GPU四小龙进入竞争新阶段

9月2日，燧原科技启动网上、网下申购。至此，摩尔线程、沐曦股份、壁仞科技、燧原科技四家国产算力芯片企业全部完成与资本市场的对接。这意味着国产高端GPU完成了初步的技术验证和资本化，下一阶段将是规模化商用能力的直接比拼。

市场习惯把四家企业合称为“国产GPU四小龙”，但翻开2026年半年报和燧原的招股书就能发现，这只是一个通俗标签。四家走的技术路线、做的产品、面对的客户，差异远大于相似。与其说这是一个赛道里的四家竞对，不如说它们各自站在国产算力产业链的不同节点上，用不同的方式回答同一个问题：在市场高度集中的AI算力产业里，国产算力企业如何找到自己的位置？

摩尔线程：全功能GPU向下延伸，算力从云端走向终端

2026年上半年，摩尔线程营收17.36亿元，同比增长147%。相比亮眼的增长数字，收入结构变化更值得关注：公司经营正从早期项目交付模式向规模化交付演进——2026年3月签订的6.6亿元夸娥智算集群合同已在报告期内完成交付，意味着国产算力正在从信创示范项目走向常态化采购。

目前，基于MTT S5000构建的夸娥万卡集群已成功部署并上线服务，核心产品MTT S3000云电脑方案单卡支持32路并发。当前公司营收高度集中云端，云端智算产品贡献营收占比达97.5%。归母净利润亏损大幅收窄近96%，但扣除非经常性损益后依旧亏损1.51亿元，尚未实现经营性盈利。高研发投入与存货攀升仍是现实存在的压力。

在国产GPU大多优先深耕云端训推市场的背景下，摩尔线程选择了一条最有挑战性的路线：不止布局云端大模型训推，同时将产品线向下延伸至桌面显卡、边缘SoC、AI算力本乃至家庭AI中枢。在边缘与终端智算领域，以“长江”为代表的智能SoC系列产品，正广泛赋能边缘智能、具身智能、工业智造等多元场景。摩尔线程希望通过与云端智算产品的深度协同，打通“云-边-端”一体化解决方案，满足各类场景下的AI训推需求。

这套策略能否走通，关键在于：当AI能力持续从云端向边缘、终端扩散时，这种既懂图形、又懂AI计算的通用芯片，能否在行业与消费市场获得真实、可持续的订单。

分业务看，云端业务放量显著；边缘与终端产品尚处于起步阶段，贡献了2.33%的收入，商业化考验才刚刚开始。

沐曦股份：全国产供应链的盈利路径，正在被验证

沐曦上半年营收13.24亿元，同比增长44.67%，归母净利润6.12亿元，公司也因此成为“国产GPU四小龙”中率先实现盈利的公司。但这笔盈利并非来自芯片销售：其中有8.87亿元来自公允价值变动收益，公司明确标注该项收益“不具有可持续性”，扣非净利润仍为-4886万元。更值得关注的数据来自二季度，单季度扣非净利润为5407万元，环比由亏转盈，显示其商业化进程取得阶段性进展。

产品及服务持续获得下游客户的认可，是该公司上半年业绩增长的主因。报告期内，公司首款基于全国产工艺的高性能通用GPU产品曦云C600顺利进入量产交付，从芯片设计到制造、封装，再到配套软件栈，实现了国产供应链闭环。在财务侧，全国产供应链意味着成本端的可控——上半年毛利率达57.2%，同比提升1.1个百分点，远超单纯硬件销售的毛利水平；在客户侧，则意味着供应交付的确定性与可预期性。今年5月，曦云C600首批通过国家《安全可靠测评》，为产品进入金融、能源等关键基础设施行业提供了准入基础。

仅有硬件成本优势还不够，沐曦同时将“使用国产算力的隐形成本”压到了临界点以下。国产GPU长期面临一个尴尬：芯片单价虽低，但代码迁移、算子补全、性能调优等隐性投入高昂，导致综合使用成本高于国外方案。沐曦半年报里的几个动作，指向同一目标：拆除这座迁移成本的墙。沐曦股份自研的MXMACA软件栈高度兼容国际主流生态，已支持超过6000个CUDA应用，并与超过1000个模型原生适配，开发者无需过多修改代码即可迁移至沐曦GPU运行，为公司构建了深厚的生态护城河。

此外，报告期内公司还发布了面向AI4S（科学智能）的曦索X系列GPU，由此形成覆盖人工智能训练与推理、图形渲染与科学智能的完整产品矩阵，进一步拓宽了市场空间。

壁仞科技：港股“GPU第一股”，接受多元市场检验

壁仞科技是四家中唯一选择港股上市的企业。8月28日晚，壁仞科技交出上市后的首份中报：营收12.36亿元，同比增长近20倍，超过去年全年；净亏损同比收窄76.4%，毛利率提升10.8个百分点至42.7%，但离盈利还有距离。

商业化方面，壁仞科技的壁砺系列训练及推理产品销售持续扩大，客户结构与场景覆盖进一步拓展。根据公告披露，壁仞科技客户已覆盖头部互联网企业、AI大模型开发商、国家级AI算力平台、AI数据中心、电信运营商等多个行业。壁仞科技表示，已完成互联网大客户供应商引入认证并开始批量交付产品，为收入持续放量增长打开更大空间。

产品层面，壁仞有几个值得关注的信号。自研BLink 2.0互连协议最高支持1024卡单域扩展，是目前国内GPGPU路线中走得比较远的集群互联方案之一；“光跃”超节点已实现数千卡规模商用部署，MoE模型端到端训练性能提升超过30%。公司同时在WAIC 2026上发布了NPO（近封装光学）光互连方案。

港股市场对硬科技公司的估值逻辑与科创板不同，壁仞选择这条路，意味着它必须用持续的商业化成果和技术迭代，在一个更加注重资本逻辑和国际化的市场中证明自己的长期价值。

燧原科技：DSA路线闯关IPO，市场认可多技术并行逻辑

摩尔线程走“全功能GPU”路线，生态挑战最大但天花板最高；沐曦与壁仞走“GPGPU”路线，主攻数据中心高性能计算；燧原则选择DSA架构，专注云端AI训推，在推理场景追求极致能效。

与其他国产GPU厂商类似，燧原目前仍处在尚未盈利的状态。按照招股书的解释，亏损源于行业的前置性投入：云端AI芯片硬件需要跟随先进工艺快速迭代，独立的软件栈需要持续打磨，还需要与供应链伙伴联合研发，保障供应链稳定。研发投入居高不下。同时AI芯片产业链预付采购比例高，也是行业共性难题。本次IPO拟募资60亿元，重点投向第五代、第六代AI芯片研发及产业化。

燧原作为四家中唯一采用DSA架构的企业，招股书这样概括其技术取舍：“公司AI芯片采用DSA架构，舍弃了非AI并行计算领域的通用性。”这意味着它放弃了部分通用性，把硬件资源全部倾注于AI计算，追求推理场景的极致能效。产品线也全部围绕云端加速卡和智算集群，应用场景相对集中。

在IPO进程中，燧原推理产品比例较高的成因曾被上交所问询。燧原表示，公司总体采用“训练产品逐步探索，推理产品迅速推进”的产品迭代路径。训练领域技术复杂度与系统要求极高，而推理场景商业化落地更快，是能快速实现自我造血以反哺训练产品持续投入的务实选择。未来，随着公司第四代训推一体产品L600规模化量产及超节点系统的交付，燧原将持续拓展训练领域的应用。

但燧原的IPO落定本身就是一个信号：资本市场对“多路线并行”格局的确认。它的上市说明DSA这条技术路线，正在逐步得到资本市场的认可。

四家企业，四条路。摩尔线程用“全功能GPU”拓展应用场景，沐曦用全国产供应链验证盈利路径，壁仞用港股打开国际化窗口，燧原用专注AI推理的DSA架构拿到了市场通行证。GPGPU与DSA也并非非此即彼的竞争关系，多路线并行已是产业现实。

尽管各家路径各不相同，但行业仍要共同面对产能波动、客户结构集中、生态建设漫长的现实考验，规模化交付不等于可持续盈利兑现。它们反映出一个行业现实：国产算力已走过样机验证阶段，正在进入规模化交付和全栈体系竞争的新阶段。虽然资本市场提供了更加充足的资金支持，但企业的实力，终究要经由现实场景中的落地应用来检验。

作者丨张心怡 刘璐（实习生）编辑丨邱江勇美编丨马利亚监制丨连晓东