万亿Token时代来临，国产GPU竞争转向系统级TCO与全场景能力

事件概述

AI进入万亿Token时代，算力需求爆发式增长，国产GPU行业从单点芯片性能比拼转向全场景产品能力和系统级总拥有成本（TCO）竞争。摩尔线程作为典型案例，展示了全功能GPU和云边端协同的战略路径，但其商业化成熟度和研发投入结构仍需观察。

核心信息

1. 行业竞争格局变化

• 国内智算市场正从“稀缺”走向“结构性过剩”。截至2025年底，中国已建成42个万卡级智算集群，智能算力总规模超1590 EFLOPS。未来两三年，芯片需求将从“能跑通模型”升级为“每Token边际成本最低”，迫使厂商聚焦系统级TCO（功耗效率、调度算法、容错、软件栈效率）。
• 华为昇腾有望在2026年占据中国市场50%份额，海光、寒武纪、燧原等厂商也在细分市场发力，国产替代红利窗口期收窄。

2. 摩尔线程的战略与产品

• 全功能GPU路线：在统一架构单芯片上同时支持AI计算、3D图形渲染、物理仿真和超高清视频编解码。这一设计复杂度极高，但可避免数据跨芯片搬运，降低延迟和转换损耗，适合物理AI和具身智能训练场景。
• 云边端全场景矩阵：
  • 云端：以夸娥（KUAE）智算集群为核心，搭配MTT S5000旗舰智算卡和智算一体机，实现单卡到万卡级集群方案。基于MTT S5000的万卡集群实现Dense大模型训练MFU达40%、MoE达60%、线性扩展效率95%、有效训练时间占比超90%。
  • 端侧：基于自研“长江”智能SoC芯片（8核2.65GHz CPU+全功能GPU+NPU，50TOPS异构算力，支持INT8/FP16/FP32混合精度，100亿参数模型端侧运行），推出MTT AIBOOK AI算力本、MTT AICUBE家庭AI中枢、MTT E300边缘AI模组。
• 最新架构：“花港”架构目标推进十万卡级集群，应对未来算力规模化痛点（如0.01%故障率在十万卡规模下每小时失效数十张卡）。

3. 财务表现与挑战

• 营收与毛利：2025年营收15.05亿元（同比+243%），毛利9.87亿元（毛利率65.57%）；2026年Q1营收7.38亿元（同比+155%），归母净利润2935.92万元，首次单季盈利。
• 2026年3月：签订6.6亿元夸娥智算集群大单，标志从“卖卡”转向交付系统级AI基础设施，但大客户集中度高。
• 研发投入：2025年研发费用13.05亿元，占营收86.68%；累计申请知识产权2014项。2026年Q1研发费用约3-4亿元，政府补助7006万元，单季需营收8-10亿元才能覆盖研发。
• 风险：存货+预付款26.68亿元，若市场需求偏差将面临资产减值；研发费用率高，营收增长放缓会冲击现金流。
• 供应链策略：CEO张建中解释，储备充足库存和锁定上游产能是为了应对交期波动、原材料价格浮动和产能紧缺，保障交付和响应速度。

值得关注

摩尔线程的长期壁垒在于“全功能GPU”能否在物理AI时代成为基础设施级产品，而非单一芯片性能。但短期需平衡研发投入与商业化节奏，并在华为昇腾等强敌环伺下争取市场份额。