11月18日,英伟达临时CEO科莱特·克雷斯在财报电话会上说了一句话,很短,但足以让中国大模型行业后背发凉:英伟达将不再向中国出货H200芯片。在此之前,H200已经是获准输华的最上限产品。如今,连这扇“有限通气”的窗也被彻底封死。


这不是孤立的一击。如果把过去一年多的时间线拉直,会发现一条清晰的递进逻辑:英伟达B300一卡难求,是“买不到”;“硬件指纹”溯源让灰色渠道的合规风险暴露在聚光灯下,是“藏不住”;远程云算力租赁被锁死,是“租不着”。而H200的正式断供,把最后一条合法获取路径也划掉了。从实体芯片到远程算力,对华的高端GPU封锁网已经完成了从“卡脖子”到“封喉咙”的升级。


就在这股寒意席卷行业的同时,二级市场给出了极具戏剧性的反应:摩尔线程盘中逆势大涨超10%。


很多散户看不懂:为什么每次海外断供加码,市场资金都在第一时间往摩尔线程里面扎?这究竟是纯粹的情绪博弈,还是底层产业逻辑被真正的专业资金看懂了?


回答这个问题,不能靠宏观口号,必须看透摩尔线程在当下算力格局中构筑的不可替代性支柱。


一、打破“国芯只能做推理”的现实偏见


长期以来,国产GPU赛道一直存在一个隐性的信任死锁:“推理热闹,训练冷清”。


在二级市场看芯片,必须分清训练和推理的本质差别。推理是单次输入输出,坏了一张卡只影响一个请求;而大模型预训练是几千甚至上万张卡以全精度状态高负荷连轴运转数月,中途任何一次通信抖动、精度偏离或单点崩溃,都可能导致整轮训练前功尽弃,几千万上亿元的研发费用直接打水漂。


这种极其沉重的试错成本,让国内头部科技公司和科研机构“亏不起、不敢赌”。哪怕出于安全考虑采购了国产芯片,也普遍不敢拿来跑核心的基模预训练,大多只能降级放到边缘推理场景。


打破信任偏见的唯一方式,是用实打实的万亿参数训练战功说话。


面对这一产业痛点,摩尔线程凭借其全功能架构、精度对齐体系以及超大规模集群适应能力,支撑了之江实验室“021”(Zero to One)科学基础模型的全流程端到端全链路训练。


这一成果在行业内具有极高的分量,它释放了三层极其清晰的信号:


1.破除“国芯只能做推理”的刻板认知,直接证实了摩尔线程不仅能应付低门槛的短平快推理,更有能力扛起计算密度要求极高的基础训练重任。

2.化解跨生态迁移的隐性重成本,对产业客户而言,换芯片最忌讳代码重写与框架脱节。摩尔线程对主流大模型训练生态的原生级兼容,大幅降低了科研机构与商业大厂从海外生态切换至国产底座的工程改造成本,打通了规模化商用的敲门砖。

3.跑通“自主芯片训前沿基模”的现实闭环,当顶尖学术机构的科学基模能在其集群上稳定跑通并向全行业开源,标志着国产算力真正从实验室样片跨越到了具备生产力验证的产业基础设施阶段,确立了其在供给侧的核心底座地位。


可以说,在除华为昇腾之外的国产通用算力梯队中,摩尔线程是用真实战果跑通端到端万亿级别科学大模型的代表。


二、全功能路线的生态卡位:不可逆的“平滑迁移”最优解


如果说训练实力是入场券,那么生态兼容性就决定了天花板。


过去几年,国内芯片公司分化为两条路线:一条是砍掉图形渲染、专注AI矩阵乘法的专用算力芯片(ASIC);另一条则是坚持“架构最难、门槛最高”的通用全功能GPU(GPU原生)。摩尔线程坚定选择了后者,其自主研发的MUSA架构在底层对标英伟达的现代计算核心,完整集成了AI计算、图形渲染、物理仿真与科学计算、超高清编解码四大引擎。


这一路线在今天体现出了极高的商业壁垒:正如上文所言,它最大限度降低国内机构向国产算力平滑迁移的改造成本。


国内互联网大厂和AI科研团队过去十年在CUDA生态上积累了数以万亿计的算法资产、工程管线和技术习惯。如果换用架构差异巨大的专用芯片,意味着底层算子库需要大规模重写,工程协同和后期运维成本极高。而摩尔线程不仅在计算体系上高度契合,更对PyTorch、Megatron等主流开源大模型框架实现了原生级的平滑支持,让开发者几乎不用重构代码就能迁移业务。


未来国内算力市场的终局正愈发清晰:一条是以华为昇腾为主导的“芯片+框架+模型”垂直自研闭环;另一条则是以摩尔线程为代表的“高度兼容全球主流开源标准、面向全行业通用开放”的全功能生态体系。在开放通用生态这一侧,摩尔线程凭借先发优势已经卡住了极其关键的位置。


三、物理AI的架构红利


更具想象空间的长期看点,在于物理AI与具身智能时代的提前卡位。


从ChatGPT代表的“语言智能”走向人形机器人和工业自动化的“物理智能”,算力需求发生了本质变化。物理AI遵循“在虚拟世界高频模拟训练,在物理世界实时推理部署”的范式,对机器人的运控要求通常在200Hz以上。这意味着系统必须在一个时钟周期内,同时完成高精度的环境物理碰撞解算、高画质视音频渲染以及复杂的神经网络推断。


此前专为语言模型优化的专用AI芯片,由于缺失3D图形与物理模拟硬件单元,不得不依赖主机CPU与多块异构板卡通过PCIe总线频繁倒腾数据,巨大的通信延迟直接击穿了机器人的实时性底线。而摩尔线程的全功能GPU芯片在底层架构上整合了3D渲染与物理仿真管线,天然与具身智能高频运控的“算、渲、仿一体”深度契合,其打造的MT Lambda具身仿真平台,成为了国内少数能在架构层面对标英伟达Isaac与Omniverse物理仿真平台的底座。


架构上的领先性,直接转化为了商业终端的重磅认可:


最直接的便是其成功斩获了京东的十万卡级别集群订单。对于京东庞大的智能供应链、全自动化无人仓储以及高并发物理仿真环境而言,需要的绝不是单打一的矩阵乘法芯片,而正是这种兼备大规模张量计算、数字孪生渲染与高精度物理模拟的全功能算力底座。十万卡这一量级的超级大单,不仅是对其物理AI架构实力的最高等级商业背书,更直接提前锁定了未来几年在产业级实体AI场景下的规模化放量空间。


四、基本面拐点确立


当然,再宏大的技术构想与架构优势,最终都要通过财务报表来检验成色。2026年三季报的数据,彻底为摩尔线程撕掉了“仅靠技术叙事支撑估值”的早期标签,明确确立了基本面的向上拐点:


规模放量,营收跨越式高增:2026年前三季度,公司实现营业收入32.89亿元,同比暴增319.15%;其中第三季度单季营收达到15.52亿元,同比增幅高达1773.92%。单季营收贡献近半,表明其芯片出货与集群交付已正式迈过概念导入期,进入头部客户批量采购的陡峭放量阶段。


盈利跨越,历史性扭亏为盈:前三季度实现归母净利润3769.73万元,其中Q3单季净利润达到4926万元。在GPU这一重资本投入的赛道里,迈过盈亏平衡线并实现单季度正向盈利,是硬科技企业最关键的成人礼,直接打破了二级市场对其“长期烧钱无底洞”的估值折价担忧。


研发高压推进,技术壁垒加速筑深:前三季度研发投入达13.4亿元,占营业收入比例超40%。在GPU这种典型的长周期、高强度军备竞赛中,研发投入是护城河唯一的生命线。值得注意的是,公司并没有通过压缩研发开支来“粉饰”利润表,而是在维持高额研发支出的同时依靠强劲的收入放量实现了单季盈利转正,展现出了显著的规模效应与经营杠杆释放弹性。


结语


从“买不到、藏不住、租不着”到“不再向中国出货H200”,外部供给的通道正在不可逆地层层锁死。这不再是一场能够依靠妥协或者灰色渠道侥幸通关的游击战,而是摆在整个中国AI产业面前的必答题。


在这一背景下,具备万亿级大模型端到端训练实战战功、能够平滑承接全球主流开发生态、兼备物理AI前瞻架构并已率先跑通自我造血正循环的摩尔线程,正在从昔日被市场质疑的“替代选项”,蜕变为二级市场眼中不可多得的“核心硬资产”。


对于真正理解大模型工程落地机理的投资者而言,答案早已写在产业演进的必经之路上。

$摩尔线程-U(SH688795)$

追加内容

本文作者可以追加内容哦 !