成立仅四年，从零起步到跻身独角兽，从消费级显卡试水到 AI 智算集群规模化交付，摩尔线程走出了一条国产 GPU 的差异化突围之路。

2025 年前三季度，公司实现营收7.85 亿元，同比增长 79.22%；归母净利润亏损大幅收窄至 7.24 亿元，同比减亏 55.25%。凭借自研 MUSA 统一架构和 “芯片 - 板卡 - 整机 - 集群” 全栈产品体系，摩尔线程已成为国产全功能 GPU 的核心代表，在运营商智算、专业图形、科学计算等领域实现商业化突破。

一、四层产品金字塔：覆盖从芯片到集群的全场景算力

摩尔线程以自主 GPU 架构为核心，构建了梯度化的四层产品体系，精准覆盖从消费级桌面到数据中心级的全场景算力需求。

1. 四代 GPU 架构持续演进，AI 算力大幅跃升

公司核心芯片按代际分为 “苏堤”“春晓”“曲院”“平湖” 四大系列，技术重心从基础图形逐步向 AI 计算与多卡协同倾斜：

表格

架构名称	发布年份	着色核心数	张量核心数	最大显存	显存带宽	核心定位
苏堤	2022	2048	16	16GB	136GB/s	入门级图形与通用计算
春晓	2022	4096	32	32GB	448GB/s	专业图形与轻量 AI 推理
曲院	2023	8192	128	48GB	768GB/s	企业级 AI 训练与推理
平湖	2024	8192	512	80GB	未披露	高性能 AI 智算

最新一代 “平湖” 架构大幅提升张量核心配置与片间互联带宽（800GB/s），专为大规模 AI 训练优化，标志着公司正式进入高端算力赛道。

2. 全品类板卡矩阵，覆盖三大核心场景

基于四代架构，公司推出了 AI 智算、专业图形加速、桌面级图形加速三大类板卡产品，性能与定位呈现清晰阶梯差异：

表格

产品类别	代表型号	架构	FP16 算力	显存容量	最大功耗	适用场景
AI 智算板卡	S4000	曲院	98 TFLOPS	48GB	450W	大模型训练与推理
专业图形板卡	S80	春晓	14.7 TFLOPS	16GB	255W	三维建模、工业设计
桌面级板卡	S50	苏堤	5.2 TFLOPS	8GB	85W	办公娱乐、基础图形

3. 系统级解决方案延伸，构建完整交付能力

在板卡基础上，公司进一步推出 D 系列一体机和 KUAE 系列智算集群，实现从单卡算力到万卡集群的完整交付：

一体机

：D200/D400/D800 系列，面向中小微企业和边缘计算场景；

智算集群

：KUAE1/KUAE2 系列，支持千卡级并行训练，2023 年完成国内首个国产 GPU 千卡集群部署。

二、财务爆发：收入三年翻 17 倍，战略转型成效显著

摩尔线程的财务表现清晰描绘了一条 “研发驱动 - 产品落地 - 收入爆发 - 亏损收窄” 的科技企业成长路径。

1. 营收指数级增长，AI 智算成绝对核心

2022 年公司营收仅 0.46 亿元，2023 年增至 1.24 亿元（+169%），2024 年达到 4.38 亿元（+253%），2025 年前三季度已达 7.85 亿元，三年营收增长超 17 倍。

收入结构发生根本性转变：从 2022 年以桌面级芯片为主（占比 71%），全面转向 2025 年以 AI 智算为主（占比 95.4%）。其中集群解决方案贡献 70.75% 的收入，毛利率高达 65.59%，成为核心增长引擎。

表格

产品类别	2022 年收入占比	2023 年收入占比	2024 年收入占比	2025 年 H1 收入占比
AI 智算	0%	0%	77.63%	95.4%
专业图形	28.56%	76.33%	19.58%	4.4%
桌面级	71.44%	23.67%	0.74%	0.2%

2. 成本结构优化，亏损大幅收窄

公司采用 “高研发投入 + 规模降本” 的动态成本模型，2025 年前三季度总成本 8.61 亿元，其中研发成本占比 56%（4.82 亿元），仍是第一大支出。

随着产能规模扩大，单位生产成本持续下降：2025 年 GPU 芯片产能达 120 万片，较 2024 年翻倍，单位代工成本从 1500 元 / 片降至 1200 元 / 片。规模效应带动亏损大幅收窄，2025 年前三季度亏损同比减少 55.25%，正向盈亏平衡点稳步迈进。

3. 商业模式升级：从经销转向直销，掌控高端客户

销售模式从早期以经销为主（2023 年经销占比 98.56%），转向 2025 年上半年直销占比 90.27%，直接对接运营商、政企等大型客户，提升了定价权和客户粘性。

三、核心壁垒：MUSA 统一架构，破解国产 GPU “有芯无生态”

国产 GPU 长期面临 “有硬件无软件” 的生态困境，摩尔线程自研的 MUSA 统一架构正是破局关键。

1. MUSA：全栈式软硬件协同架构

MUSA 架构采用 “硬件异构集成 + 软件全栈自主” 的设计思路：

硬件层

：集成 AI 计算、科学计算、图形计算、智能多媒体四大引擎，支持多精度计算；

软件层

：提供从内核驱动、编译器、运行环境到编程语言、开发者工具的完整栈，原生支持 FlashAttention 3、FP8 等前沿技术，计算效率达 98% 以上。

2. 全栈技术体系，覆盖端云协同

除了 GPU 硬件，公司还推出了 “长江” 系列智能 SoC 芯片，集成 CPU、GPU、NPU 等多种计算单元，提供 50TOPS 异构 AI 算力，覆盖边缘计算和端侧场景，构建 “云 - 边 - 端” 一体化算力体系。

3. 高强度研发投入，构建技术护城河

2024 年公司研发投入 13.59 亿元，研发费用率高达 309.88%，远超行业平均水平。截至 2024 年底，公司拥有研发人员 886 人，占比 78.69%，核心团队来自英伟达、AMD 等国际巨头。

四、场景落地：四大领域验证，运营商成最大客户

凭借全功能 GPU 产品和 MUSA 生态，摩尔线程在运营商、游戏、智能汽车、科研四大核心场景实现商业化落地。

表格

应用场景	核心痛点	解决方案	验证数据
运营商智算中心	进口算力成本高，交付周期长	KUAE 万卡集群 + 按需付费	中国移动贵安智算中心采购 5000 片 S4000，算力成本降至 1.2 元 / TFLOPS
消费级游戏	国产显卡兼容性差	全栈驱动优化 + 游戏适配	MTT S80 兼容 192 款热门游戏，《黑神话：悟空》1080P 帧率达 62FPS
智能汽车	车规芯片供货周期长	长江系列车规 SoC + 本地化服务	小鹏汽车订单交付周期较英伟达缩短 50%
科研机构	科学计算与 AI 算力难以兼顾	全精度算力芯片	中科院用 S4000 同时完成气候模拟与大模型训练

客户结构：高度集中于政企大客户

2025 年上半年，前五大客户贡献了超过 90% 的收入，其中单一最大客户 R 贡献 3.97 亿元，主要为 AI 智算集群采购。客户集中虽能快速拉升营收，但也带来了业绩波动风险，公司正积极拓展金融、能源等行业客户以分散风险。

五、竞争格局：国产 GPU 第一梯队，差异化突围

1. 与国际巨头的差距与优势

相比英伟达、AMD，摩尔线程在绝对性能、生态成熟度上仍有差距，但在国产化替代、本地化服务、定制化能力上具备显著优势：

英伟达凭借 CUDA 生态垄断全球市场，但受地缘政治限制，高端芯片对华供应受限；

摩尔线程提供完全国产自主的算力解决方案，交付周期短，可针对国内客户需求快速定制。

2. 国内厂商对比：软硬一体成核心竞争力

与国内其他 GPU 厂商相比，摩尔线程的差异化优势在于全功能 GPU 路线和完整的 MUSA 软件生态：

表格

厂商	成立时间	技术路线	核心优势	2024 年收入
摩尔线程	2020	通用 GPU + 图形 / AI 融合	软硬一体、生态完整、产品矩阵全	4.38 亿元
天数智芯	2015	通用 GPU（训练 + 推理）	最早量产、产品线完整	5.40 亿元
壁仞科技	2019	GPGPU+Chiplet	大算力集群、国家级项目	3.37 亿元
沐曦股份	2020	通用 GPU（数据中心）	商业化速度快	7.43 亿元（2025E）

六、未来展望：80 亿募资加码下一代芯片，布局前沿计算

1. 三大募投项目，巩固技术优势

公司计划募资 80 亿元，重点投入三大研发项目：

新一代自主可控 AI 训推一体芯片研发（25.1 亿元）；

新一代自主可控图形芯片研发（25.0 亿元）；

新一代自主可控 AI SoC 芯片研发（19.8 亿元）。

2. 前沿布局：拓展元计算边界

面向未来，摩尔线程围绕 MUSA 生态，在具身智能、AI for Science、量子计算、AI for 6G 等前沿领域展开探索，验证全功能 GPU 作为下一代通用算力底座的潜力。

风险提示

技术迭代风险：GPU 技术更新快，若新产品研发不及预期，可能被竞争对手拉开差距；

客户集中风险：前五大客户收入占比过高，单一客户订单波动将显著影响业绩；

生态建设风险：MUSA 生态仍在建设期，开发者数量和应用丰富度有待提升；

地缘政治风险：半导体产业链全球化程度高，地缘冲突可能影响上游供应链稳定。

总结

成立四年，摩尔线程完成了从技术突破到规模化商业落地的跨越，成为国产 GPU 领域的核心力量。其 “全功能 GPU+MUSA 生态” 的战略路线，不仅破解了国产 GPU “有芯无生态” 的困境，也为中国算力基础设施自主可控提供了关键支撑。随着 AI 算力需求爆发和国产化替代加速，摩尔线程有望迎来更大的发展空间。