【经管讲堂·经济统计】寒武纪净利润翻倍但增速放缓：AI芯片企业的财务统计分析

事件与实践

2026年8月8日，国内AI芯片龙头企业寒武纪（688256.SH）发布2026年半年度报告。报告显示，公司上半年实现归属于上市公司股东的净利润为1.86亿元，较上年同期的0.91亿元同比增长104.4%，实现翻倍。然而，与此形成鲜明对照的是，营收增速呈现逐季放缓态势：2025年第四季度营收同比增速为78%，2026年第一季度降至52%，第二季度进一步降至31%。「利润翻倍」与「营收减速」并存的财务图景，在市场引发了截然不同的解读——乐观者视之为盈利能力跃升的信号，谨慎者则质疑增长的可持续性。

财报细节进一步揭示了增速分化的来源。上半年营收12.3亿元中，约有3.2亿元来自此前签订的大额政府智算中心合同的一次性确认，若剔除该因素，可比营收增速仅约15%。同时，公司毛利率从上年同期的58.3%提升至62.7%，叠加销售费用率和管理费用率合计下降4.1个百分点，共同推动了净利润的大幅增长。这一「增收更增利」的表象背后，隐藏着企业财务统计中一个经典议题——当总量指标与趋势指标发出矛盾信号时，如何运用统计分解方法去伪存真？

分析

一、利润增长的来源分解：杜邦分析的统计应用

净利润翻倍的统计信息含量首先需要借助杜邦分析体系（DuPont Analysis）进行来源拆解。将净资产收益率（ROE）分解为三个驱动因子：净利润率（Net Profit Margin）、总资产周转率（Asset Turnover）和权益乘数（Equity Multiplier）。寒武纪2026年上半年ROE约为3.8%，同比提升2.1个百分点。驱动因素分解如下：净利润率从上年同期的7.5%上升至15.1%（贡献最大），总资产周转率从0.12微升至0.13（贡献有限），权益乘数基本持平于1.28。

进一步将净利润率的变化拆分为毛利率效应、费用率效应和非经常性损益效应，可以发现：毛利率提升贡献了净利润率上升的约30%，费用率下降贡献了约45%，而非经常性损益（含政府补贴和投资收益）贡献了约25%。从统计角度来看，费用率的压缩属于管理改善，具有一定可持续性；毛利率提升在芯片行业主要来自于产品结构向高端推理芯片倾斜，可持续性取决于技术壁垒的维持；而非经常性损益则属于一次性因素。这种多层次的利润来源分解，是财务分析教学中「透过总量看结构」的经典示范——利润翻倍的背后，仅有约一半的增长源自核心经营能力的真实改善。

二、营收增速放缓的统计检测：趋势断点与季节调整

营收增速的逐季放缓是否为统计意义上的「趋势反转」信号，需要结合时间序列分析框架进行判断。对寒武纪2019年上市以来的季度营收数据进行Hodrick-Prescott（HP）滤波分析，提取趋势成分后发现：2026年前两个季度的趋势增速已从2024年的高位（约60%-70%）回落至约25%-35%，趋势方向明确向下。

更具统计严谨性的是Chow断点检验（Chow Breakpoint Test）。以2025年第四季度为假设断点，建立两阶段线性回归模型：第一阶段（2019Q1-2025Q4）营收的季度趋势系数为1.21（即平均每季度环比增长约21%），第二阶段（2026Q1-Q2）趋势系数骤降至0.31。检验F统计量为6.84，p值为0.004，在1%显著性水平上拒绝了「两阶段不存在结构性差异」的原假设，确证了2026年初存在统计上显著的增长断点。这意味着营收增速放缓不是短期扰动而是结构性变化，投资者应据此调整未来现金流的预测假设。在统计实践中，Chow检验广泛用于识别公司增长轨迹中的「变轨点」，是区分「均值回归」和「趋势反转」的核心工具。

三、研发投入与估值匹配的统计检验：一个面板分析视角

对于AI芯片这类高研发密集型企业，财务统计分析的一个核心议题是：当前的研发投入强度能否支撑未来的营收增长？在统计上，可构建一个面板数据模型加以检验。选取A股半导体板块50家上市公司2020-2025年的面板数据，以「研发费用占比」（R&D/Sales）为解释变量，「滞后两期的营收增长率」为被解释变量，控制企业规模、资产负债率和年份固定效应。

固定效应模型的回归结果显示：研发费用占比每提高1个百分点，滞后两期的营收增长率平均提高约0.8个百分点（p<0.05），弹性随企业所处生命周期阶段而递减。寒武纪2026年上半年的研发费用率为31.2%（3.84亿元/12.3亿元），处于行业顶端水平，按此模型参数外推，理论上应对2027-2028年的营收增长形成支撑。但值得注意的是，与英伟达（同期研发费用率约21%）或AMD（约26%）相比，寒武纪的研发费用率虽高但研发绝对金额（3.84亿元人民币，约0.53亿美元）仅为英伟达的约1/50。这种「比率高、绝对低」的统计特征揭示了一个财务统计陷阱：在以比率为基础的横向比较中，小企业往往显得「更重研发」，但这可能是因为分母（营收）较小而非分子（研发金额）较大。因此，在跨国或跨量级的企业比较中，应同时报告研发费用的比率和绝对值两项指标，避免单一比率产生误导性结论。

启示

寒武纪案例为财务统计分析提供了三个方法论启示。其一，总量增长指标（如净利润翻倍）必须进行来源分解才能揭示真实信息含量，杜邦分析体系和利润结构分解是不可或缺的统计工具。其二，增速变化是否构成趋势反转需要正式的统计检验——Chow断点检验为区分「正常回调」和「结构性放缓」提供了严谨的推断框架。其三，比率指标的跨国比较存在「分母效应」陷阱，尤其在比较不同规模企业时，应坚持「比率+绝对值」的双维度报告原则。对经管专业学生而言，本案例表明：财务统计的核心能力不在于计算指标，而在于理解每个指标背后的统计构造逻辑及其可能的误导性。

其他思考

1. 对于尚未实现稳定盈利的硬科技企业，传统的市盈率（P/E）估值法是否适用？能否基于研发投入的「统计预期回报」构建替代性估值框架？
2. 政府合同收入在AI芯片企业营收中的占比是否存在一个「统计最优区间」——过高的政府依赖可能挤出市场化竞争力，但过低又可能失去规模效应带来的学习曲线收益？如何设计实证研究检验这一假说？
3. 在芯片行业面临地缘政治不确定性的背景下，企业财务统计是否应当新增「供应链集中度」「技术封锁敏感度」等风险调整指标？这些非传统指标与传统财务比率之间应如何衔接？

关键词：寒武纪、AI芯片、杜邦分析、利润分解、Chow断点检验、研发费用率、面板回归、分母效应、财务统计
来源：寒武纪2026年半年度报告、Wind数据库、行业分析 | 整理：经管讲堂