI计算平台企业。
而从2026年的产品路线来看，
公司已经非常明显地从：
单纯的云端训练GPU
开始走向：
Training + Inference + Edge + Agent + Robotics。
这可能才是未来几年天数智芯最值得关注的变化。