Biren Technology（壁仞科技
🇨🇳Shanghai Biren Technology Co., Ltd.（上海壁仞科技股份有限公司
Company info
Overview
面向AI数据中心与行业场景的国产通用智能计算解决方案与GPGPU厂商。
Industry tags
Key people
Core products and services
壁砺™ 166L
数据中心训推一体液冷OAM模组，峰值功耗600W。
壁砺™ 166M
数据中心训推一体风冷OAM模组，峰值功耗550W。
壁砺™ 166C
高性能推理PCIe板卡，峰值功耗300W。
壁砺™ 106M
壁砺106代产品线风冷OAM模组形态。
壁砺™ 106B
壁砺106代产品线产品之一。
BIRENSUPA™
壁仞软件生态平台，用于芯片软硬件协同与开发生态支撑。
Funding history
| Date | Round | Amount | Valuation | Investors | Confidence |
|---|---|---|---|---|---|
| 2019年 | Angel | 未披露 | 未披露 | 云启资本 Lead | Medium confidence · 1 sources · Single authoritative source |
| 2020年06月 | Series A | 约人民币11亿元 | 未披露 | 云启资本 | Low confidence · 1 sources · Single source |
| 2022年 | Series B | 约人民币3.3亿元（B+） | 未披露 | 云启资本 | Low confidence · 1 sources · Single source |
| 2024年 | Strategic Investment | 约人民币15亿元（市场报道） | 未披露 | 云启资本 | Low confidence · 1 sources · Single source |
| 2025年03月 | Strategic Investment | 数千万美元（报道口径） | 约人民币155亿元（约22亿美元） | 上海国资AI FOF | Medium confidence · 1 sources · Single authoritative source |
| 2025年12月 | Strategic Investment | 3.73亿美元 | 未披露 | 3W Fund, 云启资本 | Medium confidence · 1 sources · Single authoritative source |
| 2025年12月 | IPO | 拟募资42.1亿-48.5亿港元 | 约460亿-480亿港元（按最高发行价口径） | 云启资本 | High confidence · 2 sources · 2+ independent authoritative sources |
| 2026年01月 | IPO | 募资规模55.83亿港元（公司新闻口径） | 开盘市值约855.4亿港元 | 云启资本 | High confidence · 2 sources · 2+ independent authoritative sources |
Product release timeline
完成MiniMax M2.5、GLM-5等模型高效适配。
Step 3.5 Flash发布当日完成适配。
率先完成MOSS-TTS模型高性能推理部署。
官网持续展示166与106系列硬件产品线及应用场景。
完成Tencent-HY-MT1.5-1.8B模型Day0适配。
Biren 106系列支持通义QWQ-32B推理并展示DeepSeek-V3全栈训练能力（报道口径）。
披露异构GPU协同训练方案，支持多种GPU协同训练大模型。
BR106实现量产（公开资料口径）。
发布首款通用GPU BR100。
与BR100同代发布的单die产品。
Key events
与上海仪电智算服务、阶跃星辰共建人工智能联合实验室并揭牌。
在港交所挂牌（06082.HK），成为“港股GPU第一股”。
上海闵行区委书记走访调研，公司披露累计申请专利1600余项、授权600余项。
获中国证监会境外发行上市备案，拟发行不超过372,458,000股境外上市普通股。
启动港股全球发售，发行价区间17-19.6港元，拟募资42.1亿-48.5亿港元。
被报道指称在2023年10月被美国商务部实体清单限制后继续推进产品迭代与商业化。
进入IPO辅导阶段，报道估值约155亿元人民币。
向南京某电信客户交付1024-GPU智算集群，合同总额约1.80亿元。
在中国证监会完成A股上市辅导备案披露，辅导机构为国泰君安。
与IT公司签署总值约3.68亿元销售框架协议，并收到约3500万元约束性订单（公开资料口径）。
公司由有限责任公司变更为股份有限公司（港澳台投资、未上市）。
智能计算解决方案开始产生收入。
公司成立并启动国产通用GPU研发。
Competitive landscape
NVIDIA (A100/H100/B系列生态)
— 以Data-center GPU平台化销售和CUDA生态构建高粘性，通常通过云厂商与大型企业预算驱动的高端采购完成放量；其全栈软件与开发者网络是核心优势，壁仞在中国国产替代与本地交付项目中与其直接竞争。[S1](https://www.asianfin.com/news/236429) [S2](https://www.itiger.com/news/1176147040)
AMD (Instinct MI系列)
— 走高性能通用GPU与数据中心渠道化GTM路径，依托全球OEM/云渠道和标准化产品组合争夺训练与推理需求；壁仞主要以本地化适配和国产供应链叙事在中国市场与其对位。[S1](https://www.itiger.com/news/1176147040) [S2](https://news.sina.com.cn/c/2026-01-03/doc-inhexfkr4547355.shtml)
Huawei (Ascend) (Ascend 310/910)
— 依靠软硬件一体化、政企覆盖和全产品线推进规模化交付，典型GTM为行业解决方案与生态绑定；壁仞以通用GPGPU路线和开放适配能力争取差异化空间。[S1](https://finance.sina.com.cn/roll/2025-07-27/doc-infhwxxu0975674.shtml)
Moore Threads (MUSA架构与数据中心GPU)
— A股上市后资本补给与市场关注度更高，面向训练/推理与图形场景并行推进，商业打法偏“产品线扩张+资本市场驱动”；与壁仞在国产GPU核心订单和头部客户预算上直接冲突。[S1](https://finance.eastmoney.com/a/202512223598481364.html) [S2](https://www.asianfin.com/news/236429)
MetaX (曦云/曦思系列)
— 同步布局高性能GPU与推理卡，通过上市推进增强融资能力并争夺智算中心与行业客户；与壁仞在国产训练推理项目中形成正面竞争，差异主要体现在产品路线和生态绑定节奏。[S1](https://finance.eastmoney.com/a/202512223598481364.html) [S2](https://www.asianfin.com/news/236429)
Suiyuan (DSA架构AI加速芯片)
— 以DSA强调特定场景效率和性价比，GTM更偏行业项目制与定制化交付；在预算敏感和垂直场景中可替代部分壁仞通用GPU方案。[S1](https://www.sohu.com/a/851581139_115362) [S2](https://finance.sina.com.cn/roll/2025-07-27/doc-infhwxxu0975674.shtml)
Cambricon (MLU系列)
— 商业化起步更早且具备资本市场运作经验，覆盖训练与推理并拥有既有客户基础；壁仞以通用GPGPU能力争取高算力与多模型适配场景的增量份额。[S1](https://finance.sina.com.cn/roll/2025-07-27/doc-infhwxxu0975674.shtml) [S2](https://www.sohu.com/a/851581139_115362)
Hygon (DCU/K100系列)
— 依托CPU+DCU协同和信创渠道推进政企市场，GTM偏平台化国产替代组合；壁仞更聚焦自研GPGPU与BIRENSUPA协同生态，两者在本土算力项目中存在替代关系。[S1](https://finance.sina.com.cn/roll/2025-07-27/doc-infhwxxu0975674.shtml) [S2](https://news.sina.com.cn/c/2026-01-03/doc-inhexfkr4547355.shtml)
Growth metrics
Competitive narrative
Differentiators
Challenges and risks
Market position
壁仞科技在中国本土GPU赛道属于“高研发投入+快速产品迭代”的头部厂商，已完成港股上市并进入公众公司阶段，在电信与智算中心项目中形成可验证交付案例。 与国际龙头相比，公司当前优势主要在国产替代、本地生态协同与项目交付速度；与国内同赛道公司相比，其差异点集中在通用GPGPU路线、软硬件协同平台以及较高频的大模型适配发布节奏。