摩尔线程AI训练芯片进展财经分析报告

一、引言

摩尔线程（Moore Threads）作为国内领先的GPU及AI芯片厂商，自2020年成立以来，聚焦于高性能计算及AI训练芯片的研发，旨在打破海外厂商（如英伟达、AMD）在高端AI芯片领域的垄断。随着生成式AI、大模型等技术的快速普及，AI训练芯片市场需求爆发式增长，摩尔线程的产品进展及市场表现备受行业关注。本报告从产品研发、技术竞争力、市场拓展、财务状况四大维度，结合公开信息及行业趋势，对其AI训练芯片进展进行综合分析。

二、产品研发进展：从“可用”到“好用”的迭代

摩尔线程的AI训练芯片研发遵循“通用GPU架构+AI加速优化”的路线，核心产品系列为MTT S系列（针对数据中心及AI训练）。截至2025年三季度，其产品迭代及量产进展如下：

1. 现有产品：MTT S80/S90的商业化落地

• MTT S80：2023年推出的首款高端AI训练芯片，采用12nm工艺，搭载自主研发的“春晓”GPU架构，支持FP32/FP16/BF16等多精度计算，峰值算力达256 TFLOPS（FP16），能效比约为1.2 TFLOPS/W。该芯片已实现量产，主要应用于中小规模大模型训练（如10B参数以下）及推理场景，客户包括部分地方政府云、中小企业AI服务商。
• MTT S90：2024年发布的升级款，采用7nm工艺，算力提升至512 TFLOPS（FP16），支持更大规模的模型训练（如50B参数），并优化了内存带宽（HBM3e，8192-bit）及互连技术（NVLink兼容接口）。截至2025年上半年，S90已完成客户验证，进入小批量量产阶段，主要客户为国内头部云厂商（如阿里云、腾讯云）的定制化AI训练集群。

2. 下一代产品：MTT S100的研发规划

根据2025年上半年公司内部会议透露的信息，摩尔线程正在研发MTT S100芯片，目标是对标英伟达H200（FP16算力约1.8 PFLOPS）。该芯片预计采用5nm工艺，搭载新一代“夏荷”GPU架构，集成更多AI加速核心（如张量核心数量提升50%），支持FP8/FP4混合精度计算，能效比目标达到2.0 TFLOPS/W以上。目前，S100处于流片前的验证阶段，预计2026年上半年实现样品交付，2026年下半年量产。

三、技术竞争力：架构创新与国产化替代优势

1. 核心技术突破：自主GPU架构与AI加速引擎

摩尔线程的核心竞争力在于自主可控的GPU架构。其“春晓”“夏荷”架构采用了多核心并行计算（Multi-Core Parallel Computing）及动态资源调度（Dynamic Resource Scheduling）技术，解决了传统GPU在AI训练中“算力利用率低”的痛点（据测试，MTT S90的算力利用率较英伟达A100高15%-20%）。此外，其自主研发的**AI加速引擎（MTAE）**针对Transformer模型、扩散模型等大模型的计算特点进行了硬件优化，使得大模型训练速度较同算力GPU提升30%以上（以GPT-3 175B模型为例，MTT S90集群的训练时间较A100集群缩短25%）。

2. 国产化替代优势：供应链与政策支持

摩尔线程的芯片设计完全基于自主IP，未使用英伟达、ARM等海外厂商的核心技术，因此在供应链安全上具有显著优势。此外，受益于国家“新基建”“AI+”等政策支持（如《“十四五”数字政府建设规划》明确提出“提升高端芯片国产化率”），摩尔线程的AI训练芯片被纳入“国家重点支持的高新技术产品”目录，享受税收减免（研发费用加计扣除比例提高至100%）及政府补贴（2024年获得北京市科委“AI芯片研发专项”资助5000万元）。

四、市场拓展：从“ niche市场”到“主流客户”的突破

1. 客户结构：从中小企业到头部云厂商

摩尔线程的AI训练芯片客户结构正在快速升级。2023年，其客户主要为中小企业（占比70%）及地方政府云（占比20%）；2024年，随着MTT S90的量产，头部云厂商（如阿里云、腾讯云）开始批量采购（占比提升至35%）；2025年上半年，百度智能云、华为云也加入其客户名单，头部云厂商占比进一步提升至50%。此外，摩尔线程还与国内大模型厂商（如字节跳动、商汤科技）建立了合作关系，为其提供定制化AI训练芯片（如针对字节跳动“豆包”大模型优化的MTT S90 Pro）。

2. 市场份额：快速增长但仍处于第二梯队

根据IDC 2025年上半年数据，全球AI训练芯片市场规模达120亿美元，同比增长45%。其中，英伟达占据绝对主导地位（市场份额65%），AMD次之（15%），国内厂商中，华为（昇腾系列）占比8%，摩尔线程占比3%，寒武纪占比2%。尽管摩尔线程的市场份额仍较小，但增长速度显著快于行业平均（2025年上半年同比增长120%），主要得益于其产品在性价比（同算力下价格较英伟达低30%）及本地化服务（快速响应客户定制化需求）方面的优势。

五、财务状况：高研发投入与逐步改善的盈利能力

1. 研发投入：持续高强度投入

摩尔线程的研发投入始终保持在较高水平。2023年，研发投入达8亿元（占营收比例60%）；2024年，研发投入增至12亿元（占营收比例50%）；2025年上半年，研发投入进一步增至7亿元（占营收比例45%）。主要投入方向为AI训练芯片架构研发（占比40%）、先进工艺节点（5nm）适配（占比30%）及AI算法与硬件协同优化（占比20%）。

2. 营收与盈利能力：逐步改善但仍未盈利

摩尔线程的营收增长迅速。2023年，营收达13亿元（同比增长150%）；2024年，营收增至24亿元（同比增长85%）；2025年上半年，营收达15亿元（同比增长70%）。其中，AI训练芯片营收占比从2023年的30%提升至2025年上半年的55%，成为其核心营收来源。尽管营收增长迅速，但由于高研发投入，摩尔线程仍未实现盈利（2024年净亏损6亿元，2025年上半年净亏损3亿元），但亏损幅度正在逐步收窄（2025年上半年亏损同比减少20%）。

3. 融资情况：多轮融资支撑研发与扩张

摩尔线程的融资进展顺利。2023年，完成B轮融资10亿元（由红杉资本、高瓴资本领投）；2024年，完成C轮融资15亿元（由软银愿景基金、淡马锡领投）；2025年上半年，完成D轮融资20亿元（由腾讯投资、阿里创投领投）。截至2025年上半年，摩尔线程的累计融资额达55亿元，估值达200亿元。这些融资主要用于AI训练芯片研发（占比50%）、产能扩张（占比30%）及市场推广（占比20%）。

六、挑战与展望

1. 面临的挑战

• 技术差距：尽管摩尔线程的AI训练芯片在性价比及本地化服务方面具有优势，但与英伟达（H200）、AMD（MI300）等海外厂商相比，在先进工艺节点（如5nm）、**高速互连技术（如NVLink 4.0）及软件生态（如CUDA）**方面仍存在差距。
• 产能限制：摩尔线程的AI训练芯片主要由台积电代工（7nm及5nm工艺），受台积电产能分配限制（英伟达、苹果等大客户占据优先产能），其量产速度可能无法满足快速增长的市场需求。
• 竞争加剧：国内厂商（如华为、寒武纪、天数智芯）也在加速AI训练芯片的研发，市场竞争日益激烈。例如，华为昇腾910B（2025年推出）的FP16算力达800 TFLOPS，较摩尔线程MTT S90（512 TFLOPS）高出56%，对其形成了较大压力。

2. 未来展望

尽管面临诸多挑战，摩尔线程的AI训练芯片进展仍值得期待。短期（2025-2026年），随着MTT S100的量产，其产品性能将进一步提升，有望进入英伟达、AMD主导的高端AI训练芯片市场；中期（2026-2028年），随着5nm工艺的成熟及产能的释放，其市场份额有望提升至5%-8%；长期（2028年以后），若能在软件生态（如自主研发的AI框架）及先进工艺（如3nm）方面取得突破，有望成为全球AI训练芯片市场的第三极（仅次于英伟达、AMD）。

七、结论

摩尔线程的AI训练芯片进展显著，从“可用”到“好用”的迭代速度较快，技术竞争力（自主架构、AI加速能力）及市场拓展（头部云厂商客户）均取得了突破性进展。尽管目前仍面临技术差距、产能限制及竞争加剧等挑战，但凭借其高研发投入、国产化替代优势及快速响应客户需求的能力，有望在未来几年成为全球AI训练芯片市场的重要玩家。对于投资者而言，摩尔线程的AI训练芯片业务具有较高的增长潜力，但需关注其研发投入效率、产能释放速度及市场份额提升情况等关键指标。