最像英伟达的中国公司,要上市了.....

AI大模型训练带来的算力需求大爆发，带飞了英伟达，也彻底改变了摩尔线程的营收结构。

若不是强劲的AI需求拉动，摩尔线程也不会取得从ToC到ToB的业务转型成果。2024年，摩尔线程的AI智算收入从无到有，占比跃升至77.63%，成为营收支柱，2025年上半年，更是高达94.85%。类似的，游戏相关业务还是英伟达在三四年前的主要营收来源，但目前AI计算收入已经占到英伟达收入的70%以上。

从显卡公司到AI算力基础设施公司，摩尔线程和英伟达走过了类似的路。其中也蕴含着摩尔线程和英伟达的第三个相似点：

除了AI计算业务，都有面向个人的消费级显卡业务。虽然这一业务对于摩尔线程而言，在2025年上半年营收占比只有不到1%了，但它仍然是我们几乎唯一可以买到的国产GPU。

技术，只是摩尔线程和英伟达最小的差距

既然是英伟达最好的中国学生，那么学生究竟有老师的几分本领，学生和老师之间的差距到底有多大呢？

先说技术。很遗憾，这已经是学生和老师最小的差距了。在设计层面，一般认为摩尔线程和英伟达的技术差距在一年至一年半左右，尽管摩尔线程已经每年迭代一次GPU架构紧紧追赶，但差距仍是客观存在的。

德媒:中国到底是胜券在握还是失算吃亏?

贝森特:美国对中国加徵100%关税不必然成真

美财长:川习会仍未破局警告不排除任何报复中国选项

在制造工艺上，和英伟达一样，摩尔线程也采用业界通用的Fabless——无晶圆厂模式，只负责研发和设计，生产制造环节交给专门的晶圆厂代工。

但由于2023年底，摩尔线程被“卡脖子”列入实体清单，在供应链上的压力陡增。英伟达可以把GPU芯片制程升级到3纳米，但留给摩尔线程的选择只有5-7纳米。在芯片制造的技术突破之前，摩尔线程在工艺上的“追赶”基本无从谈起。

真正的差距在于，摩尔线程和英伟达生态之间的差距。英伟达之所以在AI计算领域拥有难以撼动的地位，很大程度上在于它基于CUDA架构，建立了一套高效的并行计算生态，让开发者能够便利地指挥GPU进行计算任务，当前主流的AI框架都依赖CUDA，是训练大语言模型的核心基础设施。

围绕CUDA，英伟达还建立了包括开发者社区、工具链等一整套生态体系。相比技术上的硬差距，生态系统上的差距更难追平。

作为英伟达的好学生，摩尔线程也建立了自己的CUDA——MUSA架构，并且努力兼容英伟达的CUDA架构。不过，由于时间尚短，缺乏足够多开发者的沉淀，MUSA的性能和稳定性距离CUDA还有一定差距。

技术、产品、生态上的全面差距，造成的结果就是摩尔线程在业绩上出现了一些令人担心的信号：

首先是扭亏时间遥遥无期。尽管相比2024年、2023年，摩尔线程在2025年上半年的亏损规模大幅度收窄，但最近三年，摩尔线程的经营性现金流持续为负，意味着这家公司本质上还不具备自我造血的能力，公司运营非常依赖外部融资，当前摩尔线程的累计亏损已经超过50亿元人民币，主要是高昂的研发支出造成了巨大的运营成本。