摩尔线程：以全功能GPU为锚 为“万物智能”构建国产算力基座

来源：中国证券报-中证网

　　2025年12月5日，摩尔线程以114.28元/股的发行价登陆科创板，成为“国产GPU第一股”。彼时，市场对这家成立仅五年的芯片“新贵”能否在高研发投入的同时兑现商业化预期存有观望情绪。但短短半年后，数据给出了答案：2026年第一季度，摩尔线程实现营收7.38亿元，同比增长155.35%，实现归母净利润2935.92万元，同比扭亏为盈；2026年上半年，公司预计实现营收16.5亿元至17.5亿元，同比增长135%至149%。截至7月20日，公司总市值已突破3000亿元。

　　业绩的高增长印证了算力需求的真实爆发，也标志着摩尔线程从技术投入期迈入商业回报期。在2026世界人工智能大会上，摩尔线程创始人、董事长兼CEO张建中首次系统阐释了公司的全栈式战略布局——从全功能GPU，到超节点集群，再到三大“AI工厂”、两个AI原生终端以及一个MUSA生态。正是凭借全场景通用优势，国产算力一步步支撑起从训练到推理、从数字世界到物理世界的多元需求，实现从技术到商业的可持续发展闭环。

　　以全功能应对时代之变

　　“如果GPU底层多样性不够、通用性不够，就很难跟上行业迭代节奏。”摩尔线程高级副总裁董龙飞在接受中国证券报记者采访时直言。他进一步解释，芯片从设计到量产通常需要两年，而大模型架构几乎每几个月就发生一次跃迁，如果通用性不够，现在投入几十亿元建立的智算中心可能两年之后就不能用了，这肯定是产业无法接受的。

　　这正是摩尔线程坚持“全功能GPU”路线的根本逻辑。张建中也强调，从感知AI到生成式AI，再到今天的Agentic AI，每一个阶段的跨越都离不开全功能GPU，摩尔线程的成长历史也是全功能GPU的发展历史。

　　所谓“全功能”，不仅意味着同时支持训练与推理，更意味着兼容图形渲染、物理仿真、通用计算等多重能力。张建中介绍，摩尔线程MTT S5000是国内唯一一颗具备Ray-Tracing（光线追踪）能力的智算芯片。在物理AI时代，这一能力成为刚需，依托这一芯片能力，机器人可以在高度拟真的数字孪生环境里进行仿真训练。

　　摩尔线程生态副总裁兼生态科研部总经理吕其恒解释：“具身智能极度依赖渲染能力和仿真能力，需要既要算语言、又要算图形、还要算物理规则的全功能GPU。目前，全球范围内坚持这条全功能路线的，英伟达是一个代表，摩尔线程也是。具身智能未来是个万亿级产业，且紧密贴合中国制造，如果国产化解决不了，产业发展会遇到瓶颈。基于此，基本所有头部具身智能企业都跟摩尔线程有合作。”

　　超节点赋能算力升级

　　如果说全功能GPU是摩尔线程的技术根基，那么在2026世界人工智能大会上首次亮相的摩尔线程C256超节点，则是其面向算力基础设施向万卡甚至十万卡集群演进趋势所交出的系统答卷。

　　模型参数从千亿奔向数万亿，Agent应用将上下文窗口从256K推至1M甚至更高，推理和训练任务动辄横跨成百上千甚至上万张卡，超节点解决的正是让这些卡能更高效、更稳定地分工协作的问题。董龙飞用了一个形象的比喻来阐释超节点的本质——“这好比是一个交响乐队，256张卡就像256个乐手，每一个乐手自己都拉得很好。当整个乐队要合奏一首曲子时，大家就需要协同，这里蕴含着挑战。”

　　摩尔线程C256超节点采用创新架构实现了一层Scale-up网络，将256张GPU有效聚合为一台数据中心级超级计算机。据介绍，卡间通信延迟可压缩至亚微秒级。

　　但超节点的技术壁垒远不止于互联带宽。董龙飞强调：“一台超节点可能要亿元以上，里面坏一张卡，上亿的设备就不能用了。如何保证超节点运行的可靠性、解耦性，涉及散热、互联、计算、软件互动等一系列工程问题。”他介绍，摩尔线程已联合中国移动研究院、之江实验室等产业伙伴发布了《OISA高密超节点参考设计技术规范》，为自主可控的超节点生态奠定标准基础。

　　“算力处于供不应求状态，人工智能时代才刚刚开始。”董龙飞表示，“我们投入打造的算力底座，实际上是为未来十年、二十年搭建的新型数字基础设施。就像当年大规模建铁路、高速公路一样，水泥等基建材料肯定供不应求，因为需求太大了，而今天就是这样的场景。”

　　三大AI工厂构筑全链路闭环

　　在张建中的战略版图中，算力最终要落地为三类“AI工厂”——模型训练工厂、词元生产工厂和智能体生产工厂。“三个AI工厂、两个AI原生终端、一个MUSA生态”，构成了摩尔线程完整的产业拼图。

　　模型训练工厂被定位为“源头”。张建中坦言：“大模型训练工厂是一个非常复杂、难度系数很高的工厂。”摩尔线程夸娥智算集群已完成多项“国芯训国模”实践成果，包括从零起步完整训练MoE-236B基础模型，以及实现北京大学5D世界模型EvoPhys-World的全栈原生训练等，充分验证了国产芯片在超大规模、超长连续稳定训练上的全链路闭环能力。

　　词元生产工厂则聚焦推理效率和高性价比。张建中指出，Agentic AI（智能体AI）时代Token消耗呈指数级增长，“已经不是我们在用AI，是我们的Agent在用AI”。摩尔线程推出基于MTT S5000的PD分离异构推理方案，将高算力需求的Prefill计算池（MTT S5000）与高带宽的Decode生成池（国际主流GPU）异构分离、分池部署，大幅提升性价比。

　　智能体生产工厂高效连接数字世界与物理世界，是摩尔线程面向物理AI的前瞻布局。张建中介绍了公司自研的数字智能体“小麦”，掌握60余项技能，支持38款APP跨应用控制；同时，摩尔线程全栈具身智能仿真平台MT Lambda，构建了从底层算力、核心引擎到上层框架及工具的完整解决方案，致力于生产物理世界的智能体。

　　从模型训练到端侧推理，从数字世界到物理世界，摩尔线程正试图以全功能GPU为支点，撬动一个属于国产算力的“词元时代”。这条路能否走通，既取决于技术迭代的加速度，也取决于整个国产AI生态的协同深度。

　　摩尔线程高级副总裁高林丽告诉记者，当前产业界正在推动生态层面的整合，“我们不能让开发者今天适配这家，明天适配那家，工具链五花八门，那样成本太高。”只有解决了这一层，整个国产算力生态才能拧成一股绳，蓬勃发展。