摩尔线程上市不到两周后，另一家国内半导体公司沐微进军A股市场。和摩尔·泰瑞德一样，穆尔西也创造了一个令人眼花缭乱的财富神话。该股首日开盘报700元/股，涨幅568.83%，总市值2800亿元。本次IPO募集资金41.97亿元，发行价104.66元/股，网上抽奖中奖率仅为0.03348913%。首期抽奖利润达到近30万元，直接打破A股年度利润纪录。相比之下，有本土英伟达之称的摩尔线程，截至发稿时股价为715.06元/股，仅较昨日收盘价上涨0.51%。目前市值约为3361亿元，位居寒武纪、贵州茅台之后第三贵的A股。由于股价和市值强劲，两家国产GPU厂商木希和摩尔线程，已经成功吸引了人们的注意。但资本市场火爆的背后，是两家公司的基因背景、技术路线以及对国内算力替代路径的差异化设计。两款国产GPU芯片正在资本市场上创造一个又一个财富神话，这必将让“NVIDIA国产替代”的上市更加迫切。问题是谁是第三幸运的呢？这场财富盛宴还能持续多久？如果你把摩尔线程称为国家Nvidia，那么Muxi就是国家AMD。木希成立于2020年9月，创始人陈伟良已在AMD工作17年。曾担任AMD全球DesignGPGPU总经理，负责全球通用计算GPU产品线的整体设计和管理，领导并完成了15款高性能GPU产品的量产和流片生产。联合创始人李鹏和杨健是 AMD 的企业学者。彭丽是世界AMD 第一位中国企业学者。她在 AMD 工作多年，是一名图形设计师。她之前的职位包括首席芯片架构师、系统架构师和首席芯片架构师。杨健在AMD工作了14年，对GPU技术有很深的了解。木希的产品线非常鲜明，分为三大系列。 XiSilicon N系列专注于AI推理。首款智能计算推理芯片XiSilicon N100计划于2022年1月出货流片，2023年4月正式进入量产。Xiyun系列C集培训、推广和通用计算于一体。这是该公司目前的主打产品。熙云C500计划于2024年2月正式量产，采用7nm工艺，主打AI训练、推理、科学计算。还有西彩G系列，负责图形渲染，不过这个系列还是在分辨率方面尚处于研发阶段，尚未量产。从产品路线图来看，慕曦走的是“先推理，再训练，最后整理图”的典型路径。 2022年，沐曦首次率先将推理芯片推向市场。 2024年量产后，一体机芯片迅速成为摇钱树，但图形渲染会在后期慢慢完善。业绩数据更能体现这家公司的爆发力。 2022年营收仅为42.64万元，但2023年将增至5302.12万元，2024年将达到7.43亿元，三年复合增长率达4074.52%。 2025年前三季度销售额预计将达12.36亿元，同比增长453.52%，全年销售额预计在15亿元至19.8亿元之间。然而，在高速增长的背后，赤字却依然存在。 202年归属于母公司净利润2至2024年分别为-7.77亿元、-8.71亿元、-14.9亿元，三年累计亏损超过30亿元。 202025年前三季度亏损3.46亿元。虽然赤字有所减少，但离盈利还很远。该公司预计最早将于2026年达到盈亏平衡。事实上，这种财务状况在国内GPU行业是常态。 GPU芯片是一个资本和技术密集型行业，需要大量的前期研发投资和持续的资金来完善产品和生态系统。只有当运输量增加、规模经济变得明显时，利润才会实现。摩尔线程也是如此，预计2027年开始实现盈利。穆希的客户主要集中在To B场景，如国内算力平台、智能计算中心、行业龙头企业等。这些产品已部署于北京、上海、杭州、长沙、香港等10多个智能计算集群，服务对象涵盖教育、科研、金融、交通、能源等行业。以2024年营收来看，熙云C500系列营收占比将达到98%，单一产品依赖度较高。这既是优势，也是风险。优点是资源集中，目标明确，可以将有限的资金和人力资源投入到核心产品上。风险在于，如果C500的表现优于竞争产品或遇到技术瓶颈，公司的利润将立即受到影响。从累计销量来看，2025年第一季度，Muxi GPU销量已超过25,000片，预计2025年总出货量在30,000至50,000片之间。与英伟达每年 550 万台的出货量相比，这个数字远远落后了。不过在国内GPU领域，这个销量也算是已经达到了各大厂商的水平了。回顾BMoore Thread，创始人张建中在NVIDIA工作了14年，担任NVIDIA全球副总裁兼大中华区总经理。我对整个 GPU 演进过程（从图形芯片到 AI 基础设施）有着亲身经历，并且对 NVIDIA 的 CUDA 生态系统有深入的了解。 Moore Threads 的许多高管都来自 Nvidia。这种基因差异直接决定了两家公司技术路线的选择。摩尔线程的 MUSA 架构采用了翻译支持。 MUSIFY核心工具自动将CUDA C++源代码转换为MUSA C++源代码，并使用MUSA编译器生成基于MUSA指令集的二进制代码。这一策略最显着的特点就是向零门槛过渡。开发人员使用CUDA编写的代码可以被执行直接在MUSA平台上使用，无需修改，流行的CUDA算子也可以即插即用。 MUSA拥有Torch-MUSA、OpenCV-MUSA、vLLM-MUSA等开源工具链，全面支持PyTorch、TensorFlow、百度飞桨等主流AI框架。截至2014年11月202日，Torch-MUSA独家支持的运营商总数超过1,050家。这一策略的优势是显而易见的。开发者学习成本低，现有CUDA生态系统快速迁移。对于迫切需要国内替代方案的客户来说，这是最实用的选择。但弱点同样明显。这基本上为 CUDA 生态系统增加了一层转型。 NVIDIA 的专利武器随时可能爆炸，翻译过程不可避免地会遭受性能下降。无论你优化得多么好，都很难完全避免它。更重要的是，当这条路走到极致时，简直就是一些是更兼容的版本，并且很难真正在技术上独立和可控。 Muxi的MACA软件栈走独立指令集路线。指令集和包括微架构在内的所有GPU IP均由内部开发，拥有自主知识产权，与底层CUDA完全分离。 MACA提供了类C编程语言，兼容传统的C/C++异构计算语法，但需要开发者重新学习和适应。这种策略的好处是长期安全，不受 NVIDIA EULA 条款的约束，完全自主可控技术的演进，以及避免专利风险。然而，代价是重建生态系统的巨大成本。 MACA 直到 2025 年 2 月才开放其工具链，几乎比 MUSA 晚了两年。开发者社区不如Moore Threads活跃，迁移工具的易用性存在明显差异s。除非完全禁止客户使用包含 CUDA 的 NVIDIA 产品，否则主动迁移的动力通常较低。相比之下，MUSA软件堆栈计划于2022年发布，并且已经形成了完整的开发生态系统。从产品线策略来看，摩尔线程采用To C和To B双线设计。以C端为主。摩尔线程春晓芯片拥有220亿晶体管规模，集成4096个MUSA流处理核心和128个专用张量计算核心，主频1.9GHz，FP32算力15.2TFLOPS。 Princess的优点是功能齐全的架构。单芯片支持最新图形渲染引擎、智能多媒体引擎、AI计算加速引擎和物理模拟四大引擎，覆盖DirectX、OpenGL、Vulkan、OpenCL等主流接口。 MTT S3000是业界首款支持PCIe 5.0标准的GPU产品dard，显存宽度为256位，显存为32GB GDDR6。我明白了。这样的设计使其能够覆盖AI计算、云游戏、云渲染、云视频等多种场景。 MTT S80 C系列消费级显卡搭载全春晓芯片，可流畅运行《暗黑破坏神3》、《英雄联盟》等主流游戏。是国内唯一支持Windows DirectX 12的游戏显卡，也是国内唯一可以出货G卡的厂家。批发桌面显卡。对于B端，摩尔线程拥有更广泛的产品线。 MTT S3000专为云渲染、游戏等企业场景而设计。高端MTT S4000是一款用于训练和推广的一体化智能计算卡，而MTT S5000支持FP8的精度，专门优化大型模型的训练和推理。同时，摩尔线程还为数据中心提供万卡KUAE互联解决方案。木希拿的是纯B路线非常集中的产品线。沐曦的熙云C500采用7nm工艺和通用GPU架构，专注于AI训练、推理、科学计算以及与NVIDIA A100的基准测试。自主研发的指令集和可重构GPU架构，声称通过独特的硬件加速单元优化计算能力和功耗率，突破了传统GPU的能效瓶颈。不过，西彩G系列图形渲染GPU仍处于研发阶段，无法提供成熟的图形能力。下一代旗舰西云C700据称接近NVIDIA H100，但拥有H100的4000TFLOPS。另一方面，15TFLOPS C500就像是在追赶上一代产品。西思N100主打推理，西云C500训练与推理并重，西彩G系列图形渲染还处于PPT阶段。基本上，这是两个不同的赌注。摩尔三号ad 认为 CUDA 的生态护城河将随着时间的推移而松动，并从 NVIDIA 开发人员手中夺走翻译工具。穆希押注，管理独立的战略价值将迫使客户接受重建生态系统的成本。第一个是作为当时Android和Java应用程序的兼容性策略，第二个是本地内核。 C 但历史给出了残酷的答案。 AMD在全球GPU市场挣扎了20年，市场份额始终徘徊在10%左右。 Nvidia 的 CUDA 环境障碍几乎没有解决方案。既然AMD和NVIDIA之间存在这种分歧，我们如何才能避免重蹈覆辙呢？同时，Muxi线程和Moore Threads也面临同样的问题。该公司产品的性能远低于英伟达最新旗舰产品。据摩根大通称，Nvidia 计划在 2025 年出货 550 万个 GPU。相比之下，摩尔的 GPU 出货量在 15,000 到 20,000 个之间芯创的AI计算芯片和15万个消费级显卡和SoC，后者大部分是针对芯创PC和轻薄笔记本市场的低算力产品。截至2025年第一季度，木希已累计销售2.5万台，预计2025年总出货量为3万至5万台。这并不是因为价格，而是因为性能上至少有两三代的差异。仅H100单卡的性能就是国产旗舰GPU的3到5倍，而且英伟达的迭代速度比国内厂商更快。当 Muxi 和 Moore Thread 的下一代产品发布时，Nvidia 的 B 系列已经开始席卷市场。更可怕的是，大部分所谓的内部订单本质上都是被动替代，而不是客户主动选择。如果他们买不到英伟达，他们就会选择退而求其次。 12月8日，特朗普在发布会后宣布英伟达H200出口政策放宽，拜托迅速成立内部“H200自主采购项目组”，腾讯也参加了紧急会议并提交了H200需求预测报告。从目前的情况来看，国产GPU目前的实际应用场景大部分都是这些推理场景，所需的计算能力较低，对于国产GPU来说勉强够用。教育和科学研究并不追求最高绩效。与某些采购项目一样，本地化要求是强制性的。然而，在真金白银的商业AI培训市场，主动选择国产解决方案的客户并不多。从现有订单来看，木希和摩尔线程很可能会继续获得资金和政治支持，而强制本地化的呼声也将增加收入。但要真正成为客户的首选而不是后备，他们必须解决三个关键问题：性能、成熟的解决方案软件生态系统以及符合 NVIDIA 水平的供应链稳定性。本地GPU的历史注定是一场漫长的马拉松。 IPO首日暴涨五倍的狂欢并不代表未来。正当摩尔线程和木希争夺科创板席位时，另一家玩家百度子公司昆仑芯也计划在香港首次公开募股。 2025年12月，路透社援引知情人士的话报道称，昆仑核心拟最早于2026年第一季度在香港联交所申请上市，并于2027年初完成首次公开募股，最新投后估值约为210亿元人民币。最引人注目的数据是，昆仑芯2024年营收约为20亿元，高于摩尔线程的4.38亿元、牧希的7.43亿元、寒武纪的11.74亿元。摩根大通的销售额将在202年之间增长6、2025年预计销售额可飙升至83亿元，是2019年预测的6倍。更重要的是，昆仑芯是大厂自用模式的经典范例。百度持股59.45%，文信大模型的万卡训练池采用昆仑核心。这种左研发、右收购的闭环，是摩尔线程、木希等市场化企业无法比拟的天然优势。昆仑芯选港股而不是科创板，也能透露出其预计要到2026年才能实现盈亏平衡。A股严格的盈利要求显然是不利的。外部客户包括vivo、吉利汽车、招商银行、南方电网等，占比40%左右，虽然看似多元化，但其规模核心仍依赖于百度内部订单。大厂家内部使用的话可以获得稳定的订单ly，但如果他们找不到另一个插座，那就意味着天花板已经固定了。不过，对于一直对百度市值不满意的李彦宏来说，昆仑核心的IPO是一次千载难逢的利用市场“估值过高”的机会。宴席不常，宴席难返。只有努力成为财富神话，英伟达的国民替代者才能获得足够的储备来维持到黎明。
特别提示：以上内容（包括图片、视频，如有）由自有媒体平台“网易账号”用户上传发布。本平台仅提供信息存储服务。
注：以上内容（包括图片和视频，如有）由网易号用户上传发布，网易号是一个仅提供信息存储服务的社交媒体平台。
