近日，上交所分别披露摩尔线程和沐曦股份两家国产GPU厂商的科创板上市的招股说明书。

据披露，此次摩尔线程融资金额80亿元，保荐机构为中信证券股份有限公司。沐曦股份拟融资39.4亿元，保荐机构为华泰联合证券有限责任公司，两家企业最后估值均超过200亿元人民币。

目前，国内AI芯片的主要参与者主要包括华为海思、寒武纪、海光信息、壁仞、沐曦、燧原股份、摩尔线程、阿里平头哥等厂商。

其中，专注于GPGPU领域的主要为燧原、沐曦、壁仞、摩尔线程等四家。当前，燧原科技也已进入上市辅导期，壁仞科技则传将转战港交所。

国产GPU产业核心玩家

近年来，随着人工智能技术进入大规模产业化应用阶段，GPU因其独特的大规模并行计算架构和高吞吐量特性，已成为支撑深度学习模型训练与推理、处理PB级数据的核心算力基础设施。

在中国这一全球数字经济增长极，GPU需求正呈现指数级攀升。中信证券最新研报指出，2025年全球AI算力芯片市场规模将接近3000亿美元。中国GPU市场规模2025年预计将突破1200亿元，三年增长近50%。

根据招股书披露，摩尔线程和沐曦股份两家企业均成立于2020年，专注于高性能通用GPU领域。其中，摩尔线程已成功更迭四代GPU架构，并拓展出覆盖AI智算、云计算和个人智算等应用领域的计算加速产品矩阵。代表产品包括消费级显卡MTT S80、算力卡MTT S4000以及此次首次披露的MTT S5000。

根据摩尔线程此前的信息显示，MTT S80是目前市场上唯一一款流通的消费级GPU产品。在京东商城官方店铺的页面中，MTT S80显卡的销售数量已突破5000单。

沐曦股份代表产品包括用于智算推理的曦思N系列GPU、用于训推一体和通用计算的曦云C系列GPU，以及正在研发用于图形渲染的曦彩G系列GPU。

根据招股书介绍，沐曦股份全栈GPU产品基于自主研发和自主知识产权的GPUIP、GPU指令集和架构，单卡性能处于国内第一梯队；集群性能方面也具有较强的产品表现。截至报告期末，其GPU产品累计销量超过25,000颗。

面临长期巨额亏损

不过，两家企业同样面临巨大的亏损问题。根据披露，2022至2024年，摩尔线程营业收入分别为0.46亿元、1.24亿元和4.38亿元，扣除非经常损益后归属于母公司股东的净利润分别为-14.12亿元、-16.91亿元和-15.07亿元。累计亏损超45亿元。

摩尔线程招股书

沐曦股份自2022至2025年一季度的营业收入分别为42.64万元、5,302.12万元、7.43亿元和3.2亿元，扣除非经常性损益后归属于母公司所有者的净利润分别为-7.84亿元、-8.9亿元、-10.44亿元和-2.19亿元，累计亏损超30亿。

沐曦股份招股书

而两家公司的巨额亏损主要来自于其巨大的研发投入。根据披露，2022至2024年，摩尔线程研发费用分别为11.16亿元、13.34亿元和13.59亿元。累计研发投入为38.10亿元，相当于最近三年累计营业收入的626.03%。

沐曦股份在2022至2025年第一季度期间内，研发费用总计为24.65亿元，相当于同期营业收入总额的2.2倍。

而GPU的研发是半导体工业中极具挑战性的技术高峰。若以研发周期3-5年来计算，两家公司未来将在很长一段时间内处于亏损状态。

硬件达标，软件落后

但值得欣慰的是，目前国产GPU在各方面正飞速追赶国际大牌厂商。以摩尔线程的MTT S80来看，其部分参数指标已完全可以媲美市场主流显卡，并且在经过多轮驱动升级和优化后，成为继英伟达、AMD、英特尔以外，全球第四家可以流畅运营3A游戏的消费级显卡。

互联网搜索，和讯整理

不过，根据部分用户的使用体验来看，该产品离市场预期仍相差甚远。其中，兼容性问题成为最大的争议点。

例如在运营多款3A游戏时候，普遍出现帧数低，流畅性较差的情况。而在装机场景下，则需要主板本身支持above4g和resizebar等功能，这一苛刻要求可以说是直接吓退了当前市场上的大量用户。

同时，摩尔线程在招股书内也称，公司与英伟达等国际巨头相比，在综合研发实力、核心技术积累、产品客户生态等方面仍存在一定的差距。有业内人士称，其差距主要还是在架构上。

据了解，作为英伟达最大护城河，其CUDA架构自2006年以来，已经吸引了无数的企业和开发者的入驻。市场上的主流游戏和应用厂商也会特地针对英伟达的架构特点进行针对性调整。目前，CUDA生态社区已超400万人，占据全球AI训练市场80%份额。

而相比英伟达，国产卡的生态可谓是刚刚起步。因此，无论是摩尔线程的MUSA架构还是沐曦股份的MXMACA，都选择在开发自研架构的同时兼容英伟达的CUDA生态，以吸引开发者的入驻。

而在AI算力卡方面，生态引发的差距则更加明显。虽然从单卡性能来看，MTT S5000和MXC500均有能力与国际大厂同台竞技。但由于缺乏开发软件基础，在实际商业市场中仍属于边缘角色。

例如针对大规模算力集群，行业已开始进行布局 “十万卡集群”。包括OpenAI、微软、meta和特斯拉等头部科技公司均竞相构建超10万卡规模的GPU集群，而国产卡则在千卡集群中也缺少足够的实践案例。

不过，随着国家对高科技产业自主可控的愈发重视，包括国产GPU等一众先进制造产业，作为中国突破高新技术"卡脖子"困境的核心抓手，必将会迎来一波发展热潮。届时，考验的将是国内厂商们的真正的技术硬实力和商业化落地能力。