地方配资网曾担任全球副总裁并执掌中国区业务

出品 | 虎嗅科技组

作者 | 丸都山

编辑 | 苗正卿

头图 | 视觉中国

6月30日，摩尔线程与沐曦两家国产GPU公司在同一天递交科创板IPO申请，正式吹响冲刺上市的号角。

在这场国产GPU的冲刺中，摩尔线程与沐曦的创始团队皆堪称豪华。摩尔线程创始人张建中，曾担任全球副总裁并执掌中国区业务，对GPU行业的全球格局和市场需求有着深刻的洞察；沐曦创始人陈维良来自AMD，曾主导AMD数代核心产品的研发工作，对GPU架构设计和技术演进有着深厚的专业造诣。

身处国产GPU热潮之中，又有明星创始团队光环加持，两家公司在资本市场备受追捧，早早就已进入了“独角兽”行列。上市前，摩尔线程Pre-IPO投前估值已经达到246.2亿元，沐曦也超过了210亿元。

在这样的背景下，行业内关于谁是“中国英伟达”的争议也愈发甚嚣尘上，但就从两家公司披露的招股书信息来看，讨论这个问题实在为时过早。

作为国内最具潜力的GPU公司，摩尔线程与沐曦的所反映出的也是这个赛道的现状——从“可用”到“好用”，国产GPU还有相当长的一段路要走。

亏损不是问题

在摩尔线程与沐曦的招股书发布后，二级市场的投资者们再次见识到了芯片行业的“烧钱”属性。

根据摩尔线程的招股书，从2022年至2024年，摩尔线程营收分别为4608万元、1.24亿元及4.38亿元；同期净亏损分别为18.40亿元、16.73亿元及14.92亿元。

亏损的主要原因是GPU行业高昂的研发成本。同样以摩尔线程为例，其招股书显示2022-2024年，公司研发投入38.1亿元，这相当于是三年内公司营收的6倍多。

另一边的沐曦在这个问题上也不遑多让。招股书数据显示，2022年至2025年第一季度，沐曦营收分别为42.64万元、0.53亿元、7.43亿元、3.20亿元；净利润分别为-7.77亿元、-8.71亿元、-14.09亿元、-2.33亿元。

综合来算，两家公司在过去三年总共亏损了82亿元。

不过，这种起步阶段的大肆烧钱，在芯片行业中实属常态。比如英伟达在2009年受“显卡门”事件（GF系列显卡存在硬件设计缺陷问题）影响，该年亏损达到8700万美元，而其当年的研发费用还是提高了20%，达到8.9亿美元。

因此，摩尔线程与沐曦的亏损，完全在预料之内。

从另外一个角度说，对于国产GPU厂商来说，当前的首要任务，可能真的就是谋求上市。

一方面，业内美元基金大多已经离场，考虑到GPU企业短期注定无法盈利的特性，地方国资也很难持续性地为其输血。

另一方面，随着科创板“1+6”改革重启未盈利企业上市通道，叠加创业板第三套上市标准落地，为GPU企业形成了极为宝贵的上市窗口期，特别是这类企业由于其“硬科技”的特性，资本市场本就对其相对包容。

当然，这一切还是离不开产品作为基础，毕竟就算是把“国产替代”挂在嘴边，也得需要载体把这个故事讲下去。

而这一点，现阶段摩尔线程和沐曦完成得都很不错。

先说说摩尔线程。目前摩尔线程已推出四代GPU架构，形成了“芯片-板卡-一体机-集群”四条产品线，覆盖AI智算、图形渲染、计算虚拟化和面向个人娱乐与生产力工具等应用领域。

值得重点说下的是摩尔线程自主研发的MUSA架构。该架构涵盖了统一的编程模型、软件运行库、驱动程序框架、指令集架构等，它最大的意义是能够帮助开发者在基于MUSA开发的应用上赋予更好的可移植性，这是目前GPGPU这类单一AI加速卡产品所不具备的。

另外，摩尔线程在桌面级显卡的开发上，也算是国内GPU厂商中“独一份”的存在（指能批量出货）。

虽然桌面级显卡听起来没有“AI加速卡”那样高大上，但是桌面级显卡开发的工作量要远大于后者，因为需要为各种游戏去进行驱动程序的开发与优化，而且不同于英伟达有庞大的开发者社区和游戏厂作为支持，摩尔线程的驱动程序开发，几乎是从零做起。

根据摩尔线程招股书所披露的，目前旗下的桌面级显卡MTT S80性能基本相对于英伟达上代中端显卡RTX 3060，而在驱动程序的开发上，MTT S80已经适配近千款游戏与应有，但较后者可能还要差两个数量级。

相较于摩尔线程“大而全”的产品矩阵，沐曦在GPU产品开发上要更加专注，其产品多集中于训推一体或通用计算芯片。

沐曦的优势在于，其产品矩阵全部基于自主研发的GPU IP和指令集，这种从底层核心技术进行自研的模式，一方面能够更好地优化产品构型，使其具备高能效与高通用性的优势；另一方面，也能降低对外部IP授权企业的依赖，在中美地缘政治的博弈中，这个特质可能会成为未来的关键胜负手。

在产品方面，可以用两款产品作个对比：MXC500曦云系列产品，FP32算力达15TFLOPS，英伟达A100的FP32性能为19.5TFLOPS；另一款单卡产品MXN100的INT8整数算力为160TOPS，FP16浮点算力为80TOPS，相比之下，英伟达A100 GPU的INT8算力达624TOPS，FP16浮点算力为312TOPS。

可以看到，虽然与英伟达相比仍存在差距，但已经完全能够满足诸多对算力有一定要求的应用场景，如部分科研机构的日常运算、智算中心的基础任务等。