算力叙事切换：全功能GPU周期开启，摩尔线程迎来新机遇

大模型的竞争焦点正在从参数规模转向应用场景的纵深渗透，训练一个大模型所消耗的算力仍然在指数级增长，但与此同时，具身智能、AI Agent、数字孪生等新方向对芯片的要求也在快速分化。 训练大模型需要的是高密度AI计算，训练一个机器人的策略模型需要的是在仿真环境中同时运行物理引擎和图形渲染，部署一个端侧智能体需要的是低功耗条件下的多任务并行处理。 在过去，AI芯片行业的常见做法是为每类任务设计专用芯片，但当客户越来越频繁地需要在系统里同时处理这些任务时，一颗芯片能不能覆盖AI计算、图形渲染、物理仿真、超高清视频编解码和科学计算，就成了绕不过去的问题。 摩尔线程2020年成立，先后推出苏堤、春晓、曲院、平湖、花港五代GPU芯片架构，构建起覆盖云端、边缘与终端的完整产品矩阵，2025年12月登陆科创板。 今年上半年，摩尔线程实现营收17.36亿元，同比增长147.42%，半年的营收规模已经超过了2025年全年，毛利总额9.89亿元，毛利率56.95%。归母净利润较上年同期大幅收窄。 当AI从语言走向物理世界，算力基础设施的核心矛盾也跟着变了。过去比的是谁的AI算力峰值更高，现在比的是谁能在一颗芯片上同时提供训练、渲染和仿真的综合能力。 公司旗舰产品MTT S5000属于第四代“平湖”架构，单卡稠密AI算力达到1000 TFLOPS（每秒千万亿次浮点运算），配备80GB显存，显存带宽1.6TB/s，卡间互联带宽784GB/s，完整支持从FP8到FP64的全精度计算。一颗S5000可以同时应对大模型训练和推理两类任务，这正是全功能GPU区别于专用AI加速芯片的核心特征。 基于S5000构建的夸娥（KUAE）智算集群，上半年实现了规模化销售，在北京、无锡、杭州等多个城市完成了部署和交付。摩尔线程在半年报中将自身定位为“市场中为数不多真正实现面向训练的单一网络下千卡级、万卡级大规模集群商业化应用落地的GPU供应商”。 夸娥集群在这个维度上就有可以量化的成果，其集群训练的线性扩展效率达到95%，也就是说，随着集群规模从千卡扩展到万卡，计算效率的损耗控制在5%以内。 Dense模型的算力利用率（MFU）达到60%，MoE模型达到40%。集群支持断点续训，在硬件故障导致训练中断时可以快速恢复，有效训练时长占比超过90%。原生FP8精度下，集群已经完整复现了顶尖大模型的训练流程，多项关键指标达到国际主流水平。 值得注意的是，S5000（PH100芯片）还首批通过了国家《安全可靠测评》，为摩尔线程在政务、金融、能源等对信息安全要求极高的行业中打开了合规准入通道。报告期内，摩尔线程还被调入了科创50指数。 集群的规模化销售解决了“能不能卖出去”的问题，但市场对国产GPU更深层的疑虑在于训练能力。“国产GPU只能做推理，撑不起高端训练”一度是行业里流传最广的说法。摩尔线程在上半年交出的一组实战成果，正面回应了这个问题。 合作伙伴基于夸娥集群，从零起步完整训练出了语料超过25万亿Token的MoE-236B基础大模型。北京大学EvoPhys团队在S5000上全程原生训练了全球首个5D世界模型EvoPhys-World，这个模型在斯坦福大学WorldScore公开评测的“世界生成”赛道上拿下第一名，蝉联榜首37天。 摩尔线程联合北京智源人工智能研究院，基于FlagOS-Robo框架完成了具身大脑模型RoboBrain2.5的全流程训练。公司开源的代码大模型MusaCoder，内核算子生成性能比肩国际SOTA水平。 从大语言模型到世界模型再到具身智能模型，这组训练成果覆盖了当前AI产业最前沿的几个方向，这也意味着国产GPU的能力边界已经从推理扩展到了高端训练。 摩尔线程自研的MUSA软件栈目前已经实现了100%核心数学库兼容以及3000余个PyTorch算子的全量兼容，覆盖55类核心AI算子。全球顶级推理框架vLLM和SGLang均给予了MUSA官方支持，SGLang已经完成了MUSA代码的主线合入，国产GPU的开源生态由此进入了原生支持阶段。 在大模型适配方面，摩尔线程对DeepSeek-V4、MiniMax M3、智谱GLM-5.2以及万亿参数模型Kimi K3、多模态模型MiniMax H3均实现了Day-0适配，也就是模型发布当天即完成在国产GPU上的运行验证。截至上半年末，MUSA生态的开发者数量已经突破80万人。 中国工程院院士、清华大学教授郑纬民在世界人工智能大会上提出了一个判断，衡量算力基础设施的核心指标已经从峰值算力数值转向了单位算力能够稳定产出的有效词元数量与质量。 这个判断实际上指向了全功能GPU在算力产业中的价值，训练、推理、渲染、仿真的能力越齐全，单位算力转化为有效产出的效率越高。 在客户结构上，摩尔线程正在加速向互联网和运营商这两类核心算力客户渗透。在WAIC 2026上，摩尔线程发布与极佳视界、趋境科技等多家行业头部企业的合作成果，展现出公司在大模型训练与推理、具身智能、世界模型等前沿技术场景的落地能力，为能源、金融、教育、互联网等重点行业输出成熟的国产算力解决方案。 此外，摩尔线程的产品线并不局限于云端智算。在边缘侧，基于自研“长江”SoC芯片的AI计算模组MTT E300，面向工业质检、能源巡检、具身智能、智能汽车和低空经济等场景提供本地化AI算力。 在终端侧，公司推出了AI算力本MTT AIBOOK和家庭AI中枢MTT AICUBE，后者已上架京东平台开始销售。从云端智算到边缘推理再到终端应用，摩尔线程的产品覆盖了算力需求从集中走向分散的完整链路。 GPU芯片具有典型的高固定成本、低边际成本属性，营收规模扩大后，前期的研发投入和流片成本在更大的出货量中得到了摊薄，盈利模型的改善具备持续性。更关键的一个信号是，公司上半年的研发投入达到7.69亿元，同比增长了38.16%，2022年以来累计研发投入已接近59亿元。 亏损收窄并非靠压缩长期投入换来的短期改善，而是商业化效率提升的结果，技术迭代的节奏没有因为追求利润而放慢。 摩尔线程上半年研发投入增长的方向非常集中，其在半年报明确表示，研发费用同比增长的主因是重点投向了花港架构下的华山和庐山两颗新芯片。 公开数据显示，摩尔线程华山芯片及应用研发的本期投入为27,583.73万元，累计投入60,586.79万元。庐山芯片及应用研发的本期投入为19,748.46万元，累计投入33,608.00万元。 两个项目本期合计约4.73亿元，约占上半年全部研发投入的六成，两颗芯片都处于在研状态，各自的本期投入金额已经接近甚至超过了此前所有期间的累计投入，研发正在进入密集期。 花港是摩尔线程的第五代全功能GPU架构，2025年12月发布，支持FP4到FP64的全精度计算，算力密度较上一代提升50%，能效提升10倍，可支持十万卡以上规模的集群扩展。基于花港架构，摩尔线程规划了两条产品线。 华山面向数据中心的训推一体场景，公司在半年报中称其在浮点算力、访存带宽、访存容量和高速互联带宽方面，将具备多项领先甚至超越国际主流芯片的能力。 这两颗芯片分别指向了AI芯片行业当前体量最大的两个方向，云端智算和高端消费级市场。大模型训练和超大规模推理是目前全球半导体行业增速最快、毛利最高的细分领域，头部互联网公司和电信运营商的算力采购预算仍在快速扩张。 高端消费级显卡市场则长期由海外巨头主导，国产GPU在这个方向上尚未出现过真正具备竞争力的产品，庐山如果按计划推进，摩尔线程有机会成为第一个切入高端消费显卡的国产厂商。 基于自身产品的“全功能”优势，在具身智能赛道，摩尔线程推出了MT Lambda全栈仿真平台，开源了具身智能领域首个基于MUSA架构的GPU加速物理仿真后端MuJoCo Warp MUSA，并完成四足机器狗与两足人形机器人的Sim2Real真机验证。同时，摩尔线程在无锡设立了工业具身智能创新中心，携手首批16家生态伙伴联合共建，还与小马智行达成了战略合作，以国产算力加速L4级自动驾驶的规模化落地。 从云端的大模型训练到仿真环境中的策略学习，再到端侧的真机部署，摩尔线程依托全功能GPU在AI计算、图形渲染和物理仿真上的综合能力，在具身智能领域搭建了一条从训练到落地的完整技术链路。 弗若斯特沙利文预计，中国智能算力规模从2020年的59.20 EFLOPs增长到了2024年的438.07 EFLOPs，年均复合增长率达到64.9%，预计2025年到2029年将以45.3%的复合增速继续增长至3035.91 EFLOPs。 摩尔线程同日公告启动了H股发行的筹备工作，2026年上半年，已有24家A股公司完成H股发行，合计募资约1217亿港元，硬科技公司集体搭建跨境资本平台已经成为今年资本市场上最清晰的趋势之一。 摩尔线程选择在当前一代产品放量和下一代芯片重投入叠加的节点启动H股筹备。一方面，看到了政策端的明确信号，支持龙头企业用好“两个市场、两种资源”。2026 年 8 月，证监会公开表态 “积极支持符合条件的内地企业在香港上市”；另一方面，也是开启全球化布局的抓手。港股上市带来的国际化品牌声量与海外渠道资源，将成为下一代芯片切入全球市场的重要助力，帮助公司真正打开业绩的第二增长曲线。 摩尔线程创始人、董事长兼首席执行官张建中在7月的世界人工智能大会上曾说过一句话：“大家大可放心，国产大规模集群上搞模型训练今天已经做得很好了。而且摩尔线程随时可以为用户提供本地化服务，这肯定比国外公司做得更好。”