国产GPU第一股摩尔线程登陆科创板

周五，A股市场迎来了一场资本狂欢，备受瞩目的国产 GPU（Graphics Processing Unit: 图形处理器，一种专门在个人电脑、工作站、游戏机和一些移动设备上图像渲染的微处理器）第一股摩尔线程，终于成功登陆 科创板（STAR Market: 上海证券交易所科创板，中国大陆的一个股票市场板块，旨在支持科技创新企业上市融资）。作为科创板“1+6”政策发布后首家过会并上市的企业，摩尔线程也创下了2022年以来审核最快的科创板 IPO（Initial Public Offering: 首次公开募股，指一家企业或公司第一次将它的股份向公众出售）记录，从受理到过会仅用了88天，上市总共用时不到半年。

与此前已上市的海光、华为昇腾、寒武纪等公司相比，摩尔线程是目前国内唯一、也是最接近 全功能GPU（Full-function GPU: 既能进行图形渲染又能进行通用计算的图形处理器）定义的厂商。这意味着，如果要在国产芯片中寻找一款既能支持游戏，又能兼顾 AI训练推理（AI Training and Inference: 人工智能训练是指通过大量数据让模型学习和优化，推理是指模型利用所学知识对新数据进行预测或决策）的芯片，摩尔线程几乎是目前唯一的英伟达替代选择。

上市首日，摩尔线程股价一度高开468.78%，开盘价每股650元，市值一度突破3000亿元，最终回落至2800亿元。全天成交额高达153.07亿元，换手率达到85.49%。在这波资本狂欢中，创始人张建中直接持股市值便达到287.56亿元。早期投资人也因此获利丰厚，例如最早的投资人沛县乾曜，其累计浮盈高达5825倍。资本之所以如此疯狂，无非是看中了摩尔线程“中国版英伟达”这一极具吸引力的标签。

摩尔线程的技术成色与市场定位

摩尔线程的创始团队堪称英伟达嫡系，张建中曾长期担任英伟达的全球副总裁兼中国区总经理。那么，这家被市场捧上神坛的公司，其技术实力究竟如何？

谈及 GPU，如果不结合应用场景而单纯讨论参数，那便是脱离实际。在AI计算领域，核心指标主要关注三个方面：算力、显存和带宽。显存（Video Memory/VRAM: 显卡上的专用内存，用于存储图像数据和计算结果）决定了能够处理的模型大小；算力（Compute Power: 计算机系统或处理器执行计算任务的能力）代表着能同时处理多少数据；而 带宽（Bandwidth: 在单位时间内可以传输的数据量）则代表固定时间里能够传输多少数据。如果显存不足，大型模型将无法运行；如果算力和带宽不够，则会严重拖慢计算速度。

自2020年成立以来，摩尔线程已陆续推出苏堤、春晓、曲院、平湖四代 GPU 架构。从第三代曲院开始，公司重心转向AI计算。最新一代平湖 GPU 于2024年发布，其最新产品是基于该 GPU 的S5000。数据显示，S5000在 FP32（Single-precision floating-point format: 单精度浮点数，一种计算机数据格式，用于表示浮点数，占用32位内存）精度下的算力达到32 TFLOPS（Tera Floating-point Operations Per Second: 每秒万亿次浮点运算，衡量计算机系统或处理器执行浮点运算速度的单位）。同时，平湖架构 GPU 最大显存容量为80GB，推测S5000的显存容量也应为80GB，但带宽数据尚未公布。

与英伟达的 GPU 进行对比，A100的 FP32 算力为19.5 TFLOPS，H20为44 TFLOPS，H100为67 TFLOPS。仅从 FP32 这一项来看，S5000似乎超越了A100，甚至接近H20的水平，尽管与H100仍有较大差距。然而，这个参数并不能完全代表S5000的实际AI算力水平，原因在于 FP32。

在AI计算中，需要用到不同精度的数据， FP32 只是其中一种，还有 FP64（Double-precision floating-point format: 双精度浮点数，占用64位内存，精度高于FP32）、 FP16/BF16（Half-precision floating-point format/Bfloat16: 半精度浮点数，占用16位内存，常用于AI计算以提高效率）、 FP8/FP4（8-bit/4-bit floating-point format: 8位/4位浮点数，更低精度，用于进一步优化AI计算速度和内存占用）以及 INT8（8-bit integer: 8位整数，用于表示整数，范围通常为-128到127）等多种常见数据类型。数字越大，数据精度越高，占用的内存也越大，计算速度也越慢。因此，不同的AI任务需要选择最合适的数据类型。例如，医学、军事、科学等对误差敏感的领域需要 FP64 数据，而当前的AI大模型为了追求速度和节省内存，普遍采用 混合精度（Mixed Precision: 在AI训练和推理中同时使用不同精度的数据类型，以平衡计算速度、内存占用和模型精度）。这意味着， FP16、 BF16 甚至 FP8 才是当前AI训练和推理的主战场。因此，S5000漂亮的 FP32 数据在AI领域里的参考价值需要打折扣，关键仍需关注其在 FP16 或 FP8 下的实际表现，但目前S5000的相关信息较少，其实际表现仍未可知。

相比之下，其他友商也在激烈竞争。华为昇腾910C NPU（Neural Processing Unit: 神经网络处理器，一种专门用于加速人工智能和机器学习任务的处理器）目前公布的 BF16/FP16 总算力达到752 TFLOPS，超过了英伟达H20和A100，但不到H100的一半，片上内存和带宽与H100基本在同一水平。寒武纪目前在售的思元590芯片， FP16 算力为256 TFLOPS，接近A100水平。沐曦集成虽未公布具体数据，但表示曦云C500和C550两款 GPU 在 FP16/BF16 指标上处于英伟达A100的算力区间。有行业内部人士指出，在实际训练推理环境中，摩尔线程等国产AI计算卡的纸面参数算力往往需要打折扣。

商业模式与AI智算集群

尽管摩尔线程被誉为“国产英伟达”，但两者的盈利模式存在显著差异。英伟达不直接销售AI智算集群，而摩尔线程的主要营收却来自于集群产品。今年上半年，摩尔线程共售出5个 AI智算集群（AI Intelligent Compute Cluster: 由大量GPU或其他AI芯片互联组成的计算系统，用于大规模AI模型训练和推理），其中4个集成了512个S4000 GPU，另一个是集成了2048个S5000 GPU 的集群，这也是摩尔线程售出的第一个S5000集群。资料显示，仅这一个S5000集群就为摩尔线程贡献了3.97亿元 营收（Revenue: 公司在一定时期内通过销售商品或提供服务所获得的收入），占上半年总营收的一半以上。根据招股资料，该S5000集群的客户为重大科技创新平台，很可能是某个国家实验室。

值得一提的是，目前在国产AI计算卡企业中，华为是绝对龙头，客户广泛；寒武纪主要客户为字节跳动；而沐曦集成则主要面向信创 GPU 市场。英伟达之所以不销售AI智算集群，是因为其 毛利率（Gross Profit Margin: 销售收入减去销售成本后的利润占销售收入的百分比）远低于直接销售 GPU。如今英伟达销售 GPU 的 毛利率 高达70%，而AI集群的建设和维护成本高昂，导致其 毛利率 较低。

然而，对于摩尔线程而言，销售AI集群并非一个糟糕的选择。相比于直接销售 GPU，销售集群更容易做大 营收 规模。集群本质上是将大量 GPU 连接在一起，共同执行某个AI任务，因此销售一个集群相当于一次性售出数百甚至数千个 GPU。此外，建设集群并非易事。随着AI模型规模的不断扩大，单卡或多卡组合已无法满足训练需求，同时消费端的推理需求持续暴增，AI大厂和云服务厂商都必须建设更大的算力集群。例如，马斯克的xAI孟菲斯超级集群一期就集成了10万张H100 GPU，亚马逊的Project Rainier更是集成了近50万颗自研芯片。

GPU互联技术与集群规模挑战

当 GPU 数量越来越多时，如何更好地连接这些 GPU 成为了建设AI算力集群的关键技术，即 GPU互联技术（GPU Interconnect Technology: 连接多个GPU以实现数据高速传输和协同计算的技术）。英伟达之所以强大，是因为它很早就通过收购获得了 NVLink（Nvidia NVLink: 英伟达开发的高速GPU互联技术）技术，能让相邻的几张 GPU 两两互通，提升计算速度。目前主流应用的 NVLink 5.0技术，卡间互联带宽高达1.8TB/s，而 NVLink 6.0则将带宽升级到3.6TB/s。

在卡间互联方面，摩尔线程也推出了自研的 MT-Link（Moore Threads MT-Link: 摩尔线程自主研发的GPU互联技术）技术。目前最新的 MT-Link 3.0互联带宽可以达到1.3TB/s，介于 NVLink 4.0和5.0之间。在招股资料中，摩尔线程表示 MT-Link 3.0已达到行业领先水平。不过，公司也指出，目前摩尔线程最新的平湖 GPU 架构和S5000 GPU 上使用的仍是 MT-Link 2.0技术，片间互联带宽为800GB/s，这意味着新研发的3.0技术尚未应用于产品。

除了 GPU 互联，AI集群还面临着规模的现实挑战。一般来说，两两互联的卡数量存在难以突破的物理极限。由于每家厂商采用的互联结构不同，这个极限也并不相同。例如，英伟达最新的Blackwell架构支持72个 GPU 互联；谷歌 TPU 在卡间互联上最多可以形成4x4x4，即64个 TPU 的小立方体。这样的互联极限通常被称为 节点（Node: 在分布式计算集群中，一个独立的计算单元，通常包含多个处理器和内存）。摩尔线程现有的KUAE（夸娥）2集群技术，每个 节点 可以集成8颗模块化的 GPU， 节点 之间采用行业主流的 InfiniBand（InfiniBand: 一种高速、低延迟的计算机网络通信标准，常用于高性能计算）或者 RoCE（RDMA over Converged Ethernet: 基于融合以太网的远程直接内存访问，一种允许通过以太网进行RDMA的技术）的网络方案进行互联。KUAE2集群最多可包含1280个 节点，最大可支持10240个 GPU。然而，摩尔线程售出的最大集群只包含了2048张卡。通常，在AI集群中，5000卡是一个关键的瓶颈，因为集群规模扩大后，对电源、电力、散热以及系统调控等诸多方面都是一个巨大的考验。显然，相比于动辄10万卡、20万卡互联的英伟达，摩尔线程的KUAE集群技术仍需进一步完善和考验。

摩尔线程的核心护城河：MUSA架构与生态

实际上，摩尔线程的核心护城河在于其自研的 MUSA（Moore Threads Unified System Architecture: 摩尔线程统一系统架构，其自主研发的软件和硬件协同平台）统一系统架构。此前许多国产厂商选择 GPGPU（General-purpose computing on Graphics Processing Units: 利用GPU进行通用计算，而非仅限于图形渲染）路线，去掉了图形渲染单元，这种设计结构简单，面积小，能效高。但摩尔线程保留了 3D渲染管线（3D Rendering Pipeline: 计算机图形学中将三维场景转换为二维图像的过程），这一步棋走得非常冒险，因为 图形驱动（Graphics Driver: 操作系统与显卡硬件之间进行通信的软件，负责控制显卡的各项功能）的开发难度是硬件设计的10倍。这也是为什么摩尔线程早期产品硬件参数出色，但在该驱动下玩游戏帧数极低的原因。

虽然当时市面上有很多宣称完美兼容 CUDA（Compute Unified Device Architecture: 英伟达开发的并行计算平台和编程模型，用于GPU通用计算）的方案，但基本上都是夸大其词。于是摩尔线程开发了一个名为 MUSIFY（Moore Threads MUSIFY: 摩尔线程开发的将CUDA代码转换为MUSA代码的工具）的工具，用于将 CUDA 代码翻译成 MUSA 代码。实测反馈显示，这种转译会有10%-30%的性能损耗。

2023年10月，摩尔线程被美国列入 实体清单（Entity List: 美国商务部工业与安全局发布的一份名单，列出了被认为对美国国家安全或外交政策利益构成风险的实体）。其高端卡S4000原本依赖台积电的 7nm/5nm高级制程（7nm/5nm Advanced Process Node: 指芯片制造工艺的纳米级别，数字越小代表工艺越先进，晶体管密度越高），被列入清单后，迅速转向中芯国际（SMIC）的 N+1/N+2工艺（N+1/N+2 Process: 中芯国际的先进芯片制造工艺，通常被认为接近或达到某些国际先进水平）。尽管良率和功耗不如台积电，但至少能够实现生产。

摩尔线程的造富效应与财务状况

除了依靠国产 GPU 追赶英伟达的故事，摩尔线程上市的另一个话题便是其造富效应。最直接的体现是创始团队。摩尔线程的创始人、董事长兼总经理张建中拥有硕士研究生学历和高级工程师职称，曾于1990年至1992年在冶金自动化研究设计院国家计算机实验室部门任高级研究员，1992年至2001年在中国惠普任产品总经理，2001年至2006年在戴尔中国任全球客户部总经理，2006年至2020年在英伟达任全球副总裁兼大中华区总经理。2020年，张建中与周苑、张钰勃、王东联合创立摩尔线程，并以实控人身份参与公司经营管理。

摩尔线程的创业故事更像是一场有预谋的复刻。张建中在Jensen Huang手下工作了15年，深谙生态和渠道的玩法。公司成立100天就宣布研制成功首颗 GPU，18个月发布 全栈产品（Full-stack Product: 涵盖从硬件到软件、从底层到应用层的完整产品解决方案），这种速度在芯片界是不符合物理规律的。圈内普遍认为，摩尔线程在成立之初就获得了极为成熟的 IP授权（Intellectual Property Licensing: 知识产权授权，允许第三方使用专利、技术等知识产权），或者拥有极其完整的成建制团队。摩尔线程讲述的故事，也是以游戏显卡的现金流来养AI研发，这与英伟达当年的发家史如出一辙。

公告显示， IPO 发行后，张建中直接持股9.4127%，按照上市首日的价格，即使不算间接持股，其持股市值就高达287.56亿元。最早下场的机构股东同样赚得盆满钵满。摩尔线程成立仅三个月，深圳明皓、沛县乾曜就迅速入局。根据摩尔线程公布的信息，沛县乾曜以1元的价格入股，当时摩尔线程投前估值仅为1000万元。沛县乾曜以190.4762万元入股，拿到了13.4%股份。同期入股的深圳明皓以35.28元的价格入股，投入8000万元，拿到了16%股份。之后，沛县乾曜以253.60元的价格转让了近20万元的注册资本，套现大约5000万元。此次上市发行后，沛县乾曜仍持有1699.87万股，占总股本的3.6165%，开盘市值为110.48亿元，以此计算，沛县乾曜累计浮盈超过5825倍。而深圳明皓先后在2021年10月和今年初分别套现了2000万元和1.57亿元，发行后仍持有1992.27万股，持股比例为4.2386%，开盘市值为129.49亿元，累计浮盈达163倍。

在之后的天使轮融资中，摩尔线程引入了红杉资本、闻名泉丰、和而泰、深圳一创、五源启兴五家机构。资料显示，这轮融资投后估值为16.46亿元，和而泰投入3000万元，上市后和而泰的持股比例为0.8734%，以开盘价计算持股市值26.68亿元，增值了近88倍。红杉资本也曾多次追投，在 天使轮（Angel Round: 创业公司早期融资阶段，通常由个人天使投资人提供资金）、 Pre-A轮（Pre-A Round: 创业公司A轮融资前的阶段性融资）和B轮合计投入大约2.12亿元，发行后持股1915.44万股，持股比例为4.0752%，持股市值124.50亿元，增值了近58倍。不过，也有在 IPO 前提前离场的机构，字节跳动旗下量子跃动在 Pre-A轮 向摩尔线程投入约5000万元，今年初将全部股份转让，获利2.27亿元，赚了3.54倍。即便是在 Pre-IPO轮（Pre-IPO Round: 指公司在首次公开募股（IPO）前进行的最后一轮融资），新进入的股东也获得了不错的收益。摩尔线程 Pre-IPO轮 的投后估值为298.45亿元，开盘市值约为3055亿元，新股东浮盈9倍以上。值得注意的是，DeepSeek创始人梁文锋旗下的私募基金幻方量化也认购了700.59万元，按摩尔线程发行价计算，幻方量化持有6.13万股，上市首日这笔股份价值已达到3681万元，收益率达425%。

然而，由于持续的高强度研发投入，摩尔线程到目前尚未盈利。最近三年，公司 归母净亏损（Net Loss Attributable to Parent Company: 归属于母公司所有者的净亏损）分别为18.40亿元、16.73亿元、14.92亿元。加上今年前三季度7.24亿元的亏损，累计亏损已达57亿元。公司预计2025全年 营收 为12.18亿到14.98亿元，同比增长177.79%到241.65%，预计扣除非经常性损益后 归母净利润 为-12.38亿元至-8.78亿元。公司预计最早到2027年 营收 达到59.83亿元，同时整体 毛利率 达到61%的前提下，方可实现合并报表 盈利。扣除大约3亿元的政府补助后，2027年将处于微利状态。

国产芯片上市潮与未来展望

顺便一提的是，继摩尔线程之后，另一家国产明星 GPU 企业沐曦集成也即将迎来上市，于12月5日开启火爆申购。按照发行价格104.66元/股计算，沐曦集成发行的初始市值将达到418亿元。沐曦集成同样成立于2020年，创始人陈维良曾任AMD全球 GPU SOC设计总负责人，并与AMD的同事彭莉和杨建联合创业。沐曦集成增长比摩尔线程更为迅猛，2022年-2024年 营收 从不到43万元暴增到7.43亿元，今年前三季度达到12.36亿元，累计亏损近34亿元。公司预计最早2026年实现 盈亏平衡（Break-even Point: 收入与成本相等，既不盈利也不亏损的状态）。

此外，壁仞科技、燧原科技、天数智芯、瀚博半导体等多家 GPU 公司也已开启上市进程，但基本都还处于上市辅导等前期阶段，有望在明年上半年集中上市。百度旗下的昆仑芯也被爆出计划赴港上市。显然，在国产 GPU 飞速前进的大背景下，这台造富机器尚未停歇。随着国产 GPU 迎来关键的上市窗口期，下一段故事大概才刚刚开始。不过，对于市值2800亿的摩尔线程，我们仍需提醒投资者：信仰很贵，请理性充值。