4 月 26 日，国产 GPU 龙头摩尔线程披露了 2025 年报及 2026 年一季报。根据公告，2026 年第一季度，摩尔线程实现营收 7.38 亿元，同比增长 155.35%。归母净利润 0.29 亿元，同比增加 1.42 亿元；归母扣非净利润亏损 0.54 亿元，亏损同比收窄 60.10%。在收入高速增长的同时，盈利能力亦出现边际改善。这份成绩单意味着，在长期研发投入与产业深耕之下，摩尔线程正完成从 " 技术突破 " 到 " 商业落地 " 的关键跨越。
成立于 2020 年的摩尔线程，是近年来国产 GPU 赛道中最受关注的企业之一。公司以全功能 GPU 为核心切入点，选择了一条相对少数派的技术路径来构建差异化竞争力。不同于押注单一场景的芯片厂商，其产品路线覆盖 AI 智算、物理仿真、科学计算、图形渲染等多元需求，并以 " 每年一代 " 的节奏持续迭代 GPU 架构，形成云边端全场景产品矩阵。
随着 AI 产业进入全新阶段，这一路线的战略价值开始显现。当前，AI 竞争正从模型的 " 对话能力 " 转向 " 执行与交付能力 "，以 OpenClaw 为代表的 Agent 项目在全球迅速走红，标志着智能体已具备目标拆解与多轮调用能力。在此趋势下，模型调用频次呈指数级增长，算力也成为推理侧持续消耗的基础资源。
这种结构性变化，使得算力需求被持续放大，也对底层硬件提出更高的通用性与稳定性要求。由此，GPU 厂商的价值体系正在被重新定价。相比服务单一场景的专用芯片，能够同时承载图形和 AI 计算等的全功能 GPU，成为复杂应用生态中的关键基础设施。
而摩尔线程所坚持的全功能 GPU 路线，也迎来了收获期。随着其商业化能力逐步兑现，叠加行业高景气度的持续上行，公司有望在国产 AI 算力市场中打开更具确定性的增长空间。
营收大增 243% 背后：从单卡能力到万卡级集群的跃迁
从全年表现来看，随着商业化进程持续提速，摩尔线程整体经营创下历史新高。2025 年，公司实现营业收入 15.05 亿元，同比增长 243.37%。归母净利润与归母扣非净利润亏损均进一步收窄，分别较上年同期减少 38.16% 和 33.38%。扣除股份支付影响后，全年净亏损为 6.48 亿元，较上年同期收窄 8.47 亿元，收窄比例达 56.65%，经营效率持续优化。
将时间维度拉长，过去几年摩尔线程的增长曲线同样陡峭。数据显示，2022 年至 2024 年，公司营业收入分别为 0.46 亿元、1.24 亿元和 4.38 亿元，复合增长率超过 200%。
对于本期营业收入的大幅增长，摩尔线程在最新财报中指出，主要系报告期内公司专注于全功能 GPU 的研发与创新，持续推进产品架构快速迭代，产品竞争优势进一步扩大，进而促进了收入的快速增长。
GPU 行业属于技术密集型赛道，保持竞争力离不开持续的高强度研发。2025 年，摩尔线程研发费用达 13.05 亿元，占营业收入的 86.68%，投入力度在行业中处于较高水平。长期的研发积累也在加速沉淀为技术壁垒。截至 2025 年 12 月 31 日，公司累计专利申请 2,014 项，其中发明专利 1,743 项；累计获授权专利 806 项，其中发明专利 590 项，技术 " 护城河 " 不断加宽。
从业务结构来看，摩尔线程当前主要通过提供基于全功能 GPU 芯片的板卡、智算一体机以及智算集群等产品实现收入。其商业模式正从单纯的芯片销售，逐步向系统级解决方案延伸。
支撑这一转变的，是 GPU 架构层面的持续迭代。自 2020 年成立以来，摩尔线程已先后推出 " 苏堤 "、" 春晓 "、" 曲院 "、" 平湖 "、" 花港 " 五代 GPU 架构。其中，基于 " 平湖 " 打造的旗舰产品 MTT S5000 智算卡，单卡 AI 算力（稠密）最高达到 1000 TFLOPS，并实现了从 FP8 到 FP64 的全精度支持。
2025 年 12 月，摩尔线程在 "MUSA 开发者大会（MDC 2025）" 上发布新一代全功能 GPU 架构 " 花港 "，同时宣布将基于该架构推出两款新芯片：面向 AI 训推一体与超大规模智能计算的 " 华山 "，以及专攻高性能图形渲染的 " 庐山 "。
如果说芯片与架构是能力基础，那么系统级交付能力则成为摩尔线程迈向商业化深水区的关键变量。报告期内，基于 MTT S5000 构建的 " 夸娥（KUAE）" 万卡级智算集群正式落地并投入使用。该项目在万卡级硬件系统优化、高速互联以及系统级容错等方面实现了突破，为超大规模模型的训练与推理提供高性能的底层算力支撑。
商业化层面的进展也在订单层面得到验证。3 月 30 日晚间，摩尔线程披露，公司已与某客户签订产品销售协议，合同标的为 " 夸娥（KUAE）" 智算集群，总价款达 6.6 亿元。
这笔订单的意义不止于金额本身，更在于它标志着摩尔线程已跨越从单芯片能力到大规模集群交付的关键门槛。随着系统工程能力日益成熟，其产品开始进入具备可复制性的规模化交付阶段。在国产 GPU 竞争日趋激烈的背景下，这种由 " 芯片能力 " 向 " 系统能力 " 的跃升，也在一定程度上重塑市场对其商业化进程的判断。
全功能 GPU 的中国解法：MUSA 构建国产算力新路径
长期以来，市场普遍将摩尔线程视为 " 中国版英伟达 "，这很大程度上源于其核心团队与英伟达之间的深厚渊源。摩尔线程具有一支兼具架构能力与产业经验的团队，为公司奠定了扎实的发展基础。
要理解摩尔线程的技术定位，首先需要厘清 GPU 的分类。按功能结构划分，GPU 可分为图形 GPU、GPGPU（通用计算 GPU）以及全功能 GPU。全功能 GPU 并非只聚焦单一能力，而是能够同时处理图形图像、AI 张量计算、物理仿真及超高清视频编解码等多种任务。这意味着，它既可以服务于 AI 训练与推理，也能覆盖游戏、视频渲染等广泛场景。
在全球范围内，真正实现全功能 GPU 量产的企业屈指可数，英伟达凭借长期积累占据领先地位。而摩尔线程的入局，填补了国内在该领域的空白，也构建起差异化的技术壁垒。
支撑这一能力的核心，正是摩尔线程自研的 MUSA 架构。作为元计算统一系统架构，MUSA 覆盖从芯片架构、指令集、编程模型到软件运行库及驱动程序框架的全栈技术体系，也是国内首个实现单芯片同时支持 AI 智算、图形加速、科学计算与物理仿真、超高清视频编解码的全功能 GPU 架构。
从体系结构来看，MUSA 是一套贯通底层硬件与上层生态的完整系统，主要由三个层级构成。最底层是硬件基础，即基于该架构打造的全功能 GPU。芯片内部集成四大引擎，可处理不同精度与类型的数据。在此之上，摩尔线程进一步构建了 " 夸娥 " 智算集群体系，支持从单机到万卡乃至十万卡规模的部署。
中间层是软件核心。摩尔线程搭建了完整的 MUSA 软件栈，包括驱动、开发者套件、加速库等基础软件，同时提供面向 " 夸娥 " 集群的 AI 训推套件及系统管理软件。这一层决定了硬件能力能否被高效调用，是连接底层算力与上层应用的关键桥梁。
最上层则是生态层，由基于 MUSA 开发的应用与开发者社区共同构成，也是架构生命力的终极呈现。
与当前市场上基于 GPGPU 或 ASIC 路线的单一 AI 加速产品相比，MUSA 架构的优势在于更强的通用性与扩展性。它能够适配 AI for Science、大数据处理、数字孪生、图形渲染以及高清视频等多元场景，在技术演进与生态兼容方面也表现出更强的韧性。
在产品层面，这一架构优势被进一步转化为云边端全场景矩阵。在云端，摩尔线程已形成包括 MTT S5000 等智算板卡、智算一体机以及 " 夸娥 "KUAE 集群在内的体系。随着 AI 产业进入加速发展阶段，高性能 GPU 需求持续释放，公司云端产品线收入在 2025 年实现超过 250% 的同比增长，成为主要增长引擎之一。
在边缘与终端侧，摩尔线程则布局了桌面图形加速显卡、专业视觉加速卡、边缘 AI 计算模组以及个人智算终端设备，将算力能力从数据中心延伸至更丰富的应用场景，覆盖更广泛的行业需求。
其中，个人算力本 MTT AIBOOK，是其端侧布局的代表性产品。该设备搭载自研 " 长江 "SoC 芯片，将全功能 GPU 能力集成于终端，实现办公应用与 AI 计算任务的异构协同。配合 MT AIOS 操作系统及配套开发工具链，用户可在本地完成大模型与智能体的部署与运行。这类设备的意义在于，将原本集中于云端的 AI 能力，转化为个人可直接使用的生产力工具。在智能体应用逐步兴起的背景下，这种算力下沉也有望打开新的市场空间。
从更长周期来看，AI 产业正在从 " 模型竞赛 " 走向 " 系统竞赛 "。算力不再只是成本项，而是决定应用落地效率与规模边界的关键基础设施。在这一过程中，能够打通芯片、架构、软件栈与集群交付的厂商，将获得更高的话语权。
对摩尔线程而言，其价值就在于以全功能 GPU 为支点，构建一套可持续演进的算力体系。随着其商业化能力逐步验证、生态不断完善，公司有望在这一轮算力重构中，拿下更具确定性的市场空间。而对于中国半导体产业来说，摩尔线程的每一步前行，也都在为自主生态添上一块更稳固的基石。
* 特别声明：文章内容仅供参考，不构成投资建议。投资者据此操作风险自担。
