看到沐曦2025年的这份财务预测时，我第一反应不是“又一家亏损的GPU公司”，而是先拿计算器把数字拆开：营收16亿到17亿，扣非后净亏7亿到8.35亿。这家公司等于每收回来100块钱收入，就有40多块钱的经营净流出。数字摆在台面上很难看，但如果你像我一样在半导体圈子里待了足够久，会很清楚这几乎是国产GPU创业公司从“能用”走向“好卖”的必经过路。
这篇文章我想认真聊聊这组数字背后的东西：16亿营收在国产GPU赛道到底是什么位置，为什么亏7亿到8.35亿反而说明这家公司已经进入真实战斗状态，以及作为一个行业观察者和前从业者，我平时是怎么判断一家芯片公司“能不能活下去”的。如果你正在关注国产GPU公司、考虑跳槽去类似的创业团队，或者在做相关的投资分析，这篇内容应该能给你一个相对完整的判断框架。
1. 先把数字拆开看：16亿营收和7亿亏损分别代表什么
1.1 营收16亿到17亿，在国产GPU赛道算是什么水平
GPU公司有一个很现实的评判节点：年营收能不能稳定跨过10亿元。10亿以下，基本都是靠定制项目、小批量供货和样板工程在撑，产品还没有经历大规模复购的考验；超过10亿，意味着已经有客户愿意把GPU放进正式的生产环境，年度采购从“试用几张卡”变成了“一个批次几千张卡”。
沐曦预计的16亿到17亿，正好卡在这个节点之上。按全年营收15.5亿到17亿计算，对应到每月出货大约是1.3亿到1.4亿。考虑到GPU单卡价格从几万到十几万不等，这个收入体量对应的是每月数千张卡的实际发货。再加上服务器整机交付、软件授权和技术服务这些非纯卡收入，背后一定是已经有几个大型行业客户在规模化使用，不是零散的学术验证项目。
我判断一个公司是否摸到“产品化门槛”的标准很简单：看这家公司有没有同一个型号的芯片在至少两三个不同客户那里稳定跑同样的业务场景。到了这个阶段，销售团队说的话才开始有参考价值，因为已经有老客户在替新客户做风险背书。
16亿到17亿的营收，放在整个国产GPU行业里算头部梯队，但它依然只是英伟达在华销售额的零头。更准确地说，这个体量意味着公司已经完成从0到1，开始进入从1到100的爬坡期。这个阶段最难的不是把芯片做出来，而是让客户相信你的软件栈和迭代能力能跟上他们业务的发展速度。
1.2 扣非后净亏7亿到8.35亿的钱，到底烧在了哪里
先解释一下“扣非”这个口径。扣非全称是扣除非经常性损益，意思是把政府补助、资产处置、投资收益这类一次性收入剔除掉，只看公司靠主营业务赚了还是亏了。对于芯片公司来说，扣非数据往往比表面的净利润更难堪，但也更诚实。沐曦2025年预计扣非净亏7亿到8.35亿，说明主业的经营成本远远高于收入，公司目前还没有靠卖东西实现自我造血的能力。
这笔钱主要烧在三个地方。
第一个是研发人员薪酬。GPU设计公司的高薪研发团队是最大的固定成本。一家成熟期的芯片创业公司，研发队伍通常在500人到1000人之间，人均年度成本（工资加奖金加股票期权）按60万到80万算，年人力开销就是4亿到8亿。如果公司总人数超过1000人，再加上销售、市场、供应链和行政人员，人力总成本会逼近六七亿。
第二个是流片和IP成本。先进制程芯片一次流片的费用在数千万元乃至上亿元级别，这还只是投片本身，前期购买IP授权、EDA工具授权费用也是每年大几千万。GPU这种复杂芯片，从设计冻结到回片需要半年，回片后还要做测试、改版、再生产，中间的资金占用量极大。业内经常说的一句话是：流片一次，半年的研发费用就没了。
第三个是软件栈与生态建设。这是很多人低估的部分。GPU芯片卖出去只是开始，要让它跑通大模型训练、推理、科学计算，必须有编译器、算子库、驱动、框架适配。每适配一个新模型，都要投入人力做优化和处理坑，这笔开销随着客户增加反而会扩大。
把这三块加在一起，7亿到8.35亿的经营亏损是合理的结果。这不是经营失控，而是高速扩张阶段的固定成本与初期收入之间的巨大剪刀差。
1.3 用毛利率和费用率的模型理解亏损结构
不用坐在公司财务部也能搭一个粗略的模型。取营收中值16.5亿，假设综合毛利率为30%，毛利大约是4.95亿。再假设期间费用一共12亿出头，净亏损就在7.3亿左右，和公布的7亿到8.35亿区间吻合。这说明模型的隐含参数是合理的。
这里有个关键点值得展开说：毛利率30%对一家硬件公司来说不算高，至少比成熟GPU巨头50%到60%以上的毛利低不少。低毛利的原因不是定价没竞争力，而是出货规模太小导致的单位成本过高。芯片的固定研发成本和流片成本需要分摊到每一颗出货芯片上，出货量越大摊得越薄。年出货几万张卡和几十万张卡，单芯片成本差距是数量级的。
所以这个模型透出一个信息：沐曦现在的亏损大头是费用，不是产品不赚钱。只要出货量继续爬坡，毛利率会自然提升，亏损额会在同一个收入水平下收窄。这也是我为什么强调，对于这类公司，看营收增速比看净利润更有指导意义。
| 指标 | 数值区间 | 说明 |
|---|---|---|
| 预计营收 | 16亿至17亿 | 月均出货含硬件与服务的综合收入约1.3亿到1.4亿 |
| 扣非净亏损 | 7亿至8.35亿 | 主要来自研发薪酬、流片及软件生态投入 |
| 隐含亏损率 | 45%左右 | 每1元收入对应约0.45元经营净流出 |
| 隐含毛利率 | 25%到35% | 出货量未完全规模化前，单位成本偏高 |
2. 为什么GPU公司烧钱是结构性必然而不是经营失误
2.1 流片失败一次就能吃掉一年利润，这个风险躲不开
很多外行朋友问我：既然亏损这么多，能不能少流几次片、多卖一阵子老产品，先把钱赚回来再投？这个问题在消费电子行业也许适用，但在GPU行业完全不成立。
原因在于GPU的迭代节奏是被生态锁死的。芯片设计可以按三年周期规划，但客户需求的演进不会等你。大模型的参数量两三年翻一个数量级，支持这些模型的训练和推理需要更大的显存、更高的带宽、更强的算力。如果停留在老产品上，客户的下一次采购就会转向竞争对手。
流片本身还有巨大的不确定性。一枚GPU芯片从设计到生产，涉及上百亿个晶体管，任何微小的设计缺陷都可能导致整批芯片废掉。先进制程的流片费用动辄数千万元，如果一次不成功，第二轮投片的钱立刻追加。这种研发风险必须用高额费用对冲，自然推高了每一年的亏损数字。
所以你会看到所有认真做GPU的公司都保持每年递增的研发投入，这不是激进，是被行业节奏推着走。
2.2 硬件只是入场券，软件栈才是真正吃钱的隐形项目
我习惯用一句话概括GPU行业的现状：芯片只占客户初期体验的30%，剩下的70%是软件栈跑了你的GPU之后能不能无缝跑到下一个模型上。
英伟达最值钱的资产不是芯片本身，而是积累了十几年的CUDA生态。国产GPU公司要在这个生态里切出一块市场，必须同时搞定三层软件：编译器层，把模型算子翻译成能高效跑在自家GPU上的指令；运行时层，提供显存管理、任务调度、通信接口；框架适配层，让用户常用的训练框架和推理引擎能够直接调用自己的后端。
这三层每一层都是无底洞。每出一个新模型，可能就要做算子适配和性能调优；大模型从训练到部署会用到很多分布式通信能力，这些都要自己重写和测试。更麻烦的是，客户在生产环境遇到奇怪问题不会自己排查，只要他咬定是GPU的问题，你的人就必须到场解bug。随着客户规模扩大，软件适配和服务团队的成本会超过硬件研发团队。
这笔钱不能在财务表上单独体现，但它真实存在，而且每年增长。7亿到8.35亿的亏损里，相当一部分是在为软件生态的快速成型买单。
2.3 量没起来之前，固定成本压得所有玩家喘不过气
芯片行业存在一个残酷的算术题：几百人的研发团队、昂贵的EDA工具和IP、一年几次的流片，这些成本全是固定的，不会因为出货量减少而降低。但收入却高度依赖出货量。
假设一家公司一年投入10亿元，卖1万张卡时每张卡要承担1万元的研发分摊成本；如果能卖到10万张，每张卡只需要承担1000元。这个差距可以直接改变产品定价策略和毛利水平。沐曦预计16亿到17亿的营收，对应的出货量可能也就是几万张级别，远没有达到规模效应的甜蜜点。
这也是为什么我看这类公司的关键指标不是净利润，而是营收同比增速和库存周转。只要增速足够快，固定成本摊薄速度就快，盈亏平衡点迟早会来；反过来，如果营收停滞在5亿两年不动，那再多的战略故事都救不回来。
3. GPU创业公司的收入到底从哪里来
3.1 智算中心和数据中心：真正决定营收体量的大客户
国产GPU公司收入构成里，最核心的是面向大规模算力基础设施的销售。这类客户一旦下单，单个订单金额往往在千万甚至亿元级别，能把一个季度的营收数据直接拉起来。但这部分收入有几个特点会影响财务表现。
首先是客户决策周期长。从前期测试、招投标、小批量试点到正式下单，普遍要半年以上。有些做模型训练的大客户还会要求先跑一遍全套主流模型，验证性能和精度达标后才谈采购量。这意味着营收波动非常大，一个季度可能颗粒无收，下个季度突然翻倍。
其次是交付和验收周期长。GPU不是手机，交付后还要做集群部署、网络调试、软件环境适配，客户验收通过后才能确认收入。如果年末大量发货但验收拖到次年，当年的营收数据就会低于实际出货情况。16到17亿是预计值，水分主要就藏在这些时间性差异里。
最后是回款问题。智算中心项目多属于大型基础设施采购，合同金额高，付款周期普遍跨年度。即使账面确认了营收和应收账款，实际现金流入可能比订单晚一年。这也能解释为什么净亏损按扣非口径算依然巨大，因为应收账款无法立刻转化为可用资金。
3.2 教育科研与运营商市场：稳定器而非爆发器
除了大型智算中心，教育科研市场是国产GPU厂商稳定出货的基本盘。高校实验室和科研院所购买GPU主要是做算法研究、科学计算和教学平台建设，单笔金额不大，但客户数量多、采购频次稳定，而且对国产品牌有天然的接纳度。
这块市场的重要性不在于单季收入爆发，而在于现金流稳定和产品验证作用。客户会用这些GPU跑论文里的模型，发一些评测报告，这些报告又会成为下一轮商务谈判的支撑材料。我经常说，教育科研订单是GPU公司最好的“信任状”。
运营商和大型国企的系统性采购则是另一个量级。这类客户通常一次性采购规模大，进入供应商名单后会有持续多批次订单。但这个市场的门槛也不低，需要对产品做大量的兼容性适配和认证，销售周期长达一年左右。一旦拿下，营收基本盘就有了保障。
3.3 软件、服务和整机解决方案是被低估的收入来源
很多人看GPU公司营收时只盯着芯片销量，实际上16亿到17亿的营收口径里，有相当一部分来自非芯片的交付物。
最典型的是整机解决方案。GPU公司在智算中心项目里往往不只是卖芯片，而是和服务器厂商一起交付包含GPU、服务器、交换机和集群管理软件的整体方案。整机部分的收入规模远大于裸卡，但毛利率也更低。这类合同能快速放大营收，却也拉低了综合毛利表现。
其次是软件授权与一体机产品。比如面向高校和企业的私有化推理一体机，硬件加软件打包收费；再比如面向大模型部署的调优服务，按项目人天收费。这些收入虽然单笔不大，但边际成本低，对毛利率有正面贡献。
还有一个容易被忽略的维度是存量客户的增购。当客户已经在用你的GPU跑业务，后续扩容时只要性能满足需求，增购的决策成本比初次采购低很多。所以研发投入高不是坏事，那部分钱实际上是在降低客户的第二次购买阻力。
| 收入来源 | 特点 | 对财务的影响 |
|---|---|---|
| 智算中心与数据中心 | 单笔大、周期长、验收节点影响确认 | 拉升营收，扩大应收账款，毛利率波动 |
| 教育科研市场 | 单笔小、客户多、采购稳定 | 提供稳定现金流与产品验证反馈 |
| 运营商与国企采购 | 入围门槛高，批次规模大 | 建立长期基本盘，拉低综合毛利 |
| 整机方案与软件服务 | 毛利分化，部分项目消耗人力 | 放大营收口径，需注意资源投入产出 |
4. 亏损不可怕，但现金流和融资节奏是生死线
4.1 一年烧7到8亿，账上的钱够烧多久
我判断一家芯片公司安全度最核心的指标，不是估值，而是“现金跑道”——账上可动用现金除以每年净现金流出。假设一个公司账上有30亿元，每年净亏8亿，理想状态下能撑3到4年。如果只有10亿元，那就必须在下一年内完成新融资或者显著收窄亏损，否则公司会立刻转入收缩模式。
芯片行业看一个公司好坏，要同时看亏损额和现金储备。亏损大但现金储备充足，是“投资期”的正常表现；亏损虽然收窄但现金快见底，反而是更危险的信号。因为一旦断粮，优秀工程师会开始流失，客户也会担心产品后续维护而停止下单，形成恶性循环。
因此我习惯于关注两个数据：一是公司近两年融资总额，二是投资方结构里有没有具备持续输血能力的产业方。有产业背景的股东不仅提供资金，还能在客户拓展和供应链上给出实际支持。
4.2 融资、上市与商业化的循环一旦停下来，故事就结束了
GPU创业本质上是资本密集型游戏。一个完整的商业循环是这样的：产品研发和客户验证阶段烧钱，靠股权融资维持；当产品通过头部客户验证、营收进入高增长通道后，申请公开上市，拿到二级市场资金继续扩大产能和软件生态投入；然后靠持续增长的营收和逐渐收窄的亏损向市场证明盈利前景。
沐曦的16亿到17亿营收预测，如果真能兑现，是在向市场和投资人传递一个关键信号：产品已经成为合格的商品，公司有明确的收入增长曲线。哪怕亏损额看起来不小，只要增长逻辑成立，资本仍然愿意继续加注。
反过来看，那些一直喊“性能对标国际大厂”却迟迟没有规模化订单的团队，融资难度会逐年上升。投资人不是慈善家，前面几轮可以容忍亏损，但必须看到销售额逐年台阶式上升。从16亿到17亿的预测可以看出，公司给自己定的目标是继续跨台阶，而不是原地盘旋。
4.3 从业者判断公司安全边际的三个实用方法
如果你遇到一个offer来自类似的GPU创业公司，容易陷入数据焦虑：营收很大，亏损也很大，到底稳不稳？我自己的做法是三个维度交叉验证。
第一个看产品代际和客户复购。公司主推产品是否已经交付到第二三代客户，有没有老客户放大订单。只靠新客户撑营收的公司，每一笔销售都在消耗陌生信任，风险更高。
第二个看研发投入方向和人员稳定性。GPU公司最核心的资产是核心架构团队。公开数据里可以看到研发人员占比和核心研发骨干的任职年限。如果一个公司的核心架构师团队最近两年没什么变化，说明内部信心还在；如果高管层频繁更替，就要多留个心眼。
第三个看融资节奏和现金流。融资间隔超过两年，可能意味着新投资人对接不上；账期紧、折扣大，可能意味着销售压力已经传导到财务策略。一个健康的创业公司应该在亏损扩大的同时保证现金储备同步充实，而不是一边亏损一边赤字。
5. 常见问题与避坑点：关于“亏损的GPU公司”的误解
5.1 “亏损这么多，是不是马上就要倒闭了”的误判
这是最常见的外行判断。很多人一看到净亏损数亿元，第一时间想到公司快不行了。但芯片公司恰恰相反，亏损期往往对应的是产品放量前夜的投入高峰。
我见过很多公司的财务报表：一家公司年亏5亿，但营收从3亿涨到10亿，这说明每一块钱亏损都在换回头部客户的认可，这个状态是值得投入的；一家公司年亏2亿，但营收连续多年在两三亿徘徊，银行账户逐渐见底，这才是真正的危险。
用一句话总结：亏损不是问题，亏损的同时营收不增长才是问题。16亿到17亿的营收如果同比大幅增长，那这个亏损规模是有价值的投资；如果营收和上年持平，亏损依然维持高位，那市场一定会用脚投票。所以我建议投资者和求职者都别只看标题，要主动去对比公司近两三年的营收曲线。
5.2 跳槽到这类公司前，先确认三件事
GPU创业公司开出的薪酬确实有吸引力，期权故事更是容易让人上头。但跳槽不是买彩票，我建议在入职前确认三件事。
第一，问清楚公司当前主力产品处于哪个阶段。是刚流片回片，还在调驱动？是已经量产，但客户测试问题很多？还是已经规模交付，正在处理售后和扩容问题？阶段不同，你进去之后面临的工作强度和风险完全不一样。
第二，确认公司是否有稳定的售后服务团队，而不是把所有研发工程师都当成救火队员。很多GPU公司刚起步时没有专职FAE，客户一有问题就拉核心研发顶上去，结果核心研发天天出差救火，新品开发延期，最后所有人都很累，公司进度却没跟上。这个隐形压力是很容易被忽略的。
第三，看公司的基线和目标客户群。只服务一两个大项目的公司，一旦项目尾款出问题，影响会传导到全员奖金甚至裁员。客户结构分散、复购率高的公司，即便单笔利润薄一些，稳定性也好得多。
5.3 我自己的实操体会：怎么用公开信息验证一家公司的真實情况
这几年我养成了一个习惯：定期把几家公司发布的财务信息放在同一张表里横向对比，不完全相信单一年份的数字。
第一个会看研发费用占营收的比例。一个成熟的芯片公司，研发费用率在20%到30%是比较健康的；但在创业初期阶段，研发费用率超过50%甚至80%是常态。这个比例越高，说明公司越处在投入期。如果一家公司已经进入16亿营收规模，研发费用率依然超过60%，说明它的产品线或者软件栈还在快速扩张，短期内别指望盈利。
第二个会看非经常性损益的构成。有些公司通过处置资产或政府补助把净利润做漂亮，但扣非后现原形。把扣非数据和营收增速放在一起看，就能识别公司的真实经营质量。沐曦敢于直接披露扣非净亏损区间，说明它对经营状态是有底气的，这种透明度在行业里并不多见。
第三个会看研发人员的产出效率。我会用“年度营收除以研发人数”粗略算人均产出，再去和行业水平比较。早期GPU公司人均营收可能只有几十万，一旦进入放量期，人均营收会快速拉升到两三百万。这个数字变化比很多财务指标更能反映公司是否真正跨过了产品化门槛。
我在这个行业里看过太多公司起起落落，一个核心体会是：数字本身没有任何意义，数字背后的业务动作才是真相。沐曦的这份预测，真正的看点不是亏损了多少，而是营收有没有达到足以支撑下一轮产品研发和生态扩张的规模。只要产品继续批量出货，客户继续复购，亏损在账面上存在多久并不致命，致命的是烧完钱却看不到回头客。这段区间里的公司，往往是最有机会跑出来的，也往往是最考验耐力的，如果你正身处其中或准备加入，保持对现金流和产品交付的敏感度，会比任何融资新闻都更有参考价值。
