6月30日，北京GPU企業(yè)摩爾線程、上海GPU企業(yè)沐曦集成電路，科創(chuàng)板IPO申請雙雙獲上交所受理。隨著兩家公司叩響IPO大門，國產(chǎn)GPU賽道的 “燒錢” 與 “造夢” 再次成為行業(yè)焦點。

國內(nèi)目前還有多少GPU排著隊等著要IPO，國產(chǎn)GPU到底能不能發(fā)展起來？這是最近大家最關心的問題。

昨日沐曦、摩爾線程兩家國產(chǎn)GPU公司IPO的消息引發(fā)行業(yè)關注，其中，GPU的“高投入、高回報”引發(fā)了很多人的關注。當然，恭喜國產(chǎn)GPU發(fā)展迎來了不容易的下一個階段。

GPU到底有多燒錢？

沐曦擬募資39億元，2022~2024年凈虧損分別為7.77億元、8.71億元、14億元；扣非后凈虧損分別為7.84億元、8.9億元、10.44億元；研發(fā)投入分別為6.478億元、6.99億元和

9億元，累計研發(fā)投入金額為22億元。

摩爾線程計劃募資80億元，2022年~2024年凈虧損分別為18.4億元、16.73億元、14.92億元；扣非后凈虧損分別為14.12億元、16.9億元、15億元；研發(fā)費分別為11.16億元、13.34億元、13.59億元，合計研發(fā)投入金額為38億元。

但實話講，燒錢多嗎？其實對比英偉達還是有距離的。有數(shù)據(jù)顯示，英偉達2024財年研發(fā)費用為129.14億美元。

那么，GPU掙錢嗎？

其實還是很有潛力的，沐曦和摩爾線程兩家公司的營收便在逐年上升，尤其在這兩年達到億元的規(guī)模。

沐曦2022年~2024年營收分別為42.64萬元、5,302.12萬元、7.43億元。產(chǎn)品上，采用自主研發(fā)的GPU IP和指令集、統(tǒng)一的GPU計算和渲染架構，產(chǎn)品矩陣包括用于智算推理的曦思N系列GPU產(chǎn)品，用于訓推一體和通用計算的曦云C系列GPU產(chǎn)品，以及用于圖形渲染的曦彩G系列GPU產(chǎn)品，涵蓋了計算（包括訓練、推理、通用計算）和渲染的全場景，并已實現(xiàn)多款高性能GPU產(chǎn)品的量產(chǎn)銷售。

摩爾線程2022年~2024年營收分別為4608.8萬元、1.24億元、4.38億元。產(chǎn)品上，基于自主研發(fā)的MUSA架構，推出智算卡包括MTT S4000、S5000及KUAE系列智算集群，消費級GPU包括MTT S80/S70，高性能圖形工作站產(chǎn)品通過多項國產(chǎn)化兼容認證。其中，MUSA架構功能包括AI 計算加速、圖形渲染、物理仿真和科學計算、超高清視頻編解碼等，精度包括FP64/FP32/TF32/FP16/BF16/FP8/INT8，與CUDA、CDNA和RDNA相當。

除了摩爾線程和沐曦，目前國產(chǎn)GPU也活躍著眾多玩家，主要分為幾個派別：

• NVIDIA系：代表企業(yè)有摩爾線程、天數(shù)智芯，這些企業(yè)創(chuàng)始人和核心人員都有NVIDIA基因，打法是優(yōu)先兼容CUDA生態(tài)切入市場，再通過自研架構不斷發(fā)展；

• AMD系：代表企業(yè)有壁仞、沐曦，創(chuàng)始人和核心人員都有AMD基因，AMD作為英偉達挑戰(zhàn)者，一直以差異化為競爭核心，這些流派玩家打法和AMD類似；

• 國家隊：比如景嘉微，創(chuàng)始人及核心團隊均來自國防科技大學，景嘉微通過軍用圖形顯控起步，穩(wěn)扎穩(wěn)打進入信創(chuàng)市場，并不斷拓展至AI計算領域；再比如海光、龍芯、兆芯，選擇研究集成GPU，與CPU配合；

• 拆分系：商湯作為AI公司，2024年底也拆分獨立了曦望Sunrise公司，最近它剛完成近10億元融資，主要圍繞自己AI產(chǎn)品進行開發(fā)產(chǎn)品。

隨著兩家GPU公司上市進程提速，這也引發(fā)了行業(yè)人士拋出疑問：未來一年或者幾年內(nèi)，無法上市的企業(yè)將在融資層面面臨更大壓力，甚至可能削弱對核心人才的吸引力。但恰恰相反的是，GPU是必須燒錢的。對2018年前后成立的GPU初創(chuàng)公司而言，能否在短期內(nèi)實現(xiàn)上市，儼然成為決定其發(fā)展命運的 '關鍵決賽'，如果不能上市未來又該何去何從？

而那些成功叩開資本市場大門的企業(yè)，又將直面新的挑戰(zhàn)：如何應對季度財報發(fā)布帶來的持續(xù)業(yè)績考驗？燒錢過快，無法與營收保持平衡又該怎么辦？

國產(chǎn)GPU不完全盤點，制表丨EEWorld

雖然流派有一定區(qū)別，但這些廠商的目標基本都是一致的。

第一，突破生態(tài)困局。英偉達CUDA是GPU廠商永遠繞不開的檻，目前CUDA已積累300萬開發(fā)者，而國產(chǎn)GPU廠商被迫構建'兼容層+自研框架'的過渡方案。

第二，Chiplet。國產(chǎn)廠商本身與英偉達具有巨大代差，想要直接對標英偉達的性能基本不可能，所以大多數(shù)通過Chiplet+先進制程，進一步壓榨芯片性能。

第三，HBM。HBM是GPU的重要物料，想要發(fā)揮最大性能也要使用HBM，可以看到摩爾線程和沐曦采購中HBM也擁有很大占比，同時HBM本身與代工息息相關。

第四，IP。除了研發(fā)GPU IP本身之外，GPU廠商想要做好板卡，也要掌握大量IP技術。比如，摩爾線程自主研發(fā)了PCIe 5.0控制器、HBM3e/GDDR6存儲控制器、MT-Link高速互連協(xié)議議及多模態(tài)視頻處理引擎，SerDes接口技術和定制化SRAM架構。

第五，兼容性。做GPU，好用才是關鍵。尤其一些消費級GPU，必須兼容足夠量級的游戲、軟件，做好驅動；同時也要兼容x86、Arm、LoongArch 等主流CPU架構，以及麒麟、統(tǒng)信、中科方德、OpenEuler、Ubuntu等多種Linux及Windows操作系統(tǒng)。

第六，集群。對于GPU來說，Scale-Up、Scale-Out、Scale-Inside都至關重要，因為在數(shù)據(jù)中心中，就不可能讓一顆GPU單打獨斗，形成集群才是關鍵。

但無論如何，布局任何東西都要錢，這些企業(yè)都還得繼續(xù)燒研發(fā)上的費用，同時還要承受先進制程的巨額費用。

AI無疑是GPU增長最大的市場之一，畢竟游戲、圖形渲染領域對軟件支持度要求更高，國產(chǎn)廠商不可能一蹴而就，馬上就取得巨大市場。

以Deepseek為代表的生成式大模型引領技術變革，算法發(fā)展推動AI模型訓練對巨量算力的需求，數(shù)據(jù)量增長也要求算力同步進化，算力成為 AI技術突破的關鍵。此外，受中美科技博弈及國產(chǎn)替代政策推動，我國本土AI芯片市場滲透率近年顯著提升，但整體仍處發(fā)展初期，競爭格局尚未明朗。

從技術路徑看，國內(nèi)AI芯片分成了兩大流派：通用計算架構的GPU，華為海思、中昊英芯等專用計算架構（ASIC/TPU/DSA）芯片企業(yè)。

GPU在并行計算領域性能優(yōu)勢日益凸顯，其技術特性已超越傳統(tǒng)圖形處理范疇，在數(shù)據(jù)中心、AI、自動駕駛等高性能計算領域發(fā)揮重要作用。目前GPU主要功能朝兩個方向演變：一是延續(xù)傳統(tǒng)的圖形處理功能，二是利用并行計算能力在非圖形處理領域開展更通用的科學計算，以滿足不同場景的計算需求。

沙利文數(shù)據(jù)顯示，2024年中國AI芯片市場規(guī)模1425.37億元，預計2029年達13367.92億元，2025~2029年復合增長率53.7%，其中GPU市場份額從2024年的69.9%增至2029 年的77.3%，增長潛力巨大。

市場就這么大，但是現(xiàn)在處在同一賽道的玩家卻有很多，可見洗牌、并購會是必然。畢竟，國外也只有英偉達、AMD、英特爾等幾家巨頭。

需要指出的是，過去，國產(chǎn)GPU曾經(jīng)有過一個有意思的現(xiàn)象：動不動就喜歡“超越英偉達”，但最后卻被人發(fā)現(xiàn)是“田忌賽馬”式對比，或者通過內(nèi)置AI加速器優(yōu)化個別性能指標并以此宣稱超越英偉達，或者是使用第三方GPU IP授權卻宣稱自研自主可控。

總之，GPU的研發(fā)難度其實可能CPU還要大，并且由于GPU沒有控制器，需要依賴CPU控制調(diào)用，無法單獨工作，因此必須與國產(chǎn)CPU同頻共振。如果想要真正超越英偉達，可還需要進一步的腳踏實地地沉淀，以及新一輪的洗牌和并購?，F(xiàn)在，隨著這些企業(yè)上市進程近了，這些企業(yè)的壓力也更大了。但是，總要有國內(nèi)公司要站出來做這件事，畢竟不能讓英偉達把錢都賺走。