一、主要数据情况（上半年数据）：

       1.营收：1.14亿，同比下降33%。（受供应链影响，公司调整销售策略，优先服务毛利较高、信用较好的客户，造成了本期营业收入有所下降；与此同时，公司毛利率 70.86%，较上年同期提升 15.93 个百分点。）

       2.扣非净利润：-6.4亿，比去年同期减少1.17亿。（主要原因有以下两个方面：1）报告期内，按归属期分摊的股份支付费用较上年同期减少。2）根据公司业务规划，进一步提升研发效率、优化资源配置，本期职工薪酬及测试化验加工费等较上年同期减少。）

       3.经营活动现金流净额：-4.98亿，去年同期-8.33亿。（同比增加3.35亿，主要系本期销售回款较上年同

期增加 12,604.17 万元，以及备货减少导致的采购支出减少 22,765.41 万元所致）

       4.研发投入4.82亿，比去年同期的6.26亿减少1.44亿。（1.研发人员比去年同期减少227人，薪酬减少；2.测试化验加工费减少）

 

二、 核心技术情况：      

       1、已自主研发了第五代智能处理器微架构及智能处理器指令集。报告期内，第六代智能处理器微架构和指令集正在研发中。新一代智能处理器微架构及指令集将对自然语言处理大模型和推荐系统的训练推理等场景进行重点优化，将在编程灵活性、能效、功耗、面积等方面提升产品竞争力。

      2、报告期内，公司的基础系统软件平台相比前期版本也进行了优化和迭代：

       推理软件平台在模型性能优化、大模型和 AIGC 推理业务支持、推理性能优化等重点方面均实现了突破和进展。

       训练软件平台在通用性、性能等方面取得了优化，在大模型和 AIGC 训练领域、推荐系统等重点领域实现了改进和迭代。基础系统软件平台的不断改进和发展，将促进公司硬件产品更好的业务落地。

       （1）推理软件平台

       报告期内，公司研发了大模型和 AIGC 推理业务所需基础软件。

       A、在模型性能优化方面，公司针对语音合成领域、搜索推荐领域、视觉处理领域中新涌现的高频使用网络进行了优化，性能上达到了业务落地要求。

       B、在大模型和 AIGC 推理业务支持方面，公司研发了大语言模型分布式推理加速库BangTransformer，进行了LLaMA、GLM、BLOOM、GPT-2 等主流生成式大语言模型的适配工作。

       C、在推理性能优化方面，BangTransformer 支持算子融合、张量并行、量化推理、Flash Attention等优化特性，与传统框架运行方式相比有了较大提升。在图像生成领域，公司基于 MagicMind 支持了 Stable Diffusion 等客户需求网络的优化和加速，促进了公司产品在图像生成领域的业务落地。

       （2）训练软件平台

       报告期内，公司持续推进训练软件栈的研发和改进，以客户需求牵引新增功能和通用性支持，并大力推进大模型及推荐系统业务的支持和优化。

       在新增功能方面，提供了方便客户模型迁移的多个工具，平滑支持了 PyTorch_Lightning 等第三方 Python 库。公司重点投入了分布式和大规模集群的软件栈支撑，增加支持了 DeepSpeed、Megatron、Tutel 等分布式训练库。软件栈在加大与社区生态融合的同时也完成了对典型操作系统的支持和发布，支持了生态的发展。

       在通用性方面，增加了框架算子的支持数量并落实了框架版本升级的规划，完成了重点客户提出的大量定制化算子扩展需求，支撑了多个重点客户的业务落地。

       在性能方面，通过算子层面大张量支持等新功能的开发，充分发挥了公司硬件产品的架构优势，使网络能够支持高效处理能力以及更大规模的大语言模型。公司通过重点客户性能需求的牵引，针对多个网络进行了极致优化，分析并实现了多个算子和框架层面的性能优化点，并在通信上持续进行了单机多卡的低延迟优化。

       在大模型和AIGC 训练领域，公司完善了大模型的训练软件栈研发，进行了GLM模型、LLaMA模型、GPT 模型等模型的微调及预训练支持工作，验证了张量并行、流水并行、序列并行等并行技术，达到业务落地的精度和性能要求。

三、其他：

       1、报告期内，公司新增专利申请54项，获授权的专利为 146 项。

       2、完成16.5亿增发项目。

       3、2020.7上市募集资金25.8亿的3个项目均已按计划完成建设并投入使用，三个项目均已结项。（我认为大概率是590、570、320）