事件概述： 2026 年10 月15 日，公司通过官方微信公众号发布技术文章《Triton-MLU 编译器及算子开发优化》，介绍面向寒武纪硬件平台的Triton-MLU 方案，打通Triton 编程模型与MLU 架构后端，并给出Softmax 与MatMul 两类算子的实测结果。

    　　算子开发接入Triton 社区生态，有助于降低开发者迁移成本。Triton-MLU 封装MLU 架构中任务粒度、片上存储、访存调度、指令选择与软件流水等底层细节，使开发者不必直接处理更底层的线程组织、存储层级与指令细节，并可复用Triton社区的语言特性、教程、Kernel 模板与调优经验。Softmax 在M=4096、N=1024、FP32 测试中由初始版本Torch 基线的4.7%优化至最终版本的87.2%，相对初始版本提升18.4 倍；MatMul 在M=N=K=256 至4096 的31 组方阵GEMM 中平均达到Torch 的1.03 倍，约64.5%的shape 不低于Torch，最高1.50 倍；在覆盖float32、float16、bfloat16 及多种转置组合的更大规模测试中，平均Speedup 为1.09 倍，78.0%的Case 不低于Torch，最高Speedup 达到4.50倍。

    　　Triton-MLU 承接既有Torch Compiler 路径，形成"图编译—算子开发"两层适配。公司此前沿PyTorch 主线编译路径推进，以Inductor 与Triton 社区默认路线为基础，围绕图捕获、算子融合、Triton 代码生成与后端编译优化做系统化增强；截至2026 年半年报，公司持续跟进Triton 社区版本更新，在功能适配、硬件支持和编译性能等方面稳步推进，并同步开展国产算子编程语言的适配验证与性能优化，算子开发生态进一步丰富。

    　　"国模+国芯"适配加深，模算协同的软件栈底座逐步成型。Triton-MLU 直接作用于国产模型向寒武纪平台迁移的算子环节，为自定义算子提供一条更敏捷的开发路径；配套的Triton MLU Skill 则借助大模型分析并改写Triton GPU Kernel 的代码结构、执行配置与访存模式，生成面向Triton-MLU 的适配版本，有望减少迁移环节的人工投入。截至2026 年半年报，公司推理软件平台已完成GLM、DeepSeek、Qwen、Kimi、MiniMax 等国产主流开源模型的适配支持。

    　　投资建议：公司是国产AI 芯片龙头，积极研发新一代智能处理器微架构和指令集，推动智能芯片及加速卡在互联网、运营商、金融、能源等多个重点行业持续落地。考虑到公司与国产头部大模型适配加深，"国模+国芯"与模算协同推进有望进一步打开公司成长空间， 我们预计2026-2028 年营业收入分别为155.83/264.66/396.75 亿元，归母净利润分别为52.26/98.21/155.92 亿元，对应PE 分别为110X/59X/37X，维持"推荐"评级。

    　　风险提示：政策落地不及预期；AI技术路线变化具有不确定性；同业竞争加剧。