《浦江科技评论》真实记录与传播科技创业的最佳实践，带您穿透噪音，洞悉未来。
文章来源：「浦江科技评论」2026年6月刊
2026年5月，美国半导体“四巨头”（英伟达、高通、美光、高意）CEO随行参与国事访问，中美半导体供应链的“松紧”再成各方焦点。从2017年美国芯片出口管制开始，芯片成为国内自主攻关的着力之处，也几度成为创投热土。
然而，半导体领域的创业与投资，都不算是稳妥的好差事。这个行业不仅高壁垒、重投入、长周期，且产业链上下游核心资源均由全球头部企业把控，比如上游是台积电等代工厂，下游是谷歌、亚马逊、阿里云等大客户。而同台竞争的英伟达等更是筑起了十几年的生态壁垒。新晋本土企业想立足其间、分得蛋糕，难度不言而喻。
自然，对追求回报的投资者也是如此。2017年前，国内专注于半导体的投资人，一只手能数得过来。和利资本创始管理合伙人孔令国正是其中之一。他自2001年从中国台湾至大陆，深耕行业20多年，投出无锡尚德、寒武纪、沐曦、曦智科技等明星项目，并且多为早期介入、长期陪跑。可以说，他是寒武纪拿下国产AI芯片第一股、沐曦成为国产GPU芯片龙头的幕后推手。
用产业积淀“接住”早期半导体创企、帮助其迅速嵌入这个庞大的产业生态，正是孔令国的拿手戏。他的投资哲学始终围绕一条主线：半导体的发展永远由下游应用驱动，投资必须紧跟下游需求变化。
现在，除了高端进口替代外，和利资本更看重未来底层的半导体应用场景，包括高带宽低延迟的互联通信技术、算力中心、不同AI端侧应用等。
如果说寒武纪、沐曦等国产替代模式是过去主流，那AI端侧的芯片新需求则是未来增量。智能汽车、具身机器人、智能物联网终端等中国优势下游产业的爆发，将反过来为本地“造芯”企业提供弯道超车的机会。这是一个关键时刻，国产芯片有望在这些细分赛道上实现原生创新，走出国产替代的窠臼，拓展一片半导体蓝海。
国产芯片“从0到1”的幕后推手
2025年12月，沐曦成功登陆科创板，成为国产GPU首批上市企业，上市首日收盘市值稳定在3300亿元以上。作为其最早且最坚定的投资方，和利资本再次受到关注，它从天使轮到Pre-IPO连续7轮加注。
时间拉回到2020年10月，沐曦成立仅一个月便拿到天使轮融资。和利资本领投5000万元。在孔令国看来，沐曦团队的成熟度在半导体创业圈很罕见——核心成员来自AMD，曾主导中国超算中心建设与多款GPU研发，拥有从架构设计到流片量产的全链路经验。他当时给出4.8亿元的估值，并明确想要复刻寒武纪的成功，再造一个国产高端芯片标杆。
这并非和利资本第一次押注国产芯片“从0到1”。国产AI芯片第一股寒武纪，也有孔令国团队从天使轮开始的陪跑。
一颗大规模集成电路芯片的诞生，是一场长达数年的马拉松。从论证到模拟，到流片，再到量产，最理想的情况也要3～4年。孔令国敢出手、敢陪跑，不仅是基于对形势的前瞻性判断，也因其独特的打法——同赛道只投一家，并深度陪同创企融入半导体生态圈，打通从设计到落地、“从0到1”的链条。
就像对于2016年的寒武纪一样，大部分机构不相信中国可以做出高精尖的AI芯片，但孔令国看到团队的潜力：科研背景扎实，参与过龙芯研发，AI算法与处理器架构能力一流，唯独缺少大规模量产经验。而这正是和利资本的优势领域。
2006年成立的和利资本，合伙人多出身半导体产业，平均从业超30年，既有连续创业者，也有全球最大晶圆代工厂、全球顶尖设计服务公司的前高管，手握成熟的供应链与产业资源。多年来，和利资本只聚焦半导体赛道，与台积电、创意电子、世芯等头部厂商保持紧密联系。“我们最擅长的，就是帮半导体初创公司‘从0到1’，用产业资源陪跑成长。”孔令国说。
寒武纪在研发首款商用芯片时，孔令国曾协助其对接设计服务公司、拿到晶圆代工产能、完成后端设计，推动其成功落地。沐曦团队虽经验更完整，但作为创业公司，仍需时间打磨产品、整合上下游资源。“他们唯一需要的是时间，以及发展中的各种资源，这就是为什么我们不断为它引进相关团队，乃至来自央企、国企等的战略投资方。”孔令国表示。
据沐曦上市时估值测算，和利资本的总投资回报可达45倍。而谈到沐曦在二级市场的优异表现，孔令国表示，二级市场后续的升值与和利资本并无太多关系。“我们不做财务型投资人，是产业型投资人，赚的是投后赋能、产业协同的钱，不是短期炒作的钱。”
从下游倒推，踩中两次风口
半导体行业素有“五六年一大周期、两三年一小周期”的规律，驱动周期的核心变量，永远是下游应用需求的迭代——孔令国不断强调这一点。他踩中中国半导体产业两次关键拐点，2016年押注的寒武纪是服务上一代AI的ASIC国产芯片，2020年重仓的GPU国产芯片沐曦则是生成式AI的“石油级”基建。
这背后，正是孔令国对产业下游需求的敏锐把握，其中既有宏观因素，也有前沿技术的迭代推动。2016年，美国的芯片出口管制尚未全面到来，但中兴事件促使国家层面将“核心芯片自主可控”定为战略基调。
彼时“AI四小龙”商汤、旷视等快速崛起，计算机视觉、语音识别应用层出不穷。上一代AI多用于车辆、人脸等自动识别场景，已涉及敏感信息与安防问题，随着其在国防、政务等领域的应用不断扩大，国产AI芯片也迫切需要实现“从0到1”的突破。
而深度学习依赖英伟达GPU，但当时并非最佳选择，孔令国提到：“当时的AI用GPU做深度学习，功耗高、冗余大，且光影追踪、渲染这些功能用不上，效率极低还价格高，因此面向AI专用的ASIC是更好的方向。”基于这些情势的判断，寒武纪进入了他的视野。
有意思的是，孔令国坦言，2020年投沐曦是“回过头”再布局的GPU赛道。“谁能想到走出来一个Transformer架构呢？”孔令国感叹。Transformer并行计算的特点，催生了对更多更强算力的迫切需求，也使得通用GPU成为更适用的选择。这一技术趋势自2018年起逐渐在工程界产生影响，在2022年ChatGPT爆发后彻底走出“水面”。投沐曦前，孔令国感觉到这方面会有所发展，于是回头找国产GPU的标的——在HPC（高性能计算）时代不是堆手机芯片的性价比逻辑，而是拼单位面积力、拼功耗控制，技术会往这些方向突破。
当时全球GPU市场由英伟达、AMD主导，且中美科技博弈加剧、芯片出口管制趋严，在2019—2020年间，AMD被间接地禁止在中国开展高性能算力中心建设与技术转移。于是2020年，原本AMD中国研发中心的陈维良、彭莉等核心成员集体离职，瞄准国产高端GPU空白市场，着手创立沐曦。
敏锐察觉到产业迭代、国产缺口等下游需求的和利资本，迅速与沐曦团队达成了合作。
下一个风口，不只是国产替代
过去几年，国产芯片从低端逐步向高端延伸，不少领域实现“从0到1”的突破。但整体更多是盯着国外厂商的替代市场分蛋糕，能创造全新市场增量的并不多。当产业链渐渐夯实，国产芯片产业如何从替代性的“封闭市场”里走出来？AI端侧的爆发，正是一个新机会。
这个判断，源于半导体底层规律。“在下游应用做到全球第一梯队的玩家，有资格根据自身需求，反过来重新定义芯片、开发最适配的专用芯片。”孔令国表示，芯片的迭代正是从通用到专用，再到新的通用版本，如此循环。
时下AI，其第一阶段是云端训练，过去几年，全球资本扎堆数据中心、GPU等算力基建，解决模型训练问题；第二阶段是端侧应用的推理，这是未来10年真正的主战场，而让AI从云端走向各类物理终端，必须依靠端侧芯片。
寒武纪、沐曦等本质上属于算力基建赛道，这类领域未来一定会收敛，最终通过并购只留有极少数几家头部企业。相比之下，终端市场的规模会持续扩张，在端侧通过各种芯片解决“算力好用、场景适配”的问题，这也是中国半导体实现差异化突破的关键机会。
“过去几年，中国在硬件、在终端应用上走在全球前列，前面已没有可追随的对象，完全有能力，也有底气去主导新的技术方向，”孔令国表示，“以前手机、PC终端都由国外定义，我们只能跟着做芯片。现在，在智能汽车、机器人、AIoT终端这些方向上，中国是全球领先玩家，当我们在终端市场有了话语权，就能重新定义底层芯片。”
大疆就是最典型的例子。早期无人机避障、测绘、图传等功能，用的都是通用芯片；当它做到市场份额绝对领先时，为了让系统性能更优，就会开发适配自身场景的专用芯片——要么自研，要么向芯片厂商提出定制化要求，反向带动国产避障、图传芯片的突破。这就是产业下游对芯片创新的推力。
从手机、汽车到机器人、各类物联网设备，中国是全球最大的生产国与消费国，更以完备和迅速响应的产业链在国际形成强大竞争力。当下游需求爆发，国产芯片商有更多创新、测试与落地的机会，形成“端侧+芯片”协同创新，或将重塑中国半导体产业的投资版图。
这种迭代，有望让中国半导体从“美国有什么我们做什么”的被动国产替代，转向“中国下游需要什么、我们定义什么”的主动创新，走出一条差异化发展之路。在此风口下，和利资本近年正密集布局端侧芯片的初创企业，如类脑芯片、物联网芯片、卫星通信芯片、车规处理器芯片等，而且几乎是领投。挖掘这些细分赛道中下一个“国产第一股”，或许正是它的意图。
从端侧弯道超车，赛点已至
从中国半导体的产业基础看，冲刺高端算力芯片依旧不容易，但发力端侧芯片已然“够用”，甚至还有些独特优势。
云端赛道要无限堆算力，技术门槛极高——GPU普遍依赖3纳米、5纳米先进工艺，且现有生态由巨头锁定多年，加上供应链壁垒，可谓层层“卡脖子”。“但端侧不一样，多数端侧芯片用28纳米、14纳米成熟制程就能跑通。”孔令国解释道，半导体往往循序渐进式发展，先把成熟供应链做扎实，用成熟制程练兵，再往先进工艺走，端侧恰好契合这条路径。中国已建成成熟制程产能和配套体系，为端侧芯片的创新提供基础。
比如具身机器人正是端侧芯片的全新增量场。在孔令国看来，机器人芯片跟云端芯片不同，它既要算力又要低功耗与小体积，其关键不在于死磕先进制程，而是把场景优化、成本控制做好，跑出差异化优势。
他特别强调，端侧芯片团队要懂场景，切忌陷入“算力内卷”。他看好既有芯片设计能力又能摸透下游场景的团队，“知道汽车、机器人需要什么芯片，才能设计出好用的产品，而不是闭门造车拼参数”。毕竟端侧贴近消费者，数十万一台的高端机器人的普及之路尚远，但若能降低成本、制造出几千元一台的陪伴与服务机器人，需求可迎来爆发。
再看生态壁垒，云端GPU被英伟达的CUDA生态牢牢锁定，迁移成本极高；而端侧场景高度碎片化，每个应用都有专属需求，国产芯片可以单点突破、快速适配，生态搭建难度小很多，新入局的国产芯片商更容易落地。
当前，被视为半导体需求新引擎的几大场景，均处于产业化初期，AI终端设备包括智能手表、AI眼镜、AI耳机等仍在探索中，作为继手机之后最重要的芯片集成终端——智能汽车整体仍在L2、L3阶段，真正的全自动驾驶还在路上，对端侧算力的需求将持续放大。除去自动驾驶，这些智能车还叠加唱歌、观影等功能，成为个人的第三空间，搭载自动驾驶、座舱、感知、功率等多类芯片。
可预见的是，端侧市场空间足够大、场景足够多。没有初创公司能一上来就通吃全赛道、建立新壁垒，这里会成为未来数年半导体最重要的创业土壤之一。
