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

投资者关系活动类别 □特定对象调研 □分析师会议 □媒体采访 □业绩说明会 □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

投资者关系活动主要内容介绍 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。 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。

附件 序号参会机构名称1LyGH Capital2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