6月26日晚間，比特幣礦機巨頭之一億邦國際登陸納斯達克，其IPO發行最終定價為5.23美元/股，預計募資1億美元左右。開盤價為4.6美元，較發行價下跌12.05%，雖然途中下探至3.83美元，但最終回彈至報收5美元/股，下跌4.4%。
比特大陸、嘉楠耘智、億邦國際是全球排名前三的礦機生產商，艾瑞諮詢此前的報告顯示，從銷售收益、已售算力來看，上述三家生產商加起來的市場佔有率超過90%。
值得注意的是，搭着2015年至2017年加密貨幣市場牛市“順風車”，他們曾賺得盆滿缽滿，淨利潤達數億元，腰包鼓起來之後，紛紛將目光轉向了股市。嘉楠科技於輾轉A股、港股後在納斯達克上市，如今股價已縮水近8成；億邦國際26日開盤後直接破發，最大跌幅近27%。唯獨剩老大哥比特大陸還在內鬥，上演搶公章和營業執照戲碼。
業內人士認為，億邦國際之所以不被市場看好，與其自身業務單一，虧損擴大不無關係。作為礦機廠商，億邦國際對比特幣市場的表現嚴重依賴，不確定性將會帶來負面影響，如果不能業務創新，那可能將其與嘉楠耘智對標。
兩度折戟港交所後轉道納斯達克
億邦國際本次IPO發行價為5.23美元，募集資金約為1億美元。縱觀其上市之路，可謂一波三折。
2015年，億邦國際在新三板掛牌，彼時，隨着礦機佔公司收入的份額越來越大，其逐漸從通信行業轉型，開啓了在區塊鏈行業的征途。2017年，比特幣大漲，礦機行業迎來牛市，億邦國際憑藉11%的市場份額成為全球三大比特幣礦機生產商之一，公司當年淨利潤高達3.85億元。
為加速公司的發展，2018年3月，億邦國際從新三板除牌，並於當年6月正式在港交所提交IPO招股書，半年後失效。失效當月再次提交申請，2019年6月仍被港交所披露為失效，原因為其不符合港交所“上市適應性”的核心原則。而在第一次衝擊港股IPO時，億邦國際陷入P2P網貸平台銀豆網爆雷案，被置於輿論的風口浪尖。
前兩次IPO失敗的億邦國際為何能在美股成功上市？在最新版的招股書披露，億邦國際表示，公司適用美國證券法定義的“新興成長型公司”，即最近會計年度營業收入低於10億美元，有資格降低上市公司報告要求。
不過，億邦國際上市的第一天股價並不好看，開盤即破發，盤中甚至大跌27%，最終收跌4.4%。
淨虧損進一步擴大
過去兩年，億邦國際一直衝擊資本市場，在業內人士看來，財務問題推着億邦國際走向IPO。
最新的招股書顯示，億邦國際一季度營收為640萬美元，同比增長6.1%，但淨虧損進一步擴大，從2019年一季度淨虧損60萬美元，進一步擴大至2020年的250萬美元。
億邦國際解釋，淨虧損擴大主要原因為地方政府退税大幅減少所致。此外，招股書稱，億邦國際收入主要集中在比特幣採礦機上，比特幣價格的大幅下跌將對公司比特幣採礦機庫存的價值產生負面影響。尤其是近期疫情爆發後，引起的市場恐慌對比特幣價格產生了不利影響，並導致2020年3月比特幣價格急劇下跌。億邦國際稱，預計短期內比特幣價格將繼續波動，且可能會嚴重影響該公司的業務運營和財務狀況。
南都記者注意到，億邦國際主要定位為專用集成電路（ASIC）芯片設計公司和比特幣礦機制造商。但營收來源單一，集中在採礦機銷售以及託管維修服務上。2018-2019年比特幣採礦機和相關配件的銷售額分別佔總營收的96.3％和82.4％，提供採礦機託管服務的收入也分別佔營收的2.4％和14.4％。
這也意味着，如果比特幣價格下跌，那礦機的銷售量以及平均單價將下滑。事實也正如此，數據顯示，2018年礦機銷售量為41.59萬台，平均每台價格為737美元；2019年，礦機銷售量不到30萬台，均價亦腰斬至304美元，這也直接導致2019年營收只有1.09億美元，同比下滑約66%，淨虧損達4107萬美元，較上年同期的淨虧損1181萬美元擴大。
礦機第一股市值已縮水8成
不管從主營業務還是上市路徑，億邦國際無形中被對標“礦機第一股”嘉楠耘智。可截至6月26日，嘉楠耘智報收1.88美元/股，較9美元的發行價，已跌去80%。億邦國際是否會重蹈覆轍？
從業務和業績上來看，億邦國際壓力山大，即使已經成功上市，仍有多重問題待解決，業務高度受限比特幣，身陷訴訟，業績承壓。此外，億邦國際還面臨監管風險和法律風險，比如多地均在對礦池相關企業進行打擊清理等。
對於礦機生產商來説，無論是否上市，多元化業務發展，擺脱對礦機的依賴是必須要思考的方向，AI芯片成為礦機商的發力點。早在上市之前，嘉楠耘智表示公司將進軍AI芯片，但這一策略暫時還未獲得資本市場的認可。
億邦國際也在積極佈局AI芯片領域。據媒體報道，在其此前港股披露的材料裏，億邦國際表示會主要關注人工智能數據處理設備、非加密貨幣區塊鏈應用產品及解決方案、通信技術三大項目，已完成了包括物聯網應用在內的三項人工智能芯片開發項目的初步可行興研究，分別是智能家居系統，智能健康終端及服務器，以及智能自動化務農系統。
不過，礦機商發展AI雖是業務延伸，但挖礦芯片的算法和AI芯片有較大差距。業內人士指出，挖礦需要重複大量邏輯運算，而AI芯片不僅需要海量運算，也需要高度的靈活性、高效的數據交互效率，去迎合深度學習在算法演進上的快速多變，即AI芯片是在挖礦芯片的基礎上，做了更多延伸性、與具體行業應用相關的、深度挖掘並學習的事情。