【文/观察者网 吕栋】

一颗体积并不大的GPU芯片，持续搅动着全球科技产业的权力格局。

十年间，GPU从处理图形的专用硬件，跃身成为AI进化的核心引擎。英伟达的市值从万亿美元飙升至5万亿美元以上，只用了不到三年，资本市场用真金白银达成了一个共识：谁掌握GPU，谁就掌握AI时代的算力主导权。

作为先发者，英伟达从硬件架构到CUDA生态，从开发者社区到供应链体系，构筑了一个牢固的闭环，全球AI产业的主导权被英伟达掌控。

但在中国，市场正发生根本性变化。一方面，地缘政治持续重塑半导体产业链。另一方面，AI产业也在经历一场深刻的范式转移，训练和推理对综合成本、能效比和规模化部署提出新的考验。这些恰好为国产GPU打开了战略窗口。

集群扩展效率、系统稳定性、生态完备性，这些曾是英伟达最坚固的壁垒。而国产GPU也正在用实际成果证明，这些壁垒并非不可逾越。近期，摩尔线程披露的2026年半年报，佐证了国产GPU破局时刻的到来。

数字背后的增长逻辑

先看几组核心数据。

2026年上半年，摩尔线程实现营收17.36亿元，同比增长147.42%，半年营收已超过2025年全年。毛利总额9.89亿元，同比增长103.78%。归母净利润亏损大幅收窄95.73%至-1156万元，距离全面盈亏平衡只差一步之遥。

单纯看财务数字，这是一份“高增长、快减亏”的成绩单。但真正值得关注的，不是数字本身，而是数字背后的增长逻辑。

GPU芯片行业有一个显著特征：高固定成本、低边际成本。一颗芯片的研发投入、流片成本是天文数字，但一旦流片成功、量产爬坡，每一颗新增芯片的边际成本大幅下降。

这意味着营收规模的跨越式增长，会直接带来盈利模型的非线性改善。

摩尔线程的半年报验证了这一逻辑，营收从7.02亿元跃升至17.36亿元的同时，整体毛利率达到56.95%。规模效应正在持续释放，单位成本不断被摊薄。

更关键的是，盈利改善并非通过削减研发投入换来的短期利润。

上半年，摩尔线程研发投入达7.69亿元，同比增长38.16%。2022年以来累计研发投入近59亿元，累计申请专利2167项，其中发明专利2049项。

这组数据给市场释放的信号很明确：这是一家仍在全力加码技术护城河的公司，盈利改善来自商业化效率的提升，而非战略收缩。

一个值得关注的细节是，扣除股份支付影响后，摩尔线程上半年净利润达8353万元，已实现盈利。考虑到股份支付本质上是非现金支出，这个数据意味着公司的真实造血能力正在快速增强。

对于一家成立仅六年的GPU企业来说，在保持高强度研发投入的同时，实现亏损急剧收窄，这是商业化能力从“量变”走向“质变”的核心证明。

行业窗口与产品实力共振

随着大模型参数规模迈向万亿时代，全球AI算力格局也正从英伟达的“单极世界”走向“多元化供应”，而国产GPU恰好站上了这个历史性窗口。

伴随地缘政治加速演进，英伟达在中国市场的份额正快速收缩。TrendForce已经将国产AI芯片在中国高端市场的份额预期，从50%上调至接近90%。

但外部环境只是一个契机，能否抓住历史性机遇，还得看是否有过硬的实力。

摩尔线程的半年报给出了明确信号，旗舰产品MTT S5000的规模化销售，是这轮业绩增长最硬的底牌。这款基于第四代“平湖”架构的AI训推一体智算卡，单卡AI算力（稠密）达1000 TFLOPS，完整支持FP8到FP64全精度计算。

更重要的是，MTT S5000首批通过国家《安全可靠测评》，在技术成熟度、安全性和稳定性上达到了政务、金融、能源等关键行业严苛的准入标准。

而在Scaling Law依然有效的背景下，单卡性能只是入场券，集群能力是万亿大模型时代的真正考验。摩尔线程披露，基于MTT S5000构建的夸娥智算集群，已实现规模化销售，并在北京、无锡、杭州等多地完成部署与交付。

财报还公布了三个关键工程化指标：集群线性扩展效率达95%，可支撑超大规模训练任务；训练精度与国际主流计算卡持平，损失曲线高度一致；支持断点续训，有效训练时长占比超90%。

在英伟达拥有单卡性能优势，国内算力需求依然庞大的背景下，大规模集群的稳定运行能力比单卡峰值算力更有价值。多地交付的落地成果，验证的是摩尔线程的工程化能力与产品可靠性，这正是国产GPU过去最被质疑的短板。

能否在具体场景中落地，是国产GPU是否真正“好用”的试金石。

2026年2月，摩尔线程与小马智行达成战略合作，基于MTT S5000及夸娥智算集群推进L4级自动驾驶世界模型及车端模型的训练适配与验证。4月，MTT S5000完成中国移动九天35B大模型适配。7月，摩尔线程宣布已完成美团万亿参数大模型LongCat-2.0的全链路适配。

不难看出，摩尔线程正加速向互联网、运营商等核心算力客户渗透。这些客户的采购规模更大、技术要求更高、认证周期更长，一旦进入供应链体系，订单的持续性与稳定性极强。

“国芯训国模”，则从另一个维度验证了国产GPU的能力。基于夸娥智算集群，摩尔线程完成25万亿Token语料的MoE-236B基础大模型全栈训练，支撑全球首个5D世界模型“北大EvoPhys-World”登顶斯坦福榜单并霸榜37天。

这些成果打破了“国产GPU只能做推理、不能支撑高端训练”的行业刻板印象，为摩尔线程打开了更高附加值的市场空间。毋庸置疑，摩尔线程这轮业绩增长并非短期脉冲，而是一系列能力积累在商业化层面的集中兑现。

生态、架构与第二增长曲线

如果把国产GPU的成绩放在全球竞争格局中审视，故事的层次会更加丰富。

英伟达2026财年实现营收2159亿美元，同比增长65%，数据中心收入达1937亿美元，同比增长68%。AMD在2026年第二季度实现营收115.4亿美元，同比增长50%，数据中心业务营收67亿美元，同比翻倍。

两家巨头的业绩反映了同一件事：AI算力需求远未到顶。对国产GPU而言，这既是替代窗口，也是证明自身“好用”的考验期。

摩尔线程的长期逻辑，可以从三个维度来看。

生态护城河是第一个维度。

GPU行业的终极竞争不只是硬件参数的比拼，还有软件生态的厚度。英伟达CUDA诞生20年，已拥有数千种工具与编译器，全球累计数亿块设备接入，形成“装机量-开发者-生态”的强劲飞轮。

而摩尔线程MUSA生态的开发者数量已突破80万人，实现对CUDA的深度适配，100%核心数学库兼容、3000+ PyTorch算子兼容。vLLM、SGLang等主流推理框架已官方支持MUSA，SGLang on MUSA完成了从环境构建到CI测试的全链路打通。DeepSeek、Kimi、GLM等主流大模型均实现Day-0适配。

80万开发者，意味着MUSA生态已进入“开发者自发繁荣”的正向飞轮——开发者越多，应用场景与优化方案越丰富，进而吸引更多客户加入。

技术迭代节奏是第二个维度。

半导体企业的生命力取决于“量产一代、研发一代、预研一代”的严密节奏。

摩尔线程2025年发布了全功能GPU架构“花港”，支持FP4到FP64全精度计算，算力密度提升50%，能效提升10倍。未来将基于该架构推出高性能AI训推一体“华山”芯片与专攻高性能图形渲染的“庐山”芯片。”

按照摩尔线程以往的发布节奏，2026年底大概率将正式发布“华山”或“庐山”中的一款。这点从半年报的数据中可窥探一二。“华山”AI芯片已累计投入6.06亿元，“庐山”图形渲染芯片累计投入3.36亿元。

无论哪款面世，都将为摩尔线程打开新的增长空间。“华山”锚定百亿级企业级与云端算力市场，“庐山”则瞄准此前没有任何国产GPU厂商涉足的高端消费级显卡市场。要知道，此前还没有任何一家国产GPU厂商能够站上高端消费级显卡舞台与巨头厮杀，摩尔线程极有可能再度迎来“黑悟空神话”时刻。

战略前瞻卡位是第三个维度。

基于“算、渲、仿”一体的通用算力，摩尔线程已将布局从云端拓展至具身智能与边缘计算。今年5月，摩尔线程与光轮智能达成战略合作，依托夸娥智算集群联合打造高置信度仿真数据合成方案。同月，该公司在无锡设立工业具身智能创新中心，携手首批16家生态伙伴联合共建，打通了“大模型训练—仿真模拟—端侧部署”的全生态闭环。

AI大模型训推一体机MTT SGX5000

从商业化提速到生态繁荣，再到新架构的期权兑现，摩尔线程正在走一条国产GPU此前从未走过的路——不是“替代者”的姿态，而是“同台竞技”的实力。

半年报的数字或许是过去的结果。而生态的厚度、架构的迭代、战略的前瞻，是决定这家公司能否真正完成“破局”的关键。

无论是今年年底蓄势待发、直指高端消费级市场的“庐山”，还是锚定万亿大模型算力巅峰的“华山”，都标志着国产GPU从“追赶”到“同台竞技”的历史转折已经到来，而摩尔线程正站在这个转折的最前沿。