报告行业投资评级 - 行业投资评级为“推荐” [1] 报告核心观点 - 教育行业迎来政策边际改善、行业供给出清、行业需求释放的“三维共振”，投资逻辑已从政策驱动转向业绩驱动，在政策推动下有望迎来业绩与估值的“戴维斯双击” [7] - “AI+教育”是行业投资主线，龙头教育公司有望受益于“AI+教育”的发展 [7] - 教育强国与“AI+教育”将助力行业估值提升，建议沿三条主线积极布局：1）“AI+教育”；2）业绩与估值共振；3）第二增长曲线 [28] 教育行业政策动态 - **AI教育政策与落地**：1月23日，北京首个AI算力教育实训基地由摩尔线程与北京十一学校合作启用，将国产软硬一体平台融入中学AI课程 [7][10][11]；1月25日，北京市两会首次强调“加强全学段人工智能赋能教育”，多位政协委员建议建立教育AI服务购买机制，推动产业与教育双向融合 [7][10][13] - **职业教育升级**：1月26日，教育部公布第二批“十四五”职业教育国家规划教材名单，共2957种教材入选，覆盖劳动教育、人工智能、传统文化、安全教育等多个领域 [7][10][13] - **前沿人才培养**：1月27日，中国科学院大学星际航行学院正式成立，聚焦星际推进、深空通信导航等前沿领域，计划新增22门核心课程，旨在培育紧缺复合型人才，未来10至20年被视为我国星际航行领域跨越式发展的窗口期 [7][10][13] - **高层会议聚焦**：1月26日，教育部举行代表委员座谈会，议题涵盖高等教育评价改革、职业教育支持、AI新职业课程体系构建、青少年心理健康等 [7][10][13] 教育个股动态 - **学大教育**：拟通过全资子公司以新设合伙企业方式，向专注EDA工具与半导体IP研发的江阴启芯领航半导体有限公司增资，投资额不超过3500万元，完成后预计持股6.48% [7][15] - **华图山鼎**：披露2025年业绩预告，预计归母净利润2.8-4.2亿元，同比增长428.38%-692.57%；扣非归母净利润2.58-3.87亿元，同比增长955.37%-1483.06%，业绩大增系招录培训需求旺盛及公司运营改革、技术赋能 [7][15] - **昂立教育**：披露2025年业绩预告，预计实现归母净利润约8000万元，同比增长约12858.47万元，实现扭亏为盈；预计营业收入约13.8亿元，同比增长约12.23% [7][15] - **中公教育**：控股股东李永新所持1.84亿股（占其持股21.92%、公司总股本2.98%）将于2026年2月26日至27日进行司法拍卖 [7][15]；公司2025年业绩预告显示，预计归母净利润为4250万元至5500万元，同比下降70.06%-76.86% [7][15] - **凯文教育**：披露2025年业绩预告，预计利润总额为100万至150万元，实现扭亏为盈；归母净利润为-2000万元至-1400万元，亏损幅度较上年同期收窄约45%-60% [7][15] - **新东方**：1月25日，新东方海南教育基地在海南省陵水黎族自治县落成，总面积8500平方米，旨在打造服务出国留学、支持海归创业、推动教育科技创新的三大引擎 [14] 教育指数及个股表现 - **行业整体表现**：本周（2026/1/26-2026/1/30）中信教育指数下跌6.20%，同期沪深300指数上涨0.08%，上证综指下跌0.44%，教育行业跑输沪深300指数6.28个百分点，涨跌幅在中信一级行业中靠后 [7][16] - **子行业表现**：按中信三级子行业划分，本周高等及职业教育指数下跌5.92%，跑输沪深300指数6.00个百分点；K12培训指数下跌7.00%，跑输沪深300指数7.08个百分点，表现最弱 [18]；年初至今（截至报告期），K12培训指数下跌1.59%，教育信息化及在线教育指数上涨1.21%，高等及职业教育指数上涨0.73% [18] - **A股个股表现**：本周A股教育板块涨幅前三为博通股份（-0.28%）、华图山鼎（-0.86%）、行动教育（-1.00%）；跌幅后三为科德教育（-10.49%）、豆神教育（-8.59%）、视源股份（-6.71%） [7][21] - **港股个股表现**：本周港股教育板块涨幅前三为精英汇集团（+25.37%）、中国春来（+20.44%）、东方甄选（+18.16%）；跌幅后三为博骏教育（-33.64%）、枫叶教育（-9.21%）、中国东方教育（-8.67%） [22][23][25] - **美股个股表现**：本周美股教育板块涨幅前三为丽翔教育（+56.56%）、Zeta Network（+32.43%）、童程童美（+18.83%）；跌幅后三为宝视来（-22.15%）、见知教育（-17.50%）、Adtalem Global（-14.62%） [25] - **重点跟踪个股**：本周重点跟踪个股均下跌，其中科德教育（-10.49%）、学大教育（-6.10%）跌幅超过5个百分点；表现最好的是博通股份，本周下跌0.28%，跑输沪深300指数0.36个百分点 [26][27] 投资建议 - **三条投资主线**： 1. **“AI+教育”主线**：凯文教育、科德教育有望成为“AI+教育”龙头 [28] 2. **业绩与估值共振主线**：行动教育、学大教育、昂立教育估值优势最为显著 [28] 3. **第二增长曲线主线**：博通股份、华图山鼎正在积极寻找第二增长曲线，事件驱动值得期待 [28] - **重点推荐公司**：凯文教育、行动教育、学大教育、华图山鼎 [7] - **谨慎推荐公司**：昂立教育、科德教育和博通股份 [7]

公司与行业动态 - 摩尔线程与北京市十一学校战略合作的“AI教育实训基地”正式启用，这是首个落地北京的AI实训示范项目 [1] - 该基地部署了摩尔线程MTT AIBOOK及云端算力，为学校人工智能课程体系注入国产算力支持，标志着基于国产全功能GPU的教学实践正式落地 [1] 合作内容与模式 - 双方将推动国产端云一体平台深度融入中学人工智能课程体系，构建从基础设施、课程内容到实践平台的全套国产算力AI教学方案 [1] - 基地将依托MTT AIBOOK算力本及云端算力服务，建立基于国产算力的Python编程、机器学习、AI4S等人工智能相关课程体系 [1] - 将组织学生围绕计算机视觉、自然语言处理及语音处理等方向开展AI项目实践，完成从理论认知到真实问题解决的全流程学习闭环 [1] - 双方将共同组建教育专家组，推动AI社团与竞赛体系建设，探索“算力驱动教育”的实施路径 [1] 战略意义与行业影响 - 合作旨在为全国基础教育阶段的人工智能教学提供具备系统性、可操作性的示范参考 [1] - 学校方面表示，合作立足国产算力平台，为有创新潜质的学生提供前沿实践场景，是共同服务国家战略、建设国产算力生态的重要一步 [2] - 公司方面表示，此次合作是国产算力与顶尖基础教育深度融合的开始，旨在以技术驱动教育变革，支持青少年在自主技术平台上学习与创造 [2] - 未来双方将推动该基地成为全国领先的AI教育平台，通过深化校企合作，带动更多中学加入国产计算生态的产教融合实践 [2]

核心观点 - 摩尔线程与北京市十一学校合作的首个“AI教育实训基地”正式启用，标志着基于国产全功能GPU的教学实践在顶尖中学正式落地，是国产算力与基础教育深度融合的开始 [1][9] 合作项目概况 - 合作双方为摩尔线程与北京市十一学校，项目名称为“AI教育实训基地” [1] - 项目于2026年1月23日正式宣布启用，是落地北京的AI实训示范项目 [1] - 项目部署了摩尔线程MTT AIBOOK及云端算力，为学校人工智能课程体系提供国产算力支持 [1] - 活动现场有北京市海淀区教委、中关村科学城管委会等政府代表，以及来自20余所中学的技术学科教师参与观摩交流 [1] 项目内容与目标 - 基地将建立基于国产算力的Python编程、机器学习、AI4S等人工智能相关课程体系 [5] - 将组织学生围绕计算机视觉、自然语言处理及语音处理等方向开展AI项目实践，完成从理论到实践的全流程学习闭环 [5] - 双方将共同组建教育专家组，推动AI社团与竞赛体系建设，探索“算力驱动教育”的实施路径 [5] - 目标是构建从基础设施、课程内容到实践平台的全套国产算力AI教学方案，为全国基础教育阶段的人工智能教学提供系统性、可操作性的示范参考 [3][5] 公司战略与行业意义 - 摩尔线程发布了面向优秀中学生的“MoorePower 摩力计划”，为有科技创新潜能的青少年提供专属AI实践机会和平台，入选学生将进入公司真实工作环境，在资深技术专家指导下参与一线技术攻关 [5] - 此次合作被视为国产算力与顶尖基础教育深度融合的开始，旨在以技术驱动教育变革，支持青少年在自主技术平台上学习与创造 [9][10] - 合作旨在服务国家战略、建设国产算力生态，培养学生深入理解芯片架构与AI算法，为科技自立自强贡献力量 [7] - 未来双方将依托该基地持续开展活动，推动其成为全国领先的AI教育平台，并带动更多中学加入国产计算生态的产教融合实践 [12]

文章核心观点 国产算力产业在资本市场表现活跃，多家核心公司成功上市或推进IPO，标志着产业进入快速发展与资本化新阶段[1] 同时，行业竞争焦点已从硬件参数比拼转向大规模集群的稳定性、软件生态的易用性及商业落地的性价比[3] 通过硬件互连技术的突破、存储芯片的自主化、计算架构的开放解耦以及软件生态的积极构建，国产算力产业已初步形成从底层硬件到上层应用的生态闭环，具备了应对外部挑战和把握市场机会的能力[17] 资本市场动态与公司进展 - **天数智芯**于2026年1月8日在港股上市，公开发售获超400倍认购，显示资本市场热情高涨[1] - **摩尔线程**于2025年12月5日登陆科创板，上市首日股价一度上涨468.78%，总市值突破3055亿元[1] - **沐曦股份**于2025年12月17日登陆科创板，上市首日涨幅达692.95%，市值站上3300亿元[1] - **长鑫科技**于2025年12月30日递交科创板招股书，披露2025年前三季度营收达320.84亿元，2022至2024年主营业务收入复合增长率超70%[1][6] - **长存集团**于2025年9月25日完成股份制改革，估值达1600亿元，刷新半导体独角兽纪录[1] 硬件竞争焦点：万卡集群与互连技术 - 行业竞争新标尺转向“万卡集群”的稳定性、软件生态易用性及商业落地性价比[3] - **中科曙光**发布scaleX万卡超集群，由16个scaleX640超节点互连，实际部署10240块AI加速卡[3] - 万卡集群面临指数级增长的故障概率挑战，系统可靠性面临严峻考验[3] - 集群核心突破在于采用国产首款400G原生RDMA网络，以解决高速数据传输瓶颈，其规格指标和实测稳定性已可对标英伟达当前量产产品[4][5] - 未来技术挑战在于物理极限，铜缆传输距离随速率提升急剧缩短，行业需向硅光技术发展以突破极限[5] 存储芯片自主化进展 - **长鑫科技**作为中国最大DRAM设计制造一体化企业，产品线覆盖DDR4到DDR5、LPDDR5X，其首款国产DDR5产品速率达8000Mbps[6] - **长存集团**在NAND Flash领域凭借Xtacking架构实现技术突围[7] - DRAM及衍生的HBM是决定GPU性能上限的核心要素，NAND Flash则是底层存储基础[6][7] - 2025年下半年以来，全球存储颗粒（DRAM/NAND）供应压力巨大，国产化尚无法完全解决全球性供需失衡，导致云厂商采购策略前置[13] 计算架构开放与生态协作 - 行业共识从“全产业链通吃”转向“分层解耦、各司其职”[9] - **海光信息**开放其HSL高速互连总线协议，实现了海光CPU与各家GPU的异构互联，拉通了CPU与GPU[8] - **光合组织**秘书长指出，大规模算力系统已非单一品牌独角戏，协议的打通是关键[7] - 这种技术解耦与开放架构，旨在构建更开放的生态，避免厂商各自为战导致的生态割裂与用户适配成本高企[11] 软件生态构建与迁移策略 - 在英伟达CUDA生态主导下，开发者切换至国产平台面临巨大代码重构与学习成本[10] - **摩尔线程**策略是从个人开发者抓起，发布“MTT AIBOOK”AI算力本实现开箱即用，并推出代码生成大模型MUSACode，声称CUDA到MUSA代码自动化迁移可编译率达93%[10] - 在企业级市场，云服务商承担“屏蔽差异”职责[11] - **优刻得**作为云服务商，向下适配3到5家主流的国产芯片，通过虚拟化和统一调度屏蔽底层硬件割裂，统一管理异构算力[11][12] - **紫光计算机**看到本地化价值，推出带前置可插拔硬盘仓的AI工作站，以应对网络延迟、隐私风险及海量数据交换效率问题[12] 应用落地、客户选择与市场风向 - **中国科学院高能物理研究所**已开始采用国产算力设施进行AI训练和科学计算，评价其性能“完全够用”，并与芯片厂商进行联合调试优化[14] - 国内互联网大厂态度变化，从直接采购国际主流芯片转向希望拥有更多话语权和接受更开放的架构[14] - **海光信息**推出定制化产品，允许大厂将特殊需求写入芯片，以建立深层绑定[14] - 行业认为2026年是Agent（智能体）元年，其对算力的消耗是指数级增长，算力依然短缺，问题在于供需错配而非总量过剩[15] - **DeepSeek**等国产大模型的爆发反向定义硬件标准，如采用FP8量化策略，促使芯片厂商优化底层计算库以支持特定计算格式[15][16] 产业链闭环与应对挑战的能力 - 面对美国可能放宽英伟达H200芯片出口限制的传闻，行业强调国内政企客户对供应链安全有刚性考量[17] - 国产算力产业链已形成闭环：从**长鑫科技**、**长存集团**的存储底座，到**中科曙光**、**海光信息**的计算与网络集群，再到**摩尔线程**、**天数智芯**适配的终端应用[17] - 过去几年，中国算力产业已初步形成紧密咬合的生态闭环，具备了进一步直面挑战的能力[17]

资本市场热潮与国产算力产业进步 - 国产算力产业在资本市场运作提速，天数智芯在港交所上市，公开发售获超400倍认购 [2] - 国产GPU头部企业摩尔线程和沐曦股份登陆科创板，上市首日股价分别一度上涨468.78%和692.95%，市值分别突破3055亿元和3300亿元 [2] - 国产存储芯片厂商长鑫科技递交科创板招股书，披露2025年前三季度营收达320.84亿元，2022至2024年主营业务收入复合增长率超70% [2] - 长江存储完成股份制改革，估值达1600亿元，刷新半导体独角兽纪录 [3] - 从芯片设计到存储颗粒，从科创板到港交所的资本热潮间接宣告了国产算力产业的快速进步 [1][4] 硬件竞争焦点转移与“万卡集群”挑战 - 国产算力竞争焦点从比拼硬件参数，转向“万卡集群”的稳定性、软件生态易用性及商业落地性价比 [6] - “万卡集群”意味着指数级增长的故障概率，中科曙光发布的scaleX万卡超集群部署了10240块AI加速卡 [6] - 专家指出，当系统规模达到十万张卡时，平均一小时要出一次错，只要一张卡出错，整个系统就得停下来 [6] - 硬件厂商在“连接”上寻求突破，中科曙光集群采用国产首款400G原生RDMA网络，以解决大规模协同计算对高信号质量、低延迟、大带宽网络的需求 [7] - 英伟达通过GPU、NVLink和InfiniBand网络构成“三驾马车”产品体系，节点间高速互连网络是决定AI集群效率的关键瓶颈 [8] - 未来需采用硅光技术以突破铜缆在高速率下传输距离急剧缩短的物理极限 [8] 存储与计算协同及产业分工 - 在解决“连得上”问题后，需解决“存得下”问题，长鑫科技和长江存储分别卡位DRAM和NAND Flash两大核心存储领域 [9] - 长鑫科技产品线覆盖DDR4到DDR5、LPDDR5X，其首款国产DDR5产品速率达8000Mbps，DDR5承担AI集群数据预处理，其衍生的HBM是决定GPU性能上限的核心要素 [9][10] - 长江存储凭借Xtacking架构在3D NAND领域实现技术突围 [10] - 产业逻辑转向分层解耦、各司其职，海光信息开放其HSL高速互连总线协议，实现了海光CPU与各家GPU的异构互联，技术解耦折射出商业逻辑的妥协与成熟 [11] 软件生态构建与迁移挑战 - 软件生态迁移是比硬件建设更复杂的系统工程，开发者从英伟达CUDA生态切换至国产平台面临巨大代码重构与学习成本 [13] - 摩尔线程发布“MTT AIBOOK”AI算力本预置全栈开发工具，并推出代码生成大模型MUSACode，声称可实现从CUDA代码到MUSA代码的自动化迁移，可编译率达93% [13] - 在企业级市场，云服务商承担“屏蔽差异”职责，优刻得向下适配3到5家主流的国产芯片，通过虚拟化和统一调度，让上层应用感知不到底层硬件差异 [15] - 行业存在生态割裂、互不兼容的问题，构建开放的生态架构已成为行业生存的必选项 [15] - 紫光计算机看到“本地化”价值，推出带有前置可插拔硬盘仓的AI工作站，以应对云端AI的网络延时、隐私风险及海量数据交换效率问题 [16] 供应链波动与产业新变量 - 2025年下半年以来，全球存储颗粒（DRAM/NAND）供应压力巨大，国产化尚无法完全解决全球性供需失衡 [17] - 为应对缺货，云厂商改变采购策略，从按季度规划拉长到按半年规划，并前置采购计划 [17] - 2026年被认为是Agent（智能体）元年，其对算力的消耗是指数级增长，从供需关系看，算力依然短缺，行业面临的是供需错配而非总量过剩 [20] - DeepSeek等国产大模型的爆发反向定义硬件竞争标准，如其采用FP8量化策略，要求芯片厂商优化底层计算库以支持特定计算格式 [21] 应用落地、客户选择与产业闭环形成 - 检验国产算力成色的最终标准是客户选择，中国科学院高能物理研究所已采用国产算力设施进行AI训练和科学计算，评价其性能“完全够用” [19] - 合作模式发生变化，科学家深入参与芯片调优过程，通过联合调试加速软硬件适配 [19] - 国内互联网大厂态度变化，希望拥有更多话语权，接受更开放的架构，海光信息推出定制化产品以迎合需求，建立深层客户绑定 [19][20] - 面对美国可能放宽英伟达H200芯片出口限制的潜在变量，行业认为国内政企客户对供应链安全有刚性考量，且国产算力产业链已形成闭环 [21] - 从长鑫科技、长江存储的存储底座，到中科曙光、海光信息的计算与网络集群，再到摩尔线程、天数智芯适配的终端应用，国产芯片产业已形成一个完整、庞大的产业链条，初步形成生态闭环 [21][22]

资本市场表现与产业进展 - 国产GPU厂商在2025年末至2026年初密集登陆资本市场，天数智芯港股上市获超400倍认购，摩尔线程与沐曦股份科创板上市首日股价分别一度上涨468.78%和692.95%，市值分别突破3055亿元和3300亿元 [1] - 国产存储芯片厂商完成关键资本运作，长鑫科技于2025年12月30日递交科创板招股书，披露2025年前三季度营收达320.84亿元，2022至2024年主营业务收入复合增长率超70% [1][7] - 长江存储于2025年9月25日完成股份制改革，估值达1600亿元，刷新半导体独角兽纪录 [2] 硬件集群的挑战与突破 - 国产算力竞争焦点转向“万卡集群”的稳定性、软件生态易用性与商业落地性价比 [3] - 大规模集群面临可靠性挑战，十万卡系统平均一小时出错一次，单点故障可导致整个系统停机 [3][4] - 硬件厂商在高速互连网络技术上取得突破，中科曙光发布采用国产首款400G原生RDMA网络的scaleX万卡超集群，其规格指标与实测稳定性已可对标英伟达当前量产产品 [5][6] - 未来技术挑战在于物理极限，铜缆在高速率下传输距离急剧缩短，业界判断未来需依赖硅光技术实现芯片直接出光 [6][7] 存储与计算产业链协同 - 长鑫科技与长江存储分别卡位DRAM和NAND Flash两大核心存储领域，为算力提供存储底座 [7] - 长鑫科技产品线覆盖DDR4至DDR5、LPDDR5X，其首款国产DDR5产品速率达8000Mbps，HBM（高带宽内存）是决定GPU性能上限的核心要素 [7][8] - 长江存储凭借Xtacking架构在3D NAND领域实现技术突围 [8] - 产业链走向分层解耦与开放合作，海光信息开放其HSL高速互连总线协议，实现了海光CPU与各家国产GPU的异构互联 [9][10] 软件生态构建与迁移 - 在英伟达CUDA生态主导下，国产计算平台面临巨大的开发者迁移与代码重构成本 [11] - 摩尔线程通过发布预置全栈开发工具的“MTT AIBOOK”AI算力本及代码生成大模型MUSACode（声称CUDA到MUSA代码自动化迁移可编译率达93%）来降低个人开发者门槛 [11] - 在企业级市场，云服务商（如优刻得）通过虚拟化与统一调度来屏蔽底层不同品牌国产加速卡的生态割裂与不兼容问题，为拥有多类型国产算力硬件的客户提供统一管理方案 [12][13] - 终端侧出现“本地化”创新，紫光计算机推出带前置可插拔硬盘仓的AI工作站，以应对云端AI的网络延迟与隐私风险，提升海量数据交换效率 [13][14] 应用落地、供应链与未来展望 - 国产算力已在科研等高要求场景得到应用，中国科学院高能物理研究所采用海光CPU与DCU进行AI训练和科学计算，评价其性能与国外产品差距不大且完全够用 [15] - 国内互联网大厂态度转变，从采购国际主流芯片转向寻求更开放的架构与更多话语权，海光信息通过提供定制化芯片产品来迎合此需求并建立深度绑定 [15][16] - 上游存储颗粒（DRAM/NAND）供应在2025年下半年以来压力巨大，全球性供需失衡对2026年产业构成挑战，云厂商已拉长采购规划周期以应对缺货 [14] - 国产大模型（如DeepSeek采用FP8量化策略）正在反向定义硬件竞争标准，推动芯片厂商优化底层计算库以支持特定计算格式 [16][17] - 行业认为算力需求依然短缺，当前问题是供需错配而非总量过剩，Agent（智能体）应用的兴起预计将带来指数级增长的算力消耗 [16] - 尽管面临外部潜在变量（如美国可能放宽英伟达H200芯片出口限制），但国内政企客户对供应链安全有刚性考量，且国产算力产业链已从存储、计算、网络到终端应用形成初步生态闭环，具备直面挑战的能力 [17]

宏观经济与政策背景 - 2025年中国经济在多重压力下展现出强大韧性和活力，为“十五五”（2026-2030年）开局奠定基础 [1] - 中央经济工作会议为2026年定调“坚持稳中求进、提质增效”，并明确八大重点任务，包括“坚持创新驱动，加紧培育壮大新动能” [1][3] - 政策将实施新一轮重点产业链高质量发展行动，深化拓展“人工智能+”，为科技产业提供战略指引 [3][7] 国产GPU行业动态与趋势 - 2025年底以来，以摩尔线程登陆科创板为标志，多家国产GPU企业成功上市或推进IPO，资本市场热情高涨 [3] - 国产GPU行业已从“单点突破”迈入“系统攻坚与生态构建”的深水区，“卡脖子”环节突破取得阶段性成果但任重道远 [4] - 行业竞争本质是开发者生态的竞争，构建繁荣生态是让国产算力从“可用”走向“好用”的关键 [4][6][8] 公司战略与核心竞争力 - 公司以全功能GPU结合自主研发的MUSA统一系统架构为核心，打造覆盖从云到端的全栈算力平台 [5] - 技术层面坚持自主架构与全栈研发，保持高强度投入，近期发布的“花港”新架构效能较前代提升10倍 [5] - 生态层面通过开源MUSA架构、举办开发者大会、构建线上学习平台等方式，积极吸引和培育开发者，降低迁移与创新门槛 [4][6] - 产品层面拓展“云边端”全场景布局，从支持万亿参数模型训练的智算集群到面向个人开发者的终端产品，拓宽市场边界并在真实场景中验证技术 [6] 对政策与“新动能”的解读 - 公司将“十四五”圆满收官与“十五五”规划开启视为重大战略机遇，政策坚定了其推动核心技术自主可控的决心 [1][6][7] - 公司解读智能算力赛道的“新动能”内涵包括：构建自主可控的技术底层算力体系、通过“人工智能+”实现场景融合赋能、以及构建以开发者为核心的开放协同生态 [7][8] - 公司认为建设京津冀、长三角、粤港澳大湾区国际科技创新中心的部署为国产算力产业创造了前所未有的区域协同空间，能推动产业从“单点强”走向“系统强” [8] 公司在北京集成电路产业中的定位与建议 - 公司定位为“北京新一代信息技术产业集群的算力底座”和“国产AI生态的积极推动者”，并以“一年一芯片”的速度迭代 [9] - 公司成长受益于北京完整的集成电路产业链，以及政策、人才、资金、生态上的系统扶持，例如“十四五”期间北京每天新设300多家科技企业，并聚集全国近一半AI企业 [10] - 为优化北京集成电路产业生态，公司建议：强化“设计－制造－应用”的全链条协同以提升产业链韧性；深化开放复杂应用场景以“以用促研”；构建开放创新的人才与环境，加强产学研协同 [11]

宏观政策与行业背景 - 2025年中国经济在多重压力下展现出强大韧性和活力，中央经济工作会议为2026年定调“坚持稳中求进、提质增效”，着力稳定就业、企业、市场和预期，推动经济实现质的有效提升和量的合理增长，以实现“十五五”良好开局 [2][3] - 2026年八大重点任务明确“坚持创新驱动，加紧培育壮大新动能”，将实施新一轮重点产业链高质量发展行动，深化拓展“人工智能+” [5] - 中央经济工作会议最新部署建设北京（京津冀）、上海（长三角）、粤港澳大湾区国际科技创新中心，为科创企业创造协同发展空间 [21] 国产GPU行业现状与趋势 - 2025年末，以摩尔线程登陆科创板为标志，国产GPU企业上市进程加速，一场以自主算力为引擎的产业变革正在铺开 [5] - 国产GPU行业已从“单点突破”迈入“系统攻坚与生态构建”的深水区，在“卡脖子”环节的突破取得了阶段性成果，但任重道远 [13] - 行业竞争本质是开发者生态的竞争，构建繁荣的产业生态是让国产算力从“可用”走向“好用”的关键 [17][20] 摩尔线程公司战略与核心竞争力 - 公司战略是以全功能GPU+MUSA统一系统架构为核心，打造覆盖从云到端的全栈算力平台 [16] - 技术核心竞争力根植于持续迭代的MUSA架构，坚持自主架构与全栈研发，近期发布的“花港”新架构效能较前代提升10倍 [16] - 生态建设上，通过举办首届MUSA开发者大会、构建“摩尔学院”线上学习平台等方式，积极吸引和培育开发者，降低迁移与创新门槛 [14][17] - 产品布局上，拓展“云边端”全场景，从支持万亿参数模型训练的夸娥万卡智算集群，到面向个人开发者的MTT AIBOOK，使技术能在更多真实场景中得到验证和迭代 [18] 对“新动能”与区域发展的解读 - 公司认为“新动能”在智能算力赛道的内涵包括：构建自主可控的技术底层算力体系；通过“人工智能+”让算力深度渗透千行百业；构建以开发者为核心的开放协同生态 [20] - 公司认为京津冀区域一体化发展能最大化发挥各地区在科研资源、高端人才和多元行业应用场景上的优势，推动算力产业从“单点强”走向“系统强” [22] - 公司定位为“北京新一代信息技术产业集群的算力底座”和“国产AI生态的积极推动者”，并以“一年一芯片”的速度迭代，致力于填补国内高性能通用GPU的技术空白 [23][24] 北京产业环境与发展建议 - 北京拥有完整的集成电路产业链，在政策、人才、资金、生态上具备优势，“十四五”期间每天有300多家科技企业新设立，聚集了全国近一半的人工智能企业 [25] - 公司建议北京从三方面优化集成电路产业生态：强化“设计－制造－应用”的全链条协同，提升产业链韧性；深化场景开放，以应用带动技术迭代；构建开放创新的人才与发展环境，鼓励建设开源社区和共性技术研发平台 [28][29][30]

核心观点 - 摩尔线程在首届MUSA开发者大会上，系统性地发布了其新一代统一计算架构MUSA的全面升级路线图，标志着国产GPU在核心技术、产品性能及生态建设上取得了里程碑式突破，已具备承接超大规模AI训练与推理任务的能力 [3][5][45] 技术架构：MUSA与“花港” - 公司发布了自主研发的全栈技术体系MUSA（元计算统一系统架构），作为贯穿其所有产品的技术基石 [7] - 基于MUSA的新一代全功能GPU架构“花港”在处理器架构和指令集层面重新设计，相比上代，在同芯片面积下算力密度提升50%，能效提升10倍 [9] - “花港”架构支持从FP4到FP64的全精度端到端计算加速，并新增MTFP6/MTFP4及混合低精度支持 [9] - 新架构集成了AI生成式渲染架构（AGR），硬件光线追踪加速引擎性能比上一代提升50倍，并首次完整支持DirectX 12 Ultimate行业顶级图形标准 [10] - 自研MTLink互联技术实现高达1314GB/s的片间互联速度，支持十万卡以上规模的智能集群扩展 [9] - MUSA架构支持国际主流GPU生态、CPU系统以及所有国产主流CPU、操作系统和开发环境，并采用全硬件设计的安全保护机制 [9] 基础软件与生态 - 同步升级了MUSA 5.0软件栈，在AI框架上适配PyTorch、Paddle，并新增对Jax、TensorFlow的支持 [14] - 训练套件新增强化学习训练框架MT VeRL，推理套件新增对SGLang、VLLM、Ollama等推理框架的适配 [14] - 核心计算库在GEMM（通用矩阵乘法）上的效率超过98%，通讯效率达到97% [14] - 公司计划逐步开源一系列高性能算子库，并推出四大基础库：MTX（兼容跨GPU硬件指令架构）、muLang（全场景编程语言）、MUSA-Q（量子计算GPU融合框架）、muLitho（光刻计算加速库） [15][19] - 发起“摩尔学院”和“MUSA开发者计划”，已走进全国200多所高校，吸引超过10万名青年学子参与 [40] 新一代芯片产品 - 基于“花港”架构，公司公布了两款未来芯片路线图：“华山”面向AI计算，“庐山”面向专业图形渲染 [17][18] - AI计算芯片“华山”被定位为对标国际顶尖水平的训推一体芯片，其浮点计算能力处于NVIDIA Hopper与Blackwell芯片产品之间 [18] - “华山”集成了新一代张量计算单元（TCE），通过独特的TCE-PAIR模式提升计算效率，并内置大语言模型专用加速引擎 [21][22] - “华山”内置支持多种协议的MTLink 4.0，单节点支持1024卡高速互联，以满足万卡级集群需求 [23] - 图形渲染芯片“庐山”相比上一代S80显卡，3A游戏性能提升15倍，并引入了AI生成式渲染架构（AGR）和第二代硬件光线追踪引擎 [23][25] - “庐山”GPU据称具有目前全球最高的几何能力，可胜任3A游戏及CAD、CAE等专业应用场景 [25] 系统级产品与集群能力 - 公司正式发布夸娥万卡智算集群（KUAE2.0），拥有10 Exa-FLOPS算力，可支持万亿参数大模型训练 [31] - 该集群在Dense大模型上的训练算力利用率（MFU）超过60%，线性加速比达到95%，训练线性扩展效率达95% [31] - 计划推出超级节点产品MTT C256，能以一层scale up网络实现两柜256GPU全互联，提高智算中心GPU部署密度 [31] - 展示了搭载通用服务器的AI计算卡S5000的性能：可实现每秒1024 token的流畅解码，超过4000 token的峰值吞吐，能单卡跑满血DeepSeek大模型 [1][3] 前沿领域布局 - 公司布局的前沿计算场景包括具身智能、AI for Science（科学智能）、量子计算、AI for 6G等融合创新领域 [35][38] - 在具身智能领域，发布了MT Lambda仿真训练平台和基于“端云结合”的MT Robot解决方案 [38] - 在图形计算方面，推出全自研的AI生成式渲染技术MTAGR 1.0，推动渲染技术范式从“计算”走向“生成” [38] - MUSA生态已与合作伙伴在科学智能、量子科技等前沿交叉领域展开工作 [38] 终端产品与生态入口 - 发布了AI算力笔记本MTT AIBOOK，作为连接开发者与MUSA生态的核心入口 [42] - AIBOOK搭载自研智能SoC芯片“长江”，异构AI算力达50TOPS，可在本地运行30B参数的端侧大模型 [44] - AIBOOK支持Windows虚拟机、Linux、安卓容器及所有国产操作系统，实现了从芯片到开发环境的全栈整合，内置智能体“小麦”及多种AI应用 [44] - 该产品旨在降低AI开发门槛，为开发者、创作者及爱好者提供“开箱即用”的一站式AI开发体验 [42][44]

摩尔线程新一代GPU与AI产品发布 - 发布新一代全功能GPU架构“花港”，算力密度提升**50%**，能效提升**10倍**，支持FP4到FP64全精度计算，可支撑**十万卡以上**智算集群 [1] - 即将发布“华山”AI训推一体芯片和“庐山”高性能图形渲染GPU，夸娥万卡智算集群算力达**10EFLOPS**，S5000单卡推理刷新国产GPU性能纪录 [1] - 发布搭载“长江”SoC芯片的AI算力本MTT AIBOOK，提供**50TOPS**异构AI算力，可本地运行最高**30B**端侧大模型，今日起在京东预售 [1] OpenAI与谷歌发布新一代AI模型与工具 - OpenAI发布GPT-5.2-Codex，在SWE-Bench Pro和Terminal-Bench 2.0基准测试中取得SOTA性能，相比GPT-5.2提升了指令遵循、长上下文理解和网络安全能力 [2] - OpenAI正式宣布Codex全面支持Agent Skills，接入Anthropic主导的全行业标准规范，支持显式调用和隐式调用，并提供内置工具自动生成或安装技能 [5][6] - 谷歌开源T5Gemma 2和FunctionGemma两款Gemma 3家族小模型，T5Gemma 2提供**270M-270M、1B-1B和4B-4B**三种规模，FunctionGemma专为函数调用优化，仅**2.7亿**参数可在手机等设备运行 [3] 英伟达与Luma AI发布创新AI应用 - 英伟达开源NitroGen基础模型，训练目标是玩**1000款以上**游戏，以游戏视频帧作为输入输出手柄操作信号，模型基于GR00T N1.5架构，采用**5亿**参数，从**4万小时**公开游戏视频中训练 [4] - Luma AI发布Ray3 Modify功能，主打“真人先行、AI跟随”的视频制作方式，支持关键帧控制和角色参考能力，已集成进Dream Machine平台，面向影视制作与广告创意 [7] 人形机器人商业化与AI编码能力进展 - 宇树G1人形机器人在王力宏演唱会完成高难度空翻表演，视频获**4000万**网友围观，G1机器人零售价**9.9万元**起，身高**132厘米**，小跑速度超**2m/s**，拥有**23至43个**关节 [8] - 人形机器人租赁市场**2024年**全球收入规模**112.2亿元**，预计**2031年**达**171.2亿元**，年复合增长率**6.1%** [8] - METR报告称Claude Opus 4.5的**50%**任务完成时间跨度约**4小时49分钟**，超越GPT-5.1-Codex-Max的**2小时53分钟**，AI编码智能体任务时长呈指数级增长 [9] AI行业趋势与关键人物 - Karpathy提出2025年六大转折，包括RLVR、Cursor成为应用层“包工头”、Claude Code作为“赛博幽灵”、Vibe Coding让编程门槛消失等，强调LLM是新操作系统 [10][11] - 谷歌AI产品负责人Josh Woodward通过Nano Banana功能让Gemini应用月活从**3月3.5亿**飙升至**10月6.5亿**，一度超越ChatGPT登顶App Store榜首，其推动NotebookLM等项目并强调AI创新与社会责任并重 [11]