作者：中国科技新闻学会科幻传播与未来产业专委会委员高恒

摩尔线程上市之后，国产GPU在资本市场的叙事被迅速推到了一个新的高度。

在算力紧缺、国产替代加速、生成式AI持续放大的背景下，GPU不再只是芯片工程师的技术名词，而成为少数能被市场直接理解、并迅速定价的“硬科技资产”。

就在这种情绪之中，沐曦集成电路（上海）股份有限公司（以下简称“沐曦股份”）走到了科创板门口。

这家公司成立于2020年，核心团队来自AMD，没有选择“全面对标英伟达”的全功能GPU路线，而是押注通用GPU（GPGPU），从推理切入，再走向训推一体，试图在工艺受限、生态被垄断的现实条件下，搭建一条更强调自主IP、软件兼容性和集群能力的技术路径。

从结果看，沐曦股份已经跑出了罕见的商业化速度：截至2025年3月底，其GPU产品累计销量超过2.5万颗，训推一体芯片收入在一年内成为绝对主力，营业收入从2022年的不足50万元增长至2024年的7.43亿元。但另一面也同样清晰，高强度研发投入、尚未盈利的财务现实，以及一条注定漫长的GPU产业周期。

当资本已经开始为“国产GPU”计时，沐曦股份所代表的，其实并不只是一家即将上市的公司，而是国产GPU正在走向分岔口的一种选择：不追求最快兑现的故事，而是押注一条更慢、也更难的长期路径。

一、为什么是现在：国产GPU走到必须被验证的时间点

国产GPU公司密集冲刺资本市场，并不是偶然。从产业节奏看，这是多重外部变量在同一时间叠加后的结果。

首先，是算力需求结构的变化。

过去两年，生成式AI的爆发让算力需求出现明显分层：一端是以大模型训练为核心、对高端算力和成熟生态高度依赖的训练市场，另一端则是推理和中算力应用，覆盖政务、运营商、公共算力平台以及商业化智算中心。前者长期被英伟达主导，而后者在性能门槛、成本和供应稳定性上，开始为国产GPU打开现实空间。

其次，是外部环境对供给侧的持续挤压。

在高性能AI芯片出口受限的背景下，中国市场对“可持续获取的算力”需求被显著放大。根据Bernstein Research数据，英伟达和AMD在2024年中国AI加速器市场中分别占据66%、5%的市场份额，但这种高度集中的供给结构，正在被政策、合规和供应链安全反复检验。国产GPU无法短期替代顶级训练算力，却开始在“可用、可交付、可规模化”的区间获得机会。

第三，是国产GPU自身所处的发展阶段发生了变化。

2019年之后，国产GPU创业集中爆发：壁仞科技、摩尔线程、沐曦股份等公司相继成立，行业最初解决的是“能不能做出来”的问题；而到2023—2024年，这些公司陆续完成首代或第二代产品量产，竞争焦点开始转向“能不能卖出去、能不能被系统集成、能不能进入真实算力场景”。以沐曦股份为例，其智算推理芯片曦思N100于2022年1月交付流片，并于2023年4月正式量产，训推一体芯片曦云C500于2024年2月正式量产，产品开始进入公共算力平台、运营商智算平台和商业化智算中心，标志着国产GPU正在从工程验证走向商业验证。

企事界（北京）科技有限公司董事李睿对我们分析到：资本市场的窗口，往往出现在这种阶段性拐点上。当技术路线已经基本成型，但行业最终格局尚未固化，上市既是为高强度研发和产业化补充弹药，也是一次被迫提前接受市场审视的过程。换句话说，国产GPU选择在此时集中上市，并不是因为故事已经讲完，而是因为，它们已经走到必须被验证的时刻。

二、沐曦股份的选择：一条更慢、也更重的通用GPU路线

如果只从“国产GPU”这个标签看，沐曦股份很容易被放进与摩尔线程相同的叙事框架中。但深入拆解其技术路线，会发现两家公司解决问题的方式并不相同。

相较于摩尔线程，在GPU架构选择上，沐曦股份并未采用“全功能 GPU”的路径，而是押注通用GPU（GPGPU）。这意味着，它并不追求在单一芯片上同时原生覆盖高性能图形渲染、AI计算和通用计算，而是将架构重心放在AI和高性能计算上。这一路线更接近AMD的技术传统，而非英伟达当前主导的全功能GPU模式。

这种取舍背后，是对现实约束的正面回应。

在制程和先进工艺受限的前提下，国产GPU很难通过堆叠晶体管规模来直接追赶顶级算力水平，性能效率的提升更多依赖架构设计与核心IP能力。沐曦股份选择自研核心 GPU IP，正是希望在工艺受限条件下，最大化单位算力效率，并为后续产品迭代保留更高的自主度。其在研的曦云C700系列，正是试图通过架构优化，在性能层面挑战英伟达H100所处的区间。

沐曦创始人、董事长兼CEO陈维良曾在接受媒体采访时表示，高性能GPU的核心技术门槛是高性能GPU IP。国产GPU企业需要构建起自己的核心竞争力和技术护城河，掌握关键技术，其中自主可控的高性能GPU IP是核心。

从产品演进节奏看，沐曦股份的路径也呈现出清晰的阶段性逻辑。

公司最早从智算推理端切入，推出曦思N100，并在此基础上迭代N260、N300，优先进入对算力要求相对可控、但对交付稳定性要求更高的云端推理场景。随着生成式AI对“训推一体”需求快速上升，沐曦股份构建了“软硬一体”全栈产品矩阵，当前公司GPU产品覆盖三大应用场景：训推一体、智算推理和图形渲染。

真正决定这条路线成败的，并不只是芯片本身，还由集群性能、软件生态的易用性共同决定。

在实际应用中，GPU的有效输出不仅取决于单卡性能，还高度依赖集群互连能力和软件生态成熟度。为此，沐曦股份自研了MetaXLink高速互连技术，使其GPU产品在互连带宽和延迟表现上，达到与英伟达4nm制程工艺下旗舰产品（H200）相当的互连带宽性能。目前，其GPU产品可实现2-64卡等多种互连拓扑及超节点架构。

在软件生态层面，沐曦股份选择了一条更“重”的路。其自研MXMACA软件栈在架构的编程接口在API层面实现了对GPU行业国际主流CUDA生态的高度兼容。这能够最小化用户存量应用的迁移成本。这种做法短期内并不性感，却直接关系到国产GPU能否被真实业务系统接受。并且沐曦股份是“国产GPU四小龙”中生态兼容性最全面的方案之一。

这也意味着，沐曦股份的技术路径并非一条追求快速兑现的路线。通用GPU、自研IP、软件兼容和集群能力，叠加起来的是一条投入高、周期长、验证慢的道路。但在GPU这种高度依赖长期积累的产业中，这种选择本身，或许正是其最清晰的战略立场。

三、资本能不能等：商业化速度、亏损现实与一条漫长的GPU周期

如果只看收入曲线，沐曦股份已经跑出了国产GPU公司中少见的商业化速度。

招股书显示：2022年、2023年、2024年，沐曦股份分别实现营业收入42.64万元、5302.12万元、7.43亿元，最近三年营业收入复合增长率为4074.52%。2025年第一季度，该公司已实现营业收入3.2亿元。

收入结构的变化同样清晰，沐曦股份早期收入主要来自智算推理GPU板卡，2022年智算推理GPU板卡贡献了100%收入。在此基础上，沐曦还增加了训推一体GPU板卡、训推一体GPU服务器、IP授权等收入来源。2023年以来，训推一体GPU板卡逐渐成为沐曦的主要收入来源：2023年度、2024年度和2025年第一季度，训推一体芯片曦云C500系列收入分别为1546.81万元、7.22亿元和3.14亿元，占同期主营业务收入的比例分别为30.09%、97.28%和97.87%。

但GPU产业的另一面，也同样摆在台面上。高性能GPU的研发投入本身就是一场长期消耗战。2022年、2023年、2024年，沐曦的研发投入分别高达6.48亿元、6.99亿元、9.01亿元，合计占最近三年累计营业收入比例为282.11%。

目前，沐曦股份尚未实现盈利：2022年、2023年、2024年，其实现归属于母公司所有者的净利润分别为-7.77亿元、-8.71亿元、-14.09亿元。

沐曦股份则在招股书中坦言，截至2025年3月末，该公司合并报表、母公司报表未分配利润分别为-10.48亿元、-9.88亿元，预计首次公开发行股票并上市后，其账面累计未弥补亏损将持续存在。

从行业对照看，这种状态并非个例。

截至目前，在国产AI芯片公司中，仅海光信息已实现稳定盈利，寒武纪在2024年第四季度实现扭亏；景嘉微、龙芯中科、摩尔线程等公司仍处在不同阶段的亏损周期中。沐曦在招股书中预计，从自身经营情况出发，结合产品市场空间、市场份额及变动、客户复购和新客户验证及拓展情况，其达到盈亏平衡点的预期时间最早为2026年。这意味着资本需要为其预留至少一个完整的技术与市场验证周期。

资本市场真正要判断的，并不是沐曦股份能否复制摩尔线程上市首日的表现，而是它所选择的这条路线，是否具备持续演进的空间。

无论是AMD 还是英伟达，都曾经历过漫长的投入期与技术积累期，真正拉开差距的，并非单一代产品，而是能否在多个周期中不断迭代，并逐步形成生态锁定。

对沐曦股份而言，上市并不是阶段性胜利，而是下一阶段的起点。

根据中商产业研究院数据，2024年中国GPU市场规模约为1073亿元，同比增长32.96%。然而，我国GPU产业相较海外发达国家仍存在一定差距。在国产GPU尚未形成绝对格局的当下，它既不是确定性的赢家，也不只是情绪推动下的概念标的。它更像是一个正在被放到显微镜下的样本，用真实的出货、真实的客户和真实的财务曲线，去回答一个更大的问题：在英伟达长期主导的算力世界里，国产GPU是否存在一条不依赖奇迹、但足够自洽的生存路径。