“国产GPU第一股”来了，普通人的AI时代近了
一台国产AI服务器悄然上线，客户下单的不是英伟达H100，而是摩尔线程MTT S4000。同一时间，京东上一款名为MTT S80的显卡悄然售出第5000片——这是中国首款能流畅运行3A游戏的自研GPU。2025年11月24日，摩尔线程登陆科创板，募资80亿元，市值冲向537亿。这不仅是资本的胜利，更是一场技术突围的信号弹。 摩尔线程用五年时间走完了从芯片设计到IPO的全过程，创下科创板最快过会纪录。它推出了四代MUSA架构GPU，覆盖AI训练、图形渲染、智能座舱与云桌面。其产品已适配Qwen3...
一台国产AI服务器悄然上线，客户下单的不是英伟达H100，而是摩尔线程MTT S4000。同一时间，京东上一款名为MTT S80的显卡悄然售出第5000片——这是中国首款能流畅运行3A游戏的自研GPU。2025年11月24日，摩尔线程登陆科创板，募资80亿元，市值冲向537亿。这不仅是资本的胜利，更是一场技术突围的信号弹。
摩尔线程用五年时间走完了从芯片设计到IPO的全过程，创下科创板最快过会纪录。它推出了四代MUSA架构GPU，覆盖AI训练、图形渲染、智能座舱与云桌面。其产品已适配Qwen3、LLaMA等主流大模型，并在政务、金融、工业领域落地。但硬币的另一面是：三年亏损超45亿元，2025年前三季度仍在烧钱7.24亿。这场豪赌，究竟是在填补空白，还是在重复烧钱的游戏？
摩尔线程的真正底牌，不在算力数字，而在“全功能GPU”战略。它没有像壁仞、燧原那样孤注一掷拼AI峰值算力，而是让一颗芯片同时扛起AI计算、图形渲染、物理仿真和视频编解码。这种融合能力，在数字孪生、自动驾驶仿真、AI+3D内容生成等新兴场景中展现出独特优势。当对手还在模仿英伟达做“算力卡”时，摩尔线程已试图定义下一代GPU的形态——不是加速器，而是智能世界的通用计算中枢。
更关键的是生态。摩尔线程开源了torch_musa，让PyTorch代码无需重写即可迁移；它在Qwen3发布当天就完成全系列模型适配，实现“Day-0支持”；其开发者社区已聚集超5万人，GitHub项目星标破400。这些数字背后，是一套清晰的生态逻辑：不强行另起炉灶，而是通过CUDA兼容工具链降低迁移门槛，再以快速响应和开源策略赢得开发者心智。这比单纯堆参数更难，也更重要。
但挑战从未消失。MUSA芯片的FP16算力、显存带宽、功耗等核心指标，仍缺乏与H100的第三方对标数据。在高端AI训练市场，客户仍会问：一张H100跑得稳的模型，换成国产卡是否要多花三倍时间？而国内战场上，壁仞、燧原、天数智芯纷纷涌入AI算力赛道，产品定位高度重叠，一场“内卷式军备竞赛”正在上演。没有护城河的技术投入，终将沦为财政负担。
摩尔线程的上市，不是终点，而是国产GPU从“能不能做”转向“能不能用、好不好用”的分水岭。未来胜负不取决于谁融资更多，而在于谁能率先构建起可商用、可持续、可扩展的生态闭环。技术可以追赶，生态却需要时间沉淀。中国GPU的真正机会，不在复制一个“国产英伟达”，而在开辟一条属于自己的路——那里不仅有算力，更有场景、生态与时间的复利。
这条路，才刚刚开始。
