德信体育(dxsports)是全球最大的在线综合性娱乐平台[永久网址:363050.com]德信体育每天为您提供近千场精彩体育赛事。包括德信、德信棋牌、德信彩票、德信电竞、德信、德信电子、全球各地赛事、动画直播、视频直播等服务。德信体育,德信娱乐,德信官方网站,德信德州,德信体育网址,德信体育app,德信体育平台,德信体育注册链接,德信扑克,欢迎注册体验！

　　龙芯中科10月31日发布投资者关系活动记录表，公司于2025年10月29日接受72家机构调研，机构类型为其他、基金公司、海外机构、证券公司、阳光私募机构。 投资者关系活动主要内容介绍：

　　问：对今年四季度营收的展望，主要增长点有哪些？包括从订单中标到收入确认大概是什么节奏？

　　答：中标订单的收入会在今年四季度有一些集中的体现，我们今年确实中标比预期的多一些，四季度是整机的集中交付期。第四季度除了传统的业务板块，信息化的电子政务市场和工控的安全应用领域持续恢复外，还有新的增长点。一方面是服务器业务已经开始有典型场景应用；另一方面，信息化领域的IP授权业务如果进展顺利的话，也会成为增量。在已经公告的股权激励计划中，今年营收目标值是全年增长30%，触发值是24%，这意味着第四季度同比增长率还是可观的。

　　问：如果对外进行技术授权，会是一次性还是持续性的收入？龙芯IP自研的优势非常大，我们会把各类的IP的单独授权出来吗？比如说除了CPU核以外，我们那些PHY，也会单独对外授权吗？

　　答：我们原则上只做CPU IP的授权，龙芯还有上百个CPU Core外的IP，比如说像PCIe、DDR、GPU以及各种各样的接口等等，这些反而是龙芯的核心优势。授权取得的收入既有一次性的收入，也有持续性的收入。一次性收入即使用IP的入门费。随着使用IP的产品不断形成营收，被授权企业需要按相关营收的一定比例交版税给授权方，也就是说被授权企业一旦形成批量销售，授权方可以不断的收取版税，长期是可持续的。如果需要通过授权方生产，则生产的服务费也是持续的。授权一般是在指定的区域内或/和领域内，被授权企业具有自己的产品品牌，这都是有成熟案例的。

　　答：主要考虑到要减少股份支付费用对净利润的影响，希望尽早实现盈利，所以本次激励的范围不大，激励对象主要是针对原来没有被授予股权激励的，入职三年且成长的比较快的年轻人，激励股份总额是上次回购的股份总额，归属期为两年，争取公司层面业绩考核的目标两年都要做到。再次盈利之后，我们会再考虑进一步对员工进行力度大一点的激励。营收的增长点，一方面来自传统业务。龙芯过去发展有两大引擎，一个信息化的电子政务办公市场，一个是工控的安全应用领域市场。工控的安全应用领域争取今年营收翻番，这个市场的特点是计划性很强。另一方面来自增量业务。第一是服务器，过去龙芯专注于提升单核性能，只做四核，适用于PC，服务器芯片做得时间短、产品收入少，现在龙芯服务器产品不仅性能已经达到主流水平，而且产品的性价比非常具有竞争力。过去龙芯在信息化领域主要是做办公应用信息化，以PC为主，现在从PC走向服务器市场。第二个增长点是行业市场，龙芯从党政办公走向行业应用市场，比如税务、能源相关的应用场景，也会给我们带来增量。第三个增量来自工控业务，过去如轨交、电力等行业都有自主化要求，现在我们的如2K0300等工控类芯片在开放市场上也极具竞争力，而且工控领域没有软件生态壁垒问题，头部企业也在积极导入，当然工控业务相对时间周期会长一些。还有个小增长点是打印机芯片，现在安全可靠评测的名录里只有龙芯一款打印机主控芯片，过去打印机要求的是品牌的自主化，主控芯片还是国外的，现在打印机要求主控芯片自主化，目前评测目录中只有龙芯的，这些都是增量。所以我们自己判断，从2025年到2027年是龙芯新一轮增长周期，这是我们达成目标的信心来源，当然这个判断也是需要时间检验的。

　　问：现在很多云厂商在进行ASIC的研发，如何看待当下GPU和ASIC的形势，会不会对咱们未来在AI领域的业务布局或者对外的合作方面产生一些影响？

　　答：首先是技术路线的问题，AI芯片研发有两条技术路线，一条是GPGPU的技术路线，首先是个显卡，在图形的GPU基础上加上一些通用的因素使它变成GPGPU，加入AI算力，英伟达和AMD都是走的这条路径。另外一条技术路线，图形是图形，AI是AI，是不同的IP或者是不同的芯片，典型厂商如苹果和英特尔。龙芯选择的是第一条技术路线，有两个原因，第一我自己是学者出身，做企业没经验，在经过多次的教训之后，悟出了一个道理，抄作业要抄学霸的，抄第一名的作业，就抄英伟达的。另外一个原因是软件生态的问题，我们如果去研究英伟达的芯片，比如英伟达RTX4090、RTX5090，还有AI芯片A100、H100、B200等等，这些芯片其实就是算力的配置不同。比如RTX4090，它的图形算力配的多一些，AI算力配了几百T；但H100 AI算力配了2000T，图形算力配的少一点。不同配置不同实现。使得像CUDA这样的通用软件，在显卡上也能跑，在AI芯片上也能跑，只是由于内部的算力配置不同，跑出来性能不同，那么对软件生态就很友好，搞定一个就全搞定了。如果要是做ASIC，或者做其他的，很多软件跑不了，需要没完没了的不断去适配。以CUDA函数为例，大概有七八百个函数，我们目前推理类的函数比较齐了，训练类的函数预计到9A2000的时候就齐了。所以软件兼容是我们选择第一条技术路线的另外一个原因。技术路线的选择仁者见仁，智者见智。在我看来，如果是终端应用，比如AI PC应用，也需要用GPU功能，也需要用NPU功能，那肯定是用GPGPU好，因为其中的功能部件可以共用，省了硅面积又省了成本。如果工控类应用，不用在终端上，不用图形的功能，GPGPU芯片的成本就高了。所以各有优缺点。其次关于龙芯GPU的发展，首先是要形成自我配套，这样系统性价比最高。然后再考虑增加更高性能的AI算力。就是我们现在9A系列芯片技术迭代的路径。最终还是要通过自我配套形成性价比优势来拓展市场;