Domestic GPU Four Leaders: Commercialization and Differentiated Technology Route Analysis

基于您的问题,我将从

和两个维度,对国产GPU四小龙进行深度分析。

英伟达的CUDA生态壁垒远不止技术层面,而是由

构成的四层锁定体系[1]:

• 超过400万全球CUDA开发者[1]
• 丰富的函数库
• PyTorch、TensorFlow等主流深度学习框架与CUDA深度协同[1]
• 学术界最新AI论文的开源代码几乎都在英伟达GPU上验证过[1]

客户一旦接入CUDA生态,切换成本高达数千万美元。迁移面临的三大挑战[1]:

• 性能回归风险
  :翻译后的代码几乎不可能在其他硬件上达到同等性能
• 结果验证成本
  :在科学计算和金融等领域,必须投入大量资源验证算法精确性
• 维护性灾难
  :维护两套高度优化的代码库对工程团队是噩梦

全球高校计算机专业、AI实验室的教学设备几乎全是英伟达GPU[1]。刚毕业的AI工程师大概率已经熟练掌握CUDA编程,企业使用非英伟达芯片需要花费巨大成本培训员工。

CUDA的网络价值呈现超线性增长(梅特卡夫定律:网络价值与用户数的平方成正比)[1]。英伟达数据中心业务毛利率稳定在72%-75%,远超AMD的50-53%[1],这超过20个百分点的差距就是CUDA护城河的直接价值体现。

---

• 定位
  :国内唯一实现全功能GPU量产量销的厂商[2]
• 产品覆盖
  :图形渲染、AI计算、视频编解码等场景[2]
• 核心技术
  :自主研发MUSA架构,
  兼容CUDA
  ,降低开发者迁移成本[2]
• 产品矩阵
  :四代GPU架构芯片,覆盖多个应用领域
• 集群能力
  :2024年发布"夸娥万卡智算集群",单集群算力可达万P级[2]

:

• 营收高速增长
  :2022年0.46亿元 → 2023年1.24亿元 → 2024年4.38亿元 → 2025年上半年7.02亿元[2][3]
• 亏损收窄
  :2022年亏损18.40亿元 → 2023年亏损16.74亿元 → 2024年亏损14.92亿元 → 2025年上半年亏损2.71亿元[3]
• 研发投入
  :2022年至2025年上半年累计研发投入43.66亿元,研发人员占比超70%[2][3]
• 毛利率提升
  :2023年毛利率25.87% → 2024年70.71% → 2025年上半年69.14%[3]

:

• 2025年12月5日科创板上市,发行价114.28元
• 上市5个交易日暴涨723.49%
  ,最高市值达4423亿元[2]
• 散户认购倍数达2751倍,创三年来A股纪录[2]
• 截至2025年12月11日市值约3595亿元[4]

:

• 2024年在国内AI智算、图形加速及智能SoC产品细分领域
  市场份额不足1%
  [2]
• 英伟达等国际厂商仍占据国内GPU市场主导地位[2]

:
✅ :游戏显卡+数据中心双赛道[4]
✅ :技术突破亮点十足[2]
✅ :创始人张建中曾任英伟达全球副总裁、大中华区总经理[2]
✅ :2022-2025年上半年CAGR超200%
✅ **毛利率快速提升至70%+:显示产品竞争力增强

:
⚠️ :累计亏损超50亿元,预计最早2027年实现盈利[2]
⚠️ :静态市销率高达123倍,高于行业平均111倍[2]
⚠️ :游戏显卡面临AMD、英特尔竞争,AI训练面临英伟达、华为竞争
⚠️ :细分市场份额不足1%,渗透率提升需要时间[2]
⚠️ :2023年被美国列入"实体清单",供应链受限[2]

:⭐⭐⭐(三星)

• 适合风险偏好较高的投资者
• 关键观察点:2025-2026年商业化放量进度、MUSA生态建设进展

---

• 定位
  :云端智能算力市场,高性能通用GPU[4]
• 核心团队
  :三位联合创始人均来自AMD,受益于AMD基因加持[4]
• 产品矩阵
  :
  • 曦思N系列
    :智算推理
  • 曦雲C系列
    :训推一体/通用运算(主力产品,2024年收入占比近70%)[4]
  • 曦彩G系列
    :图形渲染
• 技术突破
  :
  首款全国产通用GPU曦雲C600实现全流程国产供应链闭环
  ,综合性能表现亮眼[4]

:

• 2025年前九个月归母净亏损3.5亿元,亏损幅度较去年同期收窄[4]
• 产销率在2025年开始突破100%
  ,进入创收加速阶段[4]
• 销售毛利率与同业均值相当[4]
• 与海光信息、摩尔线程等同业相比,营收规模未及同业平均[4]

:

• 2025年12月17日科创板上市,发行价104.66元[4]
• 首日收涨693%至829.9元
  ,总市值达3320亿元[4]
• 网上发行获近3000倍认购[4]
• 总募资额近42亿元人民币,战略配售吸引国家人工智能产业投资基金等机构[4]

:

• 预计最早于
  2026年实现损益平衡
  [4]

:
✅ :创始团队AMD背景,技术路线成熟度高[4]
✅ :商业化进入加速阶段[4]
✅ :曦雲C600实现国产闭环,符合自主可控战略[4]
✅ :避开了消费级市场竞争
✅ :政策支持力度大

:
⚠️ :与海光信息、摩尔线程等同业相比仍有差距[4]
⚠️ :曦雲C500系列产品[4]
⚠️ :2025年前九个月亏损3.5亿元[4]
⚠️ :估值泡沫风险较高
⚠️ :预计最早2026年损益平衡[4]

:⭐⭐⭐⭐(四星)

• AMD基因+国产供应链闭环+云端专注=较清晰的商业化路径
• 关键观察点:产销率持续提升情况、新产品曦雲C600量产进度

---

• 定位
  :高性能通用GPU,针对AI训练、推理及科学计算[4]
• 技术特色
  :聚焦
  高端训练集群
  ,采用
  Chiplet技术
• 技术突破
  :2022年发布BR100,发布时算力参数超越当时英伟达旗舰A100,某些指标接近H100早期水平,
  创国产算力纪录
  [4]
• 对标定位
  :中国版的英伟达高端芯片业务(对标H100/A100)[4]

:

• 营收高速增长
  :2022年49.9万元 → 2023年6203万元 → 2024年3.36亿元[4]
• 年复合增长率高达2500%
  [4]
• 在手订单超12亿元
  :有望持续支撑未来业绩成长[4]
• 持续亏损
  :2022-2024年经调整净亏损分别为10.4亿元、10.5亿元、7.7亿元,三年合计亏损28.6亿元[4]

:

• 已正式获得中国证监会备案,拟在香港联交所上市[4]
• 目前估值已达155亿元人民币[4]
• 计划集资48.5亿美元(约340亿港元),有望成为"港股GPU第一股"[4]
• 入场费约3960港元,预计2026年1月2日上市[4]

:
✅ :BR100算力对标A100/H100,达到国际一流水平[4]
✅ :增长速度极其惊人[4]
✅ :未来业绩有保障[4]
✅ :在国产替代方向上最"纯正"[4]
✅ :或受益于A股GPU公司示范效应

:
⚠️ :三年累计亏损28.6亿元[4]
⚠️ :高端路线需要持续巨额研发投入
⚠️ :能否持续对标英伟达最新产品存疑
⚠️ :直接挑战英伟达、华为昇腾等高端训练芯片
⚠️ :可能不如A股炒作热情高
⚠️ :定位明确但风险也最大[4]

:⭐⭐⭐⭐⭐(五星,高风险高回报)

• 适合追求高成长、能承受高波动风险的投资
• 关键观察点:BR100/BR200系列量产情况、在手订单转化率、港股上市后表现

---

• 定位
  :绑定腾讯云服务,
  深耕推理场景
• 核心策略
  :与云服务商深度绑定,提供端到端推理解决方案
• 应用场景
  :大模型推理、云计算服务

• 处于上市辅导阶段,拟在上海科创板上市[4]
• 尚未披露详细财务数据

:
✅ :背靠大客户,商业化路径清晰
✅ :避开训练芯片的激烈竞争
✅ :随着大模型应用落地,推理需求爆发

:
⚠️ :过度依赖腾讯单一客户
⚠️ :缺乏公开技术参数对比
⚠️ :无法评估商业化进展
⚠️ :处于辅导阶段,进度落后于其他三家

:⭐⭐(二星)

• 信息透明度不足,建议等待更多公开信息后再做判断
• 关键观察点:上市进展、财务数据披露、腾讯云合作深度

---

• 开发者迁移成本
  :从CUDA切换到其他平台,学习成本和工作量巨大[1]
• 代码资产锁定
  :企业基于CUDA开发的大量算法代码迁移成本高达数千万美元[1]
• 性能优化差距
  :即使兼容CUDA,在其他硬件上性能优化仍需大量工作

• 摩尔线程、壁仞科技等均被美国列入"实体清单",无法使用台积电7nm以下先进制程[2]
• 依靠国产成熟制程(14nm/28nm),在性能功耗比上天然落后

• 四小龙均处于严重亏损状态:摩尔线程累计亏损超50亿元[3],壁仞三年亏损28.6亿元[4]
• 高研发投入+商业化不及预期=资金链压力

• 2024年国产GPU在国内市场细分领域占有率不足1%[2]
• 英伟达等国际厂商仍占据主导地位

• 美国对H100/A100/H200等高端芯片的出口禁令[4]
• GPU作为AI时代的算力核心,其硬件自主可控已上升到国家战略高度[3]
• 中国考虑新的芯片行业资金支持,规模或高至5000亿元[4]

• 训练 vs 推理需求差异
  :
  • 训练需要万卡级集群,推理仅需几张到几十张卡[1]
  • 训练对互联要求极高,推理相对宽松
  • 推理场景更分散,客户群体更广泛
• DSA(专用领域架构)芯片机会
  :
  • 针对特定场景优化的DSA芯片在推理端有性能优势
  • 推理需求增长更快,市场空间更大
  • DSA芯片不需要全功能CUDA兼容,生态壁垒较低

• 政务、金融、国企
  :数据不出境,必须使用自主可控硬件
• 特定行业场景
  :
  • 沐曦:政企/金融垂直领域
  • 燧原:腾讯云推理场景
  • 华为昇腾:依托"芯云一体"模式构建内部闭环"小生态"[1]

• 美国禁运迫使中国开发者学习CANN等国产平台[1]
• 虽然初期有"踩坑之路",但随着更多开发者投入,生态会逐渐成熟
• 历史经验
  :中国互联网巨头(阿里、腾讯、字节)的崛起,很多都是借助本土网络效应

---

排名	公司	技术路线	投资价值星级	关键优势	核心风险
1	沐曦股份	AMD基因+云端智算	⭐⭐⭐⭐	产销率超