2025.12. 18 这场由巨头博弈引发的震荡，将一个核心议题推至台前：在以大模型为核心的AI时代，硬件的技术范 式是否正在从通用GPU转向专用芯片如TPU？这是否意味着一场结构性的变革已然来临？ 本文字数：1632，阅读时长大约3分钟 作者 | 第一财经 刘佳 这一悬念不仅关乎国际巨头的战略布局，也紧密牵动着中国AI算力产业链的神经。作为对标英伟达、 不久前刚刚上市的中国GPU厂商代表，摩尔线程创始成员、摩尔学院院长李丰与沐曦高级副总裁孙 国梁在今日腾讯contech大会上"同框"，并回应了对于两种路线的看法。 在李丰看来，争议背后其实是"通才与专才"的分工，而非简单的替代关系。 他分析，谷歌能做TPU，本质上是因为它是全栈整合公司。谷歌有强大的 Infra、基础模型与云服务 形成闭环，把模型跑在自家芯片上量身优化，实现成本性价比的最大化。"但绝大部分企业不具备这 样的垂直整合能力。" 他总结，GPU持续保持优势的原因有三个：灵活度是"甜点"、多模态时代的全功能性、生态的护城 河。 谷歌新一代AI模型Gemini 3系列的发布，在硬件领域投下一颗"重磅炸弹"——其自研TPU（张量处 理器）所展现的性能与成 ...

公司资金使用决策 - 摩尔线程在IPO后公告，计划将不超过75亿元的募集资金用于购买协定存款、通知存款、结构性存款等理财产品[2] - 此次IPO扣除发行费用后实际募集资金净额约为75.76亿元，理财上限75亿元意味着约99%的募集资金被允许暂时闲置[3] - 该决策被解读为公司在当前时间点认为将资金存放于银行比立即投入运营更为安全，这在需要大量烧钱的GPU行业显得极为特殊[3] 芯片行业研发与资金消耗特性 - 芯片研发资金消耗受物理规律和流程严格限制，架构设计、验证、物理设计、流片均需时间，资金无法在单一季度内快速消耗完毕[6] - 与互联网行业可快速砸钱换取增长的模式不同，芯片行业的资金消耗速度在单一阶段是被锁死的，无法跳过流程或提前支出[5][6] - 公司募集资金的主要投向为新一代AI训推一体芯片、新一代图形芯片以及新一代AI SoC，方向明确[4] 生态建设与软件适配的长期性 - 英伟达的核心壁垒在于其耗时十余年构建的CUDA生态，而非单一GPU硬件[10] - 摩尔线程选择自建MUSA生态，但软件适配、工具链完善和开发者习惯培养需要以“年”为单位计算，无法用资金快速购买或加速[11] - 此类生态投入属于持续滴灌式的长期过程，难以形成突击式支出，因此即使账上有75亿元资金也难以立即转化为研发加速度[12][13][14] 先进制造产能的制约 - 高端GPU制造的关键瓶颈已不仅是制程，更包括CoWoS等先进封装技术，全球相关产能处于极度紧张状态[16] - 资金无法直接换取产能，代工厂的产能排期通常按季度或半年计算，即使有资金也无法成功插队[17][18] - 资本市场可瞬间完成融资定价，但制造体系仍受漫长物理周期限制，导致资金到账后需等待产能窗口[18][19] 资本市场预期与公司现实经营的脱节 - 公司上市后股价表现极端，市值快速放大，估值体系已脱离当期业绩，转而押注遥远的未来，这本质上是一种信念投票[23][24] - 公司仍处于持续亏损阶段，且明确短期不以盈利为目标，账上75亿元资金在某种程度上是保障未来三年生存的“生存资金”[26] - 将资金置于低风险、高流动性的理财产品中是一种现实的防御策略，旨在为公司争取时间以等待产能、打磨生态、度过周期[27][28][32] 硬科技发展的客观规律 - 事件引发的争议揭示了公众对硬科技发展的一个集体幻觉：即认为资金到位就能立刻实现技术突破和产业提速[29] - 硬科技发展不服从资本的节奏，资金可一日到账，但生态培育需数年，产能爬坡也需漫长排队[30] - 真正的行业拐点并非理财公告，而是当闲置资金被大规模赎回并转化为流片订单、工程师薪酬和实验室样机之时[33][34]