曦华科技冲刺港股IPO：全球最大ASIC Scaler芯片供货商的崛起
12月27日，深圳曦华科技股份有限公司（简称“曦华科技”）日前正式递交招股书，计划在香港交易所主板上市。曦华科技创立于2018年，创始人陈曦是1993年广西高考理科状元，他曾在清华大学攻读车辆工程、计算机科学与法学三个学士学位，此后又在美国加州大学洛杉矶分校获得了金融工商管理硕士学位。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
陈曦的职业经历始于早期互联网创业浪潮，他曾是知名校园社交平台“易得方舟”（FanSo.com）的联合创始人兼首席技术官，这段经历后来孵化了上市公司中文在线（股票代码 300364）。此后，他在安迈顾问、弘毅投资及和聚百川投资等知名机构积累了丰富经验，为创立曦华科技打下了坚实的基础。
当前，曦华科技是一家专注于端侧AI芯片与解决方案的提供商，其业务聚焦于智能显示与智能传感两大类芯片。公司的产品已获得多家主流汽车原始设备制造商（OEM）及全球知名消费电子品牌采用。
据弗若斯特沙利文报告显示，曦华科技研发了全球首款采用ASIC（针对特定应用需求定制的集成电路）架构的scaler（一种图像处理芯片，用于视频格式转换、分辨率及刷新率调整以及画质增强）芯片，即AI Scaler。该芯片在视觉无损压缩、画质增强及高速接口传输等关键技术领域均处于领先地位。
2024年，曦华科技的AI Scaler芯片出货量约为3700万颗。以当年的出货量计算，该公司在全球scaler行业中排名第二，在ASIC scaler细分市场中则位列第一，市场份额高达55%。同时，公司最新的车规级TMCU（触控微控制器单元）产品，在智能传感领域的规格性能方面也保持了全球领先地位。
曦华科技在2024年的市场份额达到18.8%，仅次于美国莱迪思（Lattice）的20.6%。不过，行业第三名的市场份额为14.5%，与曦华科技的差距并不大。排名第四和第五的市场份额分别为9.4%和7.5%，显示出该领域的竞争同样非常激烈。
招股书数据显示，截至2025年9月底，曦华科技尚未实现盈利。2022年至2024年，该公司年度净亏损分别为1.29亿元、1.53亿元和8082万元；今年前三季度，其亏损额为6296.6万元，累计亏损额已超过4.2亿元。
公司整体毛利率从2022年的35.7%下降至2023年的21.5%，随后在2024年回升至28.4%，但在2025年前九个月再次下滑至22.1%。从业务细分来看，毛利率波动主要受到占营收大头的智能显示芯片业务影响。招股书显示，AI Scaler的毛利率从截至2024年9月30日止九个月的33.9%，下降至2025年同期的27.6%。
曦华科技解释称，AI Scaler毛利率下降的主要原因在于，公司于2025年推出的新一代AI Scaler产品尚未实现规模效益，同时为应对不断变化的市场状况，公司也对现有AI Scaler产品进行了价格调整。
从财务数据来看，2022年曦华科技营收仅为8667.9万元，但研发费用已达到1.14亿元，研发费用率高达131.9%。2023年研发费用为1.25亿元，研发费用率为83.1%。自2024年以来，随着营收增长及高强度的研发投入期逐渐过去，曦华科技的研发费用率已逐步稳定在30%左右。
相关攻略
12月27日消息，深圳曦华科技股份有限公司（简称“曦华科技”）日前递交招股书，准备在港交所上市。曦华科技创立于2018年，创始人陈曦是1993年广西高考理科状元，曾在清华大学获得车辆工程、计算机科学
12月5日消息，深圳曦华科技股份有限公司（简称“曦华科技”）日前递交招股书，准备在港交所上市。曦华科技是一家端侧AI芯片与解决方案提供商，产品已获多家主流汽车OEM及全球知名消费电子品牌采用。招股书
热门专题
热门推荐
本文介绍了2026年主流的USDT交易软件，重点分析了币安、欧易和火币三大平台的特点与优势。内容涵盖平台安全性、交易功能、用户体验及费用结构，旨在为不同需求的用户提供选择参考。文中强调选择平台时应综合考虑资产安全、操作便捷性和交易成本，并提醒注意风险管理与合规操作。
本文介绍了USDT交易的基本概念与主流平台选择。USDT作为稳定币，其交易主要通过加密货币交易所进行。选择平台时需综合考虑安全性、流动性、手续费和用户体验。文中列举了当前市场认可度较高的几类交易平台，并提醒用户注意资产安全与合规操作，建议根据自身需求谨慎选择。
哥本哈根大学计算机科学系于2026年3月发布了一项具有里程碑意义的研究（论文编号arXiv:2603 12935v1），揭示了当前主流AI推荐系统可能潜藏的社会偏见风险。这项研究同时指出，一种高效且低成本的解决方案——提示工程，或许能成为破解这一难题的关键。 当您使用求职平台或新闻资讯应用时，背后的
照片模糊了、雨滴遮挡了画面、夜晚拍摄噪点过多……这些常见的图像质量问题，往往让人束手无策。传统的解决方案，就像请来一群专科医生：去模糊、去噪点、去雨滴，各有各的专长，但每个“医生”都需要海量的“临床经验”——动辄数百万张训练图片，才能达到可用的修复水平。 然而，一项由香港科技大学、哈尔滨工业大学深圳
这项由英属哥伦比亚大学（UBC）与Vector人工智能研究院联合主导的前沿研究，于2026年3月以预印本论文（arXiv:2603 12634v1）形式发布。研究团队创新性地提出了“预算感知价值树搜索”（Budget-Aware Value Tree Search，简称BA VT）框架，旨在攻克一个