英伟达的中国“门徒”，离英伟达还有多远？

出品｜搜狐科技

作者｜梁昌均

编辑｜杨 锦

在英伟达股价不断飙涨、市值即将突破4万亿美元之际，“中国版英伟达们”才刚刚踏入上市之路。

近日，估值均超200亿元的国产GPU厂商摩尔线程和沐曦集成，同时提交科创板招股书。前者计划融资80亿元，有望成为年内科创板最大IPO，而沐曦募资规模仅为摩尔的一半。

这两家公司均成立于2020年，如今刚发展到第五年便踏上IPO征程。作为技术、资金密集型的GPU行业，他们都面临着商业化扩张难题，以及高额投入、高额亏损的境地。

三年卖GPU营收14亿，亏损高达80亿

先来看看它们的商业化情况。

2022-2024年，摩尔线程营收从0.46亿元增长至1.24亿元，再翻倍达4.38亿元，合计达到6.08亿元，复合增长率超208%。

沐曦集成则增长更为迅猛。

同期营收分别为43万元、0.53亿元、7.43亿元，年均复合增长率高达4075%，可以说在最近两年高速进入商业化，营收增长和规模都已超越摩尔线程。

摩尔线程和沐曦集成都主要研发AI智算（训练和推理）、图形领域的GPU产品。目前，摩尔线程已推出“苏堤、春晓、曲院、平湖”四代GPU架构，并基于此推出十余款高性能GPU产品，涵盖AI智算、专业图形加速和桌面级图形加速等领域，更像英伟达的业务布局。

AI智算是摩尔线程第一大核心业务，去年实现收入3.36亿元，占比近78%。这主要得益于市场对大模型训练、推理等需求提升，带动S4000、S5000等GPU销量增长。

沐曦集成目前则拥有三大GPU系列产品：面向云端的曦思N系列、面向智算的曦云C系列和面向图形渲染领域的曦彩G系列。

该公司最近两年业绩大爆发，主要得益于首款智算推理芯片曦思N100以及训推一体芯片曦云C500先后量产，快速进入批量应用。

招股书显示，去年沐曦集成的训推一体GPU产品实现营收超7.2亿元，其中GPU板卡营收超5亿元，GPU服务器营收达2亿元，成为公司营收主力。

截至今年一季度底，沐曦集成GPU产品累计销量超2.5万颗，交付北京、上海、杭州等9大智算集群，涵盖国家AI公共算力平台和商业化智算中心，并搭载于新华三等服务器厂商。

摩尔线程和沐曦集成最近两年业绩的爆发，明显受益于AI东风。伴随大模型浪潮，各地政府和企业推动智算中心建设。

正如英伟达CEO黄仁勋所说，AI时代正在推动由CPU主导的通用计算加快向GPU主导的智能计算转变。同时，国内外环境驱动下的国产替代需求，共同带动了国产GPU的放量。

不过，这两家企业尚且不高的营收规模，还难以覆盖高额成本。最近三年，摩尔线程净亏损分别为18.40亿元、16.73亿元、14.92亿元，累计亏损超50亿元。

沐曦集成亏损程度则相对较低，期内净亏损分别为7.77亿元、8.71亿元和14.09亿元，合计亏损超30亿元，且呈现明显加剧趋势，到了去年亏损程度基本和摩尔线程相当。

这一方面显示出国产GPU市场拓展的不易，该市场长期被英伟达垄断；更关键的是，对于技术、人才、资金和生态密集型的GPU领域来说，前期需要持续投入进行技术和产品研发。

摩尔线程就提到，全功能GPU产品门槛较高，架构设计复杂，研发难度大、研发周期长。沐曦集成也称，GPU行业有极高技术壁垒，公司为夯实产品竞争优势需要持续加大研发投入。

数据显示，摩尔线程最近三年的累计研发投入达到38.10 亿元，高于沐曦集成同期合计22.47亿元的投入。摩尔线程产品布局更广，由此也导致亏损更大。

不过，与英伟达比，这并不算什么——英伟达在2024财年研发费用高达129亿美元。

但这两家企业预测有望两三年内盈利。摩尔线程预测，基于对产品销量、价格及成本预测，最早可于2027年实现盈利，沐曦集成称有望在2026年达到盈亏平衡点。

英伟达、AMD高管创办

摩尔线程和沐曦集成都成立于2020年。当时受国际环境影响，国内芯片开始受限，典型如华为被断供，国内掀起芯片热潮，而一批在芯片大厂的高管们看到了其中的机遇。

摩尔线程的创始人张建中就来自GPU巨头英伟达，其于2005年5月加入英伟达，担任全球副总裁、中国区总经理，推动构建了英伟达在中国的GPU生态系统。

沐曦集成的创始人陈维良则来自AMD，曾担任AMD GPU设计高级总监、AMD全球GPU SOC设计总负责人。

“至暗时刻，总要有人点燃火把。”面对当时国内企业被打压的境地，触发了张建中创业的念头，他希望发展中国自己的GPU产业。

于是，张建中拉上英伟达的同事组团开启创业。目前，摩尔线程的不少高管，包括联合创始人周苑、张钰勃，以及副总经理宋学军、杨上山等此前都长期在英伟达任职。

不过，张建中在公司成立后并未持有摩尔线程股权以及在公司担任职务，而是由其夫人刘姗姗代理，直到2023年12月才转回股权，并成为董事长、总经理。

陈维良也汇集了一批AMD的老同事，沐曦集成两位联合创始人且同时担任CTO的彭莉和杨建，此前都在AMD工作长达十年，杨建创业前还在华为海思担任架构师。

创始人的背景和国产替代的呼声，使得这两家企业迅速成为资本青睐的明星，不到五年便均汇集数十家投资机构，摩尔线程更是创下“100天长成一只独角兽”的投资神话。

公开信息显示，摩尔线程已完成6轮融资，累计金额超45亿元，投资方包括红杉中国、五源资本、纪源资本、深创投等知名VC，并获得腾讯和字节跳动投资，最新估值为255亿元。

沐曦集成融资金额也达到数十亿元，最新估值210亿元，红杉中国多次加码，还获得真格基金、经纬创投、中网投等投资；股票市场超级“牛散”葛卫东与混沌投资合计持股7.48%，是该公司外部最大股东。

目前，张建中通过直接持有和持股平台合计控制摩尔线程36.36%的股份，陈维良则合计控制沐曦集成22.94%的股份表决权。

随着此次这两家公司同时提招股书，国产GPU第一股的争夺越发激烈。同列于“中国版英伟达”阵营的燧原科技、壁仞科技去年9月开启上市辅导，但目前尚未提交招股书，进度略慢。

早前报道称，壁仞科技近期完成新一轮15亿元融资，估值155亿元，计划今年三季度转战港股寻求上市。腾讯多次出手的燧原科技最近也获得国投聚力、上海国投、上海国际的投资，估值已超160亿元。

与英伟达差距有多大？

过去几年，受益于大模型浪潮，AI算力成为战略资源。英伟达趁风而起，业绩、股价翻倍，最新交易日盘中市值一度突破3.9万亿美元，并有可能率先冲上4万亿美元。

“中国版英伟达们”则顶着国产替代的机遇，寻求着技术、产品和商业化的突破。此番摩尔线程和沐曦集成开启上市，也给外界提供了一个国产GPU的对比窗口。

在招股书中，这两家公司多次强调自主研发能力——摩尔线程号称自研全功能GPU，沐曦集成则号称是全栈自研。

GPU研发难度大，主要体现在硬件和软件生态层面。英伟达在GPU领域的垄断地位就得益于这些方面的护城河，持续领先的GPU硬件系统，以及自2006年开始自研的CUDA软件生态。

目前，CUDA全球开发者超600万，加速库及模型数量突破900个，从而使得英伟达在面向智算中心的GPU市场份额长期超过90%。

“与英伟达、AMD等相比，公司在技术积累、产品性能等方面仍需提升，英伟达GPU在性能、兼容性以及超大规模集群建设等方面具有明显的技术和成本优势。”摩尔线程表示。

目前，无论是摩尔线程，还是沐曦集成，在GPU产品全面性能上与英伟达还有很大差距。摩尔线程称，公司仅在部分性能指标接近或达到国际先进水平，突破了部分“卡脖子”。

比如，摩尔线程的桌面级图形加速产品MTT S80显卡的FP32算力性能达到14.4TFLOPS，接近英伟达2021年发布的RTX 3060，距最新RTX 5090高达104.8TFLOPS的算力差距悬殊。

在AI智算层面，摩尔线程去年推出的S5000的FP32算力达到32TFLOPS，超过英伟达2020年发布的A100（19.5TFLOPS），但不到2021年发布的H100（67TFLOPS）的一半，与英伟达最新的B200和AMD的MI325X差距就更大了。

摩尔线程还提到，公司攻克了千卡至万卡级GPU集群的高效互联难题，并在研发支持10万卡集群运行技术。不过，微软、Meta、xAI等国外大厂已经实现基于H100的10万卡甚至20万卡算力集群。

沐曦集成则强调，公司在GPU架构、IP、指令集、基础系统软件等方面都有自研，单卡算力性能居于国内第一梯队。但该公司最新推出的AI智算曦云C500的FP32算力只有15 TFlops，不到摩尔线程S5000的一半，且没有超过英伟达的A100。

在集群方面，沐曦集成目前实现千卡集群商业化应用，并正在推动万卡集群落地，实力相比摩尔线程与国外差距更大。不过，沐曦集成宣称其自主研发的高速互连技术突破了带宽和延迟方面的限制，达到了与英伟达H200相当的性能。

此外，摩尔线程和沐曦集成走的都是英伟达软硬一体的路线。摩尔线程研发了融合 GPU硬件和软件计算加速统一系统架构MUSA，并兼容英伟达CUDA生态。但无论是支持精度，还是开发者生态层面都与英伟达相差甚远。

沐曦集成则基于自研指令集及GPU并行计算引擎打造了MXMACA软件栈，同样实现兼容CUDA，目前已支持超6000个CUDA应用。但该软件今年2月才开源，注册用户刚破万。

这两家企业均提到，提供了相应开发工具，可以让开发者进行迁移，以此推动自家GPU产品应用。这无疑增加了企业成本，但对落后的国产芯片生态来说，又是不得不走的一步。

“英伟达CUDA生态在行业生态内处于垄断地位，未来拓展业务将面临GPU芯片研发难度高及计算生态壁垒构建困难的挑战。”摩尔线程表示。沐曦集成则坦言，国产GPU厂商自建生态需要较长时间，才能完成工具链完善与开发者迁移。

可以说，从这两家率先开启上市之路的GPU企业来看，GPU国产替代的进程还刚刚开始，技术还需全面追赶，而刚刚起步的生态更需努力。

运营编辑 |曹倩审核｜孟莎莎