文 | 時(shí)間線 Timelines，作者 | 趙明，編輯 | 周易
摩爾線程正在努力重新定義自己。
過(guò)去五年，摩爾線程被外界定義為一家國(guó)產(chǎn) GPU 公司；但目前，摩爾線程正在有意推翻這一定位。其中的一個(gè)典型例證是，在其上月召開(kāi)的年度產(chǎn)品發(fā)布會(huì)上，摩爾線程用接近 2 個(gè)小時(shí)的時(shí)間，一口氣完成六大重磅發(fā)布：
從萬(wàn)卡級(jí)規(guī)模的夸娥智算集群，到自研 " 長(zhǎng)江 "SoC 驅(qū)動(dòng)的智能終端 MTT AICUBE 和 MTT AIBOOK；從數(shù)字世界智能體 " 小麥 "，到加速物理 AI 落地的首個(gè)全棧具身智能仿真平臺(tái) MT Lambda，再到持續(xù)進(jìn)化的 MUSA 生態(tài)。
通過(guò)這一系列動(dòng)態(tài)，摩爾線程全面展示了一個(gè)覆蓋 " 云 - 邊 - 端 " 的全棧智算矩陣。
所以，一個(gè)問(wèn)題就自然浮現(xiàn)了：這家以 GPU 為基本盤(pán)的公司，究竟想要做什么？
從萬(wàn)卡集群到十萬(wàn)卡
如果把時(shí)間的指針撥回到一年半以前，摩爾線程的敘事重心還相當(dāng)簡(jiǎn)單—— GPU。
2025 年底，當(dāng)摩爾線程登陸科創(chuàng)板時(shí)，支撐其 3000 億估值的核心資產(chǎn)是夸娥（KUAE）萬(wàn)卡級(jí)智算集群——這是一套可以并行驅(qū)動(dòng)數(shù)千甚至上萬(wàn)顆 GPU 訓(xùn)練大模型的系統(tǒng)級(jí)解決方案。
隨后一年半，這套方案拿出了一組關(guān)鍵數(shù)據(jù)：Dense 大模型訓(xùn)練中模型算力利用率（MFU）達(dá) 60%，MoE 大模型達(dá) 40%，有效訓(xùn)練時(shí)長(zhǎng) 90%，8000 卡規(guī)模的集群訓(xùn)練線性擴(kuò)展效率達(dá) 95%。" 堆卡易，成陣難 " ——集群越大，系統(tǒng)越脆弱，一次鏈路抖動(dòng)、交換機(jī)異常就可能觸發(fā)連鎖反應(yīng)。夸娥能跑出 90% 的有效訓(xùn)練時(shí)長(zhǎng)，說(shuō)明它在系統(tǒng)級(jí)工程能力上已經(jīng)越過(guò)了國(guó)產(chǎn) GPU 此前普遍被詬病的 " 集群不可用 " 這道坎。
2026 年 3 月 30 日，摩爾線程簽下了一筆 6.6 億元的夸娥智算集群合同，單筆訂單占 2025 年全年?duì)I收的 44%。這是迄今為止國(guó)內(nèi)算力市場(chǎng)最大的國(guó)產(chǎn) GPU 單筆訂單之一，證明了摩爾線程的產(chǎn)品已經(jīng)能夠支撐萬(wàn)卡級(jí)別的智算集群建設(shè)。
4 月 26 日，摩爾線程同時(shí)發(fā)布了 2025 年財(cái)報(bào)以及 2026 年一季度財(cái)報(bào)，進(jìn)一步回答了云端基本盤(pán)的支撐力。
財(cái)報(bào)顯示，2025 年?duì)I收 15.06 億元，同比增長(zhǎng) 243.37%；2026 年一季度營(yíng)收 7.38 億元，同比增長(zhǎng) 155.35%，歸母凈利潤(rùn) 0.29 億元——這是摩爾線程自 2025 年 12 月科創(chuàng)板上市以來(lái)，首次在單季度實(shí)現(xiàn)盈利。
這樣的擴(kuò)張節(jié)奏折射出一種強(qiáng)烈的樂(lè)觀預(yù)期——張建中判斷，隨著以 OpenClaw 為代表的 Agentic AI 應(yīng)用深入，Token 消耗量正呈指數(shù)級(jí)增長(zhǎng)，日均消耗量已從一年前的 30 萬(wàn)億猛增至 180 萬(wàn)億。
他認(rèn)為智算時(shí)代需要建立 " 三大 AI 工廠 " ——模型訓(xùn)練工廠、Token 生產(chǎn)工廠、智能體生產(chǎn)工廠——而夸娥集群的任務(wù)，就是同時(shí)支撐這三種截然不同卻又相互交織的算力需求。
這套邏輯本身并沒(méi)有什么問(wèn)題，但它形成了一個(gè)頗為微妙的處境：如果摩爾線程要繼續(xù)鞏固其云端基本盤(pán)，就必須在十萬(wàn)卡級(jí)集群的建設(shè)上持續(xù)投入。
財(cái)報(bào)數(shù)據(jù)顯示，2025 年，摩爾線程研發(fā)投入達(dá) 13.05 億元，占營(yíng)收比重 86.68% ——換言之，公司賺到的每 100 元里，有 87 元被重新投入研發(fā)。即便到了盈利明顯改善的 2026 年一季度，研發(fā)投入占比仍維持在 50% 左右。這一比例，在 A 股所有上市公司中都屬極高。相較而言，國(guó)內(nèi)芯片龍頭海光信息的研發(fā)投入占比約為 18%，寒武紀(jì)約為 50%，臺(tái)積電約為 8%。
這意味著天文數(shù)字的資本開(kāi)支；但僅靠靠 GPU 這條路能否支撐摩爾的估值天花板，又是另一個(gè)值得追問(wèn)的話題。
但摩爾線程的壓力也不止于此。
2023 年至今，全球正在經(jīng)歷一場(chǎng)有史以來(lái)規(guī)模最大的算力軍備競(jìng)賽。訓(xùn)練一個(gè)頂級(jí)大模型，需要數(shù)以萬(wàn)計(jì)的 GPU 集群——英偉達(dá) GPU 由此變成了稀缺戰(zhàn)略資源，價(jià)格高漲的同時(shí)還一卡難求。
對(duì)中國(guó) AI 產(chǎn)業(yè)而言，這場(chǎng)算力競(jìng)賽的緊迫性被額外壓力所放大。2022 年至今，在地緣政治的影響下，英偉達(dá)的 GPU 幾乎無(wú)緣中國(guó)市場(chǎng)。這一背景下，國(guó)產(chǎn) GPU 的戰(zhàn)略價(jià)值從 " 可選項(xiàng) " 變成了 " 必選項(xiàng) "。
在這個(gè)背景下，包括摩爾線程、壁仞科技、海光信息、天數(shù)智芯在內(nèi)，一批國(guó)產(chǎn) GPU 公司相繼登場(chǎng)——但在技術(shù)變革和激烈競(jìng)爭(zhēng)的雙重維度下，僅靠 GPU 來(lái)講故事，顯然已經(jīng)不是摩爾線程的解法。
從 GPU 到智能 SoC
如果把云端算力比作 " 超級(jí)大腦 "，那么端側(cè)產(chǎn)品就是 AI 觸達(dá)每個(gè)人的 " 神經(jīng)末梢 "。但 GPU 公司在端側(cè)的布局，通常止步于提供 AI 推理芯片。摩爾線程的做法不太一樣。
發(fā)布會(huì)上，摩爾線程除了延續(xù)云端敘事外，重點(diǎn)推出了自研 " 長(zhǎng)江 " 智能 SoC 芯片、基于它的 MTT AICUBE 家庭 AI 中樞和 MTT AIBOOK AI 算力本、以及名為 " 小麥 " 的全域智能體和 MT Lambda 具身智能仿真平臺(tái)。
基于 " 長(zhǎng)江 "SoC，摩爾線程構(gòu)建了一套完整的產(chǎn)品矩陣：MTT AIBOOK（個(gè)人 AI 算力本）、MTT AICUBE（家庭 AI 中樞）和 MTT E300（工業(yè)邊緣 AI 模組）。其中 AICUBE 定位 " 智能體 + AI PC + AI NAS" 三合一，搭載全域智能體 " 小麥 "，集成 90 余項(xiàng)系統(tǒng)工具和 60 余項(xiàng)技能，支持超 36 款 APP 跨應(yīng)用控制。
再往上，是一整套軟件棧，包括原生 Linux 操作系統(tǒng)、MTClaw 智能體框架、PES 應(yīng)用市場(chǎng)，以及 MUSACODE AI 編程工具。
這套 " 芯片—操作系統(tǒng)—整機(jī)—智能體 " 的產(chǎn)品鏈條，已經(jīng)覆蓋了傳統(tǒng)上由四類不同公司承擔(dān)的角色：英偉達(dá)（GPU）、高通（端側(cè) SoC）、聯(lián)想（PC 整機(jī)）和微軟（操作系統(tǒng)）。摩爾線程試圖把這四件事打包成一個(gè)統(tǒng)一的故事——智能體時(shí)代的基礎(chǔ)設(shè)施。
" 整個(gè)業(yè)界缺少一個(gè) Linux 原生的好產(chǎn)品 "，張建中在產(chǎn)品發(fā)布會(huì)上表示。
潛臺(tái)詞是智能體時(shí)代的電腦不應(yīng)該再跑 Windows。這個(gè)判斷的根據(jù)在于：OpenClaw 主要跑在 Linux 上，AI 訓(xùn)練框架原生跑在 Linux 上，大模型推理服務(wù)的部署環(huán)境也大多是 Linux。如果智能體真的成為 PC 的主要工作負(fù)載，被 Windows 鎖了近三十年的消費(fèi)級(jí) PC 市場(chǎng)，理論上存在松動(dòng)的可能。
摩爾線程不是在做一臺(tái) " 能跑 AI 的筆記本 "，市面上現(xiàn)在所有筆記本都能跑 AI。它想做的是 " 讓 AI 跑得比 Windows 更順暢的筆記本 "，然后靠 " 長(zhǎng)江 "SoC、AI 操作系統(tǒng)和自家智能體框架這一整套組合，在 Windows 還沒(méi)反應(yīng)過(guò)來(lái)的窗口期里，卡住一個(gè)新的生態(tài)位。
這個(gè)判斷是否能成立，將取決于兩個(gè)關(guān)鍵變量：第一，對(duì)話式智能體是否真的成為主流交互方式；第二，摩爾線程的 AICUBE 能否在被驗(yàn)證之前贏得足夠的時(shí)間和用戶。這是一個(gè)關(guān)于未來(lái)的押注，而任何押注都是有風(fēng)險(xiǎn)的。
但這場(chǎng)押注也并非毫無(wú)根基。2025 年財(cái)報(bào)顯示，摩爾線程邊緣與終端產(chǎn)品收入僅 2550.55 萬(wàn)元，占總營(yíng)收的 1.70%。幾乎可以忽略不計(jì)。
這意味著，從云端切入端側(cè)，不是因?yàn)樗呀?jīng)做大了端側(cè)市場(chǎng)，而是因?yàn)樗仨氂枚藗?cè)的故事，打開(kāi)估值想象的第二曲線。在純 GPU 賽道上，摩爾線程面對(duì)的不僅是英偉達(dá)的生態(tài)壁壘，還有國(guó)內(nèi)對(duì)手們?cè)诩汉蛙浖Ｉ系馁N身追趕。如果不主動(dòng)拓展戰(zhàn)場(chǎng)，單純依賴夸娥集群的訂單增長(zhǎng)，很難撐起 3000 億市值背后的增長(zhǎng)預(yù)期。
所以，端側(cè)不僅是產(chǎn)品線的延伸，更是一張對(duì)沖估值風(fēng)險(xiǎn)的牌。
MUSA 能否長(zhǎng)出獨(dú)立開(kāi)發(fā)者體系？
硬件可以追趕，生態(tài)如何建立？
過(guò)去幾年，國(guó)產(chǎn) GPU 已經(jīng)驗(yàn)證了硬件能力——通過(guò)架構(gòu)迭代和工程優(yōu)化，國(guó)產(chǎn)芯片能夠交出高分答卷。但企業(yè)采購(gòu) GPU 從來(lái)不是只買(mǎi)一張卡，而是在押注其背后的軟件生態(tài)和開(kāi)發(fā)體系。
與英偉達(dá)構(gòu)筑的 CUDA 護(hù)城河邏輯相似，摩爾線程深知單一硬件無(wú)法定義未來(lái)，因此打造了一個(gè)縱深極廣的生態(tài)系統(tǒng) MUSA，底層集成了 AI 計(jì)算、3D 圖形渲染、高性能計(jì)算與智能視頻編解碼的全功能 GPU，以全數(shù)據(jù)單元的兼容性將算力觸角延伸至科學(xué)計(jì)算、數(shù)字孿生、具身智能、量子計(jì)算乃至 6G 通信與生物醫(yī)藥等前沿領(lǐng)域。
MUSA（Meta-computing Unified System Architecture）是摩爾線程自研的全功能 GPU 計(jì)算加速統(tǒng)一系統(tǒng)架構(gòu)，涵蓋芯片架構(gòu)、指令集、編程模型、軟件運(yùn)行庫(kù)及驅(qū)動(dòng)程序框架。
值得關(guān)注的是，MUSA SDK 5.1.0 對(duì)標(biāo) CUDA 12.8，驅(qū)動(dòng)與運(yùn)行時(shí)層兼容接口數(shù)達(dá)到 761，核心數(shù)學(xué)庫(kù)實(shí)現(xiàn) 100% 兼容，PyTorch 全算子（3194 個(gè)）100% 覆蓋。這意味著全球數(shù)百萬(wàn) PyTorch 開(kāi)發(fā)者幾乎無(wú)需修改代碼，就能把模型遷移到 MUSA 上運(yùn)行。
另外，在當(dāng)前最主流的兩個(gè)大模型推理框架 SGLang 和 vLLM 上，MUSA 都帶來(lái)了好消息：
SGLang 方面，MUSA 后端正式加入 SGLang 的官方支持體系，相關(guān)代碼也已成功合入 SGLang 主線。vLLM 方面，MUSA 成為 vLLM 的官方后端，并開(kāi)源 vLLM-MUSA，開(kāi)發(fā)者可原生獲得摩爾線程 GPU 加速能力。
與單純地多支持了一個(gè)框架相比，加入大模型推理框架官方后端矩陣意味著，國(guó)產(chǎn) GPU 在生態(tài)適配上擁有更充分、更直接的兼容路徑。
此外，摩爾學(xué)院平臺(tái)已匯聚超 45 萬(wàn)名開(kāi)發(fā)者與學(xué)習(xí)者，合作院校超 200 所。對(duì)于一個(gè)成立僅六年的公司，這個(gè)增長(zhǎng)速度確實(shí)不慢。但 45 萬(wàn)與 CUDA 數(shù)百萬(wàn)級(jí)的開(kāi)發(fā)者規(guī)模之間仍然存在數(shù)量級(jí)的差距。
MUSA 的真實(shí)挑戰(zhàn)在于：依賴兼容 CUDA，它的生態(tài)故事永遠(yuǎn)是一個(gè)跟隨者。
所以，對(duì)于摩爾線程來(lái)說(shuō)，它真正需要建立的是獨(dú)立、獨(dú)特的技術(shù)體驗(yàn)，讓開(kāi)發(fā)者因?yàn)? MUSA" 做某件事更方便 " 而選擇它，而不是因?yàn)樗?" 兼容 CUDA"。
高增長(zhǎng)的另一面
對(duì)于摩爾線程來(lái)說(shuō)，單季凈利潤(rùn)轉(zhuǎn)正被市場(chǎng)解讀為關(guān)鍵拐點(diǎn)信號(hào)——但這個(gè)信號(hào)背后，其實(shí)也存在一些隱憂。
此前，摩爾線程在回復(fù)投資者提問(wèn)時(shí)，將 2025 年收入高增歸因于兩層因素：一是 AI 大模型快速迭代、應(yīng)用擴(kuò)張，帶動(dòng) GPU 需求迅速增長(zhǎng)；二是高端 GPU 出口限制持續(xù)收緊，為國(guó)產(chǎn) AI 芯片打開(kāi)了替代窗口。
從這個(gè)角度看，摩爾線程這輪收入放量，踩中的既是 AI 算力擴(kuò)張周期，也是國(guó)產(chǎn)替代加速的產(chǎn)業(yè)機(jī)會(huì)。
但是，需要注意的是，摩爾線程一季報(bào)顯示，當(dāng)期非經(jīng)常性損益合計(jì) 8364 萬(wàn)元，其中計(jì)入當(dāng)期損益的政府補(bǔ)助為 7006 萬(wàn)元，占比約 84%。
換言之，這次的賬面盈利，是通過(guò)政府補(bǔ)貼，才越過(guò)了關(guān)鍵的盈虧線。當(dāng)下，摩爾線程的主營(yíng)業(yè)務(wù)自身尚未實(shí)現(xiàn)收支平衡。
對(duì)于摩爾線程來(lái)說(shuō)，真正需要破局的，是能否逐步把收入來(lái)源延伸到更廣泛的商業(yè)客群，需要在兩方面同步推進(jìn)：首先是產(chǎn)品性能和穩(wěn)定性的持續(xù)提升，其次是 MUSA 軟件生態(tài)的開(kāi)發(fā)者規(guī)模擴(kuò)張。
而從芯片到集群，從集群到軟件，從軟件到終端，從終端到 Agent，再?gòu)? Agent 到具身智能——這條鏈路拉得越長(zhǎng)，競(jìng)爭(zhēng)對(duì)手追趕的難度就越大。
回頭再看摩爾線程的路徑選擇可以發(fā)現(xiàn)，這并非一條 "GPU 公司橫向多元化 " 的常規(guī)商業(yè)擴(kuò)張，而是一家從 GPU 出發(fā)的硬科技公司，試圖用自己最擅長(zhǎng)的算力能力，向下扎到 SoC，向上伸到 OS 和智能體的戰(zhàn)略故事。
云端的夸娥集群，解決的是 " 算力從哪來(lái) " 的問(wèn)題。" 長(zhǎng)江 "SoC 和 AICUBE，解決的是 " 算力到哪去 " 的問(wèn)題。MUSA 生態(tài)，解決的是 " 開(kāi)發(fā)者為什么留下來(lái) " 的問(wèn)題。智能體 " 小麥 " 和具身智能平臺(tái) MT Lambda，解決的是 "AI 最終以什么形態(tài)觸達(dá)物理世界 " 的問(wèn)題。
這四層邏輯環(huán)環(huán)相扣，拼在一起，是一張從硅片到場(chǎng)景、從訓(xùn)練到推理、從虛擬到物理的完整版圖。
把眼光再放長(zhǎng)遠(yuǎn)一點(diǎn)，摩爾線程押注的是一個(gè)根本性判斷：AI 計(jì)算不會(huì)永遠(yuǎn)停留在 " 訓(xùn)練大模型 " 這個(gè)單一場(chǎng)景里，它終將滲透進(jìn)每一個(gè)終端、每一個(gè)物理空間、每一次人機(jī)交互。從這個(gè)角度來(lái)看，摩爾線程從云端向端側(cè)的延伸，并不是一家 GPU 公司的 " 跨界 "，而是一次順勢(shì)而為的生態(tài)升維。
只是，要想最終印證這個(gè)判斷，摩爾線程需要的不僅僅是時(shí)間，也需要一個(gè)能夠持續(xù)造血的商業(yè)正循環(huán)。
