近日，国产GPU第一股摩尔线程交出了上市后的首份半年报：

2026年上半年，公司实现营业收入17.36亿元，同比增长147.42%，仅用半年时间就超过了2025年全年15.06亿元的营收规模。

毛利总额达9.89亿元，同比增长103.78%，整体毛利率达到56.95%。归属于上市公司股东的净利润亏损1156.31万元，较上年同期大幅收窄2.59亿元，收窄比例达95.73%。

营收翻倍、毛利高增、亏损几乎抹平——单看财务数字，这份成绩单相当亮眼。但比起短期数据，数字背后的深层逻辑更值得关注：国产GPU商业化之路，究竟走到了哪一步？

来源：Wind

摩尔线程是国内唯一实现全功能GPU量产量销的企业，也是国产GPU从“能用”到“好用”再到规模化商用的亲历者，是观察国产GPU商业化进程的重要样本。

本文是来自《巨潮WAVE》内容团队的深度价值文章，欢迎您多平台关注。

走向商用

国产GPU的发展历程，是一场从技术突围到生态构建、再到商业闭环的持续演进。

回顾这一过程，大致可分为能用、好用、规模化商用三个阶段，每个阶段的跨越，都伴随着标志性事件和领头企业的推进。

2014-2022年间，国产GPU的核心目标是解决“有没有”的问题，应用场景有限，尚未进入主流商业市场。

随着摩尔线程发布首款全功能GPU芯片“苏堤”、沐曦股份交付推理芯片“曦思N100”流片、壁仞科技发布BR100系列，国产GPU进入了从1到N的优化阶段。

2023-2025年间，行业的核心目标是解决“好不好用”的问题——产品要能卖出去、被系统集成、进入真实的算力场景。应用场景大幅扩展，开始进入运营商智算平台、商业化智算中心等关键领域。

华为的昇腾910、摩尔线程的MTT S5000、沐曦的“曦云C500”都是这一阶段的代表性产品。在提升产品性能的同时，国产GPU厂商开始推出并迭代自己的软件栈和开发者平台。

到了2026年，核心目标升级为大规模普及——落地超算集群、智算集群等支撑AI发展的核心领域，以规模化商用驱动盈利。

摩尔线程的夸娥智算集群，是其中一个代表性案例。

夸娥并非单纯的GPU硬件，而是一套能并行驱动数千甚至上万颗GPU的系统级全栈解决方案，包含计算集群、集群管理平台和大模型平台，以一体化交付方式解决大规模GPU算力的建设与运营管理问题。

今年3月，摩尔线程获得一笔6.6亿元的夸娥智算集群大单，金额接近其2025年全年营收（15.06亿元）的一半，以实际收入证明了国产GPU厂商可以跳出低端替代的循环。

目前，夸娥已在北京、无锡、杭州等多地完成规模化部署与交付，进入了互联网、运营商、地方算力平台的核心采购名单

在客户拓展方面，摩尔线程通过模型训练、词元生产、智能体生产三大AI工厂战略，吸引了从京东这样的产业巨头，到极佳视界、MiniMax等AI新锐，再到北京大学等顶尖学术机构的多元化客户群。

这些客户已从单纯的硬件采购，深化为与摩尔线程在联合研发、模型适配、场景共创等方面的合作。

可以看出，摩尔线程已经能够提供完整、可靠、高性价比的国产算力解决方案，进入规模化商业落地阶段。

当然，前方仍有生态建设、高端性能追赶等行业级挑战。但以摩尔线程为代表的国产GPU厂商已越过技术和工程化阶段，进入了商业化阶段。

建设生态

讨论GPU的商业价值时，有一种观点认为，比起GPU本身，更有价值的是GPU生态。

芯片销售是一次性收入，生态则能带来持续回报。开发者越多、应用越丰富、芯片需求越旺盛，就会形成正向循环。

以英伟达为例，其CUDA软件平台构建了极高的转换成本——迁移就意味着重写软件、重新调试、承担20%以上的性能损耗、数千万美元的支出，让运算更快、价格更便宜的竞争对手也难以撬走客户。

英伟达用近20年时间，构建了这个庞大且深度绑定的系统，国产GPU行业生态建设仍在起步阶段。有分析指出，很多企业购买国产GPU后发现，硬件算力是100T，实际跑出来只有50T，剩下50T被生态不成熟产生的Bug、延迟和冗余损耗掉了。

开发者仍需面对工具链功能不完善、框架适配成本高等问题，部分企业因担心“迁移后性能损失”而观望。

因此，生态建设是国产GPU必须攻克的关键环节。在这个环节中，摩尔线程成为“破局者”。

摩尔线程的策略是兼容CUDA，提供零成本迁移方案，降低迁移门槛。MUSA生态已实现对CUDA的深度适配，做到100%核心数学库兼容及3000  PyTorch算子兼容，并获得vLLM、SGLang等主流推理框架官方支持，对DeepSeek、Kimi、GLM等主流大模型均能实现Day-0快速适配。

截至2026年上半年，MUSA生态的开发者数量已突破80万人，进入开发者生态的良性循环。虽然80万相比英伟达仍有距离，但已经领跑国产GPU阵营。

从财务数据来看，这套策略已带来直接的商业价值。2026年上半年，摩尔线程的营收、毛利总额同比增速都超过了100%，说明MUSA生态提供的不仅是技术兼容性，更是多元化市场、规模化商用的基础。

但也要看到，生态的价值巨大，建设成本同样巨大。摩尔线程的财务数据印证了这一点——高增长的营收背后，是高强度投入的现实

摩尔线程也在推进“原生人才”培育。去年9月，公司启动“AI未来·星火计划”，将前沿技术与产业实践带入全国200多所高校，吸引超过10万名青年学子参与。

这些投入面向的是MUSA生态未来的开发者和使用者，属于面向长期的生态投入。

长期投入

生态建设需要持续投入，研发同样如此。

GPU行业的技术密集型属性决定了其在研发上“不进则退”，研发投入占营业收入比例也因此成为重要的观察指标。

以摩尔线程为例，2025年公司实现营业收入15.06亿元，同比增长243.37%。同期，全年研发费用高达13.05亿元，占营业收入的比重达到86.68%。

今年，随着营收规模快速扩大，研发投入占营收比例降至44.30%。但这种下降并非因为研发投入减少（实际同比增长38.16%），在行业中，摩尔线程的研发投入仍属第一梯队。

作为比较，寒武纪2025年实现营收64.97亿元、净利润20.59亿元，研发投入为13.51亿元，占营收比例20.79%。2026年上半年实现营收59.96亿元、净利润23.11亿元，研发投入为7.03亿元，占营收比例11.72%。

在研发投入绝对值相近的情况下，摩尔线程的研发投入强度远高于寒武纪。不过这不只是投入多少的问题，而是两者处于不同发展阶段：摩尔线程仍处于技术迭代、市场渗透的攻坚期，高投入匹配高增长。

GPU这种技术密集型行业的规模化商用，只能靠高强度的研发投入换取技术壁垒和客户认可，不能靠缩减长期投入来换取短期利润。

截至2026年6月30日，摩尔线程累计申请专利2167项，其中发明专利申请2049项；累计获得授权专利788项，其中发明专利725项，稳居国产GPU企业前列。

这些数字背后，是架构设计、指令集、软件栈等全栈核心技术的自主可控，也是下一代产品的竞争基础。

摩尔线程正基于全新的“花港”芯片架构，计划在年底之前推出“华山”“庐山”中的一款进行量产。

“华山”专注于AI训推一体与超大规模智能计算，可为万卡级及以上智算集群提供算力支撑。“庐山”则专攻高性能图形渲染，几何处理、AI计算、光线追踪性能分别提升16倍、64倍、50倍

商业化的成功为研发投入提供支撑，研发成果又进一步扩大商业化规模——这是以摩尔线程为代表的国产GPU行业走向盈利的路径。

关注投入和产出是否形成良性循环（量产摊薄研发成本、规模提升产品毛利、毛利反哺下一代研发），比关注眼下的财务状况和股价波动更有价值。

作为一个刚刚在中国生根发芽的产业，GPU行业的竞争是一场长周期竞赛。那些持续投入研发、保持战略耐心的企业，更可能在技术迭代中获得长期回报