近期，国内AI芯片赛道在资本市场热度显著提升。继摩尔线程于12月初登陆科创板后，仅隔数日，另一家国产GPU（图形芯片）厂商沐曦股份也于12月17日正式上市。与此同时，包括壁仞科技、燧原科技在内的多家AI芯片企业也在加速推进IPO进程。

这一连串动态引发市场对国产GPU及AI芯片产业前景与挑战的进一步审视。芯谋研究企业部总监王笑龙分析指出，随着海光信息、寒武纪等AI芯片企业先后登陆A股，以及近期沐曦与摩尔线程两家头部GPU企业成功上市，反映出在AI计算加速需求快速增长的背景下，相关企业更需要借助公开市场的支持，以应对研发投入动辄超过10亿元量级的行业门槛。

王笑龙同时提醒，从长远发展来看，国内AI芯片企业仍面临艰巨任务，需要在单卡性能、集群的单位算力成本与能耗、软件生态构建等关键领域持续提升，推动国产AI芯片从现阶段“替代可用”向未来“自主好用”的阶段迈进。

资本市场积极“押注”AI芯片

从IPO进程看，沐曦股份与摩尔线程均在今年6月30日获得受理，至年末双双上市，历时不足半年。市场对相关企业的热情，从上市表现中可见一斑。

以摩尔线程为例，其于12月5日上市首日大幅高开，总市值迅速突破3000亿元。随后几个交易日内，股价一度攀升至941.08元/股，对应总市值曾超过4400亿元，显示出二级市场对国产GPU及智算产业的高度期待。对此，公司于12月11日晚间发布风险提示，指出股价可能存在因短期上涨过快而出现回调的风险。

根据招股书披露，摩尔线程此次IPO募集资金约80亿元，将主要用于新一代自主可控AI训推一体芯片研发、AI SoC芯片研发等项目。沐曦股份则计划募集约40亿元，投向新型高性能通用GPU研发及产业化、新一代人工智能推理GPU研发及产业化等方向。

沐曦股份董事长陈维良在上市路演中表示，算力是推动数字经济发展的核心引擎，而我国算力基础设施长期依赖海外厂商。面对日益复杂的地缘政治环境与新一代人工智能技术革命，推进国产算力建设、保障产业链自主可控已成为紧迫任务。通过上市融资，公司将进一步加强研发投入，提升核心技术实力并丰富产品线，以加速市场拓展。

深度科技研究院院长张孝荣对此评论称，资本市场的积极投入传递出明确的支持信号，相关企业应坚定走自主创新之路，加快国产替代进程。

市场规模迅速扩张，国产厂商机遇与挑战并存

从技术演进路径看，GPU最初主要用于图形渲染，后逐渐发展为通用计算加速引擎，凭借其大规模并行计算架构，能够高效执行海量计算任务。随着深度学习技术的快速发展，GPU在AI大模型训练与推理领域已成为主流选择，目前占据全球AI芯片市场约80%份额。

全球GPU市场呈现高度集中态势，英伟达近年来维持超过80%的市场份额，AMD则占据约20%份额。在中国AI芯片市场，据Bernstein Research统计，英伟达与AMD在2024年分别占据66%和5%市场份额；国内企业中，华为海思占据约23%市场份额，沐曦股份与摩尔线程市场份额均约为1%。

尽管市场仍由国际巨头主导，但国内市场规模正迅速增长。据弗若斯特沙利文预测，中国AI芯片市场规模将从2024年的约1425亿元增长至2029年的近1.34万亿元，2025年至2029年间年均复合增长率预计达53.7%。其中，GPU市场增速最快，其市场份额预计将从2024年的69.9%提升至2029年的77.3%。

然而，要在激烈竞争中站稳脚跟并非易事。一位AI芯片设计公司负责人指出，AI训练芯片对架构设计、存储设计、集群能力及软件生态等综合能力要求极高。尤其随着大模型参数量持续增加、算法结构日益复杂，AI训练任务往往需要千卡乃至万卡规模的智算集群支持。目前，能够将训练芯片实际投入大规模训练任务的国产厂商仍较为有限。

技术路径方面，国内已汇聚了以沐曦、摩尔线程为代表的GPU厂商，同时也包括寒武纪、昆仑芯、平头哥等采用ASIC等其他技术路线的AI芯片企业，均在训练市场中占据一定份额。

在单卡性能方面，沐曦股份在招股书中总结指出，受限于工艺制程等因素，国内AI芯片的主流算力水平尚处于英伟达A100产品阶段，少数厂商通过先进封装等技术能够实现接近英伟达H100产品的算力水平。

关于新产品进展，陈维良在路演中透露，沐曦股份最新一代产品曦云C600系列性能介于A100与H100之间，预计2024年底进入风险量产阶段，2026年上半年正式量产。下一代产品曦云C700系列将基于国产供应链打造，性能对标英伟达H100，预计2025年下半年量产。摩尔线程也表示，其下一代GPU产品将继续提升芯片算力、访存带宽、内存容量及通信带宽等关键指标。

集群能力与软件生态成未来竞争关键

除了提升单卡性能外，集群性能及稳定性、生态兼容性与迁移效率等方面，也将成为国内AI芯片厂商需要重点发力的方向。

摩尔线程创始人张建中此前在路演中介绍，基于公司MTT S5000产品构建的千卡GPU智算集群，在计算效率上已超过同等规模的国外同代系GPU集群。公司自主研发的KUAE系统可为智算中心提供端到端解决方案，支持万卡级规模扩展，并已通过多节点压力测试验证芯片与系统在高温、高负载下的稳定性。

沐曦股份也表示，作为国内训练芯片的核心厂商之一，公司已实现千卡集群的大规模商业化应用，并正在研发和推动万卡集群的落地，目前已成功支持包括128B MoE在内的多个大模型完成全量预训练。

张孝荣分析认为，国内厂商在集群能力方面已取得阶段性进展，千卡至万卡集群正逐渐成为主流。但整体仍处于市场拓展初期，需要经过长期性能验证并获得广泛的生态支持。在实际应用中，国产集群仍可能面临性能稳定性、兼容性等方面的挑战，需持续加大投入以提升软硬件协同能力。

软件生态层面，英伟达凭借CUDA生态在全球范围内形成近乎垄断的地位，拥有约500万开发者，构建了完善且庞大的开发生态系统。为打破这一壁垒，国内厂商近年来也在积极布局自主生态。

例如，沐曦股份已形成自主研发的GPU IP、指令集与架构，并推出高度兼容主流CUDA生态的MXMACA软件栈。摩尔线程则采用自研MUSA GPU架构，同时兼容国际主流GPU生态，并通过启动MUSA社区开发者计划，为开发者提供全套工具及移植支持，推动国产GPU生态的逐步成长。

上述AI芯片设计公司负责人指出，即便当前国产AI芯片在绝对性能上暂时落后，但只要能在软件生态上实现良好兼容与用户体验，同样能获得客户认可，这将有助于加速国产AI芯片从“替代可用”向“自主好用”的演进进程。

郑重声明：智慧观察发布此信息的目的在于传播更多信息，与本站立场无关。若内容涉及投资建议，仅供参考勿作为投资依据。投资有风险，决策需谨慎。