一个“全功能GPU”的中国样本：摩尔线程的稀缺性与结构性机会

本文来源：时代周报 作者：朱成呈

在过去几年的中国芯片版图中，喧嚣与焦虑并存。

如果在此刻从上空俯瞰这片“战场”，你会看到两种截然不同的景象：一边是众多创业公司涌入AI专用芯片（ASIC）或通用计算（GPGPU）的细分赛道，试图在特定的AI场景中寻找立足之地。而另一边，试图真正复刻英伟达（NVIDIA）、AMD 路径，坚持死磕“全功能 GPU”的企业，却寥寥无几。

摩尔线程，则是其中最亮眼的一位。与只做AI推理、AI训练的GPGPU或ASIC芯片不同，摩尔线程从一开始就选择了全功能GPU：图形渲染、AI 计算、数字孪生、科学计算、视频编解码……这条路线工程量巨大，对软硬件协同、生态体系、长期投入都提出了更高要求。但也因为足够通用，天然面向更宽的应用边界，获取更广泛的潜在客户。

摩尔线程招股书显示，以英伟达和摩尔线程为代表的全功能GPU，具备功能完备性与计算精度完整性，在工作效率、生态完整多样性以及兼容性等方面更具优势，能够更好地适应未来新兴及前沿计算加速应用场景的需求。

正因如此，摩尔线程成为市场持续关注的样本。88 天过会，刷新科创板审核速度纪录。这不仅是一次融资通道被快速打开，更像是一种产业层面的态度：在英伟达构筑的生态铁幕之外，“全功能 GPU”是否存在一条在国内本土化的可行路线。摩尔线程被推到聚光灯下，也顺势成为这个命题具体的承载者。

稀缺性：做“瑞士军刀”，而不是“切菜刀”

GPU的技术演进始于图形渲染，上世纪90年代主要为游戏和图形设计服务。自2012年被证明极其适配深度学习训练后，迅速成为AI时代的核心算力单元。如今，GPU的作用远不止大模型训练：自动驾驶、智能座舱、物联网、工业控制、云游戏……几乎所有需要海量并行计算的场景都离不开GPU。

有人形容 GPU 之于 AI 的重要性：“如果训练大模型是一场数字时代的耕作，GPU 就像成百上千台高效自动化拖拉机，把巨量数据在极短时间内处理完。”

在这条赛道上，国内 AI 芯片玩家大多选择“做减法”。GPGPU 也好，ASIC 也罢，本质都是打造一把针对性极强、锋利无比的“切菜刀”。但摩尔线程选择了一条截然相反的路：选择要做一把“瑞士军刀”，既要功能完备性，也要精度完整性。

其中，功能完备性体现为在单一GPU芯片中集成了AI计算加速、图形渲染、物理仿真和科学计算、超高清视频编解码等多种能力，满足多样化的计算需求；而精度完整性体现为单一芯片支持FP64 Vector、FP32 Vector、TF32 Tensor、FP16/BF16 Tensor、FP8 Tensor、INT8 Tensor 等不同计算精度，以满足GPU加速不同场景的计算需求。

换句话说，英伟达GPU能跑的任务，摩尔线程都能覆盖。而这，也恰恰构成了摩尔线程的稀缺性。放眼全球，真正具备全功能GPU能力的公司只有四家：英伟达、AMD、英特尔，以及年轻的摩尔线程。

公开资料显示，摩尔线程是国内唯一实现全功能GPU量产量销的厂商，覆盖芯片、板卡、集群及软件生态全链条，产品矩阵涵盖 AI 智算、专业图形、桌面级 GPU 与智能 SoC 四大类。2024年，摩尔线程营业收入超4亿元，近三年营业收入复合增长率超过200%。 2025年前三季度，摩尔线程实现营收 7.85 亿元，同比增长181.99%。

放在产业背景里看，全功能GPU路线的重要性正在被重新加权。弗若斯特沙利文预测，2024年全球GPU市场规模超万亿元，预计2025年到2029年CAGR有望达24.5%。中国市场成长更快，市场规模将从2024年的1425亿元跃升至2029年的13368亿元，2025年到2029年CAGR高达53.7%。

在这种背景下，全功能GPU的价值被重新评估：不是单一场景的加速卡，而是未来计算体系的算力底座。当大模型推理与训练、自动驾驶、物理仿真、工业控制等需求并行爆发时，“瑞士军刀式”的GPU显然拥有更广阔的成长空间。

算力需求的分化与汇合正在发生。一边是大模型训练和推理的指数级增长，另一边是自动驾驶、虚拟仿真、工业数字化等场景的同步扩张。全功能GPU的价值不再是某一类任务的“加速卡”，而是未来算力体系的“底座”，一套可以跨领域的基础设施。

因此，如果将英伟达超四万亿美元的市值作为参照系，摩尔线程作为中国唯一对标这一完整技术路线的标的，其估值逻辑将远不局限于“卖了多少张卡”。

市场和技术多维布局

全功能 GPU 的稀缺性，最终体现为摩尔线程在市场和技术上的多维布局。自2021年至2024年，摩尔线程每年推出一代GPU架构芯片，构建了清晰的并行路线。专业图形领域，拿出了“苏堤”和“春晓”；AI 智算赛道，则有“曲院”和“平湖”支撑。更值得注意的是，2024 年，摩尔线程还推出了智能 SoC 芯片“长江”，将全功能 GPU、CPU、NPU 与 VPU 等异构算力集成于一体。

市场拓展方面，摩尔线程也全面开花。在专业图形加速领域，摩尔线程的MTT S3000利用 GPU 虚拟化和云端渲染技术，实现云电脑、云游戏和云 AI PC 的国产化，提供高性能低延迟的计算与渲染能力，并与中国移动、中国电信合作推动行业自主可控。

MTT X300/S50 在国产图形工作站市场具有性能优势，广泛应用于数字孪生、仿真模拟、地理信息系统和工业设计等领域，并完成超过 150 个生态软件的国产化兼容认证。MTT S10/S30 板卡产品支持信创个人 PC，与国产 CPU、操作系统及品牌整机完成适配，服务多家企事业单位。

在 AI 算力领域，摩尔线程产品包括训推一体智算卡 MTT S4000、支持 FP8 精度的 MTT S5000，以及首代和二代超大规模智算融合中心产品 KUAE1、KUAE2，覆盖千卡到万卡互联，已交付多个智算中心，用于大模型训练、推理和科学计算等核心场景。

基于智能 SoC 芯片“长江”，摩尔线程已推出多款产品，包括面向 AI PC 的算力本 A140 和面向边缘计算及具身智能的智能模组 E300，并计划推出迷你型电脑 AI Cube 及智能汽车座舱解决方案。摩尔线程正在以此为基础，在 AI SoC 领域布局未来十年的发展。

摩尔线程本次 IPO 的募集资金，也精准地指向了这三大战略方向：新一代 AI 训推一体芯片研发（对应“曲院”“平湖”）、新一代图形芯片研发（对应“苏堤”“春晓”），以及新一代 AI SoC 芯片研发（对应“长江”），辅以流动资金补充。这清晰地表明，摩尔线程将坚定地在这三大领域齐头并进，加速推进自主可控的计算平台建设。

“更懂黄仁勋的人”与他的团队

任何一家公司的基因，都刻着创始人的烙印。在摩尔线程，这个烙印属于张建中。在创办摩尔线程之前，他在英伟达工作了 15 年，曾任英伟达全球副总裁、大中华区总经理。

在芯片圈，张建中被公认为“最懂黄仁勋的中国人”之一。他不仅亲历了GPU从图形芯片演变为AI基础设施的全过程，更是一手搭建了英伟达在中国的庞大生态体系。从CUDA在高校的推广，到与游戏厂商的合作，再到 AI 初创企业的扶持，他深知英伟达的护城河究竟是如何一砖一瓦砌起来的。

这解释了摩尔线程为何从执着于“MUSA”统一架构。张建中比谁都清楚，如果不建立自己的统一架构，只做硬件兼容，永远只能是替代品。招股书显示，MUSA 架构是摩尔线程自主研发的融合GPU硬件和软件的全功能GPU计算加速统一系统架构，涵盖统一的芯片架构、指令集、编程模型、软件运行库及驱动程序框架等关键要素。

事实上，摩尔线程的多位核心高管都来自顶尖芯片公司。团队不仅懂架构，懂生态，更懂市场，懂如何把一块芯片卖成服务。于是，市场看到了惊人的“摩尔线程速度”：创业仅仅5年，量产5颗芯片，迭代4代 GPU 架构。从受理到过会，科创板IPO审核仅用时88天。

上市，对于张建中和他的团队来说，并不是终点，而是一次关键的补给。意味着摩尔线程将获得更充沛的弹药，去应对接下来的市场竞争。面对英伟达这个市值数万亿美元的全球霸主，摩尔线程手里的底牌，是关于“全功能GPU”的中国故事，以及一群试图证明“中国也能做出来”的技术信徒。