摩尔线程们，等待市场驱动的胜利

英伟达的AI叙事正显疲态，中国仍在寻找“下一个寒武纪”。今日，摩尔线程启动申购，即将登陆科创板，由此拉开国产AI芯片新一轮资本接力的序幕。

紧随其后的还有已经获得注册许可的沐曦股份，重新提交辅导备案的燧原科技，以及壁仞科技、天智数芯等；长江存储已经完成股改，长鑫存储启动辅导。它们都有望明年上市，集体建立起一个的国产AI算力生态。

但是，无论故事如何演绎，AI叙事最终的裁判，仍然归于市场。

寒武纪不是英伟达，摩尔线程们也还不是寒武纪。但各方都期待它们是。它们踩中了时代的节拍。2020年，摩尔线程成立，中美科技战已经打响，芯片国产替代迫在眉睫。上市前，摩尔线程的背后站着85家股东，是寒武纪同期32家的近3倍。

2025年，全球AI基建高潮真正开始，中国开源模型崛起，英伟达在华收入一时“清零”。于是，88天过会，122天注册，摩尔线程火速跑完所有流程。

这三大趋势正重塑市场预期，让投资者相信，“下一个寒武纪”并非遥不可及。按114.28元/股的发行价计，摩尔线程发行时市值约为537亿元，相当于1/10个寒武纪。但两者的收入差距并没有那么悬殊，前者上半年营收7亿元，后者约28.8亿元。

中国AI芯片正处于市场爆发期。据摩尔线程招股书，过去五年来，数据中心GPU产品以年复合70%的速度增长，预计未来五年还将增长10倍，至约6600亿元人民币。但是，过去几年，英伟达占据了中国超过70%的市场份额。

转机出现在2025年。年初，DeepSeek横空出世，凭借极致性价比迅速席卷市场。这让市场花了一段时间，才用“杰文斯悖论”重新建立对英伟达的估值逻辑。但对中国而言，DeepSeek的更大意义在于激活了本土开源模型生态，释放了本土推理芯片的潜力，使中国AI生态得以摆脱对英伟达缩水版芯片的过度依赖。中国开源模型崛起，中国市场将属于中国芯片，它高达数百亿美元。

摩尔线程们准备好了。它们的招股书证实，国产主流在售AI芯片的算力性能，普遍介于英伟达A100与H100之间。随着它们新一代产品纷纷支持FP8精度计算，足够满足国产模型推理需求，理论上也支持模型预训练。摩尔线程称，基于S5000板卡构建的千卡GPU集群效率，可匹敌同等规模国外同代系GPU集群的计算效率；沐曦股份则称，MetaXLink高速互连技术，达到了与英伟达4nm制程工艺下旗舰产品（H200）相当的互连带宽性能。

两家企业在招股书中也都多次提及DeepSeek，包括后者在一定程度上降低对硬件的要求，以及自身芯片架构对DeepSeek模型的适配与优化。

市场格局正在逆转。2025年上半年，摩尔线程实现营收约7亿元，净亏损收窄至2.7亿元；同期，沐曦股份一季度营收达3.2亿元，亏损亦缩窄至2.3亿元。

但追赶仍然无法停息。英伟达与AMD等仍然希望再次将AI技术栈“倾销”至中国市场。事实上，尽管黄仁勋多次抱怨在华业务“几近清零”，但2025年第三季度，专为中国定制的H20芯片，仍录得5000万美元销售额，相当于摩尔线程们的收入水平。中国开源模型的训练与推理，同样也需要与更高效的芯片相协同，进一步提升token的经济性。这将持续倒逼国产芯片缩小与国际领先水平的代际差距。今年12月19日，摩尔线程将在其首届MUSA开发者大会上，发布全新产品和架构。

因此，高强度的研发投入仍将是常态，短期内仅靠营业收入难以支撑，从资本市场融资是关键跳板。过去几年来，为了不断追赶与英伟达的差距，摩尔线程们采取了异常激进的研发战略。2020年成立之后，近三年累计亏损了45亿元人民币，主要就在于每年超过10亿元的研发支出，而它的收入去年也仅4.32亿元。这三年来，摩尔线程研发强度（三年来总研发支出占总营收比例）约为600%。沐曦股份同样如此，三年累计研发支出22.5亿元，研发强度约为300%，累计亏损27亿元。

当前，全球AI生态的竞争，已经进入到模型-芯片协同设计的新阶段。英伟达将Anthropic纳入CUDA生态，不仅是为了绑定客户，也是为了针对性优化下一代GPU架构以适配其工作负载。它此前已经下注了OpenAI与xAI，至此，囊括了市场上最重要的三家AI实验室。谷歌则凭借自研TPU更低的总拥有成本（TCO），以及未来AI应用若深度绑定Gemini模型也将自然绑定TPU硬件的逻辑，成功吸引了巴菲特建仓。

中国同样如此。在最近的第三届亚洲愿景论坛上，中国半导体行业协会副会长魏少军就称，过去，中国大模型主要依赖美国芯片，美国芯片优化带动模型优化，中美大模型基本同构，但随着摆脱路径依赖，也许到明年上半年就能看到新进展。在对未来规划中，摩尔线程提及“软硬件深度协同的全栈技术整合”，沐曦股份则提及将“结合产业伙伴的需求优化软件栈的丰富度”，并反哺产业链上下游，共建开放生态。这正是它们赢得市场的关键。

此外，本土AI芯片还需直面前沿大模型预训练的终极考验。年初，蚂蚁集团尝试在包括国产芯片在内的5款不同类型的AI芯片上（外界普遍认为A与B分别来自华为与阿里），分别预训练Ling-Plus模型。这是一个总参数规模2900亿，激活参数288亿，数据集约9万亿token的MOE模型。结果，即便在相对弱势的硬件上，也能以更低的成本，训练出性能相当的基础模型，而且，无论使用哪款AI芯片，基准测试结果都几乎相同。

但挑战依然严峻。蚂蚁团队同时发现，国产AI芯片的稳定性仍有明显短板。随着谷歌Gemini 3确认扩展定律在预训练阶段依然有效，能否用国产芯片高效训练出追平前沿水平的开源模型，不仅将成为中国开源模型创新的最大看点之一，也将成为国产AI芯片赢得市场竞争的另一个关键领域。

资本与地缘政治的叙事充满变数，最终的答案只能来自市场本身。接下去，国内同行之间的竞争，将比想象中更为激烈。摩尔线程计划募资80亿元，沐曦股份计划融资39亿元，投资者们正在等待的，是一场真正由市场驱动的胜利。