探路者(300005.SZ)转型之路:从桥接芯片到压缩芯片,卡位国产算力的"显存墙"

涌现资本产业研究部 · 2026-06-13 · 战略转型深度报告(终稿) 本报告结合公司公开 IR 材料、定期报告,以及本团队与产业知情人士的深度沟通整理而成,聚焦战略转型的内在逻辑与行业需求空间。涉及尚未由公司正式披露的进展,均标注信息层级(公司公告 / 知情人士沟通),并区分"测试验证"与"正式签约"等不同阶段,以保持口径严谨。

一、转型的本质:不是跨界,是沿"视频数据能力"的上游迁移

市场对探路者最大的认知误区,是把它理解为"一家户外服装公司去炒芯片概念"。但若沿着能力链而非公司历史看,会得到完全不同的图景:

• 转型的真正载体是子公司上海通途半导体(成立于 2012 年),其起家业务是手机桥接芯片——本质是"图像/视频信号的实时处理与接口转换",在国内高端手机换屏市场出货居前,压缩类 IP 已授权进入华为海思、韦尔半导体等 20 余家国内头部芯片企业供应链。
• 桥接 → 压缩,是同一支团队在视频数据处理能力上的自然延伸:桥接芯片处理的是"视频数据如何高效传输与显示",压缩芯片处理的是"视频与 AI 数据如何高效存储与推理",两者共享底层的图像/视频信号处理 know-how。这不是从零跨界,而是沿着视频数据能力向 AI 基建上游升维。

转型由一块成熟、盈利且高增长的业务托底。据本团队与知情人士的深度沟通,其成熟的桥接芯片业务今年的利润有望在去年基础上实现数倍增长,成为支撑转型期现金流的稳定器(具体数字以公司定期报告为准)。这一点至关重要:它意味着压缩芯片的远期想象,是建立在一块已盈利、高增长的成熟主业之上,而非纯烧钱的概念故事。财务侧的切换信号亦已显现——半导体业务 2026 年一季度营收占比突破三分之一,科技业务正成为增长主力。

二、为什么是压缩:AI 的瓶颈正从"算力"转向"显存与带宽"

过去三年,AI 产业的叙事中心是算力(GPU/CoWoS/HBM)。但随着模型从"参数竞赛"走向"推理落地",真正的瓶颈正在迁移:

• 推理时代的命门是 memory,不是 compute。大模型推理中,KV cache(注意力机制的键值缓存)占用的显存随上下文长度 × 并发数线性增长,长上下文 + 高并发场景下,KV cache 体量可超过模型权重本身。算力再强,显存装不下、带宽喂不饱,推理就卡住。
• 四大物理边界(体积、功耗、存储、带宽)在端侧/边缘场景被进一步放大,先进制程与硬件堆料已逼近物理与商业天花板。
• 在此背景下,数据压缩从"性能优化的可选项"升级为"规模化落地的底层刚需":用算法把数据(传感输入、KV cache、模型权重)压小,等效于"凭空扩容显存、拓宽带宽"。压缩正越来越像 AI 推理基建里的"水电煤"。

这正是探路者押注的方向:全栈数据压缩(前端传感 / 中端 KV cache / 后端权重),定位为衔接数字算法与物理硬件的底层基建,而非又一个应用层玩家。

三、需求引擎①:视频推理爆发,数据压力的最大来源

视频是所有数据模态中 token 密度最高、压力最大的一类,而它恰恰是下一阶段 AI 的主战场:

• 多模态大模型、视频生成(Sora 类)、端侧视频理解(安防、自驾、机器人视觉、工业质检)正集中放量。单帧图像可达数百至上千 token,视频按每秒数十帧计,token 量相对文本呈数量级膨胀。
• 视频推理对"存储—传输—推理"全链路同时施压:存不下、传不动、算不快。这正是压缩价值最大的场景——视频近无损压缩可成倍降低存储与带宽占用,KV cache 压缩可让有限显存承载更长的视频上下文。
• 探路者的技术路线明确对标该场景:其压缩方案在视频数据上可压至原有约 1/5,并在 KV cache 维度对标业界领先路线(如 Google TurboQuant)做进一步优化(技术指标以第三方实测为准)。方向选择是对的——压在了数据压力最大、最缺解法的环节。

四、需求引擎②:国产 GPU 的"显存墙"——压缩的战略刚需(核心论点)

这是探路者转型逻辑中最硬、也最被市场低估的一条,而且它直接接上"国产替代"的国家级主线:

问题的结构:

• NVIDIA 凭借最先进的 HBM3e/HBM4 + 大显存 + 高带宽,可以用硬件硬扛显存压力,对压缩的依赖相对弱。
• 而国产 GPU 阵营(华为昇腾、海光 DCU、寒武纪、壁仞、摩尔线程等)受制于先进制程与高端 HBM 的获取限制,单卡显存容量与带宽普遍落后一到两代——"显存墙"是国产算力最现实的命门,比算力本身的差距更难绕过。

压缩为什么是解法:

• 数据压缩(量化、KV cache 压缩、稀疏化、权重压缩)能在受限硬件上用算法弥补硬件代差:同样一张国产 GPU,压缩后能跑更大的模型、更长的上下文、更高的并发。这与业界用算法优化在受限算力下做出一流模型,是同一个母题——当硬件被卡,软件/算法就是突围方向。
• 因此,压缩对国产 GPU 不是"锦上添花",而是"雪中送炭":它是国产算力在硬件代差下维持可用性与经济性的关键拼图。国产 GPU 显存越受限,对压缩的战略需求越刚性。

需求已进入客户验证阶段:

• 据本团队与知情人士的深度沟通,探路者的压缩方案已与地平线、阿里平头哥、蔚来汽车等多家国内主流芯片与智能汽车厂商进入测试验证阶段。
• 需客观说明:测试验证是芯片导入客户供应链的必经前置环节,距离正式签约与规模出货仍有工程化与商务路径要走,该进展目前属知情人士沟通口径,尚未由公司正式公告。但它印证了一件关键的事——国产算力与智能汽车阵营对压缩方案的需求是真实的、且已落到实际选型测试层面,而非停留在概念。

卡位的合理性:

• 国产 GPU/智能汽车是一个正在快速壮大、且对压缩有共性刚需的客户群(2025 年中国 AI 芯片本土厂商市场份额已显著抬升,国产替代进入深水区)。
• 一家本土、自主可控、且 IP 已进入国产芯片供应链的压缩方案商,在数据安全合规与供应链自主的要求下,比海外纯软件方案(谷歌/Ambiq 等受地缘与生态约束)更适配国产核心场景。
• 这构成探路者最具想象力的战略卡位:成为国产算力受困于显存墙时,那一层"用算法换显存"的配套基建。

五、探路者的能力底座与卡位小结

六、竞争格局:全栈软硬一体 vs 单点纯软件

行业现有玩家大致三类:① 云端巨头(谷歌 TurboQuant、IBM ZipNN)——聚焦后端模型压缩、服务自有云生态,不下沉终端硬件;② 海外垂直软件商(Ambiq/Nota AI/Robo.ai)——单点或单一数据类型、纯算法无自研芯片;③ 全栈软硬一体(探路者/通途路线)——三层链路 + 自研压缩芯片 + 本土供应链。

中性判断:探路者的差异化定位(全链路 + 自研芯片 + 本土自主)在国产算力受限、数据合规敏感的场景里具备真实适配性。但需注意,数据压缩亦是 DPU/SoC 大厂的标准加速任务,长期需以"持续的工程化领先 + 客户绑定深度"来兑现差异化,而非一次性技术发布。

七、战略价值与投资定位

• 赛道层面:压缩是物理AI/端侧智能的底层基建,对应"AI+行业应用"阶段的"卖铲子"位。第三方机构对边缘 AI、物理AI 的长期空间给出数千亿至数万亿级测算——赛道天花板不是约束。
• 公司层面:探路者的转型方向正确、能力可信、卡位有想象力:一块高增长的成熟桥接业务托底,一条卡住国产 GPU 显存墙刚需的压缩成长曲线,且需求已落到客户测试层面。这是它区别于纯题材股的内核。
• 定位:维持 universe 观察池——不是因为故事不好,而是因为这是一个正在被客户验证、但仍需财报与正式订单兑现的高质量期权:压缩芯片仍在流片阶段、测试到签约出货有路径、估值已计入较多预期。逻辑成立 ≠ 立刻兑现;观察池正是"看好方向、等待证据"的正确位置。
• 跟踪三个兑现信号(任一落地即上调评级):① 测试转化为正式订单/供货并公告 ② 半导体分部利润实质放量(印证桥接高增长口径)③ 压缩芯片量产落地。

八、风险(客观平衡)

1. 压缩"芯片化"长期面临 GPU/SoC 大厂自研功能的竞争,差异化需以持续工程兑现与客户绑定来维系。
2. 公司处转型早期,专用压缩芯片尚在流片阶段,客户测试到规模出货的转化节奏待观察;并购形成的商誉需以标的业绩兑现来消化。
3. 当前估值已计入较多转型预期(PE 处历史高位),短期受宏观利率环境与题材情绪波动影响较大。
4. 本报告所述战略卡位、需求逻辑与客户测试进展均成立,但"探路者最终能转化多少订单、吃到多少份额"需由后续正式披露与财报验证,不宜在兑现前线性外推。

九、结论

剥开"户外转芯片"的表象,探路者的内核是一支视频数据处理团队,在 AI 推理瓶颈从算力转向显存的拐点上,沿着"连接→压缩"向 AI 基建上游迁移。它押注的方向——数据压缩作为端侧 AI 与国产算力的底层刚需——真实且具备长期确定性;尤其"用算法换显存"对受困于显存墙的国产 GPU 而言,是战略级而非边际的需求,且这一需求已落到多家头部厂商的实际测试层面。叠加一块高增长的成熟桥接业务托底,公司的转型具备"现金流稳定器 + 成长期权"的双层结构。

这是一个方向正确、卡位真实、需求已被客户验证,但仍需正式订单与财报兑现的高质量转型期权。看好它的逻辑,与等待它用订单和财报兑现,二者并不矛盾——这正是它当下值得在观察池被认真跟踪的原因。

参考资料

公司 IR 材料及中关村论坛技术发布 · 探路者 2025 年报与 2026 年一季报 · 与产业知情人士的深度沟通 · 第三方机构边缘AI/物理AI 市场测算(Grand View Research、Goldman Sachs、Morgan Stanley 等) · 国产 AI 芯片产业份额公开数据 · 腾讯行情 API(2026-06-13)。

*本报告由涌现资本产业研究部出品,聚焦战略转型逻辑与行业需求分析,机构中性,不构成投资建议。报告基于公开信息与产业知情人士沟通整理,其中未经公司正式披露的进展(含业绩预期、客户测试等)以公司后续正式公告为准,"测试验证"不等同于"签约出货"。市场有风险,投资需谨慎。*