中国通用GPU市场
市场基础概况
通用GPU已经演变成为人工智能应用领域中不可或缺的基础算力核心组件。这些处理器凭藉其庞大的并行计算能力、经过优化的内存架构，以及在各种人工智能计算工作中广受认可的可扩展性，成为了推动AI产业发展的关键技术。值得注意的是，通用GPU最初是专门为图形渲染而设计开发的，但随着技术的进步和应用场景的拓展，现在已经发展成为人工智能计算的首选硬件平台。这种转变的主要原因在于通用GPU能够高效处理人工智能算法所特有的复杂矩阵计算以及大规模并行计算任务。
在全球通用GPU产业格局中，英伟达(NVDA.US)的CUDA平台扮演着举足轻重的角色。CUDA作为统一计算设备架构，已经成为全球主流的通用GPU编程生态系统及开发平台，其地位可以被比拟为通用GPU领域的「操作系统」。该平台提供了一整套完善的软件工具，使得开发人员能够高效地利用通用GPU的强大计算能力。自从2006年推出以来，全球各地的开发人员一直依赖这个系统来编程和训练人工智能模型，从而逐步建立起一个庞大且成熟的技术生态系统。即使市场上不断出现新的通用GPU产品，能否兼容CUDA平台对于这些产品能否获得广泛应用仍然至关重要。根据统计数据显示，如今超过百分之80的人工智能应用场景都依赖CUDA平台进行研究开发。随着人工智能应用范围的持续扩展，对于通用GPU公司而言，与全球主流通用GPU编程生态系统及平台保持技术一致性，不仅有利于吸引开发人员社群的支持，更是保证硬件产品能够实现即插即用功能的关键要素。
图1. 英伟达(NVDA.US)股价表现
中国市场发展动态
产品技术分类体系
通用GPU市场已经自然而然地分化为两个主要类别，以应对人工智能计算生命周期中的不同阶段需求，这两个类别分别是训练和推理。这种分类体系清晰地反映了人工智能应用中截然不同的计算要求以及多样化的部署场景特点。训练型通用GPU是专门为模型开发阶段的密集计算需求而设计的，而推理型通用GPU则是针对高效的模型部署及执行过程进行优化的。这种市场细分使得通用GPU公司能够开发出更加专业化的产品，从而有效满足特定的性能要求及使用目的。
训练型通用GPU专注于模型训练过程，需要从大规模数据集中进行深度学习和模式识别。需要具备大容量的内存带宽以支持海量数据处理，同时要求强大的并行计算能力来加速训练过程。主要应用于大型语言模型的训练工作，以及各类复杂深度学习模型的开发过程。
推理型通用GPU专注于实时预测和模型部署应用，强调实际生产环境中的稳定运行。需要实现极低的处理延迟以满足实时响应需求，并且要求优秀的能源效率以降低运营成本。主要应用于云端推理服务的提供，以及边缘计算设备上的智能决策功能。
产品技术分类体系
市场规模与增长轨迹
受到人工智能应用特别是大型语言模型的爆发性增长、云计算基础设施的迅速扩张，以及国内芯片制造商的显著技术进步等多重因素的共同驱动，中国通用GPU市场在2024年实现了显著的发展成果。根据最新的市场数据，中国通用GPU市场的总收入在2024年达到了人民币1,546亿元的规模，从2022年至2024年期间的复合年增长率高达百分之70.1，展现出强劲的增长动力。
展望未来，市场预计将继续保持强劲的增长势头。根据行业分析和预测，到2029年，中国通用GPU市场的收入规模将达到人民币7,153亿元，从2025年至2029年期间的复合年增长率预计为百分之29.5。这些数据充分显示了中国通用GPU市场巨大的发展潜力和广阔的市场空间。
特别值得关注的是，国内通用GPU公司的收入增长速度显著快于外国竞争对手，这反映了中国本土企业在技术创新和市场拓展方面取得的重要进展。在评估市场结构时，我们使用国产化率这一关键指标，它指的是国内通用GPU公司的收入占中国通用GPU市场总收入的比例。观察近年来的发展趋势，中国通用GPU市场的国产化率呈现出持续上升的态势。具体而言，从2022年到2024年，国产化率已经从百分之2增加到百分之3.6，而根据市场预测，这一比例到2029年预计将大幅攀升至百分之31。
国产化进程深度解析
中国通用GPU市场国产化率的持续提升，是由多个关键因素共同作用的结果，其中包括技术进步、市场需求强劲以及政策大力支持等方面。从技术层面来看，制程节点与架构设计的不断创新突破，加上生态系统兼容性的持续改善，使得国产通用GPU企业得以逐步缩小与全球领先企业之间的性能差距。同时，国产产品在性价比方面的显著提升也加快了其在市场中的接受程度，越来越多的客户愿意尝试并采用国产通用GPU产品。
从市场需求角度分析，人工智能应用的快速增长大幅度扩张了中国通用GPU市场的整体规模。越来越多的中国企业基于技术成熟度的提升以及全球半导体贸易环境的变化，正在积极探索并采用国产通用GPU作为其采购策略的重要组成部分。这种由市场需求驱动的转型不仅促使整体需求持续增长，同时也推动形成了更加多元化和本土化的供应链格局，进一步增强了产业链的稳定性和安全性。
政策环境的支持在推动国产化率提高方面也发挥着至关重要的作用。国家战略层面积极推动通用GPU产业实现自给自足的目标，例如中国政府明确提出了到2025年芯片自给率达到百分之70的宏伟目标。在2024年1月，工业和信息化部等七个政府部门联合发布了《关于推动未来产业创新发展的实施意见》这一重要政策文件，该文件明确要求突破通用GPU的关键技术瓶颈，以满足大型模型训练及推理工作的迫切需求。此外，各地方政府也通过提供财政补贴及设立奖励机制等措施，进一步加大对区域内通用GPU企业的支持力度，为产业发展创造了良好的政策环境。
市场驱动因素与未来发展趋势
人工智能技术的快速发展态势，特别是大型基础模型和针对特定行业的垂直领域模型的不断涌现，例如在医疗诊断、金融科技等专业领域的应用模型，创造了前所未有的庞大计算需求。这些人工智能模型的复杂程度日益提高，参数规模不断扩大，需要投入庞大的算力资源来完成训练过程。与此同时，这些模型在各个行业中的广泛部署应用则推动了持续增长的推理计算需求。这种演变趋势正在深刻地改变市场的动态平衡，预计推理型通用GPU的市场增长速度将超过训练型通用GPU，成为未来市场增长的主要驱动力。
人工智能算力需求负载的高度多样性特征，从训练大型基础模型到运行各种专业垂直领域模型，都需要灵活且性能优化的计算解决方案来支撑。通用GPU凭藉其独特的并行计算能力、架构设计的灵活性以及成熟完善的软件系统生态的完美结合，已经成为应对这些多样化人工智能算力需求的首选解决方案。通用GPU不仅能够高效处理大型基础模型的训练任务，同时也能够胜任各种垂直应用场景中的推理工作，再加上持续不断的性能改进以及广泛可用的开发工具支持，这些优势已经将通用GPU牢固地确立为人工智能工作负载的主流硬件加速卡选择。
人工智能模型参数规模的指数级增长使得传统的通用GPU单卡配置或小规模计算集群已经不足以满足高效训练和推理的实际需求。中国的人工智能基础设施正在迅速向超大规模通用GPU算力集群的方向转型，以支持万亿级参数模型的训练需求。这一趋势推动着产品设计朝着大规模并行计算和超高带宽的方向进行优化，同时也对系统级稳定性和可靠性提出了更高的要求。
随着人工智能技术在各个行业中逐步走向成熟并实现规模化应用，边缘计算领域预计将经历爆发性的增长阶段，这种增长态势得益于市场对国产化处理能力日益增长的需求。边缘计算的快速发展直接加速了对推理型通用GPU的需求，因为推理型通用GPU能够实现实时决策、自主任务执行和对复杂环境的动态适应等关键功能。基于这些因素，推理型通用GPU预计将比训练型通用GPU实现更快的增长速度，到2029年将占据中国通用GPU市场百分之67的市场份额。这一发展趋势为国内通用GPU公司带来了巨大的市场机遇，因为这些公司正在为加速实现国产化替代而积极努力。
通过在架构设计和制造工艺方面的持续技术突破，国内通用GPU公司正在迅速提升其整体技术能力和竞争实力。这些技术进步在国内市场大规模部署应用的促进下得到了加速发展，使得国内公司能够显著缩小与全球领先企业之间的技术差距。在政策支持和市场竞争力不断增强的双重推动下,这些技术改进正在驱动中国通用GPU市场实现强劲增长,同时也在加速推进国产替代的进程。
随着国内通用GPU技术水平的持续进步和提升，国内通用GPU公司正在获得越来越强的市场竞争力，并且稳步扩大其市场份额占比。根据2024年的统计数据，通用GPU的国产化率已经超过百分之3.6。随着产品技术成熟度和市场认可度的持续提高，国内通用GPU公司预计将在未来进一步提升其市场份额。根据行业预测，到2029年，通用GPU的国产化率预计将超过百分之50，从而在中国通用GPU市场形成更加多元化和均衡的竞争格局，并且增强中国在全球通用GPU市场中的影响力和话语权。
市场进入壁垒
作为性能优化计算基础设施的核心组件，通用GPU的开发工作需要在多个技术领域都具备深厚的核心技术能力，包括架构设计、制造工艺整合以及算法优化等方面。要在这个市场上取得成功，企业必须掌握包括芯片设计、软件栈开发以及人工智能计算优化在内的多个技术领域的专业知识。这种多维度的技术复杂性特征，加上需要投入多年时间进行研发累积的客观要求，使得新进入市场的竞争者很难在短时间内达到具有市场竞争力的产品性能水平。
通用GPU市场在产品的整个生命周期中都需要持续投入大量的资本资源。公司必须在电子设计自动化工具许可证等基本设计工具、先进的研发基础设施，以及每次产品迭代所需要的高昂流片成本等方面维持巨额的资金支出。在开发和生产方面持续投资的客观需求，加上为了保持市场竞争力而必须进行的频繁产品迭代升级，共同构成了一道巨大的资本壁垒，只有少数具备雄厚资金实力的新进入者才能够承受这样的投资压力。
通用GPU市场要求企业建立先进的制造能力，或者与顶尖的晶圆代工厂建立稳固的合作关系以获取最前沿的制造工艺支持。那些寻求整合制造能力的新进入者需要面对建设晶圆厂所需的巨额投资以及复杂的技术专业知识要求。而那些采用无晶圆厂商业模式的公司则必须在晶圆代工厂的资质认证、产能分配谈判以及供应链管理等多个方面突破重重壁垒。这些要求，再加上晶圆代工厂通常会设定的最低产能承诺要求以及复杂的技术整合需求，为那些试图进入市场的潜在竞争者构筑了重大的进入障碍。
通用GPU市场的特点是技术快速迭代更新，这要求企业具备卓越的研究开发能力作为支撑。在芯片架构设计、软件开发以及人工智能计算等专业领域拥有深厚专业知识的研发人员资源相对稀缺，这本身就构成了一道重大的市场壁垒。行业内的头部企业凭藉其拥有的稳定协作团队、长期积累的技术知识储备以及高效的产品开发流程，使得新进入市场的竞争者很难在短期内构建并维持具有竞争力的研发能力体系。
作为人工智能计算基础设施的重要组成部分，通用GPU的客户对产品的可靠性和性能验证提出了极为严格的要求标准。市场中的先行企业受益于其已经建立的稳固客户关系、经过实际验证的成功部署往绩记录，以及在行业内长期累积的专业知识和经验。这些优势创造了一个自我强化的良性循环机制，每一次成功的产品部署都会进一步深化客户对企业的信任程度和品牌忠诚度，从而形成新进入者难以突破的坚实市场壁垒。
整体市场竞争格局
目前在中国通用GPU市场中，外国公司的产品就收入规模而言仍然占据主导地位，但是中国本土公司的市场份额预期将持续增加。到2024年，按照收入规模进行排名，已经有包括本公司在内的三家中国公司成功跻身中国通用GPU市场五大主要参与者之列，这标志着中国本土企业在市场竞争中取得了重要的进展。
下表详细展示了2024年中国通用GPU市场主要参与者按收入规模的排名情况：
| 市场排名 | 公司名称 | 中国通用GPU市场份额 | 国内通用GPU市场份额 |
| 第一名 | NVIDIA | 91.9% | 不适用 |
| 第二名 | AMD | 4.5% | 不适用 |
| 第三名 | 海光信息 | 0.8% | 23.3% |
| 第四名 | 沐曦股份 | 0.5% | 13.5% |
| 第五名 | 天数智芯 | 0.3% | 9.8% |
图2. 沐曦股份(688802.CH)股价表现
图3. 天数智芯(9903.HK) 股价表现
训练型通用GPU市场
市场规模与增长态势
在2022年至2024年这一人工智能发展的初期阶段，由于人工智能模型训练工作产生的庞大计算需求，训练型通用GPU在中国通用GPU市场中占据了主导地位。根据最新的市场统计数据，2024年中国训练型通用GPU市场的收入规模达到了人民币845亿元，从2022年至2024年期间实现了百分之53.4的复合年增长率，展现出了卓越的市场表现。
展望未来的发展趋势，预计从2025年至2029年期间，中国训练型通用GPU市场的收入规模将以百分之14.8的复合年增长率持续增长，到2029年将达到人民币2,315亿元的市场规模。与此同时，训练型通用GPU的国产化率也预计将从2024年的百分之4显著攀升至2029年的百分之16.8，这反映了国内企业在这一细分市场中竞争力的持续提升。
竞争格局分析
目前在中国训练型通用GPU市场中，外国公司仍然占据着主导地位，但是预计在未来数年内中国本土公司的市场份额将实现大幅度的提升。值得注意的是，在2024年中国训练型通用GPU市场的五大主要参与者中，已经有4名参与者是中国本土公司，这充分展示了中国企业在这一细分领域的快速发展和市场渗透能力。
下表详细列出了2024年中国训练型通用GPU市场主要参与者按收入规模的排名情况：
| 市场排名 | 公司名称 | 中国通用GPU市场份额 | 国内通用GPU市场份额 |
| 第一名 | NVIDIA | 96.0% | 不适用 |
| 第二名 | 海光信息 | 1.1% | 26.3% |
| 第三名 | 沐曦股份 | 0.7% | 17.4% |
| 第四名 | 天数智芯 | 0.4% | 10.5% |
| 第五名 | 壁仞科技 | 0.3% | 7.9% |
图4. 壁仞科技(6082.HK)股价表现
推理型通用GPU市场深度分析
市场规模与爆发性增长
2024年，中国推理型通用GPU市场的收入规模为人民币701亿元，从2022年至2024年期间实现了百分之100.1的复合年增长率，展现出了极为突出的市场表现和强劲的增长动力。这一增长速度显著超过了训练型通用GPU市场的增长率，充分反映了推理应用场景在人工智能产业发展中日益重要的地位。
展望未来的市场发展趋势，随着人工智能应用在产业端更加广泛的落地实施，预计推理型通用GPU的市场份额将持续增加并最终主导整个通用GPU市场，这一趋势清晰地反映了产品技术成熟度的提升以及商业化进展的加速。根据市场预测分析，从2025年至2029年期间，中国推理型通用GPU市场的收入规模将以百分之41.4的复合年增长率快速增长，到2029年将达到人民币4,838亿元的庞大市场规模。与此同时，推理型通用GPU的国产化率也预计将从2024年的百分之3大幅攀升至2029年的百分之37.9，这一显著的提升幅度表明国内企业在推理型通用GPU领域将获得更大的市场机遇和发展空间。
竞争格局与市场动态
目前在中国推理型通用GPU市场中，尽管外国公司依然占据着主导性的市场地位，但是随着推理型通用GPU市场规模的快速扩张以及中国本土公司技术竞争力的不断增强，中国公司有望在这一细分市场中取得显著的市场影响力。根据市场发展趋势的分析判断，在未来几年内，中国本土公司预计将实现市场份额的大幅度增加，逐步改变当前的市场竞争格局。
下表详细列出了2024年中国推理型通用GPU市场主要参与者按出货量规模的排名情况：
| 市场排名 | 公司名称 | 中国通用GPU市场份额 | 国内通用GPU市场份额 |
| 第一名 | NVIDIA | 87.0% | 不适用 |
| 第二名 | AMD | 10.0% | 不适用 |
| 第三名 | 海光信息 | 0.5% | 18.5% |
| 第四名 | 天数智芯 | 0.3% | 8.6% |
| 第五名 | 沐曦股份 | 0.2% | 7.0% |
市场洞察与战略启示
关键市场趋势总结
通过对中国通用GPU市场的全面分析，我们可以清晰地识别出几个具有重大战略意义的市场趋势。首先，推理型通用GPU将逐步取代训练型通用GPU成为市场的主导力量，预计到2029年推理型产品将占据整个市场百分之67的份额，这一结构性转变反映了人工智能技术从研发阶段向大规模商业应用阶段的过渡。其次，市场国产化进程正在显著加速，整体国产化率预计将从2024年的百分之3.6大幅提升至二零二九年的百分之31，而在推理型细分市场中，这一比例更将达到百分之37.9，远高于训练型市场的百分之16.8。
第三个重要趋势是市场规模的爆发性增长，未来五年内中国通用GPU市场的总规模预计将增长超过四倍，从2024年的人民币1,546亿元扩张至2029年的人民币7,153亿元，这为所有市场参与者都提供了巨大的发展空间。第四，技术差距正在快速缩小，国内企业通过持续的研发投入和技术创新，已经有三家中国公司成功进入市场前五名的行列，展现出强劲的竞争实力和发展潜力。
战略机遇领域
基于以上市场趋势分析，我们可以识别出几个具有重大战略价值的机遇领域。首先是边缘计算和推理场景的爆发性增长机会，随着人工智能应用从云端向边缘设备的快速扩散，推理型通用GPU将迎来前所未有的需求增长，这为国内企业提供了实现弯道超车的绝佳机会。其次是国产替代需求带来的市场红利，在当前全球半导体产业格局调整的背景下，越来越多的中国企业出于供应链安全和成本优化的考虑，正在积极寻求国产通用GPU解决方案，这为本土企业创造了宝贵的市场切入机会。
第三个重要机遇来自垂直行业应用的深化发展，无论是金融服务领域的风险控制和智能决策、医疗保健领域的疾病诊断和治疗规划、零售领域的个性化推荐和需求预测，还是教育领域的智能化教学和资源分配，各个行业对人工智能算力的需求都在快速增长，这些多样化的应用场景为通用GPU产品的差异化定位和专业化发展提供了广阔的空间。最后，生态系统兼容性建设的重要性日益凸显，虽然CUDA平台目前仍然主导市场，但是随着国产通用GPU技术能力的提升和市场份额的扩大，构建本土化的开发工具链和软件生态系统将成为提升产品竞争力和市场接受度的关键因素。
产业发展建议
对于中国通用GPU产业的未来发展，有几个方面值得特别关注和重点投入。首先是持续加大研发投入力度，特别是在芯片架构创新、制造工艺优化和软件生态建设等核心技术领域，只有通过不断的技术突破才能真正缩小与国际领先企业的差距并建立自身的竞争优势。其次是积极把握推理市场的快速增长机遇，相比于训练型市场，推理型市场不仅增长速度更快、市场空间更大，而且国产化率提升的潜力也更为显著，这应该成为国内企业重点发力的战略方向。
第三是加强产业链上下游的协同合作，从晶圆制造、封装测试到系统集成和应用开发，构建更加完善和安全的本土化产业链体系，以提升整个产业的竞争力和抗风险能力。第四是重视生态系统的培育和发展，不仅要提供性能优异的硬件产品，更要建设完善的开发工具、丰富的应用案例和活跃的开发者社区，只有形成良好的生态循环才能真正实现产品的广泛应用和可持续发展。
最后，企业还需要密切关注政策环境的变化和市场需求的演进，灵活调整发展战略和产品规划，在保持技术领先性的同时，也要注重产品的性价比优势和客户服务质量，通过差异化的市场定位和精准的客户开发，逐步建立起稳固的市场地位和品牌影响力。
结论
中国通用GPU市场正处于一个充满机遇和挑战的关键发展阶段。一方面，人工智能技术的快速发展和广泛应用为通用GPU产业带来了前所未有的市场需求和发展空间，预计未来五年市场规模将实现数倍的增长。另一方面，国内企业虽然在技术上仍与国际领先企业存在一定差距，但是通过持续的研发投入和技术创新，正在快速缩小这种差距，并且在市场份额上实现稳步提升。特别是在推理型通用GPU这一快速增长的细分市场中，国内企业面临着实现跨越式发展的重大机遇。在国家政策的大力支持、市场需求的强劲拉动以及技术能力的持续提升等多重有利因素的共同作用下，中国通用GPU产业有望在未来几年内实现从跟随到并跑乃至领跑的战略转变，为中国人工智能产业的发展提供更加坚实和安全的算力基础。
国产GPU四小龙争霸：差异化路径下的竞速赛
行业格局：四强齐聚，各显神通
图5. 摩尔线程(688795.CH)股价表现
虽然这四家企业都处于GPU这一相同的竞争赛道上，但是各自的差异化发展路径已经十分清晰地显现出来。从追求构建全功能生态系统的平台型战略布局，到聚焦实现单一季度盈利目标的工程化能力展示，再到深度绑定国家级算力枢纽项目的集群化发展路线，各家企业正在通过选择不同的市场切入点来积极抢占晶片市场的宝贵份额。
在这场日益激烈的市场角逐当中，各家企业的差异化竞争路径已经逐渐明朗。天数智芯凭藉”最早实现量产、最稳定供应保障”的先发优势，依托天垓训练系列与智铠推理系列两条成熟完善的产品线，成功实现了客户结构的多元化布局与营业收入的稳健持续增长。
而摩尔执行绪则高举”生态系统为王”的战略大旗，以自主研发的MUSA架构为基础实施全功能图形处理器策略，有效打通了企业端与消费端两大市场板块。其对标国际巨头英伟达的宏大生态系统布局，
与此同时，另外两家行业巨头则在算力基础设施建设与商业化运营效率方面展现出强劲的发展势头。沐曦股份率先在2025年第2季度实现了单季度盈利的重大突破，成为四小龙企业当中首家打破行业持续亏损常态、商业化变现速度最快的行业领跑者。
相比之下，壁仞科技，背靠强大的”国家队”资本阵容，在大规模集群部署专案与电信运营商战略合作方面展现出雄厚的综合实力。
天数智芯：首发优势加持全产品线布局，客户集中度快速下降
作为国内最早启动GPU设计研发的企业之一，天数智芯凭藉”最早实现量产、最稳定供应保障”的先发优势，成功确立了其在整个供应链体系中的稳健市场地位。天数智芯是国内首家成功实现”训练加推理”GPU双产品线量产的企业，同时也是首家采用先进的七纳米制程工艺达成这一重要里程碑的中国本土晶片设计公司。
产品线的完整度和覆盖面是天数智芯构建的核心竞争护城河。目前公司拥有天垓训练系列和智铠推理系列两条技术成熟的产品线，分别精准覆盖人工智慧模型训练场景和推理应用场景，构建起完整的通用图形处理器产品组合矩阵。公司的累计产品出货量已经超过五万三千片，展现出强劲的市场需求和客户认可度。
这种训练与推理双轮驱动的产品战略使得天数智芯能够全面覆盖从复杂模型开发到高效生产部署的全场景应用需求。财务资料清晰显示，在过去三年半的时间里，超过一半的营业收入来自于高单价的训练系列产品，充分显示出公司在核心算力市场领域的强大竞争力。
公司的营业收入正在经历快速增长的黄金时期。2025年上半年公司实现收入3.24亿元人民币，这一数字已经超过了2023年全年的收入水准，展现出强劲的增长动能。此外，公司研发团队中超过三分之一的成员具备十年以上的丰富行业经验，高管团队汇聚了来自英伟达、AMD等国际科技巨头的资深专家人才，这些人才优势进一步保障了公司技术反覆运算升级的稳定性和持续性。
摩尔线程：生态系统为王，平台价值可期
摩尔线程不同于那些仅仅聚焦单一算力应用场景的同业厂商，公司特别强调全功能GPU的战略定位。公司已经成功推出了四代基于自主研发MUSA架构的GPU产品，实现了单个晶片同时支援人工智慧计算、图形渲染以及科学计算的技术突破。其旗舰产品MTT S80显卡在单精确度浮点运算算力指标上已经接近英伟达RTX3060的性能水准，部分性能指标已经达到国际先进水准。
这种全功能化的产品布局使得摩尔能够全面覆盖从人工智慧智算到个人电脑消费级应用的多样化市场需求。2025年上半年公司已经成功售出五个人工智慧集群系统，充分显示出其产品在智算中心等关键”卡脖子”技术领域的竞争力及国产替代潜力。
尽管目前公司尚未实现整体盈利目标，但摩尔执行绪展现出强劲的营收增长势头。公司预计2025年全年营业收入最高可以达到15亿元人民币，同比增长速度超过百分之240，而且综合毛利率水准已经提升至百分之70左右的健康区间。根据公司的战略规划，预计最早将于2027年实现整体盈利的目标。
下表总结了摩尔的核心竞争优势和财务预期：
| 关键指标 | 具体表现 |
| 市值规模 | 超过3,000亿元人民币 |
| 产品代数 | 四代MUSA架构GPU |
| 技术突破 | 单晶片支援人工智慧计算、图形渲染、科学计算 |
| 2025上半年业绩 | 售出五个人工智慧集群系统 |
| 2025年营收预期 | 最高15亿元人民币，同比增长超过百分之240 |
| 综合毛利率 | 约百分之70 |
| 预计盈利时间 | 最早2027年 |
投资者对给予的高估值水准，本质上是对其长期生态系统想像力的价值认可。作为国内极少数同时布局企业端与消费端市场、支援全计算精度的GPU企业，一旦公司能够凭藉广泛的应用适配能力形成生态闭环效应，其平台将具备极强的价值放大效应。这种”生态系统为王”的发展路径选择，正是对标英伟达成长逻辑的核心战略体现。
壁仞科技：国家队资本背书，算力枢纽首选供应商
| 关键维度 | 具体表现 |
| 股东背景 | 上海国投先导基金、广州产投、平安集团等国家队资本 |
| 技术特色 | 千卡级集群、Chiplet芯粒技术、光互连技术 |
| 2024年营收 | 3.37亿元人民币 |
| 两年复合增长率 | 百分之2,500 |
| 重大专案 | 1,024颗图形处理器智慧计算集群，合同金额1.8亿元人民币 |
| 战略合作伙伴 | 三大电信运营商 |
尽管营业收入规模目前尚处于快速爬坡增长期，但壁仞科技的收入增长态势极具爆发性潜力，年复合增长率高达百分之2,500的水准在行业内极为罕见。随着壁砺系列产品在人工智慧大模型训练与推理应用中的深化应用，特别是对DeepSeek等前沿人工智慧模型的快速技术适配能力，壁仞科技正在逐步确立其作为算力基础设施核心供应商的行业地位。
沐曦股份：商业化速度最快，率先实现单季度盈利突破
与其他三家企业相比，沐曦股份展现出了极为强大的工程化落地能力与商业化变现速度。这家拥有深厚AMD技术基因传承的公司，在成立仅仅四年之后即迎来商业化爆发的拐点时刻，率先打破了行业持续亏损的常态局面。
作为获得国家级专精特新”小巨人”称号的企业，沐曦股份已经率先迎来了财务表现的重要拐点时刻。2025年第2季度，公司成功实现归属母公司股东的净利润4.662万元人民币，成为四小龙企业中最早实现单季度盈利目标的先行者。2025年1月至9月期间，公司的亏损幅度显著收窄，实现净利润负3.46亿元人民币，展现出明显的盈利改善趋势。
下表详细展示了沐曦股份的财务表现与盈利突破：
| 关键指标 | 具体资料 |
| 2025年第2季度净利润 | 4.662万元人民币（实现单季盈利） |
| 累计GPU销量 | 超过25.000颗 |
沐曦股份的市场打法务实且执行高效。公司并未一味追求技术概念的炒作，而是依托AMD系统团队强大的产品工程化落地能力，迅速推出了覆盖人工智慧计算、通用计算以及图形渲染三大应用领域的完整产品线。公司不仅在2025年上半年实现了营业收入同比数倍的跨越式增长，更预计全年营业收入将突破15亿元人民币的重要关口。
公司的高效执行能力源于其核心技术团队的深厚背景积累。核心高管陈伟良、彭力、杨建等人均曾长期任职于AMD公司的上海研发中心，拥有极强的产品工程化落地实战能力。这种深厚的技术积淀有力推动了三大产品线的快速反覆运算升级进程。基于国产供应链体系的曦云C600晶片预计将在年底进入风险量产阶段，而旗舰级产品曦云C700则明确对标英伟达的H100高端产品。目前公司GPU的累计销售数量已经超过25,000颗，并且已经在多个国家级专案与电信运营商智算平台完成了规模化部署应用。
战略对比分析与市场展望
通过对国产图形处理器四小龙企业的深入分析，我们可以清晰地识别出各家企业的核心竞争优势和战略定位差异。天数智芯凭藉最早量产的先发优势和完整的产品线布局，正在快速扩大客户基础并降低集中度风险。摩尔则以构建全功能生态系统为核心战略，虽然目前尚未盈利但获得了资本市场的高度认可。
壁仞科技依托强大的国家队资本背书和在大规模集群部署方面的技术优势，正在成为国家级算力基础设施项目的首选供应商，其与三大电信运营商的深度合作为未来发展奠定了坚实基础。而沐曦股份则以最快的商业化变现速度和率先实现单季度盈利的出色表现，展现出强大的产品工程化能力和市场执行力，成为四小龙中财务表现最为健康的企业。
展望未来，随着中国人工智慧产业的持续高速发展和国产替代需求的不断增强，这四家企业都将在各自选择的差异化路径上获得巨大的发展机遇。市场空间足够广阔，能够容纳多家企业共同成长。最终的竞争格局将取决于各家企业在技术创新、生态建设、客户服务和成本控制等多个维度的综合竞争力表现。对于投资者而言，理解各家企业的战略定位差异和核心竞争优势，将有助于做出更加明智的投资决策。