核心观点 - 国产GPU四小龙（摩尔线程、沐曦股份、壁仞科技、燧原科技）已全面启动IPO进程，争夺"国产GPU第一股"称号 [4][6][12] - 行业融资热潮显著，上百家投资机构累计投入超百亿元，头部机构悉数入局 [4][14][16] - 商业化进程加速但尚未盈利，2024年最高营收14亿元，净亏损均超14亿元 [9][10] - 技术研发投入巨大，摩尔线程/沐曦股份分别获400+/250+项专利 [10] - 科创板政策松绑有望加速未盈利企业上市进程 [16] 行业格局 - 四家公司均成立于2018-2020年，核心团队多来自AMD/英伟达等国际巨头 [5][6] - 产品定位差异： - 摩尔线程：全功能GPU，覆盖AI计算/图形渲染等6大领域 [8][9] - 沐曦股份：全栈高性能GPU，累计销量超25000颗 [9] - 壁仞科技：通用计算体系，芯片算力破全球纪录 [9] - 燧原科技：AI云端算力，建成国产万卡推理集群 [9] 资本动态 - 融资规模： - 壁仞科技：2年内融资超47亿元 [14] - 摩尔线程：投前估值246亿元，累计七轮融资 [14] - 沐曦股份：估值210亿元 [16] - 燧原科技：获腾讯等数十亿元投资 [16] - 头部投资方包括红杉中国、腾讯、IDG等超100家机构 [4][14][16] 财务数据 - 收入表现： - 摩尔线程：3年收入超6亿元 [9] - 沐曦股份：39个月收入超11亿元 [9] - 研发投入： - 摩尔线程：超13亿元 [10] - 沐曦股份：超9亿元 [10] - 最新估值（胡润2025）： - 摩尔线程310亿元 - 燧原科技205亿元 - 壁仞科技160亿元 [16]

国产GPU厂商IPO进展 - 摩尔线程和沐曦股份两家国产GPU独角兽的科创板IPO同日获上交所受理，总募资额约120亿元，其中摩尔线程拟募资80亿元，沐曦股份拟募资39.04亿元 [1][4][6] - 两家公司均成立于2020年，创始团队分别来自全球GPU龙头企业英伟达和AMD，摩尔线程创始人张建中曾担任英伟达全球副总裁，沐曦股份创始人陈维良曾任AMD上海公司高级总监 [6] - 2022年至2024年，摩尔线程营业收入从0.46亿元增长至4.38亿元，复合增长率208.44%，三年累计研发投入38.10亿元；沐曦股份营业收入从42.64万元增长至7.4亿元，复合增长率4074.52%，三年研发投入22.3亿元 [6][7] 国产GPU行业竞争格局 - 国产GPU"四小龙"燧原科技、壁仞科技、摩尔线程、沐曦股份先后进入上市辅导阶段，其中壁仞科技考虑港股IPO拟募资3亿美元，但最终可能搁置 [8] - 全球GPU市场呈寡头垄断格局，英伟达和AMD两家国外厂商分割全球市场，在技术实力、销售规模等方面优势明显 [8] - 国产GPU厂商在软件生态系统方面存在短板，英伟达CUDA软件系统生态护城河较深，大部分开发者习惯使用CUDA完成开发 [9] 国产GPU技术发展方向 - 国产GPU厂商需聚焦计算架构创新、软件生态构建和场景化定制能力三个核心维度，通过Chiplet等异构集成技术突破制程限制，建立CUDA之外的替代方案 [9] - AI推理加速或成国产厂商"弯道超车"关键点，可借助Transformer架构变革窗口期，在稀疏计算、低精度运算等新兴领域建立技术优势 [9] - GPU领域可能出现类似华为在5G通信领域的突破路径，通过场景反哺技术实现从跟跑到并跑的质变 [12] 政策支持与市场前景 - 2024年6月证监会发布政策支持优质未盈利科技型企业在科创板上市，科创板深化改革"1+6"政策措施重启未盈利企业适用第五套标准上市 [9][11] - IDC数据显示到2025年GPU将占据全球AI芯片八成市场份额，Verified Market Research预计全球GPU市场规模将从2020年254亿美元增长至2028年2465亿美元，年均复合增长率32.82% [11]

沐曦IPO及募资计划 - 沐曦科创板IPO获受理，拟募资39.04亿元，主要用于新一代通用GPU、AI推理芯片及前沿异构计算架构的研发与产业化 [1] - 公司成立仅五年，被视为国产算力挑战国际巨头的生力军之一，目前仍处于亏损状态 [1] - 沐曦GPU产品累计销量超过25000颗，已在多个国家人工智能公共算力平台和商业化智算中心实现规模化应用 [3] 公司财务及研发投入 - 2022年—2024年营收分别为42.6万元、5302.1万元和7.43亿元，增速显著，但同期净亏损7.8亿元、8.7亿元、14.1亿元，三年总亏30.6亿元 [3] - 最近3年累计研发投入占营业收入比例高达282.11%，累计研发投入金额为22亿元 [3] - 亏损原因包括国产芯片渗透率低、技术标准适配及用户习惯迁移障碍、大额研发投入和股份支付费用等 [3] 行业竞争格局 - 国内AI芯片市场渗透率显著上升，但仍处于发展初期，竞争格局未明朗 [1] - 主要竞争对手包括海光信息、天数智芯、壁仞科技、摩尔线程（通用GPU）及华为海思、寒武纪、昆仑芯、燧原科技（专用ASIC/DSA） [1] - 国产GPU厂商在软硬协同、自主IP等方面取得实质性进步，但与国际巨头英伟达在制程工艺、CUDA生态等方面仍有差距 [5] 产品与技术 - 沐曦核心产品包括通用GPU"曦云C系列"、推理GPU"曦思N系列"、图形渲染GPU"曦彩G系列"，主要面向数据中心市场 [2] - "曦云C系列"基于全自研GPU IP、指令集和架构，在通用性、单卡性能、集群性能等方面达到国内领先水平 [3] - 公司构建MXMACA软件生态，兼容主流标准 [3] 政策与市场环境 - 科创板深化改革"1+6"政策为尚未盈利但拥有核心技术的"硬科技"企业提供上市便利 [4] - AI大模型兴起、"东数西算"工程推进及美国对AI芯片管制加速国产GPU替代进程 [5] - 预计2025年中国AI服务器市场中，国产芯片占比将增至40%，英伟达等企业占比降至41.5% [7] 国产GPU生态发展 - 国产GPU生态迈入体系化、工程化建设新阶段，从芯片研制到生态支撑需长期技术积累 [7] - 科技巨头（华为、百度等）、纯芯片厂商（寒武纪、沐曦等）及细分市场企业（地平线等）三大派系共同推动国产化 [5][6][7] - 华为昇腾、百度昆仑芯等已实现技术突破，与GPU厂商形成协同效应 [6]

国产GPU行业动态 - 2025年上半年摩尔线程与沐曦股份科创板IPO申请同日获得受理 标志着国产GPU行业进入资本化新阶段 [1] - 两家公司分别由英伟达系(摩尔线程)和AMD系(沐曦)核心团队创立 平均拥有近20年GPU研发经验 [2][5][6] - 行业呈现"两条技术路线"特征：摩尔线程布局全功能GPU对标英伟达 沐曦聚焦数据中心GPGPU市场 [3][7][9] 摩尔线程技术布局 - 推出国内首个全功能GPU架构MUSA 单芯片同时支持AI计算/图形渲染/物理仿真 [10] - 产品矩阵覆盖消费级(MTT S80/S70)与数据中心(MTT S2000-S4000) 其中S4000芯片FP32算力达49 TFLOPS [13][15] - 夸娥智算中心解决方案支持万卡级集群部署 长江SoC芯片集成多元算力瞄准边缘计算市场 [14][15] 沐曦技术布局 - 采用完全自主IP设计 产品线分为曦云C系列(训练)、曦思N系列(推理)、曦彩G系列(图形渲染) [17][19][24] - 初期主打数据中心通用计算 曦云C500系列在2024年贡献97%营收 累计销量超25000颗 [17][38] - 自研MXMACA软件栈已支持PyTorch等主流框架 加速构建开发者生态 [37] 财务与增长表现 - 两家公司均符合科创板第五套上市标准 最近三年研发投入占比超280%(沐曦282% 摩尔626%) [25] - 沐曦2022-2024年营收复合增长率达4074% 摩尔线程同期增长208% [28][29][30] - 毛利率持续改善：摩尔线程从18%提升至37% 沐曦最高达63% 显示成本控制能力增强 [32] 行业竞争格局 - 国产GPU四小龙(摩尔/沐曦/壁仞/燧原)密集冲刺IPO 反映行业技术成熟度进入新阶段 [34][35] - 摩尔线程S80显卡以RTX 3060三分之一价格切入消费市场 逐步建立品牌认知 [36] - 当前主要差距在软件生态 CUDA移植工具(MUSA/MXMACA)成为破局关键 [37] 发展挑战 - 收入来源集中：沐曦单产品线占比超97% 摩尔线程前五大客户贡献80%营收 [38][39] - 芯片研发周期(2-3年)与AI迭代速度(3-6个月)存在错配风险 [39]

公司背景 - 公司名为曦望Sunrise，由商汤于2024年底分拆独立而来 [3] - 专注高性能GPU研发，定位为"更懂AI的芯片公司" [4] - 名称寓意充满希望与活力，象征光明发展前景 [4] - 半年内完成两轮融资，最新一轮近10亿元，投资方包括华胥基金、第四范式等 [4] 核心团队 - 联席CEO王湛为百度创始员工，曾管理百度核心业务 [6] - 联席CEO王勇为前AMD、昆仑芯老将，主导过昆仑芯二代架构设计 [6] - 核心技术团队仅150人，多数来自AMD、百度、阿里、商汤等企业 [8] - 团队五年来成功点亮S1和S2两代芯片，均一次流片成功 [8] 产品与技术 - 产品线涵盖曦望S1、S2、S3三款GPU，针对不同应用场景 [9] - S1为云边视觉推理专用芯片，已量产且出货量超2万片 [11] - S2为大模型推理GPGPU，性能对标英伟达A100，全自研技术路线 [11] - S3预计2026年量产，目标将推理计算成本降低至原本的1/10 [11] 市场定位与优势 - 产品关键词为"用得起"和"用得上" [5] - S2兼容CUDA生态，指令集到GPGPU IP架构全部自研 [11] - 量产能力已验证，S1和S2均已实现量产 [11][12] - 若S3如期量产，有望大幅降低国产大模型推理成本 [12] 行业竞争与挑战 - 国产GPU赛道竞争者包括沐曦、壁仞科技、摩尔线程等 [13] - 国内芯片代工企业在高端制程工艺与国际领先水平仍有差距 [13] - 英伟达CUDA生态成熟，国产GPU需投入大量资源构建软件生态 [13] 发展前景 - 资本市场看好其前景，投资方阵容强大 [12] - 技术自主性和量产能力为长期发展奠定基础 [12] - 具备在国产GPU赛道脱颖而出的潜力，被视为"新希望" [12]

公司动态 - 沐曦集成电路已完成科创板IPO辅导工作 状态变更为"辅导工作完成" 由华泰联合证券担任辅导机构 即将提交上市申报材料 [1][2] - 公司成立于2020年9月 总部位于上海 在北京、南京等7地设立全资子公司及研发中心 [5] - 控股股东为上海骄迈企业咨询合伙企业(有限合伙)持股22.83% 实际控制人陈维良受益股份39.26% [5] - 创始团队核心成员均来自AMD 包括董事长兼CEO陈维良(曾任AMD全球GPU设计负责人) CTO彭莉(AMD首位华人女科学家) 软件CTO杨建(AMD大中华首位科学家) [5] 产品与技术 - 专注于高性能GPU计算领域 推出三大产品线：曦云®C系列(通用计算) 曦思®N系列(智能计算推理) 曦彩®G系列(图形渲染) [6][10] - MXC500曦云系列产品对标英伟达A100/A800 FP32算力达15 TFLOPS(英伟达A100为19.5 TFLOPS) 采用通用GPU架构并兼容CUDA [7] - 采用完全自主研发的GPU IP 拥有自主指令集和架构 配套MXMACA®软件栈 构建软硬件一体生态 [6] - 2024年交付9个算力集群 覆盖华东/华中/香港地区 总规模超1万张GPU卡 [6] - 与上海人工智能实验室合作 支持书生・浦语3.0大模型的推理和微调训练 [6] 财务与融资 - 2023年营收1.07亿元 亏损8.46亿元 2024年营收12.55亿元 亏损5亿元 [9] - 累计完成8轮融资 总额超20亿元人民币 投资方包括上海科创基金/浦东资本/国调基金等国资 以及红杉中国/经纬创投等创投机构 [11] - 融资历程：2020年10月天使轮→2021年Pre-A轮→2021年6月A轮→2022年7月Pre-B轮(10亿元)→2023年两轮→2024年8月最新轮 [12] 行业竞争 - 国产GPU主要厂商包括华为海思/寒武纪/海光信息/壁仞/沐曦/燧原/摩尔线程等 [14] - 华为昇腾系列依托生态体系在智能安防/边缘计算领域优势明显 寒武纪在AI推理训练芯片技术领先 海光信息"深算一号"性能媲美国际产品 [14][15] - 燧原科技(2024年8月) 壁仞科技(2024年9月) 摩尔线程(2024年11月) 沐曦(2025年1月)相继启动IPO辅导 摩尔线程已率先完成辅导 [17][18][19] - 胡润研究院估值：摩尔线程255亿元 燧原160亿元 壁仞155亿元 沐曦100亿元 [20] 行业趋势 - DeepSeek大模型推动国产芯片适配浪潮 沐曦/摩尔线程/海光信息等均完成适配 [20] - DeepSeek的算法优化和计算效率提升为国产芯片提供软硬件协同设计新思路 低精度计算和开源模式助力生态建设 [21][22] - IDC分析认为DeepSeek适配推动国产GPU软件生态突破 促进厂商技术交流与资源共享 加速自主可控生态体系构建 [22]

国产GPU芯片G100性能争议 - 砺算科技首款6nm自研GPU芯片G100在GeekBench平台曝光OpenCL通用计算得分仅15524分 性能被指与13年前的英伟达GTX 660 Ti相当 [1] - 公司紧急澄清称芯片仍在性能测试阶段 测试进展符合预期 产品信息以官方发布为准 计划7月底正式发布 [1] - G100采用自研TrueGPU架构 官方宣称性能对标英伟达RTX 4060系列 支持DirectX 12、Vulkan 1 3等主流图形API并集成AI加速能力 [1] G100测试数据详情 - 测试平台配置为锐龙7 8700G处理器、64GB DDR5-4800内存及七彩虹主板 运行Windows 10系统 [2] - G100配备32个计算单元 核心频率最低300MHz(最高未公开) 显存容量仅256MB [2] - RTX 4060同项测试得分超10万分 是G100当前成绩的6 5倍 [2] 性能差异原因分析 - 业内人士指出早期样片可能面临驱动优化不足、固件限制等问题 256MB显存容量可能是驱动程序误报 [3] - 300MHz核心频率可能未完全释放性能 GeekBench对新架构支持可能不完善 实际性能需待驱动更新后评估 [3] - TrueGPU架构采用统一渲染架构与张量引擎核心 理论上可兼容AI生态并提供高效计算能力 [3] TrueGPU架构技术特点 - TrueGPU是业界首个融合高性能图形渲染和AI推理能力的GPU架构 基于unified shader+tensor engine核心运算单元 [4] - 架构可驾驭高分辨率高帧率3A游戏场景 满足专业图形设计软件需求 原生支持DirectX12 2、Vulkan1 3等主流API [4] - 相比其他GPU厂商基于Imagination IP研发的方案 TrueGPU具有自主创新性 [4]

公司上市进展 - 摩尔线程IPO辅导状态变更为"辅导验收"，辅导机构为中信证券[1][2] - 公司于2020年6月成立，注册资本3.3亿元，实控人张建中持股44.07%[7][8] - 2023年11月启动上市时估值达255亿元，累计完成6轮融资超45亿元[3][4] 创始团队与技术背景 - 创始人张建中曾任英伟达全球副总裁兼中国区总经理，团队具备近20年GPU行业经验[3][8] - 公司成立19个月即交付国产全功能GPU"苏堤"，采用MUSA架构集成四大计算引擎[9] - 当前产品线覆盖芯片/显卡/集群，提供AI加速计算基础设施解决方案[9] 产品布局与技术突破 B端产品 - 推出大模型智算加速卡MTT S4000、训推一体机MCCV D800等AI基础设施[10] - 2024年3月通过中国信通院大模型适配认证，支持DeepSeek开源项目[11] - 专业显卡MTT X300在数字孪生/GIS领域性能提升，5月完成渲染优化[13] C端产品 - 2022年推出支持DirectX 12的消费级显卡MTT S80，配备PCIe Gen5接口[13] - 2024年5月显卡驱动升级使3DMark测试成绩提升35%[13] 资本市场表现 - 投资方包括红杉中国、腾讯、字节跳动、小马智行等头部机构[5] - 2024年2月获高粱基金战略投资，概念股和而泰盘中涨幅超8%[4][6] 行业竞争格局 - 同期启动IPO的GPU企业包括燧原科技（融资近70亿元）和壁仞科技[14] - 燧原专注AI芯片，腾讯持股20.49%；壁仞2024年获上海国投领投融资[14]

公司IPO进展 - 摩尔线程IPO辅导状态变更为"辅导验收"，距离登陆资本市场更近一步[1] - 若成功上市将成为国内真正意义上的GPU第一股[1] - 公司成立于2020年，已完成6轮融资累计超45亿元，投资方包括红杉中国、腾讯、字节跳动等40多家机构[1] 产品与技术实力 - 自主研发GPU芯片采用MUSA架构，集成AI计算加速、图形渲染、视频编解码、物理仿真和科学计算四大引擎[2] - 2023年12月落地全国产千卡千亿模型训练平台摩尔线程KUAE夸娥智算中心[2] - 2024年3月MTT S4000计算卡与DeepSeek-R1671B大模型通过中国信通院评测验证[2] 资本市场反应 - 参股公司和而泰当日股价涨幅近7%，带动相关概念股上涨[2] - 市场预期上市后将扩大产能、加大研发投入，提升市场份额[2] - 分析师认为其市值表现值得期待，代表国产算力芯片行业阶段性成果[2] 行业竞争格局 - AI算力需求爆发式增长，信创政策推动国产替代加速[3] - 竞争对手包括寒武纪、壁仞科技等企业[3] - 与国际巨头英伟达相比在技术成熟度和市场份额仍有较大差距[3] 上市挑战 - 股东结构复杂，股东穿透核查工作量巨大[3] - 需在竞争中实现盈利是上市后的重要挑战[3] 行业意义 - 完成上市辅导是国产GPU行业发展的重要里程碑[3] - 对国产算力芯片产业具有深远意义[3]

国产GPU采购情况 - 字节跳动对国产GPU态度最为积极，主要采用寒武纪和昇腾，并广泛测试昆仑芯、天数、沐曦、摩尔等其他品牌，2025年计划追加购买昇腾和寒武纪卡，同时采购海光卡 [2] - 阿里巴巴对国产GPU态度较为谨慎，上线部分昇腾卡但性能表现不佳，2025年预计首次采购海光和寒武纪卡，同时继续加大英伟达产品储备，自研芯片平头哥尚未商业化推广 [2][3] - 腾讯对国产GPU态度最保守，首选英伟达，其次为华为产品，最后考虑寒武纪和海光，2025年资本支出计划包括400亿用于GPU采购，110亿用于高性能服务器采购 [2][3] 昇腾910系列出货及性能 - 昇腾910B累计出货量达16万张，主要客户为地方超算中心和运营商，910C因量产延迟仅出货2.7万张，预计后续单月出货量增至5万张，主要客户为大型互联网公司如字节跳动 [5][6] - 昇腾910C单卡性能在国产芯片中领先，但集群能力仍逊于NVIDIA产品，全年出货目标从85万张下调至70万张，其中910B和910C各占一半 [5][6] - 昇腾卡应用场景中15%-20%用于模型训练，其余用于推理，训练场景面临成本高和技术难题限制，仅DeepSeek、科大讯飞等少数头部企业尝试使用 [6] 行业技术趋势与竞争 - FP8成为推理侧硬件基本要求，多模态模型推动更高标准硬件需求，如CloudMatrix 384超节点方案，国产芯片厂商正加紧追赶国际领先品牌 [7] - NVIDIA即将推出适配中国市场的新一代算力卡，推理场景下仍有竞争力，寒武纪、海光等国产品牌在生态系统建设上取得进展 [7] - 互联网大厂与昇腾合作定制化开发需投入大量人力资源适配，相比直接使用NVIDIA卡增加时间成本和技术难度 [8] 市场动态与需求变化 - 互联网巨头采购策略波动较大，受训练卡缺口大、推理卡需求小及910C出货延迟影响，字节跳动占据昇腾910C近三分之一需求份额 [6] - 一体机市场热度下降导致出货量低于预期，阿里平头哥自研芯片逐步替代也对昇腾市场需求产生影响 [6]