
商汤国香资本合伙人李扬:GPU估值翻倍、RISC-V站上台前,资本如何锁定确定性?
Quick Answer
Li Yang from SenseTime Capital discusses the rapid valuation increase of AI GPUs and the rise of RISC-V, emphasizing the importance of understanding market needs and long-term trends in chip investments.
Quick Take
Li Yang from SenseTime Capital discusses the rapid valuation increase of AI GPUs and the rise of RISC-V, emphasizing the importance of understanding market needs and long-term trends in chip investments. He highlights the successful investment in DaPuWei's SSDs, which achieved significant performance benchmarks against international competitors, indicating a shift towards domestic alternatives in the server market.
Key Points
- AI chip valuations surged, with GPUs doubling in value over two years.
- DaPuWei's SSDs matched and surpassed international standards in key performance metrics.
- RISC-V is seen as the future for autonomous computing due to its open architecture.
- Investors are shifting focus from short-term trends to long-term market needs.
- SenseTime's AI infrastructure has become a testing ground for domestic chip companies.
Article Content
From source RSS / original summary过去两年,AI芯片几乎经历了一轮情绪剧烈的周期切换。 云端GPU估值快速抬升,端侧AI芯片突然升温,RISC-V站上舞台中央;一级市场里,头部项目融资速度不断刷新认知,半年三轮、估值翻倍,重新成为这个行业里频繁出现的叙事。 当资本重新涌向芯片,新的问题也随之浮现:什么样的技术路线值得下注? 什么样的产品定义能够真正穿越周期? 在市场情绪最热的时候,投资人究竟是在追当下热点,还是在押注未来更长期的产业趋势? 这些问题,在今天的一级市场里比任何时候都更尖锐。 也是在这样的背景下,雷峰网和商汤国香资本合伙人李扬聊起了过去几年的投资轨迹。 从2021年加入商汤国香资本,开始国香资本第一支产业基金的投资,他几乎完整经历了这一轮AI芯片投资周期:从云端算力被疯狂追逐,到边缘场景率先落地,再到各类颠覆性架构百花齐放;从市场对“国产替代”的朴素期待,到今天围绕算力、生态和自主可控形成更强共识。 回看这几年的关键决策,他反复提到的一个问题是:芯片最终要卖给谁,解决什么场景里的刚需。
在他看来,团队能力当然重要,但真正决定一家公司能不能跑出来的,往往不是技术指标本身,而是更早一步的产品定义——有没有提前看清下游场景,能不能提前判断未来市场真正需要怎样的算力、成本和功耗平衡。 而这篇对话,某种程度上也是一次对过去五年AI芯片投资脉络的复盘:从存储、GPU、端侧,到RISC-V;从国产替代,到技术路线之争;从估值泡沫,到IPO窗口重新打开。 当行业重新进入热周期,那些真正穿越过周期的人,反而更清楚什么该追,什么不该追。 (本文作者长期关注AI芯片和算力领域,欢迎添加微信 EATINGNTAE 交流)从市场周期,到产业纵深2020年底,是上一轮科技投资周期最热的阶段之一。 一级市场里,明星项目估值不断抬升,半年融三轮并不罕见。 市场情绪高涨,几乎所有人都相信,科技会继续沿着这条斜率向上生长。 李扬没有被这种乐观裹挟。 他经历过多轮市场起伏,周期高点的兴奋对他并不陌生。 真正让他在意的,是一个更长期的问题:什么样的机构,才能真正建立穿越周期的能力? 他的答案指向了“产业资本”。 在纯财务投资逻辑下,一旦项目成长为市场公认的“明星项目”,信息往往会变得高度透明。
几乎所有机构都能看到同样的公司、同样的融资窗口,此时认知差异被压缩,竞争焦点容易滑向估值承受力和资金成本。 而产业资本不一样。 如果机构本身就身处产业一线,对技术路线、客户需求、基础设施和真实应用场景有持续感知,那么很多项目的价值,并不需要等它成为“明星项目”后才被看见。 很快,这个想法遇到了现实中的契机。 2020年底,商汤国香资本管理合伙人扈与同找到他,问他是否愿意一起围绕AI生态搭建一支市场化产业基金。 这个机会,几乎和他此前的判断天然重合。 没有太多犹豫,他很快加入,2021年初开始和团队从零搭建市场化基金体系。 传统意义上的CVC通常对业务协同有一定要求,这在互联网平台时代的大厂战投是成立的——平台拥有流量入口和生态主导权,可以通过投资强化上下游协同扶持,巩固商业边界。 但AI行业的底层逻辑不同。 AI更像一种能力输出,很多创业公司早期规模尚小,如果以业务协同作为投资判断标准,反而容易限制它们的发展方向。 于是,国香资本把逻辑倒了过来:先用市场化方式投资,让公司先在各自赛道里长大。 只要企业能够真正跑出来,无论是算力基础设施、芯片适配,还是模型和终端场景,后续与商汤之间的合作都会更自然发生。
财务回报和产业协同,并不是非此即彼,而是在更长周期里殊途同归。 芯片的真相,不在PPT里,在数据中心里2020年,大多数传统的数据中心和部分云厂商对AI基础设施的理解更多停留在“拼算力峰值”的层面,尚未形成围绕集群效率的系统性认知。 而在商汤内部,一种更具体的变化已经先发生了。 在研究和业务持续推进的过程中,商汤的研究员们很早就感受到一个趋势:无论是视觉模型训练,还是更复杂的AI任务,研发团队每年申请的卡数都在快速增长,增速远超传统IT基础设施的扩容节奏,几乎每一轮新的研发计划,都会把算力需求再往上推一层。 当时行业普遍还处在概念验证或小规模试点阶段,商汤已经跳出CPU时代的数据中心逻辑,围绕GPU、存储、网络和调度效率去构建一整套算力系统。 2019年,商汤正式开工建设临港智算中心,并于2022年1月投入运营,设计峰值算力达3740 Petaflops,是亚洲规模最大的人工智能计算中心之一。 正是这种大规模、真负载的实战经验,让商汤在很早时就拥有了一项稀缺能力:对国产芯片的真实测试环境。 早期不少国产芯片公司在产品回片后,都会先拿到商汤侧做测试。
一方面是因为商汤本身就是国内较早的大规模AI算力使用方;另一方面,AI Infra团队长期积累了完整的横向评测能力,可以持续比较不同国产芯片在同一环境下的表现。 不是只看PPT上的峰值算力,也不是只听创始团队讲产品路线,而是直接进入数据中心、服务器和业务场景,去看它在真实负载下的性能、稳定性和适配效率。 也正是从这时开始,李扬越来越确认一件事:芯片值不值得投,最终还是要回到真实场景里验证。 而第一个真正让这套判断被验证的项目,很快就出现了。 大普微:一块SSD如何跑出国产替代的确定性2021年,国香资本第一次认真研究大普微时,这家公司并非行业里最受关注的那一个。 彼时,企业级SSD市场的核心份额仍然高度集中在国际厂商手中,三星、英特尔等头部公司几乎定义了整个行业的性能标准;国产玩家虽然不少,但真正能够进入主流服务器体系的,仍是极少数。 李扬至今记得那个时间点——春节过后不久,大普微的SSD样品被送进商汤数据中心,交给内部团队做测试。 几周之后,测试结果出来,判断一下子清晰了。 在核心读写性能、稳定性和服务器适配等关键指标上,大普微的产品已经非常接近当时国际头部厂商的水平,部分指标甚至出现反超。
这让他明确地意识到:服务器国产化的下一站,很可能就是SSD。 李扬表示,服务器里的核心部件,几乎都会沿着同一条路径推进——只要性能达到可用标准,国产化替代就不是“会不会发生”,而只是“什么时候发生”。 当时SSD正处在这样一个临界点:国产化渗透率还很低,但技术门槛已经开始被跨过去。 而且企业级SSD本身就是一个足够大的市场,只要产品好,完全能够容纳多家头部玩家共同成长。 投资后,大普微业绩的快速增长印证了国香资本的判断。 第二年公司收入即增长了10倍,5年后大普微登陆创业板,成为创业板首家非盈利IPO企业,上市当天即突破千亿。 当时大多数资本偏好的Fabless叙事,是只做主控芯片、追求更轻的模式。 大普微却走了一条更厚重的路:主控芯片、固件算法、模组一体化,周期更长,资金占用也更高。 在李扬看来,如果只卖主控芯片,你面对的客户就只是SSD厂商;而当时国内的企业级SSD生态并不完善,产业链中间层并没有足够强的本土玩家去承接国产化需求。 因此,市场真正需要解决的问题,不是“主控国产化”,而是:服务器厂商能不能直接买到可替代海外品牌的国产SSD。 这决定了大普微必须自己往下走一步。
只有把产品直接做成完整SSD,进入服务器整机和数据中心体系,国产替代才会真正启动。 这背后其实是一个生态位选择:在产业链尚未成熟时,谁离最终客户更近,谁就更可能率先吃到替代红利。 2023年前后,存储行业进入历史性低位,颗粒价格持续承压,很多公司被迫放缓节奏。 大普微的出货量增长很快,但收入增速并没有同步放大——如果只看短期财务数据,这并不是一个轻松的阶段。 不过,李扬和团队反而因此对大普微建立了更强的信心。 因为在价格承压的背景下,大普微的利润和毛利率仍在持续改善。 这让他们确认了一件事:真正驱动公司成长的,不是存储价格周期,而是服务器SSD国产化渗透率的持续提升。 走到今天的上市窗口期,他们关注的重点已经不只在财务兑现上,而是大普微能否继续打开两个更大的增长空间:全球化市场份额,以及新型存储产品形态。 前者决定市场天花板,后者将决定长期护城河。 如何锁定下一代确定性? 聊到过去几年的芯片投资路径时,李扬少有地停顿了一下。 回看国产GPU这一轮的投资窗口,他坦言,团队当时在部分项目上的出手相对谨慎。 国香资本正式落地是在2021年中,彼时头部GPU公司的估值已经普遍来到百亿区间。
在当时的市场环境下,无论二级市场还是一级融资,对科技资产的整体预期都还偏保守。 但站在今天回看,李扬认为,真正影响决策的,未必只是估值本身,更重要的是当时对国产GPU长期产业空间的确定性判断,还没有后来那么坚定。 虽然业务侧已经能够感受到国产GPU性能和软件生态的快速进展,但市场对于中国科技产业未来资本价值的重估,彼时尚未真正展开。 这种复盘,也影响了他后来的投资方法。 相比单纯判断产品当下是否成熟,他会更早追问:三年后,什么场景一定会逼着市场需要这颗芯片? 李扬提到国香资本芯片领域的几家被投企业时,语气里满是认可和笃定。 比如辉羲智能在创业之初,就决定做一颗500TOPS级别的大算力端侧芯片。 放在当时,这样的产品定义确实有些超前——行业主流算力仍在几十TOPS级别,智驾领域的高算力需求虽已初现端倪,但很多人并不完全相信端侧会这么快走向500TOPS级别的算力。 李扬当时看重的,并不是“现在谁更主流”,而是自动驾驶、机器人、物流车这些场景,最终一定会把端侧算力需求推到更高的位置。 后来事情的演进,几乎沿着这个逻辑展开:芯片出来后不久,下游的具身智能和L4物流车需求开始快速释放,业务量很快起来。
这套方法,同样延续到了他们对消费电子端侧芯片影微创新的布局里。 在AI眼镜、运动相机、无人机这些场景真正成为一级市场热点之前,他们已经完成了对端侧芯片创业公司的第一轮布局。 等行业开始形成集体共识时,团队反而不再急着追新项目。 原因也很简单:从组合角度,这两个项目已经基本覆盖了端侧算力从高到低的核心区间。 继续追热门赛道,不一定比把仓位留给下一个结构性机会更划算。 而“下一张牌”,在李扬最近的思考里,正在逐渐转向CPU,尤其是RISC-V。 和前几年大家高度聚焦GPU不同,CPU在一级市场并不是最热闹的话题,但李扬对这个方向的长期确定性,反而比很多热门赛道更坚定。 在他看来,GPU解决的是AI时代的算力效率问题,而CPU解决的是更底层的事情:整个通用计算体系的自主可控。 他几乎是顺着排除法,把结论推到了RISC-V。 x86不可能成为国内长期自主路线,Arm底层IP依然属于海外商业体系,真正同时具备开放性和自主空间的,只剩RISC-V。 所以最近一段时间,他和团队开始系统性地推进这一方向,也和不少相关公司进入更深的合作和尽调阶段。
把这段时间的投资实践放在一起看,李扬最核心的变化不是更激进了,而是:比过去更愿意为长期确定性付费。 聊到最后,李扬没有再继续展开某个具体的项目,而是把话题重新落回了“判断”本身。 在他看来,AI芯片行业从来不缺热点,缺的是在热周期里保持冷静的能力。 市场总会不断制造新的高点,但真正重要的,仍然是能不能提前一步看见场景会如何演进——所有技术路线的终点,最终都是需求。 当一级市场重新回到情绪高点,这种对“终局需求”的判断,或许正是少数能够真正穿越下一轮周期的能力。 雷峰网雷峰网
Want this in your inbox every morning?
Daily brief at your local 8am — bilingual EN/中文, free.
More from 雷峰网芯片
See more →Token账单迷雾:当每百万Token多少钱变成「比价陷阱」
The rise of Token billing in AI has transformed costs into operational expenses, with prices varying significantly due to factors like model efficiency, energy costs, and contract terms. As companies shift from GPU hours to Token-based billing, understanding the hidden complexities behind Token pricing becomes crucial for effective budgeting.




