摩尔线程国产全功能GPU蓄锐将驰

目录TOC\o"1-2"\h\z\u摩尔程:全能GPU为核智驱动成长 6摩尔线程：国产功能GPU代表厂商，全栈智算平台 6产品矩阵：覆盖图形+AI+视频+通用计算” 7财务分析：云端品放量，亏损持续收窄 9AI算扩容产替代全功能GPU迎新机遇 12AI算力需求高景气，国产GPU迎来替代窗口 12国产GPU路线分化，全功能GPU场景广阔 14B端：行业数字拓展边界 16C端：游戏与AIPC驱动消费级GPU国产化 18物理AI：以GPU为底座让AI走向物理世界 19MUSA筑基硬协同筑壁垒 21架构迭代：由全能验证走向集群协同 21软件生态：迁移率决定客户导入速度 24系统能力：模块集群交付决定扩展效率 25商业化验证：由试导入走向重复采购 27盈利测与值 29盈利预测 29盈利预测与估值 30风险示 32图表目录图1：摩尔线程股权结构图（截至2026.7.10） 7图2：MUSA全栈架构图 8图3：摩尔线程营业收入及净利润（亿元） 10图4：摩尔线程分项目收入情况（亿元） 10图5：摩尔线程整体毛利率 10图6：摩尔线程销售、管理、研发费用（亿元） 10图7：存货快速增长，积极备货应对市场需求 11图8：中国AI计算加速芯片市场规模（亿元） 12图9：GPU在AI计算加速芯片市场占据主导地位 12图10：中国AI智算GPU市场规模（亿元） 13图11：中国AI芯片出货规模（万张） 13图12：英伟达从图形GPU到全功能AI计算平台 15图13：行业应用推动GPU负载持续升级 16图14：摩尔线程专业显卡软硬件平台适配情况 17图15：摩尔线程专业显卡图形API兼容情况 17图16：2025年全球AIBGPU市场份额 18图17：2026.6存量GPU市场份额 18图18：物理AI是让AI从虚拟世界走向物理世界的系统性工程 19图19：TCE、TME、ATB张量引擎 21图20：数据中心GPU性能依赖计算、存储与互联协同 23图21：CUDA应用向MUSA平台迁移及优化流程 24图22：MUSA软件栈覆盖应用迁移、框架适配与底层计算库 25图23：单机多卡节点由GPU、CPU、内存与网络协同构成 26图24：GPU集群验证由部署检查延伸至持续运营管理 27表1：摩尔线程发展历程 6表2：摩尔线程融资历史 7表3：摩尔线程主要GPU板卡产品 8表：摩尔线程产品矩阵......................................................................................表5：国产GPU“四小龙”财务情况 11表6：主流计算加速芯片技术路线对比 14表7：GPU主要技术路线对比 14表8：国产GPU/AI芯片厂商定位对比 16表9：全功能GPU覆盖多类行业计算负载 17表10：摩尔线程布局物理AI 21表11：平湖架构三类专用引擎分别对应计算、访存和通信瓶颈 22表12：MUSA架构优化重点由单卡功能向集群协同演进 23表13：国产AI芯片厂商系统级能力对比 27表14：报告期内前五大客户销售情况 28表15：分业务收入及毛利率预测（单位：百万元人民币） 29表16：可比公司估值表 31GPUGPU1

GPUGPUAI计算、3D渲染、超高清视频编解码、物理仿真与科学计算等多类负载，具备更宽的应用边界。GPUGPUAPI、AI公司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。NVIDIAMicrosoftIntelAMDARMMUSA一系统架构和MTTS系列显卡，完成国产全功能GPU的基础能力验证。随后推出面向桌AIAI2023MTTS4000MTTS5000KUAE大模型训练推理和智算中心场景。阶段时间主要进展阶段意义底层架构研发期2020年10月-2021年公司正式运营，围绕全功能GPU与MUSA统一系统架构开展底层研发奠定技术底座产品发布起步期2022年3月发布MUSA统一系统架构，并推出多款MTTS系列显卡、发布第一颗多功能GPU芯片“苏堤”进入产品化阶段第二代架构迭代期2022年11月GPUTTS80、MCCX等产品产品矩阵加速扩展产品生态扩展期2023年推出DirectX11驱动、MCCXVDI、MUSAToolkit1.0、MUSIFY等工具完善软件生态智算平台突破期2023年9月-12月MTTS4000KUAE群，KUAE智算中心落地迈向系统级交付上市与规模化拓展期2025年MTTS5000、AIBOOK进入规模化拓展期摩尔线程官网、摩尔线程招股书、申万宏源研究2022-202311.666.2052.25Pre-IPO38多轮融资为公司持续高强度投入GPUMUSA表2：摩尔线程融资历史融资轮次融资日期主要投资方融资金额企业估值天使轮2020年12月红杉中国、间名投资、和而泰、五源资本--Pre-A轮2021年2月红杉中国、纪源资本、深创投等数十亿元-股权融资2021年9月联想创投--A轮2021年11月五源资本、国盛资本、渤海中盛、前海母基金等20亿元-股权融资2022年12月红杉中国、和谐健康、和创数字等11.66亿元-股权融资2023年11月中和资本、拓锋投资、厚雪资本等6.2亿元246亿元Pre-IPO2024年12月国兴投资、前海母基金、典实资本、拓锋投资等52.25亿元-IPO2025年公开发行及战略配售投资者约80亿元发行市值约537亿元企查查、摩尔线程招股书、申万宏源研究张建中直接持有公司9.41%股份，并通过南京神傲、杭州华傲、杭州京傲及杭州众傲等持30.94GPU图1：摩尔线程股权结构图（截至2026.7.10）iFinD、申万宏源研究产品矩阵：覆盖“图形+AI+视频+通用计算”GPUMUSAGPU/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，因此产品布局天然具备“图形+AI属性。AIGPUMTTS3000、S4000MTTS5000，持续提升算力、显存和带宽水平；图形MTTSSXAIAIGPUAIAIAIGPU分类芯片板卡/模组一体机集群设备表分类芯片板卡/模组一体机集群设备第五代GPU“花港” - - -AI智算 企业

第四代GPU“平湖”

D800

KUAE2服务器级

专业图 企业形加速

第三代GPU“曲院” S4000 KUAE1第二代GPU“春晓” S3000 D200/D400/D800 MCCX第一代GPU“苏堤” S1000/S2000桌面级图形加速

消费级 第二代GPU“春晓” S70/S80第二代GPU“春晓” X300企业级SoC

企业级消费级

第一代GPU“苏堤“ S10/S30/S50/X100第一代SoC“长江” AI模组-E300 AI算力本-A140摩尔线程招股书、申万宏源研究MUSAOpenCLSYCLDirectX、Vulkan等接口，并配套MUSASDK、MUSIFY及训练推理工具。完整的软件体系有助于GPU图2：MUSA全栈架构图 公司官网、申万宏源研究类别产品简介全功能GPU/显卡类别产品简介全功能GPU/显卡MTTS系列覆盖AI智算、图形渲染、视频处理及通用计算等场景系统与设备服务器及AI终端设备面向数据中心、个人智算及边缘AI场景，提供系统级计算产品融合智算中心MTTKUAE面向大规模AI训练与推理，提供智算集群及平台化解决方案

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。MTTKUAEMTTS5000GPUAIGPU算力建设及运营管理。核心组件包括计算集群、KUAEPlatform集群管理平台和KUEloKUE覆盖算力集群建设、从商业化路径看，摩尔线程产品矩阵并不局限于AI训练。S80/S70、X300/S50、S30/S10AISmartMediaGIS等方案表明公司正尝试以视频、渲染AI/视频/云桌面补GPU软件MUSA基础软件与开发工具 覆盖驱动、开发、性能分析及应用部署等环节AI及云原生软件套件 支撑AI训练推理、虚拟化、原生及科学计算等应用应用与模型生成式AI及智能应用 面向内容生成、智能交互等端侧与行业应用场景公司官网、申万宏源研究财务分析：云端产品放量，亏损持续收窄收入进入快速放量阶段，2025年云端算力需求推动营收规模大幅增长。2022-20250.4615.06CAGR220%；2026H1，公司17.36GPUGPU架构持续迭代，产品由图形板卡向AI智算板卡、集群及系统级方案延伸，商业化进程明显提速。AI2025年，公司披露口径修改，云端产品收入14.61亿元，占营业收入比重约97%，为收16.93GPU云服务需求持续释放，公司商业化重心由图形产品逐步转向高性能AI场景。图3：摩尔线程营业收入及净利润（亿元） 图4：摩尔线程分项目收入情况（亿元）

营业收入（亿元） 净利润（亿元）

1615.064.380.4615.064.380.461.24202220232020-10.01-16.18-18.94-17.0324251210864202022 2023 2024 2025云端产品 边缘与终端产品 AI智算SoC 专业图形加速 桌面级图形加速高性能I20252022-2024年，公司综合毛利率由-70.1%提升至70.7%，主要受产品结构向高性能AI智算产品切换及收20252025研发投入维持高位，持续支撑芯片架构及软件生态迭代。2024-202513.59亿元和13.05亿元，绝对投入基本保持稳定。同期研发费用率由309.9%GPUMUSA软件栈、AIKUAE图5：摩尔线程整体毛利率 图6：摩尔线程销售、管理、研发费用（亿元）

70.71%65.57%70.71%65.57%25.87%2022202320242025-70.08%

2022 2023 2024 2025销售费用 管理费用 研发费用GPU20251050%以上。我们预计，GPU2026摩尔线程 壁仞科技 沐曦股份 天数智芯报告期2024A2025A2024A2025A摩尔线程 壁仞科技 沐曦股份 天数智芯报告期2024A2025A2024A2025A2024A2025A2024A2025A营业收入（亿元）4.3815.063.3710.357.4316.445.4010.34毛利率（%）70.7%65.6%53.2%53.8%53.4%56.5%49.10%54.00%净利润（亿元）-16.18-10.01-15.38-8.27-14.09-7.89-8.92-10.04各公司招股书，各公司年报 ；注：壁仞科技2025年净利润经调净利润2022-20252.5113.33亿元，20252024106%，主要系公司为应对市场需求增长及保障供应链稳定增加备货。图7：存货快速增长，积极备货应对市场需求 141210864202022 2023 2024 2025存货（亿元）iFinD、申万宏源研究AIGPUAIGPUAIGPU随着国内基础大模型迎来新一轮密集升级，KimiK3、GLM-5.2AgentEngineering、Coding和复杂推理能力Agent、Coding产品不断落地，AIChatBotAgentCapex的ROI变得更加清晰，2026AICapex2025年增强。AIAI239868%GPU202469.9202977.3%。图8：中国AI计算加速芯片市场规模（亿元） 图9：GPU在AI计算加速芯片市场占据主导地位 9,0505,9529,0505,9523,8142,3981763014547181,4250

13,368公司招股书、沙利文 公司招股书、沙利文大模型算力需求持续增长，数据中心GPU成为AI智算市场扩容的主要方向。2020-2024AIGPU143997CAGR62.5%。其中数5769%GPU2025-2029GPU56.7GPU6639GPU图10：中国AI智算GPU市场规模（亿元）10,3336,86310,3336,8636,6394,4254,4492,7791,7122,880997143822351363401955163401,82868711,13100000

2020 2021 2022 2023 2024 2025E 2026E 2027E 2028E 2029E其他AI智算产品 数据中心产品公司招股书、沙利文性能提升+行业扩容，国产AI芯片加速渗透。根据IDC，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%。英伟达出货221万张，仍为国内市场份额第一。图11：中国AI芯片出货规模（万张）6267626798201181241137020015010050024H1

24H2

25H1

25H2海外AI芯片（万张） 国产AI芯片（万张）IDC（国际数据公司）、申万宏源研究GPUGPUIGPPGA和ASIC在通用性与计算效率方面各有侧重。ASICFPGAGPU相较ASIC硬件功AIAI计算精度、模型结构和算子需求不断调整。GPUAIGPU FPGA ASIC表6：主流计算加速芯片技术路线对比GPU FPGA ASIC人工智能的应用范围

人工智能训练√人工智能推理√

人工智能训练×人工智能推理√

人工智能训练√人工智能推理√功能和性能

灵活性 通用性强；可通过编程定

半定制；可通过编程定义功能，无需永久性物理更改，但也有局限性

完全定制，硬件设计决定其功能，不可更改计算能力 高于FPGA和ASIC 落后于GPU和ASIC 高于FPGA低于GPU但上最高开发者友好性开发生态系统 成熟的开发环境开发人员生态系统

开发工作具有挑战性，与主流和成熟的GPU开发环境不兼容

开发工作具有挑战性，与主流和成熟的GPU开发环境不兼容使用成本

能耗 能耗最高 能耗介于GPU和ASIC之间 能耗表现优势明显价格 相同用途下最具成本效益 成本相对较高 初始开发成本高；规模化和商业化后，成本将低于FPGA公司招股书GPUGPUGPUGPGPU图形GPU面向2D/3D渲染和显示场景优化，GPGPU弱化图形功能、聚焦通用GPU集成了AI计算、图形渲染、视频编解码和科学计算等能力。我们GPU类型全功能GPUGPGPU图形GPUAI计算√类型全功能GPUGPGPU图形GPUAI计算√√部分支持图形渲染√非核心√视频编解码√非核心√科学计算√√较弱典型场景AI、图形、视频、HPCAI、HPC游戏、显示、渲染代表厂商NVIDIA、摩尔线程国内多家AIGPU厂商专业图形厂商申万宏源研究GPUGPUGeForceCUDAGPU2012GPUGPUGPUAIGPUAIMUSAGPUAI卡，底层指令体系、驱动框架和软件工具链跨产品复用。GPUCUDAAIMUSA生态的验证入口，多场景适配成果持续反哺AI主线，软件能力在更宽负载范围内迭代成熟。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GPU需在单一芯片内实现图形管线、AI计算、视频编解码及硬件虚拟化，架构设计和验证工作量显著高于GPGPUGPGPUASIC路线的现实GPU工程化经验，是其敢于选择并驾驭该路线的前提。图12：英伟达从图形GPU到全功能AI计算平台 申万宏源研究国内计算加速芯片技术路线逐步分化，竞争重点由单一算力指标转向场景适配和生态AI全功能GPUAIAIGPUAIMUSA适配和客户验证。表8：国产GPU/AI芯片厂商定位对比公司技术路线核心场景图形能力AI智算系统/集群摩尔线程全功能GPUAI+图形+视频+通用计算√√KUAE天数智芯GPGPUAI训练/推理-√√壁仞科技GPGPU数据中心AI/HPC-√√沐曦股份GPGPUAI/HPC√√√寒武纪AI专用芯片AI训练/推理-√智算集群海光信息CPU+DCU服务器/HPC/AI-√服务器生态各公司官网、招股说明书及年度报告BGPUAIAI，PC共同构成全功能GPU的重要应用基础。随着AI能力逐步嵌入个人电脑和行业终端，本地推理、内容生成与音视频处理需求增加，终端计算平台对异构计算能力提出更高要求。图13：行业应用推动GPU负载持续升级 公司招股书国产办公：竞争重点由基础显示能力转向完整软硬件环境适配。国产GPU需要在CPUAPIx86ArmLoongArchCPUOpenGLVulkanDirectXGPU图14：摩尔线程专业显卡软硬件平台适配情况 图15：摩尔线程专业显卡图形API兼容情况公司官网 公司官网GPUCAD、BIM、三维建模及视频制作等应用对显存容量、图形接口兼容、复杂场景渲染效率和运行稳定性提出GPU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。CAD和BIM主要服务二维绘图、三维建模及工程设计，数字孪生则融合实时数据、物理仿真和运行分析，使GPU产品开发周期缩短20%-50%，投产后的质量问题减少约25%，应用价值由三维展示向设APIAIGPUAIAIMUSAAPIAI、图形、视频及仿真场景中的复用能力。表9：全功能GPU覆盖多类行业计算负载应用场景核心计算负载GPU关键能力摩尔线程相关布局AI训练及推理大参数预训练、高并发推理张量计算、低精度计算、卡间互联MTTS5000、KUAE智算集群国产办公桌面显示、视频播放图形驱动、视频编解码MTTS30/S10云桌面多用户并发、远程显示vGPU、硬件编解码、图形APIMTTS3000、MTGPU虚拟化工业设计/BIM二维绘图、三维建模3D渲染、CAD/BIM适配MTTX300、S50数字孪生/GIS实时渲染、像素流送渲染引擎、图形API、数据处理X300、S3000专业音视频多路视频、超高清显示编解码、8K输出、多屏显示X300、S50具身智能AI推理、环境仿真、运动控制AI计算、3D渲染、物理仿真全功能GPU、AISoCAI4SAI计算、数值模拟张量计算、高精度科学计算全功能GPU、MUSA科学计算套件公司招股书，公司年报CAIPCGPU国产化CGPUGPUAIPC加速硬件。C端是全功能GPU路线独有的市场：游戏、内容创作与端侧AI负载同时要求图形渲染、视频编解码与AI计算能力，只有功能覆盖完整的GPU架构才能参与。对摩尔线程而言，C产品为“同一架构多场景覆盖”有效延展与独有竞争优势。JPR，2025PC的（Add-in-BoardAIB）442892%；AMDIntel6%1%2026Steam硬件调查，20266GPUGPU72%C端国产化几乎空白，替代空间充分。图16：2025年全球AIBGPU市场份额 图17：2026.6存量GPU市场份额 RTX5070(RTX50-series)2.86%RTX4060Laptop(topJun)3.81%RTX3060(topmodel)3.73%Intel(iGPU)7%AMD(discrete)19.13%Nvidia(allGPUs)72%RTX5070(RTX50-series)2.86%RTX4060Laptop(topJun)3.81%RTX3060(topmodel)3.73%Intel(iGPU)7%AMD(discrete)19.13%Nvidia(allGPUs)72%Nvidia,92%JonPeddieResearch（海外咨询公司），申万宏源研究

源研究

SteamHardwareSurvey（海外咨询机构），申万宏C端GPU的门槛与B层面。1）游戏生态适配：CDirectX、Vulkan等图形接口并逐游戏优化，还需通CGPU最严苛的市场。摩尔线程是国内量产消费级游戏显卡的全功能GPU厂商，具备先发卡位优势。MTTS80/S70WindowsDirectX11/12的游戏显卡，20222999元RTX30603A大作及数十款主流游戏，202512OpenGL4.6Vulkan1.3MUSAAICIGC202512月发布新一代“花港”架构及图形渲染芯片“庐CBGPU的消费者品牌认知。AI：以GPUAI走向物理世界AIAI其结构可简化为"（感知基座（认知决策中枢系统整合载体AI的主要应用方向，其中具身智能的想象空间最大。图18：物理AI是让AI从虚拟世界走向物理世界的系统性工程 申万宏源研究实现物理AI依赖三大技术支柱协同：作为物理AI3D（3DGaussian（Voxel等方法来实现空间表征，根据当前状态预测未来的物理演化。果和物理仿真的计算输出，生成具体的控制指令。GPUAIAIGPU之上。AI真环境依赖实时渲染，三类负载均需要全功能GPU的能力。目前英伟达已经建立一套相对完整的物理AI使用流程，软硬一体化方案解释Nvidia的下一代“软核心”布局：构建虚拟3D环境（Omniverse）：OmniverseGPU实时模拟和协作平台，3DAPI（包括CAE、CAD等），从早期的3D创作演变为工业、元宇宙仿真平台，可在平台上构建物理场景，并通过RTX渲染集成到仿真流程。被定义为“世界基础模型AI终端普及的关键所在。核心功能在于使开发者能够根据文本、图像和视频等输入组合以及（AICosmos的独特之处在于其对物理规律的严格遵守和对三维空间的深度理解。AITensorFlowPyTorchNVIDIANGC上提AINVIDIAIsaacSim等参考应用进行仿真验证。BlackwellJetsonAGXThorDRIVEAIOrin7.5Transformer、VLM、VLA等生成式模型在机器人本体实时OmniverseCosmosDGX训练验证JetsonMTLambdaMuJoCoWarpMUSA切入物理仿真环节。2025年12MTLambdaAI年3月开源MuJoCoWarpMUSA，为DeepMind主导的MuJoCoWarp物理引擎提供MUSACPU1e-5Go2四足机器人运控任务中，S500040967-8CPU最高提速约40G1Sim2Real真机验证。+训练侧，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%，为行业首次国产集群验证；数据侧，与光轮智能共建高置信度仿真数据方案，极佳科技具身世界模型亦在S5000上完成训推验证；端侧，“长江”SoC与MTTE300模组构成MTRobot方案，已在机器狗、人形机器人真机部署。AIGPU产业未来的核心增量环节之一，公司有望实现卡位。能GPU为底座，依托MUSA统一软件生态，与具身智能硬件、大模型及数据厂商深度协AI生态发展。环节 英伟达 摩尔线程表10：摩尔线程布局物理AI环节 英伟达 摩尔线程虚拟环境/仿真 Omniverse、IsaacSim MTLambda仿真平台、MuJoCoWarpMUSA（开源）合成数据合成数据Cosmos、Replicator与光轮智能共建高置信度仿真数据方案模型训练模型训练DGX端侧部署JetsonThor/OrinMTTS5000、KUAE集群“长江”SoC、MTTE300模组、MTRobot方案机器人基础模型

GR00T、Cosmos 以合作伙伴生态为主腾讯新闻，IT之家，英伟达/摩尔线程官网MUSA架构迭代：由全功能验证走向集群协同MUSAGPUAIGPUTCE张量计算引擎、TME张量访存引擎和ACE异步通信引擎，延伸至减少计算等待和提高硬件资源利用率。图19：TCE、TME、ATB张量引擎公司官网、申万宏源研究TCETCEGEMMFP830%，反映低精度计算对模型吞吐和硬件利用率具有较明显的改善作用。TMETMEGEMM、AttentionACE及跨GPU数据访问通常会占用计算核心和存储带宽。ACE使用独立硬件单元执行异步数据传输，使通信与张量计算并行推进，减少计MoEMFU5%，体现出通信卸载对多卡训练有效算力的改善作用。专用引擎主要任务解决的瓶颈对有效算力的作用专用引擎主要任务解决的瓶颈对有效算力的作用TCE张量及低精度计算矩阵计算吞吐不足提高核心算子计算效率TME张量搬运及格式转换数据供给与访存等待减少计算单元空闲时间ACE多卡异步数据传输通信占用计算资源降低参数同步等待公司官网平湖推动公司由“多类任务能够运行”迈向“数据中心负载高效运行”。早期全功能GPUAIGPUGPU型规模持续扩大提供硬件基础。TCETMEACETME等待，ACE降低参数同步带来的资源占用，使平湖架构的优化范围由单一计算性能延伸至模型吞吐、MFUMUSA同一架构开发数据中心智算卡、专业图形产品和智能SoC程模型能够在不同硬件形态间延续，有助于减少重复开发并推动既有软件适配成果向后续产品迁移。全功能设计同时对资源调度和长期兼容维护提出更高要求。表12：MUSA架构优化重点由单卡功能向集群协同演进设计维度早期全功能GPU阶段数据中心GPU阶段集群计算阶段核心目标完成图形、AI、视频等能力验证提升大模型训练与推理性能提升多卡和多节点有效算力计算能力FP32、FP16等基础精度强化BF16、FP8等低精度计算多精度混合计算与任务并行存储系统满足图形及单卡计算提升显存容量和带宽优化跨卡数据访问效率互联能力单卡及基础多卡运行高带宽卡间互联多节点通信与规模扩展软件要求驱动及基础运行环境AI框架和计算库适配集合通信、调度及容错验证指标功能完整性单卡模型性能MFU、扩展效率及稳定性公司招股书，公司年度报告化为模型实际性能。编译器和运行时根据算子结构拆分并调度任务，计算库释放不同精度下的硬件性能，通信软件则将参数同步尽可能与计算并行。公司在芯片内部引入异步通信单元，并通过软件栈协调计算和通信资源，有助于提高分布式训练中的数据传输效率。图20：数据中心GPU性能依赖计算、存储与互联协同 申万宏源研究公司数据中心GPU更侧重模型吞吐、MFU、多卡扩展效率和运行稳定性。峰值算力GPU软件生态：迁移效率决定客户导入速度MUSAGPUCUDAPyTorchCUDAMUSA的竞争力不仅取决于代码能否迁移，更取决于迁移后模型能否稳定、高效运行。图21：CUDA应用向MUSA平台迁移及优化流程公司年报MUSIFY、MUSA-XMUSAToolkitCUDACUDAMUSA-XCUDAMUSAToolkittorch_musatorch_musaPyTorchCUDAMUSA盖决定模型功能能否完整执行，计算库性能决定硬件算力能否充分释放。公司已对DeepSeekMiniMax图22：MUSA软件栈覆盖应用迁移、框架适配与底层计算库摩尔线程文档中心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。MCCLGPUMUSAPyTorch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。GPUGPU初步形成系统级交付能力。大模型客户采购对象已由单张加速卡逐步扩展至包含服务器、网络、存储和软件平台的完整算力系统。公司通过KUAE整合计算集群、资源管理和模型开发环境，使产品价值量和客户服务范围均高于单卡交付。片性能、显存、功耗及软件兼容；服务器阶段考察多卡拓扑、CPUGPUCPUKUAEPCIeCPU图23：单机多卡节点由GPU、CPU、内存与网络协同构成 DataStates-LLM:LazyAsynchronousCheckpointingforLargeLanguageModels》，申万宏源研究KUAE通过节点内高速互联和IB/RoCE网络，同时支撑Scale-up与Scale-out扩展。节点内高速互联用于承载通信频繁的模型并行任务，节点间网络进一步扩大服务器和机架规模。公司平湖架构片间互联带宽提升至800GB/s，KUAE则支持IB或RoCEv2网络，为多卡和多节点扩展提供硬件基础。公司已发布MTTC256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-upGPUMTTC256KUAEGPUKUAEGPUKUAEPlatformKUAEModelStudioKUAE210240GPUIBRoCEv2GPU400Gb/s，GPU800GB/s，并配置训练数据缓存系统。KUAEPlatformGPUGPU并协调训练与推理任务的运行优先级。公司还通过动态资源调度、检查点和监控运维技术提高训练连续性，降低硬件资源闲置和任务中断带来的效率损失。KUAEMTTS5000MFUMFU409095%。公司将OAM成边界持续拓展。GPU服务器和智算集群涉及显存、PCB、网卡、交换机、服务器整机及KUAE已具备万卡级扩展能力，并逐步形成面向客户生产环境的系统化交付优势。GPU客户扩容和重复采购推动系统能力持续转化为收入增长。厂商数据中心产品互联与集群能力软件及管理平台摩尔线程AI加速卡、服务器、厂商数据中心产品互联与集群能力软件及管理平台摩尔线程AI加速卡、服务器、KUAE集群卡间高速互联MTLink，支持IB或RoCE集群扩展MUSA、KUAEPlatform、KUAEModelStudio天数智芯训练推理加速卡、服务器方案以标准服务器和行业集群方案为主软件栈、虚拟化及资源管理工具壁仞科技PCIe、OAM加速卡、服务器面向数据中心多卡及集群部署BIRENSUPA软件平台沐曦股份加速卡、服务器及超节点MetaXLink多卡互联，布局大规模集群MXMACA软件栈及集群工具寒武纪AI加速卡及合作伙伴服务器MLU-Link支持单机多卡，依托生态伙伴部署集群NeuWare、MagicMind及通信库海光信息CPU、DCU及异构计算平台依托整机厂商和行业伙伴建设集群CPU与DCU异构计算软件生态各公司官网、招股书商业化验证：由测试导入走向重复采购公司产既有客户扩容是公司由项目制收入转向持续增长的首要路径。GPU图24：GPU集群验证由部署检查延伸至持续运营管理NVIDIA既有项目经验和软件适配成果具备较强复用价值及行业智算场景中复制，客户数量和应用范围共同驱动商业化增长。2022-2025年H1，公司前五大客户销售额合计为0.41亿元、1.18亿元、4.24亿元和6.90亿89.8697.4598.1698.29202250%。2023年以来，随着产品性能提升和产品体系完善，AI智算板卡、AI智算集群设备及专业图形集群设备收入占比明显提高，单个项目金额扩大，带动前五大客户销售规模快速增长。2022年2023年2024年2025H12022年2023年2024年2025H1排名销售额（万元）占比销售额（万元）占比销售额（万元）占比销售额（万元）占比13,052.0866.58%4,679.9738.53%16,460.4638.07%39,730.6256.63%2417.919.12%4,488.3736.95%15,388.2135.59%21,688.7430.91%3268.775.86%1,982.5716.32%6,924.6016.02%4,476.046.38%4203.544.44%399.143.29%2,754.196.37%2,140.173.05%5176.983.86%287.612.37%907.562.10%919.621.31%合计4,119.2989.86%11,837.6697.45%42,435.0398.16%68,955.1998.29%公司招股书AIAIAI头部大模型厂商与云服务商的官宣合作，进一步印证公司算力底座的产业认可度。WAIC2026MinimaxEvoPhys.ai等AI产业链公司的合作成果。盈利预测GPUGPUAI智算产品、边缘与终端及图形产品。MUSA软件生态持续完善、KUAE集群交付能GPUGPU产品：1）云端产品：2025AI14.61亿元。公司产品形态已由智算板卡延伸至智算一体机和KUAEMTTS500010万卡等新增智算项目导入，预计2026—2028年收入分别为36.25亿元、65.25107.33亿元。0.26PCAI2026—20280.75亿元、1.503.00亿元。其他：其他业务主要包括技术服务及配套收入，整体规模相对较小。预计2026-2028年收入保持稳定，对应收入保持在0.19亿元。2026-202859.0%59.2%59.3%分业务看，2025AI70.3%，随着客户采购规模扩大以及服务器、网络和存储等系统组件在整体交付中的占比提高，预计2026年毛利率回落至60%，2027-202860%GPU产品59.6%、59.6%59.5%。2026-2028为-50%。随着其收入占比持续下降，对综合毛利率的拖累逐步减弱，推动公司综合毛利率2025表15：分业务收入及毛利率预测（单位：百万元人民币）单位：百万元2022A2023A2024A2025A2026E2027E2028E营业总收入461244381,5063,7196,69411,052-yoy-169.0%253.6%243.4%147.0%80.0%65.1%营业成本78921285181,5242,7294,502毛利率 -70.1%26.1%70.7%65.6%59.0%59.2%59.3%其中：核心GPU产品 4612143114863700667511032.5-yoy-165%255%245%149%80%65%毛利率-70.4%28.1%72.7%69.8%59.6%59.6%59.5%云端/AI智算产品0033614613625652510732.5-yoy - - -335%148%80%64%毛利率 - - 73.1%70.3%60.0%60.0%60.0%边缘与终端/图形产品46 121 952675150300-yoy-165%-21%-73%194%100%100%毛利率-70.4%28.1%71.0%40.0%40.0%40.0%40.0%其他03719191919-yoy-913%198%155%0%0%0%毛利率-1.3%-69.9%-41.3%-264.0%-50.0%-50.0%-50.0%销售费用：考虑到公司将持续推进云服务商、运营商、智算中心及行业客户导入，2026-20283.004.00亿6.008.1%、6.0%5.4%。织架构预计逐步稳定，预计2026-2028年管理费用逐年抬升，分别为4.00亿元、5.00亿6.0010.8%、7.5%5.4%。研发费用：GPU架构、MUSA软件栈、模型适配KUAE2026-202820%25%15.66亿19.5825.4542.1%、29.2%23.0%。盈利预测与估值综上，我们预计摩尔线程2026-2028年营业收入分别为37.19亿元、66.94亿元和110.52亿元，归属普通股东净利润分别为-2.49亿元、9.09亿元和25.53亿元。2026年接近盈亏平衡，2027年进入规模化盈利阶段。公司招股书中管理层2027AI59%以上以及期间费用率快速下降。PSG公司收入正处在高速放量026-202E复合增速达到%GU估值因盈利波动而失效，PS估值无法区分不同公司的成长性。因此，复合收入增PS股票代码 股票简称2026/9/11总市值（亿元）股票代码 股票简称2026/9/11总市值（亿元）营业收入（亿元）PSPSG2025A 2026E 2027E2028E 2025A 2026E 2027E2028E26E-28ECAGR2026E 2027E 2028E

可比公司选择国产AI芯片以及半导体行业内重要的国产化替代厂商。选择海光信息、寒武纪、沐曦股份、盛科通信、华大九天作为可比公司。天数智芯、壁仞科技同为国产AI芯片“四小龙”，考虑到这两家公司为港股上市，有一定折价，因此不纳入可比范畴。（6804.HCU与海光DCU，AIFablessAI算力芯片设计公司，同处高研发投入、收入快速放量阶段，估值均由远期成长空间主导。寒武纪（688256.SH）：公司是国产AI芯片头部厂商，产品覆盖云端训练推理芯片、边缘端芯片及加速卡整机，采用Fabless模式，客户以互联网大厂和智算中心为主。与摩尔线程同为国产AI芯片设计企业，同样经历高研发投入向规模化盈利切换的拐点，收入弹性与盈利释放节奏相近。（688802.SH）GPU（推理（训推一体（图形渲染FablessGPU"四小龙"AI智算芯片放量期，产品形态、客户结构与商业模式和摩尔线程最为接近。FablessAIFabless设计公司，交换芯片与国产AI芯片同属AI浪潮下对海外芯片的国产替代，成长驱动与估值逻辑一致。（301269.SZ）EDAEDA首次覆盖，给予“买入”评级。可比公司平均PSG2026E为0.81x，摩尔线程PSG2026EPSG2026E688041.SH 海光信息 5367 142 225 321 439 38 24 17 12 40% 0.60 0.42 0.31688256.SH 寒武纪 6540 65 163 321 527 101 40 20 12 80% 0.50 0.26 0.16688802.SH 沐曦股份 1956 16 35 63 98 119 56 31 20 68% 0.83 0.46 0.30688702.SH 盛科通信 1236 11 18 30 52 108 68 41 24 70% 0.97 0.58 0.33301269.SZ 华大九天 474 13 17 21 26 36 28 23 18 25% 1.12 0.89 0.72平均值 81 43 26 17 57% 0.81 0.52 0.36688795.SH 摩尔线程 1682 15 37 67 111 112 45 25 15 72% 0.62 0.35 0.21申万宏源研究；注：货币单位为人民币，可比公司盈利预期来自Wind一致预期风险提示技术研发及软件生态建设不及预期风险。GPUMUSA平台在模型兼容、集群扩展效率和运行稳定性方面未达到客户要求，可能影响产品竞争力及商业化导入。供应链稳定及盈利能力不及预期风险。Fabless合并损益表

财务摘要百万元202420252026E2027E2028E营业总收入4381,5063,7196,69411,052营业收入4381,5063,7196,69411,052营业总成本2,0572,4903,8775,6908,367营业成本1285181,5242,7294,502税金及附加35555销售费用135233300400600管理费用410385400500600研发费用1,3591,3051,5661,9582,545财务费用22458399116其他收益4236000投资收益155000净敞口套期收益00000公允价值变动收益11000信用减值损失-1827-10-22资产减值损失-40-123-118-85-110资产处置收益00000营业利润-1,616-1553营业外收支-30000利润总额-1,619-1553所得税0-7000净利润-1,618-1553少数股东损益00000归母净利润-1,618-1553聚源数据合并现金流量表聚源数据

资本开支与经营活动现金流(百万元)2024 22026E2027E2028E0252024 22026E2027E2028E025百万元202420252026E2027E2028E净利润-1,618-1553加