报告公司投资评级 - 首次覆盖，给予“买入”评级 [10][11] 报告核心观点 - 摩尔线程作为国产全功能GPU厂商，核心团队拥有长期行业积淀与完备产业链经验，产品能力覆盖AI计算、3D图形渲染、科学计算与物理仿真和高清视频编解码 [10] - 行业供需双旺，国产算力景气度高企，国内AI货币化、物理AI等AI范式丰富度提升推动算力投资加速 [10] - 国产AI芯片迎来拐点，扩容与渗透共振，2025年国产AI芯片份额已达到41% [10] - 摩尔线程已实现芯片到集群全栈产品商业化，智算集群已在互联网、运营商等关键场景落地 [10] - 软硬件与集群生态协同，构建“三个工厂”能力体系，巩固国产GPU领先地位 [10] 根据相关目录分别总结 1. 摩尔线程:全功能GPU为核，智算驱动成长 1.1 摩尔线程：国产全功能GPU代表厂商，全栈智算平台 - 摩尔线程是国内以全功能GPU为产品路径的芯片设计公司，提供加速计算基础设施和一站式解决方案 [21] - 公司核心团队来自NVIDIA、Microsoft、Intel、AMD、ARM等全球顶尖科技企业，人均从业经验超过十年 [21] - 董事长张建中曾任英伟达全球副总裁，具备较深的产业资源积累和全球化管理经验 [21] - 公司发展路径体现出从显卡产品向全栈智算平台升级的特征，商业化重心从图形显示逐步扩展至AI大模型训练推理和智算中心场景 [22] - 公司成立以来持续获头部市场化机构、产业资本及国资平台支持，2024年上市前完成52.25亿元Pre-IPO轮融资 [25] - 实控人张建中直接持有公司9.41%股份，合计控制公司30.94%的股份 [28] 1.2 产品矩阵：覆盖“图形+AI+视频+通用计算” - 公司已形成从GPU芯片、单卡、服务器与终端设备，到智算集群、软件栈及应用模型的全栈产品矩阵 [31] - 全功能GPU同时支持AI计算加速、图形渲染、物理仿真与科学计算、超高清视频编解码四大能力 [31] - 硬件侧已形成覆盖AI智算、图形显示及边缘计算的GPU产品体系，数据中心方向由MTT S3000、S4000升级至MTT S5000 [31] - 软件侧MUSA软件栈纵向覆盖编程接口、开发者工具链、编译器、运行环境及驱动，横向兼容OpenCL、SYCL、DirectX、Vulkan等接口 [33] - KUAE夸娥系统推动公司产品由单卡及服务器销售延伸至智算中心整体方案交付 [36] - 产品矩阵并不局限于AI训练，S80/S70、X300/S50等产品覆盖游戏、创作、专业视觉、数字办公等非AI场景 [36] 1.3 财务分析：云端产品放量，亏损持续收窄 - 2022-2025年，公司营业收入由0.46亿元增长至15.06亿元，三年CAGR约220% [37] - 2026H1，公司营业收入17.36亿元 [37] - 2025年云端产品收入14.61亿元，占营业收入比重约97% [38] - 2026H1，公司云端产品收入16.93亿元 [38] - 2022-2024年，公司综合毛利率由-70.1%提升至70.7% [41] - 2025年毛利率回落至65.6% [41] - 2024-2025年，公司研发费用分别为13.59亿元和13.05亿元，研发费用率由309.9%快速降至86.7% [42] - 2025年，国产GPU“四小龙”收入均超过10亿元，毛利率维持在50%以上 [45] - 2022-2025年，公司存货由2.51亿元增长至13.33亿元，2025年末较2024年末增长106% [46] 2. AI算力扩容与国产替代，全功能GPU迎新机遇 2.1 AI算力需求高景气，国产GPU迎来替代窗口 - 2025年，中国AI计算加速芯片市场规模预计值为2398亿元，同比增长68% [49] - GPU占比预计由2024年的69.9%提升至2029年的77.3% [49] - 2020-2024年，我国AI智算GPU市场由143亿元增长至997亿元，CAGR达62.5% [51] - 预计2025-2029年我国AI智算GPU市场仍将保持56.7%的复合增长，2029年市场规模有望突破万亿元 [51] - 2025年中国AI芯片出货规模超过400万张，其中国产AI芯片约占41% [55] 2.2 国产GPU路线分化，全功能GPU场景广阔 - GPU依托大规模并行架构和可编程能力，适配范围更广，更适合模型快速迭代阶段 [59] - 全功能GPU集成了AI计算、图形渲染、视频编解码和科学计算等能力，通过统一架构承载多类计算任务 [60] - 英伟达已验证全功能GPU路线的长期价值，从图形GPU起步，通过CUDA平台延伸至高性能计算 [62] - 全功能GPU路线同时意味着更高的设计复杂度和研发门槛，全功能路线本身即构成能力壁垒 [63] - 全功能GPU路线拓宽摩尔线程的应用边界，有望同时参与AI算力与图形计算国产化 [68] 2.3 B端：行业数字化拓展边界 - GPU应用由数据中心向终端和行业场景延伸，计算负载由传统图形处理向AI、图形和视频协同演进 [69] - 国产GPU需要在不同CPU架构、操作系统、图形API和应用软件组合下完成兼容性与稳定性验证 [70] - 摩尔线程专业图形产品已支持x86、Arm和LoongArch等CPU指令集架构，适配统信、麒麟和中科方德等国产操作系统 [70] - 行业数字化推动图形GPU由本地设计工具向研发、仿真和运营全流程延伸，部分企业应用数字孪生后，产品开发周期缩短20%-50% [75] - 摩尔线程已围绕工业设计、云桌面、数字孪生和专业音视频形成解决方案布局 [76] 2.4 C端：游戏与AIPC驱动消费级GPU国产化 - 2025年，全球基于PC的独立图形显卡出货量约4428万块，英伟达份额约92% [78] - 根据Steam硬件调查，2026年6月，英伟达GPU占游戏GPU存量的72% [78] - 摩尔线程是国内量产消费级游戏显卡的全功能GPU厂商，MTT S80/S70为国内首款支持Windows及DirectX11/12的游戏显卡 [81] - S80单精度算力14.4TFLOPS，处于RTX3060档位 [81] - 公司2025年12月发布新一代“花港”架构及图形渲染芯片“庐山”，预计性能对标业界前沿水平 [83] 2.5 物理AI：以GPU为底座让AI走向物理世界 - 物理AI是让AI从虚拟世界走向物理世界的系统性工程，数字孪生、智能驾驶与具身智能是主要应用方向 [84] - GPU软硬件生态是物理AI的基础设施，世界模型、物理仿真引擎、具身智能控制器三大技术支柱均构建于GPU之上 [85] - 摩尔线程以MT Lambda平台和MuJoCo Warp MUSA切入物理仿真环节 [89] - 实测显示，宇树Go2四足机器人运控任务中，S5000单卡处理4096个仿真环境仅需7-8秒，较多核CPU最高提速约40倍 [89] - 智源研究院基于S5000千卡集群完成具身大脑模型RoboBrain2.5全流程训练，Loss曲线与国际主流基线相对误差小于0.62% [90] 3. MUSA筑基，软硬协同构筑壁垒 3.1 架构迭代：由全功能验证走向集群协同 - MUSA架构已完成全功能GPU基础能力构建，迭代重点转向大模型计算和集群算力 [93] - 第四代“平湖”架构围绕张量计算、数据搬运和多卡通信分别配置TCE张量计算引擎、TME张量访存引擎和ACE异步通信引擎 [94] - FP8模式下主流大模型性能提升约30% [98] - ACE可使MoE模型训练的MFU提升超过5% [99] - 公司已发布MTT C256超节点架构规划，系统布局由标准多卡服务器进一步向更大Scale-up计算域延伸 [117] 3.2 软件生态：迁移效率决定客户导入速度 - MUSA已形成覆盖驱动、编译器、开发工具、计算库、模型框架和通信库的软件体系 [106] - MUSIFY、MUSA-X和MUSA Toolkit解决CUDA应用“能否较快迁移”的问题 [109] - torch_musa等计算库解决模型“能否跑完整、能否跑得快”的问题 [109] - 公司已对DeepSeek、智谱、MiniMax、月之暗面及阿里巴巴等模型形成常态化快速适配能力 [109] - MCCL及分布式训练组件补齐多卡通信能力，推动模型由单卡运行向集群扩展 [112] 3.3 系统能力：模块化集群交付决定扩展效率 - 大规模集群交付需要系统级协同设计能力，GPU规模提升至千卡、万卡后，集群有效算力取决于计算、通信、存储与网络的协同效率 [113] - 公司已将产品边界由GPU板卡延伸至服务器、超节点规划、智算集群和管理平台 [113] - 平湖架构片间互联带宽提升至800GB/s [117] - KUAE2设计规模为10240张GPU，采用IB或RoCE v2计算网络，单GPU服务器网络带宽为400Gb/s [118] - 基于MTT S5000建设的万卡级集群Dense模型训练MFU达到60%，MoE模型训练MFU达到40%，有效训练时间占比超过90%，训练线性扩展效率达到95% [120] 4. 盈利预测与估值 4.1 盈利预测 - 预计2026—2028年核心AI智算芯片收入分别为36.25亿元、65.25亿元和107.33亿元 [12] - 预计2026-2028年总营收37.19亿元、66.94亿元和110.52亿元 [12] - 预计2026-2028年公司综合毛利率分别为59.0%、59.2%和59.3% [12] - 预计2026-2028年研发费用分别为15.66亿元、19.58亿元和25.45亿元 [12] - 预计2026-2028年归母净利润分别为-2.49亿元、9.09亿元和25.53亿元 [11] 4.2 盈利预测与估值 - 采用PSG估值法，可比公司平均PSG 2026E为0.81x，摩尔线程PSG 2026E为0.62x [11] - 给予摩尔线程可比公司平均PSG 2026E 0.81x，仍有较大空间 [11]