作为半导体产业链上游，半导体IP公司对行业的整体发展态势有更为明晰的感受。4月1日芯原股份（688521.SH）召开业绩说明会，公司董事长、总裁戴伟民分析道，全球经济在2023年有较大起伏背景下，半导体行业在下半年处在清库存周期。

　　不过他认为，行业最困难的周期已经过去。一个印证是，芯原股份目前在手订单充足，金额有20.61亿元，预计在2024年内能够转化的在手订单金额为18.07亿元，占比近90%。

　　当然受整体行业影响，芯原股份2023财年业绩有一定承压。年内公司实现营业收入23.38亿元，同比下降12.73%；归属于母公司所有者的净利润-2.96亿元，年度利润由盈转亏。

　　对于半导体行业而言，今年除了陆续恢复之外，另一个核心命题是如何迎接AI大模型浪潮。戴伟民介绍，2023年公司数据处理领域IP授权业务收入同比增长122.5%。

　　据称，前不久芯原组织了一场业内CEO探讨，得出关于AGI的五大预测，涵盖大模型的发展逻辑、AI终端发展趋势、计算卡的销售走向、国内基础大模型数量等。

　　周期低点已过

　　2023年无疑是半导体行业下行周期，产业链经历了几个季度的库存清理，在年末陆续进入健康经营状态。

　　身处半导体行业偏上游的芯片IP厂商对此也感受明显。戴伟民解释道，芯原股份虽然2023财年收入承压，但纵向来看，2021年全球产能紧张，公司营收逆势实现42%同比增长；2022年行业开始下行时，该公司营收依然同比增长25%。可以从这个视角观察芯原的营收变化轨迹。

　　盈利能力方面，2021年芯原股份归母净利润开始转正，至0.13亿元；2022年扣非归母净利润转正，至0.13亿元。2023年上半年公司归母净利润和归母扣非净利润均为正，归母净利润同比增长49.89%，但到下半年开始转向。

　　戴伟民指出，这是因为2023年下半年是全球芯片行业库存最严重的时期。此外2023年公司净利润下滑，但其中包括基于谨慎性原则，对应收款项进行资产减值准备，其中对合并报表利润的影响为1.29亿元。

　　公司具体业务主要包括两大类：从营收看，“半导体IP授权业务”（包括知识产权授权使用费收入、特许权使用费收入）同比下降14.39%，其中知识产权授权使用费收入6.55亿元，同比下降16.56%，特许权使用费收入1.10亿元，同比增长1.27%；“一站式芯片定制业务”(包括芯片设计业务收入、量产业务收入)同比下降12.13%，其中芯片设计业务收入4.92亿元，同比下降14.05%，量产业务收入10.71亿元，同比下降11.22%。

　　不难看出，整体承压的业绩中，计算相关收入有较好支撑力。财报显示，芯原核心处理器IP相关营业收入中，图形处理器（GPU）IP、神经网络处理器（NPU）IP和视频处理器（VPU）IP收入占比较高，这三类在2023年度半导体IP授权业务收入中占比合计约72%。受AI算力等市场需求带动，公司应用在数据处理领域的半导体IP授权业务收入同比大幅增长122.50%。

　　这对公司营收构成也带来变化。21世纪经济报道记者对比公司近两个财年数据发现，芯原股份半导体IP授权业务中，2022财年营收构成占比前三的下游行业分别为消费电子（31.32%）、汽车电子（21.1%）、计算机及周边（16.28%）。到了2023财年，该部分营收构成前三行业已经变成数据处理（29.65%，2022年占比仅11.41%）、消费电子（27%）、计算机及周边（14.66%）。

　　大模型的锚点

　　业绩会上，戴伟民还谈到对加快发展新质生产力的理解。他归纳道，这包括“全要素生产率大幅提升”一个核心；“创新”和“质优”两个关键。

　　将从三线并进：改造提升传统产业、培育壮大新兴产业、布局建设未来产业。四个“新”包括：代表新技术、创造新价值、适应新产业、重塑新动能。

　　戴伟民认为，从涉及新质生产力相关的八大新兴产业和九大未来产业中，与芯原股份相关的分别包括新一代信息技术，元宇宙、脑机接口、人形机器人、生成式人工智能、未来显示。

　　“我们认为，生成式AI是第四次工业革命，上一次还可以追赶，但这次如果错过当下窗口期将很难追上，这是与前三次的不同。”他续称，本轮人工智能的威力可能远超蒸汽机、电气、互联网三个时期。

　　据他介绍，前不久芯原曾组织产业链公司决策者召开CEO论坛，面向AGI机遇展开讨论得出五个结论：与无差异化的多模态大模型相比，以语言为基础的多模态大模型会成为主流；2026年，内置AIGC的手机将成为中高端手机的主流，是中高端手机换机的主驱动力；2026年，全球双目全彩AR眼镜出货量将突破1000万台；2028年，用于端侧微调卡和推理卡的销售额将超过用于云侧的训练卡；2028年，中国基础大模型的数量将少于10个。

　　业绩会上他针对前述第一点展开分析，“如果发展大模型仅以语言处理为基础，也许能从更有效、更节能的方式迭代，这种方式会比以GPU图形处理器的方法更好。”

　　戴伟民指出，当然这是一个哲学问题，是否所有语音、视频、触觉都可以变成语言，否则就是极为庞大的数据量。目前看，Open AI的ChatGPT和谷歌的Gemini都是基于这一逻辑发展。

　　他同时指出，垂直领域的模型很重要，如医疗、教育、个人等。“在端侧的数据需要微调卡，然后才需要推理卡。所以用于端侧的微调卡和推理卡销售额，几年后必然将大大超过用于云侧的训练卡。”

　　从公司业务来说，戴伟民表示，芯原的神经网络处理器(NPU)IP已被72家客户用于其128款人工智能芯片中，集成了芯原NPU IP的人工智能类芯片已在全球范围内出货超过1亿颗；在GPU IP领域公司对嵌入式市场已发展二十年，客户覆盖数据中心、汽车电子、可穿戴设备、PC等。