证券代码：688047 证券简称：龙芯中科
龙芯中科技术股份有限公司

投资者关系活动记录表

□特定对象调研 □分析师会议

□媒体采访 □业绩说明会

投资者关系活动类别

□新闻发布会 □路演活动

□现场参观 √其他 线上调研

参与单位名称 详见附件

时间 2025 年 10 月 29 日

地点 线上调研

上市公司接待人员 董事长、总经理-胡伟武，董事会秘书-李晓钰，财务总监-曹砚财

1、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？

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
投资者关系活动主要 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内容介绍

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。

2、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？
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。

3、本次股权激励计划制定的思路大概是什么样的？以及达成目标的信心如何？

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。

4、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？

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。

序号 参会机构名称

1 LyGH Capital

2 宝盈基金管理有限公司

3 北京羲和金泰资产管理有限公司

4 北京橡果资产管理有限公司

5 北京泽铭投资有限公司

6 财通证券股份有限公司

7 创金合信基金管理有限公司

8 东北证券股份有限公司

9 东方财富证券股份有限公司

10 东方证券股份有限公司

11 东海证券股份有限公司

12 东吴证券股份有限公司

附件 13 东兴证券股份有限公司

14 方正证券股份有限公司

15 丰琰投资管理(浙江自贸区)有限公司

16 耕霁(上海)投资管理有限公司

17 国海证券股份有限公司

18 国金证券股份有限公司

19 国盛证券有限责任公司

20 国泰海通证券股份有限公司

21 国投证券股份有限公司

22 国信证券股份有限公司

23 国元证券股份有限公司

24 海南宽行私募基金管理有限公司

25 海通证券股份有限公司

26 杭州汇升投资管理有限公司

27 鸿运私募基金管理（海南）有限公司

28 湖南潇湘资本投资管理有限公司
29 华福证券|研究所
30 华福证券有限责任公司
31 华金证券股份有限公司
32 华杉瑞联基金管理有限公司
33 华泰证券股份有限公司
34 华西证券股份有限公司
35 江信基金管理有限公司
36 九泰基金管理有限公司
37 开源证券股份有限公司
38 民生证券股份有限公司
39 南京金友私募基金管理有限公司
40 南京证券股份有限公司
41 平安证券股份有限公司
42 瑞银证券有限责任公司
43 山东驼铃私募基金管理有限公司
44 山西证券股份有限公司
45 上海博笃投资管理有限公司
46 上海道仁资产管理有限公司
47 上海沣谊投资管理有限公司
48 上海瀚朴投资合伙企业（有限合伙）
49 上海嘉世私募基金管理有限公司
50 上海明河投资管理有限公司
51 上海申银万国证券研究所有限公司
52 上海元昊投资管理有限公司
53 深圳固禾私募证券基金管理有限公司
54 深圳前海荣德金资产管理有限公司
55 深圳市前海鼎业投资发展有限公司
56 深圳市前海骏杰资产管理有限公司
57 深圳市睿德信投资集团有限公司
58 太平基金管理有限公司
59 西南证券股份有限公司
60 兴业证券股份有限公司
61 长城证券股份有限公司
62 长盛基金管理有限公司
63 招商证券股份有限公司
64 浙商证券股份有限公司
65 中国银河证券股份有限公司
66 中泰证券股份有限公司
67 中信建投证券股份有限公司
68 中信证券股份有限公司
69 中银国际证券股份有限公司
70 中邮证券有限责任公司

71 中原证券股份有限公司
72 资衡(上海)商业管理有限公司