2026年中国国产GPU行业现状、核心企业竞争力与投资价值深度研究报告
1. 行业宏观环境：市场规模、增长动力与发展阶段
1.1 市场规模与增长态势：高速放量期到来
2026年是中国国产GPU行业从“可用”向“好用”跨越的关键验证期，行业正进入高速放量阶段。全球及中国市场均呈现爆发式增长，核心规模指标如下：
|
从增长曲线看，AI智算GPU已成为绝对增长主力，数据中心GPU保持最高增速，而端侧嵌入式GPU的需求则随智能化应用场景的扩张逐步释放[5]。区域格局上，2025年亚太地区已占据全球独立GPU市场48.22%的份额，成为第一大消费与制造区域[2]。中国作为核心市场，其全球占比预计将从2024年的16%显著提升至2029年的37.8%-38%，这标志着中国正从全球算力市场的跟随者转变为关键的增长极和竞争中心[13]。
1.2 增长驱动因素：需求、供给与政策的三重共振
国产GPU行业的爆发式增长，源于需求端、供给端与政策端的三重动力叠加，且各因素相互强化，形成了强大的增长合力。
人工智能大模型与生成式AI是核心需求引擎。随着本土大模型技术突破以及具身智能、智能驾驶等应用落地，算力需求呈指数级增长。单一大模型训练需消耗上万颗高端GPU，国内互联网巨头、科研机构及智算中心的算力缺口持续扩大[2]。德勤预测，2026年推理计算将占AI总计算量的66%，同比增长120%-150%，企业级推理集群成为算力消耗主力；同时，端侧AI的兴起也催生了嵌入式GPU需求，智能座舱、工业物联网等领域的智能化升级正推动低功耗GPU的规模化应用[3]。
国际地缘政治与供应链安全构成国产替代的强力催化剂。美国多次修订出口管制规则，限制英伟达H800、A800等高性能AI芯片对华出口，导致高端GPU供应近乎中断[2]。这种“卡脖子”风险倒逼国内云厂商、数据中心加速测试并部署国产GPU。目前，昆仑芯、摩尔线程、华为昇腾、寒武纪等国产产品已能对标英伟达H20，在推理和部分训练场景实现稳定可用；百度、阿里、腾讯等也已认证海光DCU产品，并推出全国产软硬件一体化AI基础设施方案。预计到2028年，国产GPU在推理市场的占有率将突破40%，在训练市场突破25%[2]。
政策端持续扶持为行业发展提供坚实保障。国家“十四五”规划将集成电路列为战略性新兴产业。2025年8月，国务院出台《关于深入实施“人工智能+”行动的意见》，强化智能算力统筹并支持AI芯片攻坚。地方政府通过产业基金、税收优惠、采购补贴等方式直接扶持本土企业。同时，“东数西算”工程的深化和算力券补贴机制，有效降低了中小企业的算力使用成本，激活了长尾市场需求，为国产GPU的规模化应用提供了政策驱动的确定性需求[13]。
1.3 技术发展阶段：从“可用”验证迈向“好用”爬坡
2026年，国产GPU行业正处于技术突破与商业化落地的关键交汇点，呈现出多元化技术路线并行突围的格局，与国际巨头的技术差距正在逐步缩小。
国内企业主要形成了三大技术路线：全自研架构路线以景嘉微、速显微电子为代表，聚焦自主可控，景嘉微JM11系列已实现100%全自研架构，并在2026年推出支持多模态的GPU产品。IP授权+定制路线以芯原股份、芯动科技为代表，凭借灵活适配优势在车规级领域表现突出，芯动科技“风华3号”已实现硬件级光线追踪突破。SoC集成路线则以全志科技、瑞芯微为标杆，凭借高集成度和低功耗优势在消费电子和边缘计算领域实现规模化应用。
在产品性能与生态建设方面，国产GPU已取得阶段性突破。沐曦股份曦云C系列单卡性能处于国内第一梯队，已实现千卡集群商用部署并向万卡规模扩展，其自研的MXMACA软件栈全面兼容CUDA与OpenCL，有效降低了模型迁移成本。天数智芯已发布四代通用GPU架构路线图，计划在2026年推出的天璇架构对标英伟达Blackwell[14]。摩尔线程作为首家登陆科创板的全功能GPU企业，2025年前三季度营收同比增长181.99%，产品已覆盖AI智算、专业图形等四大领域。然而，行业仍面临显著挑战：国产GPU在软件生态、开发者规模及先进制程工艺上与国际巨头存在代差。例如，英伟达CUDA生态拥有超400万开发者，而国产厂商需从零构建从编译器、驱动到应用框架的完整软件栈[14]。同时，国内EDA工具、高性能存储等配套产业链尚不完善，也制约了产品的迭代速度。
1.4 产业链完整度：初步闭环形成与关键短板
中国GPU产业链已初步形成从上游设计服务、中游芯片制造到下游应用的全闭环，但在核心环节仍存在“卡脖子”风险，产业链协同能力有待提升。
产业链上游包括EDA与IP供应商、材料及设备企业。在材料和设备领域，如硅片、光刻胶、光刻机、刻蚀机等，目前国际巨头仍占据主导地位，中微公司、北方华创等本土企业正逐渐崭露头角[2]。EDA工具领域，华大九天等企业正通过并购整合向全流程解决方案演进，但整体仍依赖进口。
产业链中游是核心环节，集中于GPU芯片设计、晶圆制造、封测及封装服务。设计端涌现出海光信息、寒武纪、摩尔线程等领军企业，普遍采用Fabless模式与中芯国际、华虹等代工厂合作。制造端受限于设备进口限制，国产GPU在7nm及以下先进制程上与国际存在代差，但通过Chiplet及2.5D/3D封装技术，部分弥补了性能短板。封测环节，长电科技、通富微电等企业已实现Chiplet与2.5D封装量产，国产化率相对较高[14]。
产业链下游应用覆盖数据中心、人工智能、智能驾驶、工业仿真及信创领域。随着“国产算力+大模型”的融合趋势，国产GPU已率先在教科研、金融、交通等行业布局。头部厂商通过与国产大模型进行深度适配，正努力打通“国芯+国模”的软硬件闭环，为下游应用提供了自主可控的算力基础[2][13]。
2. 技术格局与产业链：多元化路线、关键瓶颈与国产化进程
2.1 多元化技术路线：并行突围的差异化竞争格局
如前一章所述，国产GPU行业正处于从“可用”到“好用”的关键爬坡期，其背后是多元化技术路线的并行发展与激烈竞争。这些路线并非简单的优劣之分，而是企业根据自身技术基因、资源禀赋和市场定位做出的战略选择，共同构成了国产GPU的差异化竞争格局。
全自研架构路线以景嘉微为代表，其核心优势在于自主可控的深度与可靠性。该路线从底层指令集、微架构到驱动软件均实现自主研发，技术壁垒最高，产品迭代周期相对较长，但能确保在特殊领域（如军用）的绝对安全。景嘉微JM11系列已实现100%全自研架构，并计划在2026年推出支持多模态的GPU产品，体现了其在自主可控道路上的持续深化。这一路线通常需要深厚的长期技术积累和持续的研发投入，其商业化成功的关键在于能否将高可靠性的技术优势有效转化为民用市场的成本与性能竞争力。
IP授权与定制化路线则以芯动科技等企业为典型，其特点是开发周期短、市场切入灵活。通过获得成熟GPU核心IP的授权，企业可以快速构建产品原型，并针对特定应用场景（如车载信息娱乐、桌面办公）进行定制化优化。芯动科技“风华3号”实现硬件级光线追踪突破，便是基于此路径在特定性能点上取得的技术成果。该路线的风险在于对第三方IP的依赖，可能受制于授权条款和地缘政治因素，长期发展的自主性面临挑战。
通用计算与全功能GPU路线是当前资本市场关注的焦点，以寒武纪、沐曦股份、摩尔线程等为代表。寒武纪采用通用型智能芯片架构（MLUarch），其设计初衷并非局限于图形渲染，而是面向广泛的AI计算，在卷积、全连接等AI核心运算上效率突出[20]。沐曦股份则自主研发了XCORE架构及MXMACA软件栈，其曦云C系列支持千卡至万卡集群扩展，并致力于实现高度的CUDA兼容性以降低生态迁移门槛。摩尔线程则坚持“全功能GPU”定位，其产品单芯片同时集成AI计算、图形渲染、视频编解码等多重引擎，旨在满足从数据中心AI训练到云游戏、数字孪生的广泛需求。这条路线技术挑战最大，需要同时攻克高性能硬件设计、高速互连（如MetaXLink、MTLink）和复杂软件生态建设三大难关，但对应的市场空间也最为广阔。
SoC集成路线主要由全志科技、瑞芯微等传统芯片设计公司主导，其策略是将GPU作为IP核集成到面向消费电子、边缘计算设备的SoC中。该路线追求高集成度、低功耗和低成本，在智能座舱、工业物联网、边缘AI盒子等海量终端市场中具有强大的规模化优势。其技术挑战在于如何在有限的功耗和面积预算内，提供满足日益增长的端侧AI算力需求。
这四条主要路线并非完全割裂，实践中存在交叉与融合。例如，部分采用IP授权路线的企业也在加大自研比例；而全功能GPU厂商的产品亦可被视为高度复杂的SoC。多元化的技术格局表明，国产GPU行业尚未形成统一的技术范式，各企业正基于不同的假设进行探索，这既增加了行业整体的创新活力，也意味着未来的竞争格局存在较大变数。
2.2 关键性能瓶颈与核心技术挑战
尽管发展迅速，但国产GPU在向高端市场迈进的过程中，仍面临一系列显着的性能瓶颈与技术挑战，这些瓶颈是制约其从“可用”迈向“好用”乃至“领先”的核心障碍。
首先，在硬件性能与能效方面，先进制程依赖是首要瓶颈。目前国产高端GPU芯片多采用7nm制程工艺，而国际领先产品已进入3nm/4nm时代，这导致在单芯片峰值算力、晶体管密度和能效比上存在代际差距。为弥补制程短板，国内企业普遍积极采用Chiplet（芯粒）技术，通过2.5D/3D先进封装将多个芯粒集成，从而提升整体性能、灵活性和良率。寒武纪思元370、沐曦股份部分产品均已采用Chiplet技术[21]。预计2027年后，随着3nm制程国产GPU的量产和Chiplet技术普及，国产GPU的单位算力成本有望下降30%以上[2]。此外，高速互连技术是支撑大规模算力集群的关键。沐曦的MetaXLink、摩尔线程的MTLink等技术旨在对标英伟达的NVLink，以实现千卡乃至万卡集群的高效线性扩展，其性能与稳定性仍需在更大规模的商业部署中持续验证。
其次，软件生态与开发者体系的薄弱是比硬件更难逾越的壁垒。英伟达凭借CUDA生态构建了拥有超400万开发者的护城河，而国产GPU生态建设几乎从零开始[14]。各厂商采取了不同的生态策略：一是高兼容性策略，如沐曦股份的MXMACA软件栈和摩尔线程的MUSA架构，均致力于高度兼容CUDA，通过自动化移植工具大幅降低代码迁移工作量，旨在解决开发者“从0到1”的启动难题[40][70]。二是构建原生开发生态，如寒武纪提供BANG C编程语言及MagicMind推理引擎，试图建立独立但友好的开发环境[31]。然而，兼容性通常伴随性能损耗，而构建原生生态则需要漫长的时间积累和巨大的投入。目前，国产平台的开发者社区规模（如摩尔线程MUSA社区约10万人）与CUDA相比仍有数量级差距，支持的主流AI框架、算子库和应用程序的丰富度也远不及国际水平[68]。
最后，核心IP与上游供应链的自主可控仍存短板。在产业链上游，高端GPU设计所必需的EDA工具、部分核心IP以及制造环节的先进光刻机等，仍严重依赖进口，存在“卡脖子”风险。尽管国内在封装测试环节（如长电科技、通富微电）已具备较强实力，甚至能实现Chiplet等先进封装量产，但设计工具和制造设备的短板，从根本上制约了产品迭代速度和供应链安全[14]。
2.3 产业链国产化进程：从设计到应用的协同攻坚
国产GPU的崛起并非单一环节的突破，而是整个产业链协同攻坚的结果。当前，产业链各环节的国产化进程不一，呈现出“中游设计活跃、下游应用牵引、上游关键环节亟待突破”的态势。
上游材料、设备与EDA工具是国产化最薄弱的环节。硅片、光刻胶、电子特气等材料，以及光刻机、刻蚀机等核心设备，国际市场集中度高，国产替代处于早期阶段[2]。EDA工具方面，虽然华大九天等国内企业已在部分点工具上取得进展，并向全流程解决方案迈进，但支撑先进GPU设计的全链条、高精度EDA工具仍被国际巨头垄断，是制约设计创新的关键瓶颈。
中游芯片设计、制造与封测是国产化攻坚的主战场。设计环节最为活跃，已涌现出寒武纪、沐曦股份、摩尔线程、景嘉微等一批代表性企业，它们采用Fabless模式，专注于芯片架构与电路设计。制造环节是当前最大的制约点，中芯国际、华虹等国内代工厂在成熟制程上已具备竞争力，但在支撑高端GPU的7nm及以下先进制程上，产能、良率和性能与国际领先代工厂存在差距，且受到设备进口限制的直接影响。封装测试环节的国产化率相对较高，长电科技、通富微电等企业已具备Chiplet、2.5D/3D等先进封装技术的量产能力，为通过系统级优化提升GPU性能提供了重要支撑[14]。
下游应用市场是拉动国产化进程的核心引擎。下游需求正从政策驱动的信创市场，快速向商业驱动的AI算力市场拓展。在信创领域，国产GPU已在政务、金融等行业实现规模化应用。更具潜力的是AI算力市场，在国产替代政策和大模型算力需求的强力驱动下，互联网云厂商、智算中心运营商正加速测试并部署国产GPU解决方案。寒武纪、沐曦、摩尔线程的产品已进入运营商、头部互联网企业的供应链或测试名单，用于AI推理和部分训练场景[52]。这种“下游应用反哺中游设计”的路径，为国产GPU提供了宝贵的迭代反馈和商业收入，是推动整个产业链技术进步和良性循环的关键。
2.4 技术演进趋势与未来突破方向
展望未来，国产GPU的技术演进将围绕提升性能、降低生态门槛和保障供应链安全三个维度展开，呈现以下趋势：
一是系统级创新成为超越制程限制的关键路径。在短期内难以突破先进制程封锁的背景下，通过Chiplet异构集成、先进封装（如CoWoS）、以及架构创新（如存算一体）进行系统级优化，将成为提升国产GPU综合性能的主要手段。沐曦、寒武纪等公司已在该领域布局[37][21]。
二是软硬件协同与生态融合加速。单纯的硬件参数竞争将让位于“软硬件一体化”的解决方案竞争。厂商将继续加大在编译器、算子库、驱动以及与大模型深度适配方面的投入。例如，寒武纪的MagicMind引擎致力于优化推理部署，摩尔线程则开源了部分工具以吸引开发者[31][68]。与国产AI框架（如百度飞桨、华为MindSpore）和主流大模型的深度绑定，将成为构建本土化算力生态的重要策略。
三是应用场景驱动的专业化分工。未来市场可能不会出现单一通吃的“国产英伟达”，而是会形成基于场景的专业化分工：专注于AI训练/推理的通用计算芯片（寒武纪、沐曦）、面向图形渲染与元宇宙的全功能GPU（摩尔线程）、用于边缘设备的低功耗AI SoC、以及满足特定高可靠需求的自主可控GPU（景嘉微）。这种分工有助于企业集中资源，在各自优势领域形成深度竞争力。
综上所述，国产GPU的技术格局呈现出多元路线并行的特征，在硬件性能、软件生态和上游供应链方面仍面临严峻挑战。然而，在强劲的下游需求拉动和持续的产业链协同攻坚下，通过系统级创新和生态建设，国产GPU正沿着明确的路径缩小与国际领先水平的差距。其国产化进程不仅是一场技术追赶，更是一场涉及产业链各环节、需要长期投入和战略耐心的系统性工程。
3. 政策与资本环境：顶层设计、地方支持与市场融资
国产GPU行业的爆发式增长，不仅源于技术和市场的内生动力，更离不开一个由顶层设计强力引导、地方政策精准扶持、资本市场积极赋能的立体化支持环境。这一环境构成了行业发展的“加速器”与“安全网”，是理解行业当前格局与未来走向不可或缺的维度。
3.1 国家顶层设计：战略定位与宏观指引
国家层面的战略规划为国产GPU行业设定了清晰的发展目标和优先级，从宏观上引导了资源投入与产业方向。集成电路产业作为信息产业的核心，其战略性地位在《中国制造2025》等国家规划中被反复强调，并明确了提升自给率的目标[8]。进入人工智能时代，算力作为新型生产力基础设施的重要性愈发凸显。2025年8月，国务院出台的《关于深入实施“人工智能+”行动的意见》，标志着政策支持从泛化的产业鼓励转向聚焦的攻坚支持。该文件特别强调“强化智能算力统筹”并“支持AI芯片攻坚”，直接回应了因高端AI芯片进口受限而产生的国产替代紧迫性，为GPU等算力芯片的研发与应用提供了最高层级的政策背书。
这一顶层设计的具体落地，体现在国家级重大工程对国产算力的牵引上。“东数西算”工程作为优化全国算力资源布局的核心战略，其深化实施不仅创造了庞大的数据中心建设需求，更通过强调算力网络的自主可控，为国产GPU进入核心算力枢纽提供了场景入口[13]。同时，为降低企业尤其是中小企业的算力使用门槛，政府创新性地推出了“算力券”补贴机制。这一政策工具直接降低了用户采购和使用国产算力的实际成本，有效激活了长尾市场需求，为国产GPU从实验室走向规模化商业应用铺平了道路[13]。这些宏观政策共同作用，将国产GPU的发展从企业市场行为提升至国家战略安全与数字经济发展的支撑层面，赋予了行业前所未有的确定性成长空间。
3.2 地方产业政策：精准扶持与生态构建
在中央政策的框架下，各地方政府，特别是科技与产业高地，纷纷出台更具针对性和激励性的地方政策，形成了“中央定调、地方竞赛”的扶持格局。地方政府通过设立产业基金、提供税收优惠、实施研发补贴、以及制定优先采购目录等方式，对本土GPU企业进行直接且多元化的支持。
以上海、北京等一线城市为代表的地区，其政策特点在于目标明确、量化清晰，旨在打造世界级的产业集群。例如，上海市提出到2027年实现智能算力规模突破200 EFLOPS，且其中自主可控算力占比超过70%的宏伟目标[16]。这一目标不仅设定了巨大的本地市场容量，更以明确的“自主可控”比例，为国产GPU厂商划定了确定性的市场份额。北京市则采取了更为直接的财政激励，明确对采购自主可控GPU芯片的企业给予一定比例的投资额补贴，通过降低用户端的采购成本来刺激需求，从而反向拉动供给端的生产与研发。此类地方政策的核心在于，它们将国家战略分解为可执行、可考核的具体任务，并通过真金白银的投入，加速本地算力基础设施的国产化进程，为区域内GPU企业提供了从研发、流片到市场销售的全周期支持。
3.3 资本市场动态：融资热潮与上市通道
充沛的资本供给是技术密集型产业跨越“死亡谷”、实现规模扩张的血液。2025年以来，国产GPU行业迎来了密集的上市潮与融资热，资本市场成为行业加速发展的关键助推器。2025年，摩尔线程、沐曦股份相继成功登陆科创板，壁仞科技、天数智芯等头部企业也在积极筹备上市[3]。公开上市不仅为企业募集了用于技术迭代、产能扩张和生态建设的宝贵资金，更重要的是建立了规范的公众公司治理结构和透明的信息披露机制，提升了企业的品牌信誉与市场认可度。
从财务表现看，上市公司的募资投向清晰地反映了行业的战略重点。例如，景嘉微在2024年完成的38.27亿元定向增发，其资金明确投向高性能通用GPU研发及先进架构研发中心建设，旨在攻坚大型游戏、数据中心、人工智能等高端民用市场，以缩小与国际巨头的技术代差。沐曦股份在其发展规划中，也将募投项目聚焦于新型高性能通用GPU及新一代人工智能推理GPU的研发，持续巩固技术壁垒[43]。这些大规模的资本投入，直接支撑了企业高昂的研发费用。数据显示，沐曦股份2025年研发费用率高达62.49%，2022至2025年累计研发投入超过32亿元；摩尔线程2025年的研发费用率也达到86.68%。这种高强度的研发投入格局，正是资本市场对行业长期增长逻辑认可并予以资金支持的直接体现。
3.4 政策与资本协同下的行业影响与风险
政策与资本的双轮驱动，深刻塑造了国产GPU行业的发展路径与竞争生态。其积极影响显而易见：一是显著加速了技术产品化进程，在国家和地方项目的牵引下，企业产品得以在真实场景中快速迭代；二是降低了市场准入风险，采购补贴和算力券等政策直接创造了初始市场需求，帮助初创企业度过早期商业化的难关；三是吸引了大量高端人才和跨界资源涌入，提升了行业整体创新活力。
然而，这种强外部驱动的发展模式也隐含特定风险。首先，政策依赖风险。部分企业的营收增长可能与特定时期的政府补贴、地方采购项目高度绑定。一旦政策支持力度减弱或方向调整，相关企业的业绩可能面临波动。例如，若信创领域的采购节奏放缓，或算力券政策未能持续，可能影响部分厂商的短期营收确定性[13]。其次，资本过热与估值风险。行业在资本追捧下估值高企，如寒武纪的PE_TTM曾高达273倍，这反映了市场对其未来高增长的极高预期。若企业技术突破或商业化进度不及预期，无法在合理时间内兑现增长故事，可能面临估值回调的压力。最后，资源配置可能出现的扭曲。在政策和资本的热点导向下，资源可能过度集中于少数明星企业或热门技术路线，而一些基础性的、但周期更长的底层技术（如EDA工具、核心IP）可能仍得不到足够关注，这从长远看不利于产业链的均衡与安全。
综上所述，2026年国产GPU行业所处的政策与资本环境是空前有利的。从中央的战略定调到地方的精准施策，从活跃的一级市场融资到开放的二级市场通道，共同构建了一个支持创新、容忍失败、鼓励长期投入的生态系统。这一环境是行业得以在短期内实现从“可用”到规模化应用“爬坡”的关键外部保障。投资者在评估企业价值时，必须将企业获取政策资源的能力、利用资本效率的高低以及对潜在政策调整的应对韧性，纳入核心考量范畴。行业的长期健康发展，最终将取决于企业能否借助这股东风，建立起真正可持续的技术护城河和市场竞争力。
4. 核心企业深度分析（一）：寒武纪——AI云端芯片龙头的产品矩阵与技术壁垒
作为中国AI芯片领域首家登陆资本市场的企业，寒武纪在2026年已确立其国产AI云端芯片龙头的市场地位。其发展路径清晰体现了从技术先驱到商业化领跑者的转型，核心驱动力在于构建了覆盖训练与推理全场景的云端产品矩阵，并依托全栈自研的软硬件技术体系，在国产替代浪潮中形成了独特的竞争壁垒。
4.1 云端产品矩阵：四代迭代构建国产高端算力核心
寒武纪的核心竞争力首先体现在其历经四代迭代、已实现规模化商用的云端智能芯片产品序列。该产品线从早期的推理芯片起步，逐步攻克训练芯片难关，最终实现对国际旗舰产品的性能对标，形成了完整的高中低端算力覆盖。
思元系列芯片构成了其产品基石。公司自2018年发布首款云端智能芯片思元100以来，保持了快速的技术迭代节奏[21]。其中，于2023年发布的思元590芯片具有里程碑意义，其综合性能已实现对英伟达A100的追赶，并于2024年进入正式出货阶段，标志着寒武纪的产品正式进入国产高端算力芯片的第一梯队[20][22]。该系列芯片的演进逻辑清晰：从满足基础推理需求的思元100、270，到支持分布式训练的高端芯片思元290，再到采用Chiplet（芯粒）技术以提升内存带宽和集成度的思元370，最终推出训推一体的旗舰产品思元590，每一步都精准卡位了市场需求与技术升级的关键节点[21]。
配套的加速卡与整机解决方案深化了市场渗透。寒武纪并非仅提供裸芯片，而是围绕核心芯片打造了系统级产品。公司推出了MLU290-M5、MLU370-X8等加速卡，以及集成多颗思元290芯片的玄思1000训练整机[20]。这种“芯片+卡+整机”的产品组合，降低了客户的使用门槛，能够更灵活地满足从单卡推理到大规模集群训练的不同算力需求，尤其适合对国产化有迫切需求的云服务商和智算中心。
产品结构验证了战略聚焦的成功。从营收构成看，云端产品线是寒武纪绝对的核心。2026年第一季度数据显示，其云端产品线收入占比高达99.69%，而边缘产品与IP授权业务占比已不足0.1%[20]。这种高度聚焦的战略使其能够将研发与市场资源集中于最具增长潜力的AI算力主航道，从而在激烈的竞争中快速建立起规模优势。2025年，公司智能芯片及加速卡的销量达到11.7万片，产量为12.8万片，强劲的产销数据为其业绩爆发提供了直接支撑。
4.2 全栈自研技术体系：通用型架构与软硬件协同的差异化路径
寒武纪的技术护城河并非建立在单一硬件指标的领先上，而是源于其选择的通用型智能芯片架构路线，以及由此构建的软硬件深度协同的全栈技术体系。这一路线使其在众多国产GPU厂商中形成了鲜明的差异化特征。
在硬件架构层面，寒武纪自主研发的MLUarch微架构是其核心。该架构将复杂的算法操作分解为高位张量、向量和算术逻辑三类，并分别由专用计算部件高效处理。与谷歌TPU采用的脉动阵列等技术相比，MLUarch在卷积、全连接等AI核心运算上表现出更高的效率[28]。此外，公司还开发了MLU-Link多芯互联技术，对标英伟达的NVLink，以支持大规模分布式计算。例如，思元370-X8加速卡在8卡并行配置下，其性能可达主流350W功耗级RTX GPU的155%，展现了良好的扩展性。
软件生态建设是寒武纪打破“重硬轻软”行业惯性的关键。公司构建了统一的底层软件平台Cambricon NeuWare。在训练侧，该平台通过CNNL高性能算子库和CNCL通信库，支撑大规模分布式训练[28]。在推理侧，其MagicMind推理引擎基于MLIR图编译技术，能够自动优化并支持FP8/FP4等低精度计算，显著降低了模型部署的难度和成本[31][32]。在编程语言层面，寒武纪推出了BANG C异构并行编程模型，支持更灵活的指令级调度，同时其编译器也兼容了Triton 3.4的特性，以满足日益复杂的大模型算子开发需求。这种从底层驱动到上层框架的全面软件布局，旨在降低开发者的迁移和学习成本，逐步构建独立的生态吸引力。
通用型架构赋予了其更广泛的场景适应能力。与海光信息的GPGPU路线或华为昇腾的ASIC路线不同，寒武纪的通用型智能芯片架构并非为某一特定算法或场景高度定制。这种设计使其能够更好地适应互联网、金融、运营商等行业中多样化和快速演进的AI算法需求，避免了因技术路线变迁而导致的产品风险，从而在长期竞争中可能具备更强的韧性。
4.3 市场地位与商业化拐点：从技术领先到业绩兑现
2025年是寒武纪发展的分水岭，其市场地位因业绩的实质性扭亏为盈而得到根本性巩固。公司从一家备受关注但持续亏损的“技术明星”，转变为具备强大自我造血能力的行业龙头。
业绩拐点是其商业化能力的最有力验证。2025年，寒武纪实现营业收入64.97亿元，同比大幅增长453.21%；归母净利润达到20.59亿元，成功实现扭亏为盈[22]。这一增长势头在2026年第一季度得以延续，营收28.9亿元，同比增长159.6%，净利润10.1亿元，净利率提升至35.1%[22]。盈利能力的快速释放，一方面得益于产品规模化出货带来的规模效应，另一方面也反映了其产品在市场上已具备较强的定价能力和成本控制能力。截至2025年末，公司预付款项约7.5亿元，显示出其对未来订单的乐观预期和供应链的积极备货，业绩增长的动能充足。
在国产替代的竞争格局中，寒武纪已占据有利身位。尽管英伟达在中国AI芯片市场仍占据70%-80%的份额，但美国出口管制导致的供应缺口，为寒武纪等国产厂商创造了历史性窗口[21]。凭借思元590等产品的性能表现，寒武纪已在运营商、金融、互联网等关键行业实现规模化部署。与国内主要竞争对手相比，寒武纪的通用型架构提供了更广泛的算法适应性；华为昇腾则更多依托自身云生态，聚焦于政务等特定领域；而海光信息则侧重于GPGPU路线，三者形成了差异化竞争的态势。寒武纪的先发上市地位、全面的产品矩阵和已经验证的盈利能力，使其在资本和产业资源获取上具备了显著优势。
生态合作网络持续拓展，巩固长期壁垒。寒武纪正通过广泛的合作构建其产业生态。公司与浪潮信息签署了元脑战略协议，并与中科曙光、新华三、联想、商汤、科大讯飞等企业深度合作，共同推出智能计算集群与行业解决方案。在大模型适配方面，其平台已实现对DeepSeek、GLM、Qwen等主流开源大模型的“Day 0”支持，并开源了vLLM-MLU推理引擎，针对特定大模型架构的优化实现了业界领先的算力利用率[31]。此外，公司通过“寒武纪开发者社区”提供技术课程与支持，并与多所高校合作开设人工智能课程，构建产学研一体化的人才培养体系，为生态的长期发展储备力量。
4.4 核心风险与未来观察点
尽管寒武纪已建立起领先优势，但其未来发展仍面临若干关键挑战，这些挑战也将是投资者需要持续跟踪的验证要点。
技术迭代压力不容忽视。GPU及AI芯片行业技术演进迅速，国际巨头每年都有新品推出。寒武纪的下一代旗舰产品（如市场预期的思元690）能否如期推出，并在性能上持续对标甚至超越国际竞争对手的迭代产品，将直接决定其中长期竞争力。若出现研发延迟或性能未达预期，可能动摇其市场领先地位。
国产替代进程的波动性构成外部风险。公司当前的增长在很大程度上受益于地缘政治驱动的国产替代加速。然而，这一进程存在不确定性。倘若美国出口管制政策出现松动，或英伟达等公司推出针对中国市场的“特供版”高性能芯片，可能会削弱国产芯片的性价比优势，从而影响寒武纪的市场份额拓展速度。
供应链安全与成本控制是持续考验。寒武纪的先进芯片（如7nm制程）制造仍依赖于外部代工厂。全球半导体供应链的任何波动，或先进制程产能的紧张，都可能影响其产品的交付节奏和成本。公司需要通过与代工厂的深度绑定及多元化供应链布局来管理这一风险。
盈利质量与生态粘性需深度观察。尽管已实现盈利，但需要持续关注其毛利率变化趋势。若毛利率能稳定在50%以上，将证明其强大的产品溢价和成本控制能力。同时，软件生态的活跃度与开发者社区的成长速度，是判断其能否构建长期生态壁垒、降低客户迁移成本的关键指标。若能保持对主流大模型的快速适配并吸引更多开发者，其护城河将愈加稳固。
综上所述，寒武纪凭借清晰的云端产品迭代路径、全栈自研的通用型技术架构以及已被验证的商业化能力，在2026年的国产GPU/AI芯片竞争中处于领先地位。其投资价值不仅在于抓住了国产替代的短期风口，更在于通过软硬件协同构建的、能够适应多样化AI计算需求的长期技术体系。未来的核心看点在于其技术迭代能否持续引领、盈利高增长能否维持，以及生态建设能否从“可用”的工具真正演变为开发者“愿用”的平台。
5. 核心企业深度分析（二）：沐曦股份——高性能通用GPU的技术体系与商业化进展
沐曦股份作为国内高性能通用GPU领域的领军企业，其发展路径体现了从顶尖团队技术创业到实现规模化商业落地的典型历程。与寒武纪聚焦云端AI芯片、摩尔线程定位全功能GPU不同，沐曦股份的核心战略是构建全栈自主可控的高性能通用GPU技术体系，并凭借高兼容性的软件生态，快速切入AI智算这一核心赛道，实现了营收的爆发式增长。本章将深入剖析其核心技术架构、产品布局、商业化进展及面临的挑战。
5.1 全栈自主技术体系：XCORE架构与高兼容性生态的构建
沐曦股份的核心竞争力建立在从硬件架构、指令集到软件栈的全链条自主研发能力之上，其技术设计始终围绕“高性能”与“高易用性”两大目标，旨在降低国产GPU的生态迁移门槛。
硬件层面，自主研发的XCORE架构是技术基石。该架构基于主流的SIMT（单指令多线程）结构，并针对计算与渲染场景进行了针对性优化，形成了XCORE 1.0/1.5（计算）和XCORE 2.0（渲染）的迭代路径。配合架构的是沐曦自研的MXMACA指令集，包含计算端600余条和渲染端800余条指令，支持从FP64到FP4的全精度混合计算，其超标量指令发射流水线设计旨在最大化硬件利用效率。为支撑大规模智算集群，公司开发了MetaXLink高速互连技术，单芯片提供7个接口，带宽性能对标英伟达H200，支持从2卡到128卡的灵活组网，其千卡集群的线性扩展效率可达95%。在先进封装方面，沐曦积极采用MCM（多芯片模块）和2.5D CoWoS-S等方案，以应对先进制程限制，提升芯片整体性能与良率。
软件生态层面，高兼容性策略是其商业化快速突破的关键。沐曦构建了名为MXMACA的统一软件栈，其最突出的特点是高度兼容英伟达CUDA生态。该软件栈支持超过6000个CUDA应用、2200多个高性能算子以及1000多个AI模型的迁移，通过自动化工具大幅降低了开发者的移植工作量[40]。这一策略精准地解决了国产GPU面临的最大痛点——生态壁垒，使得客户现有的CUDA代码能够以较低的成本和性能损耗迁移至沐曦平台，从而实现了从“不可用”到“可用”乃至“好用”的快速跨越。这一“硬件架构-软件生态-集群互连”的完整技术闭环，构成了沐曦股份参与市场竞争的核心基础。
5.2 全场景产品矩阵与迭代节奏
基于上述技术体系，沐曦股份已构建起覆盖云端训练、边缘推理、图形渲染及科学计算的全场景产品矩阵，呈现出“主力产品驱动增长、新兴场景前瞻布局”的特点。
曦云C系列（训推一体GPU）是当前营收的绝对核心。该系列产品定位高性能通用计算，已实现从C500、C550/C588到C600的迭代。其中，C500于2024年第一季度量产，标志着公司商业化进程的开启；即将大规模量产的C600系列采用HBM3e显存，支持千亿参数模型训练，并实现了从设计到制造的全流程国产供应链，对于保障供应链安全具有重要意义。该系列产品已部署于10余个智算集群，覆盖国家人工智能公共算力平台及运营商智算中心，是公司营收爆发式增长的主要来源[40]。
曦思N系列（智算推理GPU）聚焦边缘与推理场景。N100、N260等产品已实现量产，其中N260通过与联想等合作伙伴推出的一体机解决方案，在实测中性能达到英伟达L20的110%-130%，展现出显著的性价比优势，在生成式AI推理等场景具有竞争力。
曦彩G系列与曦索X系列代表未来布局。曦彩G系列基于XCORE 2.0渲染架构，内置硬件级光线追踪加速，目前已完成IP设计，旨在填补国产GPU在图形渲染和元宇宙等领域的空白。新发布的曦索X系列则品牌化进军科学智能（AI for Science）领域，拓展高性能计算市场。这一产品矩阵确保了沐曦股份既能通过主力产品获取当期收入，又能通过前瞻性布局储备长期增长点。
5.3 商业化落地与财务表现：从技术验证到规模放量
沐曦股份的商业化进程在2022-2025年间实现了令人瞩目的跨越，营收呈现指数级增长，验证了其技术路线和产品策略的市场有效性。
公司的营收增长曲线极为陡峭。从2022年仅42.64万元的营收起步，2023年增长至0.51亿元，2024年猛增至7.43亿元，2025年预计达到16.44亿元，2022至2025年的三年复合增长率高达4074.52%。销量方面，截至2025年末，公司GPU累计销量已超过5.5万颗，其中2025年训推一体和智算推理GPU合计销售3.86万片，同比增长超过170%。这一增长势头主要得益于曦云C系列在AI智算市场的快速渗透。
客户结构持续优化，市场拓展成效显著。公司产品已成功进入超讯通信、新华三、联想等企业的供应链，并深度覆盖教科研、金融、交通等多个行业。尤为重要的是，沐曦股份正积极开拓互联网企业和运营商等重量级客户。其产品已进入中国电信的集采短名单，并正与中国移动、中国联通开展测试，预计在2025年第四季度可能获得互联网企业的小批量订单[52]。这表明公司的产品正从政策性市场向完全竞争的商业核心市场迈进。
高强度的研发投入是支撑上述进展的基础。2025年，公司研发费用高达10.27亿元，研发费用率维持在62.49%的高位，2022至2025年累计研发投入超过32亿元。公司研发团队规模达652人，其中硕士及以上学历占比68.10%，并已累计获得255项境内授权专利（其中发明专利245项），形成了扎实的知识产权壁垒。
5.4 未来战略、核心风险与投资观察点
沐曦股份制定了清晰的“1+6+X”发展战略，即以自研的XCORE架构和MXMACA软件栈为核心技术平台，深耕教科研、金融等六大核心行业，并逐步拓展至具身智能、低空经济等新兴场景（X）[40]。产品路线图显示，短期（2025-2026年）将推动曦云C600的大规模量产以贡献核心收入；中期（2027-2028年）实现更先进的曦云C700小批量量产并推动万卡集群落地；长期则持续迭代，拓展图形渲染及科学智能市场。
然而，作为仍处于战略性亏损阶段的公司，沐曦股份面临一系列风险与挑战。首先，技术迭代与市场竞争风险并存。公司需确保C600、C700等后续产品按时推出且性能达到预期，以应对国内外竞争对手的快速迭代。若产品性能落后或流片延迟，可能导致市场机会流失。其次，生态建设的长期性挑战。尽管通过高兼容性策略取得了初期成功，但构建具有原生吸引力的开发者生态仍需巨大且持续的投入，若CUDA兼容性无法持续深化或对新AI模型的适配滞后，将影响客户长期粘性。再次，供应链稳定性问题。虽然曦云C600实现了全国产供应链，但国产工艺的成熟度、良率及产能爬坡速度仍存在不确定性，可能影响大规模交付能力[37]。最后，盈利拐点的兑现压力。公司在高增长的同时仍处于亏损状态，2025年预计净亏损7.89亿元。市场期待其随着营收规模扩大，能在2026年或2027年迎来盈利拐点，若商业化进度放缓，将对其估值构成压力。
对于投资者而言，需要密切关注几个关键的验证指标：一是曦云C600的量产与交付进度，这直接关系到短期营收能否持续高增长；二是在运营商及互联网头部客户处的突破情况，获得大规模订单将极大提升业绩能见度；三是软件生态的活跃度与开发者反馈，这是评估其长期生态壁垒建设成效的关键；四是毛利率与净亏损的收窄趋势，这将验证其规模效应和成本控制能力，为估值从PS向PE切换提供基础。沐曦股份凭借其全栈技术能力和激进的商业化进展，已成为国产GPU赛道中不可忽视的力量，其未来的成长性将取决于能否在上述风险与挑战中成功突围，将技术优势转化为持续且高质量的盈利。
6. 核心企业深度分析（三）：摩尔线程——全功能GPU的生态战略与场景拓展
作为国内首家登陆科创板的“全功能GPU”企业，摩尔线程在国产GPU行业中开辟了一条独特的差异化路径。与寒武纪聚焦云端AI计算、沐曦股份强调高性能通用计算不同，摩尔线程的核心战略是打造单芯片集成AI计算、图形渲染、物理仿真及视频编解码四大引擎的“全功能”产品，并以此为基础，通过高兼容性的软件生态和广泛的应用场景拓展，构建其市场竞争力。本章将深入剖析其全功能产品线的迭代逻辑、以MUSA为核心的生态建设策略、在多领域的商业化落地进展，以及其面临的挑战与未来机遇。
6.1 全功能GPU产品线的迭代逻辑与架构演进
摩尔线程自成立以来，保持了“一年一代”的快速产品迭代节奏，其五代GPU架构的演进清晰地勾勒出公司从解决国产化刚需到攻坚高端AI算力的战略升级路径。
公司的产品迭代始于满足信创市场的迫切需求。第一代“苏堤”架构于2021年发布，其核心意义在于推出了首款全功能GPU，内置四大计算引擎，并成功解决了信创PC的GPU国产化问题，支持Windows及国产操作系统，迅速打开了市场。随后的“春晓”（第二代）和“曲院”（第三代）架构持续强化性能，春晓架构实现了对DirectX 11/12的支持，而曲院架构则显著提升了AI训练与推理能力，并开始支持千卡集群互联[66]。
2024年发布的第四代“平湖”架构和2025年发布的第五代“花港”架构，标志着摩尔线程全面进军高端AI智算市场。平湖架构的MTT S5000智算卡原生支持FP8精度，AI算力达1000 TFLOPS，并具备万卡集群能力，在特定场景下的性能可达英伟达H20的2.5倍。最新的花港架构则进一步将算力密度提升50%，能效提升10倍，并支持从FP4到FP64的全精度计算，其“华山”（AI训推）和“庐山”（图形渲染）系列产品旨在支持超大规模十万卡集群，以满足下一代大模型训练的需求。
这一迭代路径表明，摩尔线程的技术发展遵循着“从有到好，从通用到高端”的清晰逻辑。其全功能GPU的定位，使其产品能够天然适配从桌面办公、云游戏到数据中心AI训练、数字孪生等极其广泛的应用场景，这构成了其区别于单一功能加速芯片厂商的核心差异化优势。
6.2 MUSA统一软件架构与高兼容性生态战略
对于国产GPU而言，软件生态是比硬件性能更难逾越的壁垒。摩尔线程深刻认识到这一点，并构建了以MUSA（Meta Unified System Architecture）为核心的统一全栈软件体系，其生态战略的核心是“兼容”与“开放”，旨在最大化降低开发者的迁移成本。
MUSA架构的核心竞争力在于其对CUDA生态的高度兼容。通过自主研发的MUSIFY自动化代码移植工具，开发者可将现有CUDA代码迁移至MUSA平台，工作量可减少高达90%，在保持90%硬件利用率的前提下，性能损失通常控制在10%-20%以内[70][83]。这一策略直击客户痛点，解决了从英伟达生态“迁移出来”的首要难题，使得摩尔线程的硬件能够快速在现有软件环境中“可用”。
在兼容之上，MUSA致力于提供全栈的性能优化工具。MUSA SDK提供了超过3000个API接口，并封装了muDNN、muBLAS、MCCL等高性能计算库。其MUSA 5.0版本在GEMM/FlashAttention等关键算子上的效率超过98%，通信效率达97%，编译器性能也提升了3倍，旨在缩小与原生CUDA在性能体验上的差距[78]。同时，公司通过构建AI Framework Bridge，实现了对PyTorch、DeepSpeed、vLLM等主流深度学习框架的良好支持，并承诺对DeepSeek、GLM-5等热门大模型提供“Day-0”适配，确保其算力能及时支持最新的AI应用[68][78]。
开源与社区建设是生态战略的长期举措。为了吸引开发者并填补底层生态空白，摩尔线程开源了MuJoCo Warp MUSA物理仿真后端、TileLang-MUSA算子编程语言等关键组件[68]。公司通过“摩尔学院”覆盖200余所高校，其MUSA开发者社区规模已突破10万人，汇聚了超过45万名开发者，初步形成了产教融合的生态闭环[68][78]。这种“兼容降低门槛、优化提升体验、开源构建社区”的组合策略，是摩尔线程应对CUDA生态垄断的系统性方案。
6.3 多元化应用场景的拓展与商业化落地
“全功能”的产品特性为摩尔线程带来了无与伦比的场景拓展弹性。公司业务已不再局限于单一的信创市场，而是形成了以AI智算为核心增长极，专业图形、桌面消费、智能终端等多点开花的局面。
AI智算业务已成为公司绝对的营收支柱和增长引擎。2025年上半年，该业务营收占比高达94.85%，且毛利率接近70%[61]。其夸娥（KUAE）万卡智算集群已在北京智源研究院等机构实现商业化落地，并成功完成了RoboBrain 2.5等具身智能大模型的训练，验证了其支撑前沿科研的能力[61]。在推理场景，MTT S5000在DeepSeek R1等大模型上的性能表现刷新了国产GPU纪录，凸显了其产品竞争力[71]。公司预计2026年及2027年营收将分别达到27.58亿元和46.90亿元，AI算力需求的爆发是核心驱动力。
在图形渲染与专业计算领域，公司正实现国产化替代。MTT S3000云端渲染卡已获得超过150款专业软件的认证，在数字孪生、工业设计等领域逐步替代海外产品。其与中国移动、中国电信合作的云电脑解决方案，单卡可支持32路并发，显著降低了CPU负载。基于MTT X300工作站显卡的微视威eVTOL飞行模拟器已通过中国民航局最高等级鉴定，展现了其在高端仿真领域的实力[94]。
面向未来前沿，公司积极布局具身智能与边缘计算。摩尔线程发布了MT Lambda仿真训练平台，并开源了物理仿真后端，在机器人训练中实现了相比CPU的40倍加速。同时，公司推出了基于“长江”芯片的AI模组E300和算力本A140等智能SoC产品，瞄准了边缘计算和端侧AI的广阔市场[58][85]。这些布局表明，摩尔线程正利用其全功能优势，将算力从数据中心延伸至物理世界的智能化终端。
6.4 市场竞争、风险挑战与投资观察点
在国产替代的浪潮中，摩尔线程凭借全功能路线占据了独特的生态位。在信创PC市场，其市占率已超过60%；在数据中心GPU市场，2025年上半年份额达到28%，展现出强大的竞争力。与国内专注于AI计算的厂商相比，其在图形API完整性和多场景融合方案上具备优势；与国际巨头相比，虽在制程工艺（7nm vs 3nm/4nm）和生态成熟度上存在5-10年的差距，但通过集群堆叠和软件兼容策略，在特定场景下已能提供可用的替代方案。
然而，公司的发展也面临一系列严峻挑战：首先，持续的高强度研发投入导致公司仍处于战略性亏损阶段。2025年公司归母净利润约为-10.01亿元，尽管亏损幅度同比收窄37%，且管理层预计2027年实现盈利，但盈利拐点的具体兑现仍存在不确定性。2025年公司研发费用率高达86.68%，持续的“烧钱”模式对公司的资金管理能力提出了极高要求。其次，生态差距仍是长期挑战。尽管MUSA社区发展迅速，但与CUDA数百万开发者的规模相比仍显薄弱，构建具有原生吸引力的开发生态需要长期且巨大的投入。再次，客户集中度风险较高。2025年前五大客户销售占比达91.36%，公司业绩容易受到单一客户订单波动的影响。最后，供应链安全依赖于外部先进制程产能，在当前的国际环境下，这始终是一个潜在的风险点。
对于投资者而言，摩尔线程的价值在于其“全功能GPU”的稀缺定位和在AI智算领域的快速商业化能力。核心观察点应包括：一是AI智算业务的增长持续性及万卡以上集群的落地进展，这直接关系到其高端产品的市场认可度和营收天花板；二是软件生态兼容性的实际效果与开发者社区的活跃度，这是评估其生态战略能否成功、客户粘性能否增强的关键；三是盈利路径的清晰度与亏损收窄速度，市场将密切关注其营收规模扩大能否带来显著的规模效应，从而实现管理层预期的盈利时间表；四是在具身智能、元宇宙等新兴场景的布局能否形成新的增长曲线，这有助于验证其全功能技术路线的长期前瞻性价值。
7. 核心企业深度分析（四）：景嘉微——军用技术民用化的战略转型与市场布局
在众多聚焦AI算力与通用计算的国产GPU厂商中，景嘉微的路径独树一帜。作为国内首家实现国产GPU大规模工程应用的企业，其发展历程深深植根于军工领域，形成了以“全自主可控”和“高可靠性”为核心的技术基因。2026年，景嘉微正处于一个关键的战略转型期：依托深厚的军用技术积累，通过“军民融合”路径，向民用信创市场及更广阔的AI算力领域拓展。本章将深入剖析其技术迭代节奏、独特的军民融合商业模式、产品竞争力，以及在这一转型过程中所面临的市场机遇与挑战。
7.1 技术积累与迭代：全自主研发的“马拉松”与加速追赶
景嘉微的技术发展史是一部国产GPU从无到有、自主攻坚的缩影。其产品迭代周期呈现出明显的“先长后短”特征，反映了公司在夯实基础后研发效率的显著提升。
公司的技术起点可追溯至首款产品JM5400，其长达8年的研发周期（采用65nm工艺）完成了从零到一的突破，成功应用于机载、舰载等特种领域，解决了国防装备的自主可控问题。此后，迭代速度明显加快：JM7200研发周期缩短至4年（28nm工艺），实现了从军用专有市场向民用信创市场的初步跨越，成为早期信创PC和中低端显示市场的重要替代方案。JM9系列的研发周期进一步压缩至3年，性能对标英伟达GTX1050/1080，标志着公司产品开始进入高性能显示和初级AI计算领域[116]。
当前，代表公司最新技术成果的是JM11系列。该系列同样在约3年的周期内完成研发，并实现了100%全自研架构，旨在进军云端虚拟化、高端图形工作站等对性能和可靠性要求更高的民用市场[116]。尤为重要的是，公司正积极填补其在纯AI算力领域的空白。2024-2025年，景嘉微相继推出了“景宏”系列智算模块（单机算力2000TOPS）和“CH37”系列边端AI芯片（峰值算力64TOPS@INT8），与传统的图形GPU形成“GPU+AI SoC”的双轮驱动产品格局，以响应市场对AI算力的爆发性需求。
从技术追赶的宏观节奏看，景嘉微早期产品与国际先进水平存在5-6年的代差。然而，随着研发体系的成熟和经验的积累，其最新产品与国际同性能产品的代差已稳定在5年左右，并未被进一步拉大。这表明，公司已建立起可持续的研发迭代能力，为后续的民用市场拓展提供了技术基础。
7.2 军民融合路径：从“护城河”到“增长极”的战略跃迁
景嘉微的独特优势在于其深厚的军工背景，这既是其发展的“护城河”，也是当前战略转型的基石。公司的民用市场拓展并非另起炉灶，而是遵循一条清晰的“技术复用、场景延伸、生态共建”的军民融合路径。
首先，业务边界从核心军工领域向相关民用场景系统性延伸。公司的传统优势业务——图形显控，正从机载、舰载等核心装备，拓展至车载、船舶显控及通用工业控制市场。基于在微波领域的技术积累，其小型专用化雷达业务也切入反无人机、低空经济等新兴民用安防和交通场景。最具战略意义的延伸是芯片业务，正从满足特种显示和图形渲染，升级为覆盖高性能计算、AI推理的通用算力芯片。这种延伸逻辑确保了技术迁移的高效性和产品的可靠性。
其次，通过构建“硬软结合”的行业解决方案来推动民用落地，降低客户使用门槛。景嘉微深谙民用市场不仅需要芯片，更需要完整的解决方案。因此，公司积极推动JM系列芯片与飞腾、龙芯等国产CPU，以及银河麒麟、openEuler等国产操作系统完成深度适配，并与中国长城、中望软件等十余家软硬件厂商建立了产业合作联盟。2025年，公司与杭州靖安科技达成战略合作，共同开发低空经济、无人装备等领域的系统级解决方案，这标志着公司正从单一的“芯片供应商”向“系统级解决方案提供者”转型，旨在提供更高的客户价值。
最后，借助资本市场力量，为攻坚高端民用市场注入研发动力。2024年，公司成功完成一笔38.27亿元的定向增发，所募资金明确投向高性能通用GPU研发及先进架构研发中心建设。这笔关键融资的战略意图非常清晰：聚焦大型游戏、数据中心、人工智能等高潜力、高附加值的民用领域，旨在系统性缩小与国际巨头在高端图形处理和通用计算领域的技术差距[113]。资本加持为这场从“军用”到“军民共用”的战略跃迁提供了至关重要的燃料。
7.3 产品竞争力与市场定位：自主可控下的差异化优势
在国产GPU竞争日趋同质化的AI算力赛道之外，景嘉微凭借其独特基因，构建了差异化的产品竞争力与市场定位。
核心优势一：全链条自主可控带来的高可靠性与安全壁垒。景嘉微是国内极少数掌握GPU底层架构设计、驱动程序开发到大规模电路集成等全链条关键技术的企业。这种深度的自主性，使其产品在特殊行业和国家关键信息基础设施领域具备不可替代的“准入”优势。在国产替代浪潮中，尤其是在对安全可靠性要求极高的党政、金融、能源等信创领域，这一优势转化为强大的客户信任和市场份额。
核心优势二：清晰的产品梯队与持续的性能提升。公司产品序列形成了从JM5400（特种替代）、JM7/JM9系列（信创市场主力）到JM11系列（进军高端民用）的清晰性能梯队[116]。JM9系列的性能已可对标海外主流低端显卡，并在信创市场实现了规模化替代。新推出的JM11和景宏系列，则瞄准了云桌面、AI算力服务器等更高附加值的市场，试图打开增长天花板。
核心优势三：“军用品质”赋能民用市场的品牌与质量溢价。长期以来在严苛军工环境下的应用验证，为景嘉微产品赋予了“高可靠、长寿命、低故障率”的标签。当这种品质基因注入民用产品，尤其是在工业控制、轨道交通、智慧能源等同样注重稳定性的B端市场，能够形成显著的质量溢价和品牌信任，这是许多从消费电子或互联网领域切入的GPU初创企业所不具备的。
核心优势四：积极融入并助推国产计算生态。公司不仅是国产芯片的提供者，更是生态的共建者。通过深度适配主流国产CPU、操作系统，并联合生态伙伴（如与DeepSeek合作推出全国产AI服务器），景嘉微致力于打造从硬件到软件的端到端自主可控解决方案，有效降低了下游客户的系统集成与切换成本。
7.4 市场格局、财务表现与转型挑战
在全球GPU市场由英伟达、AMD、英特尔垄断的格局下，景嘉微在国内市场开辟了一个差异化的细分领域。其在机载航电图形显控领域占据主导地位，在信创PC市场也已成为重要的国产供应商。与寒武纪、沐曦股份等聚焦通用算力的“新兴势力”相比，景嘉微属于已实现规模化商用、技术路径高度自主的“传统劲旅”。两者的竞争目前更多是市场区隔而非直接对抗，但随着景嘉微向AI算力和高端民用市场渗透，未来在部分领域的交集和竞争可能会加剧。
公司的财务表现直观反映了其转型期的阵痛与希望。2023年，公司营收结构仍以图形显控（占比65.1%）为主，芯片业务占比为14.2%。2024年，受军工行业阶段性调整影响，传统业务短期承压，前三季度营收同比微降5.99%。然而，亮点在于芯片业务逆势高速增长，并带动公司整体归母净利润同比增长53.28%。这清晰地表明，以JM9系列为代表的芯片业务正成为公司增长的新引擎。市场预期，随着“十四五”收官年（2025年）军工需求回暖，以及芯片业务在民用市场的放量，2025-2027年公司营收复合增速有望达到59.9%，其中芯片业务将成为核心驱动力。
尽管如此，景嘉微的“民进”战略仍面临严峻挑战：其一，技术追赶的持续压力。民用消费和AI计算市场对性能、功耗、成本的要求更为苛刻且变化迅速。JM11及后续产品能否在性能上持续对标民用市场主流需求，并维持快速的迭代节奏，是其转型成功的技术前提。其二，民用市场拓展的商业化能力考验。信创市场有较强的政策驱动属性，而更广阔的消费电子、互联网、智算中心市场则是完全的商业化竞争。公司需要建立与之匹配的市场营销、客户支持和生态运营体系，这对长期以军工模式运营的企业而言是全新的课题。其三，盈利模型的重塑。军工业务通常毛利率较高但订单波动性大；民用芯片市场则规模大但竞争激烈，利润率可能承压。公司需要在两者之间找到平衡，实现高质量、可持续的盈利增长。
7.5 投资观察要点与风险提示
对于投资者而言，景嘉微的价值在于其“自主可控核心资产”的稀缺性和“军民融合增长曲线”的潜在弹性。当前阶段，需要紧密跟踪几个关键的验证指标：
首先，芯片业务商业化进展是核心观察点。需重点关注JM11系列在云桌面、图形工作站等高端民用市场的实际出货量，以及景宏系列在AI推理、边缘计算等新兴领域的标杆案例落地情况。若2025年芯片业务营收能突破2.4亿元并保持高速增长，将有力验证其民用拓展战略的有效性。
其次，传统军工业务的复苏节奏。2025年作为“十四五”规划的收官之年，军工需求有望迎来周期性恢复。需要观察图形显控等传统业务的订单与营收是否出现显著回升（例如25%以上的增速），这关系到公司业绩的稳定性和基本盘。
再次，生态合作与转型成效。应密切关注与杭州靖安科技等合作伙伴在低空经济等新场景的合作成果，以及公司从“卖芯片”到“提供解决方案”的转型是否获得了市场认可。成功的系统级项目交付将是其转型深化的标志。
最后，技术迭代的可持续性。跟踪下一代GPU产品的研发进度与性能指标，若能维持在3年左右的迭代周期并持续缩小与民用主流产品的性能差距，将巩固其长期竞争力。
需要警惕的风险主要包括：技术迭代不及预期导致新产品市场竞争力不足；民用市场拓展受阻，未能打开预期的增长空间；军工业务波动性大于预期，对整体业绩造成拖累；以及行业竞争加剧，尤其是在AI算力赛道与资金更充裕的竞争对手正面交锋可能带来的压力。景嘉微的转型是一场深刻的自我革新，其成功与否将取决于能否将其深厚的“军工硬实力”高效转化为在广阔民用市场的“商业竞争力”。
8. 企业财务表现与盈利能力对比分析
在深入剖析了寒武纪、沐曦股份、摩尔线程、景嘉微四家核心企业的技术路线、产品布局与市场战略后，本章将聚焦于其财务表现与盈利能力的横向对比。通过量化指标分析，旨在揭示不同技术路径与商业化阶段下企业的经营质量、增长动能及财务风险，为投资者提供决策支持。
8.1 核心财务指标概览：营收规模、盈利水平与增长势能
截至2026年第一季度，四家企业在营收规模、盈利状态及增长势能上呈现出显著分化，这与其各自所处的商业化阶段紧密相关。
|
注：沐曦股份与摩尔线程2026年Q1营收数据暂未直接披露同比增速；景嘉微数据为2026年Q1，其2025年营收为8.41亿元，净利润为-9.56亿元。
从营收规模看，寒武纪以28.85亿元的收入遥遥领先，是第二名摩尔线程的3.9倍，这与其作为行业龙头、产品已实现大规模商业化落地并覆盖互联网、运营商等多领域直接相关。沐曦股份与摩尔线程营收规模相近，均处于十亿量级，反映出两者作为新兴力量，正处于从技术验证向规模放量的高速增长通道。景嘉微营收规模相对较小，与其业务仍处于从军用向民用拓展的战略转型期，且传统军工业务在2024年经历阶段性调整有关。
盈利能力的分化更为明显。寒武纪是唯一实现大规模实质性盈利的企业，其54.33%的毛利率与10.13亿元的净利润，标志着公司已跨越盈亏平衡点，规模效应与成本控制能力开始显现。摩尔线程实现了小幅盈利（0.29亿元），且以67.35%的毛利率位居四家公司之首，这可能源于其AI智算业务（2025年上半年占比94.85%）较高的技术附加值[61]。沐曦股份与景嘉微则仍处于战略性亏损阶段，但两者毛利率均超过60%，表明其产品本身具备较强的盈利潜力，当前的亏损主要源于高昂的研发投入和市场拓展等期间费用，符合高成长科技企业的发展规律。
8.2 财务趋势深度解读：增长轨迹、投入强度与盈利拐点
近三年的财务数据揭示了四家企业迥异的发展轨迹与财务策略，其背后的核心驱动因素各有不同。
寒武纪展现了清晰的业绩爆发与盈利兑现路径。2023年至2025年，其营收从7.09亿元飙升至64.97亿元，净利润从-8.78亿元成功扭亏为盈至20.58亿元。这一跨越式增长的核心驱动力是思元系列云端芯片在国产替代浪潮下的规模化出货，2025年芯片及加速卡销量达11.7万片。尽管研发投入持续保持在11-14亿元的高位，但营收的指数级增长使得研发费用率被大幅摊薄，规模效应驱动净利率快速提升至2026年Q1的35.1%[22]。这验证了其通用型AI芯片架构在商业化上的成功。
沐曦股份与摩尔线程代表了高研发投入驱动下的营收狂奔模式。两家公司营收均呈现爆发式增长：沐曦股份营收从2022年的42.64万元增长至2025年的16.44亿元，三年复合增长率高达4074.52%；摩尔线程营收从2022年的0.46亿元增长至2025年的15.06亿元，年复合增长率达139.2%。支撑这种增长的是极高的研发投入强度。2025年，沐曦股份研发费用率为62.49%，累计研发投入超32亿元；摩尔线程研发费用率更是高达86.68%。这种“以亏损换市场、以研发筑壁垒”的策略，是其在技术追赶和生态建设关键时期的必然选择。两者的盈利拐点备受关注：沐曦股份预计2026年有望实现盈利，而摩尔线程管理层预计2027年实现盈利。
景嘉微的财务表现则体现了战略转型期的阵痛与希望。公司营收在2023-2025年间经历波动，净利润从2023年的盈利0.60亿元转为2025年亏损2.27亿元。这一方面受军工行业周期性调整影响，另一方面则因公司为拓展民用市场大幅增加了研发投入，2025年研发费用增至4.28亿元。然而，其芯片业务展现出强劲增长潜力，2024年前三季度在整体营收微降的情况下，带动归母净利润同比增长53.28%，成为新的增长引擎。市场预期，随着军工需求回暖与JM11、景宏等新系列芯片在民用市场放量，2025-2027年公司营收复合增速有望达59.9%。
8.3 估值水平与市场预期：反映成长阶段与风险溢价
当前资本市场的估值水平，直观反映了投资者对不同企业成长阶段、盈利确定性和风险程度的判断。
寒武纪享有显著的龙头溢价。其最新市盈率（PE_TTM）高达273.46倍，市销率（PS_TTM）为89.83倍，在四家企业中最高。这一估值水平不仅包含了对其已实现盈利且高速增长的认可，更隐含了市场对其作为国产AI芯片龙头，在行业爆发初期享有最大市场份额和定价权潜力的强烈预期。高估值也意味着对其未来增长持续性的要求极为苛刻。
沐曦股份与摩尔线程的估值更侧重于营收增长与未来盈利预期。沐曦股份基于2025年营收及约119倍的市销率推算，市值约1956亿元。这一PS倍数低于行业可比公司平均的122倍，可能隐含了一定的估值优势，同时也反映了市场对其盈利拐点临近的期待。摩尔线程虽未直接披露市值，但基于其与沐曦股份相近的营收规模、更高的营收增速以及在AI智算领域的领先地位，其估值水平预计处于同一量级。投资者对这两家的估值逻辑，正从纯粹的市销率（PS）向未来的市盈率（PE）预切换，其切换时点和切换后的PE水平将取决于盈利拐点的兑现质量。
景嘉微的估值体现了其转型期的特点与资产稀缺性。公司因暂时亏损，采用市销率估值，约为49.50倍，处于行业中等区间。这一估值水平既反映了其传统军工业务的稳定性和全自主可控技术的稀缺性溢价，也包含了市场对其民用芯片业务成功拓展的观望态度。若其芯片业务能持续高增长并带动公司重回盈利轨道，估值体系有望重塑。
8.4 财务风险与可持续性分析
在高速增长的背后，各企业也面临着不同的财务风险，其财务表现的可持续性需结合业务进展综合判断。
寒武纪的主要风险在于盈利质量的维持与增长势能的延续。尽管已实现盈利，但其高毛利率（54.33%）能否在日益激烈的市场竞争中保持稳定，是一大考验。同时，公司业绩与国产替代进程深度绑定，若地缘政治环境变化或国际竞争对手调整策略，可能影响其增长斜率。此外，高达60.71倍的市净率（PB_LF）表明其资产价值中包含了大量无形资产和市场预期，对业绩兑现的容错率较低。
沐曦股份与摩尔线程的核心风险集中于现金流与盈利拐点兑现。两家公司目前均处于净亏损和经营性现金流可能为负的状态，高度依赖股权融资支持其高强度的研发和扩张。若后续融资环境收紧或自身商业化进度不及预期，可能面临资金压力。市场已对其盈利时间表（2026-2027年）形成一致预期，任何可能导致盈利延迟的因素（如产品量产推迟、客户拓展放缓）都可能引发估值剧烈调整。
景嘉微的财务风险体现为业务结构转型期的波动性与业绩不确定性。公司营收和利润对军工订单周期较为敏感，存在一定波动性。同时，大力拓展民用市场所需的销售费用、研发投入将持续侵蚀短期利润，其亏损状态可能还会持续一段时间。能否成功将高研发投入转化为民用市场的高增长收入，是平衡其财务风险的关键。
行业共性的财务风险还包括：客户集中度风险（如摩尔线程2025年前五大客户销售占比达91.36%）；供应链成本波动风险，尤其是在采用先进封装或全国产化供应链过程中可能面临的良率与成本挑战；以及为保持技术领先而必须持续的、高昂的资本支出压力。
8.5 投资观察要点与财务验证框架
综合以上分析，对于关注国产GPU赛道的投资者而言，可建立如下财务验证框架进行持续跟踪：
1.对于寒武纪，应聚焦盈利质量与增长持续性。核心观察指标包括季度毛利率是否稳定在50%以上、净利润率是否持续提升、以及营收增速是否保持在较高水平（如超过100%）。若毛利率出现趋势性下滑或营收增速大幅放缓，可能预示竞争加剧或产品竞争力减弱。
2.对于沐曦股份与摩尔线程，盈利拐点的验证至关重要。需密切跟踪季度营收环比增长情况、毛利率变化趋势以及净亏损的收窄速度。关键信号包括：单季度营收创下新高、毛利率稳中有升、亏损额占营收比例显著下降。此外，经营性现金流的改善也是盈利拐点来临的前置指标。
3.对于景嘉微，核心在于芯片业务增长能否对冲转型成本。应重点分析财报中芯片业务的收入占比及增速，观察其是否如预期成为增长主引擎（例如，芯片业务营收增速是否连续多个季度超过100%）。同时，需关注整体期间费用率的变化，判断规模效应是否开始显现。
4.行业层面，需警惕共同的风险催化剂。包括：全球半导体周期下行导致需求不及预期；地缘政治风险升级冲击供应链，导致关键原材料成本上升或交付延迟；以及资本市场风险偏好下降，导致行业整体估值承压，对尚未盈利的企业融资环境造成冲击。
总之，四家核心企业的财务表现清晰地勾勒出国产GPU行业不同发展阶段的典型画像：从实现盈利并享受龙头溢价的寒武纪，到高投入、高增长、期待盈利拐点的沐曦与摩尔线程，再到依托深厚积累进行战略转型的景嘉微。投资者在决策时，需将其财务指标与各自的技术进展、产品落地、生态建设等非财务因素紧密结合，动态评估其成长轨迹的确定性与潜在风险，从而做出更为审慎的判断。
9. 行业竞争格局、风险因素与投资策略建议
9.1 行业竞争格局：梯队化发展与差异化路径
2026年，中国国产GPU行业已形成清晰的梯队化竞争格局，各梯队企业凭借不同的技术路线、资源禀赋和市场定位，在国产替代的宏大叙事中展开差异化竞争。这种格局并非静态，而是在技术突破、资本加持和市场需求变化中持续演进。
第一梯队：已实现规模化商业落地的领军者。以寒武纪和摩尔线程为代表。寒武纪凭借在AI云端芯片领域的先发优势、完整的思元产品矩阵以及2025年成功实现的业绩扭亏为盈，确立了其在国产AI算力芯片中的龙头地位[22]。其核心竞争力在于通用型智能芯片架构和软硬件协同的全栈技术体系，客户已覆盖互联网、运营商、金融等多个高价值领域。摩尔线程则凭借“全功能GPU”的独特定位，在AI智算、图形渲染、信创PC等多条战线同时推进。其AI智算业务在2025年上半年营收占比已高达94.85%，且通过高兼容性的MUSA软件生态，在万卡集群商业化落地方面取得领先[61]。这两家企业均已登陆科创板，获得了资本市场的持续输血，具备较强的资源整合和生态扩张能力[3]。
第二梯队：技术特色鲜明、处于高速增长通道的挑战者。沐曦股份是此梯队的典型。公司以全栈自研的高性能通用GPU技术体系为核心，其曦云C系列产品性能处于国内第一梯队，并通过高兼容CUDA的MXMACA软件栈快速切入市场，实现了营收的爆发式增长（2022-2025年CAGR超4000%）[40]。沐曦股份正积极开拓运营商和互联网头部客户，商业化进展迅猛，但尚未实现盈利，处于“以研发换市场、以亏损换规模”的关键爬坡期[52]。天数智芯、壁仞科技等也属于此梯队，它们通常在某些单项技术或特定场景（如科学计算、高端训练）上具备优势，并积极筹备上市以获取进一步发展资源[3]。
第三梯队：深耕垂直领域或处于转型期的专业厂商。景嘉微是这一梯队的核心代表。其优势在于深厚的全自主技术积累和军工领域的高可靠性验证。当前，公司正处于从军用市场向民用信创及AI算力市场战略转型的关键期。凭借JM系列在信创市场的广泛落地和JM11、景宏等新品的推出，公司芯片业务增长迅猛，正成为新的业绩驱动引擎。此外，一些聚焦边缘AI SoC、车载GPU或特定IP授权的企业也在此列，它们通过在细分市场的深度耕耘构建竞争壁垒。
从竞争态势看，各梯队企业之间目前更多呈现差异化竞争与有限交集的特点。寒武纪、沐曦、摩尔线程虽在AI智算主赛道存在竞争，但技术架构和产品侧重各有不同；而景嘉微则凭借自主可控和军工品质，在信创及特定行业市场占据独特生态位。然而，随着技术扩散和市场边界模糊化，未来在高端AI训练、数据中心推理等核心市场的正面竞争将不可避免。当前，软件生态建设能力和规模化商业落地速度已成为区分企业竞争力的关键标尺，生态的完善程度直接决定了客户迁移成本与产品粘性[14]。
9.2 核心风险因素：技术、供应链与市场的三重挑战
尽管前景广阔，但国产GPU行业仍面临一系列严峻的内外部风险，这些风险可能影响企业的成长路径与盈利能力。
1. 技术研发与迭代不及预期的风险。这是行业最根本的风险。GPU技术迭代日新月异，国际巨头每年推出新品。国产厂商在先进制程（7nm vs 国际3nm/4nm）、单芯片峰值算力、尤其是软件生态成熟度上仍存在显著差距。若企业在新一代架构研发上出现延迟，或产品性能未能达到市场预期（如未能实现对英伟达Blackwell架构的有效对标），将直接导致其市场竞争力下滑，客户订单可能转向竞争对手或回流至国际厂商的特供产品[14]。对于沐曦、摩尔线程等尚未盈利的企业，技术路线的任何重大挫折都可能推迟其盈利拐点的到来，并引发资本市场估值重估。
2. 地缘政治与供应链安全风险。美国对高端半导体设备、EDA工具及先进制程技术的出口管制，是悬在整个行业头上的“达摩克利斯之剑”[2]。若管制进一步收紧，限制扩大至14nm及以上成熟制程的设备或材料，将直接冲击国内代工厂的产能，延缓国产GPU的工艺升级和产品迭代。尽管部分企业通过Chiplet等先进封装技术部分弥补制程短板，但上游核心环节（如高端光刻机、计算光刻软件）的“卡脖子”问题短期内难以解决，构成了行业发展的基础性制约。供应链的中断或波动可能导致产品交付延期、成本上升，削弱国产GPU的性价比优势。
3. 市场需求波动与竞争加剧风险。行业当前的高增长很大程度上由AI大模型训练推理需求及强政策驱动。若AI应用商业化落地进程慢于预期，或企业级算力投资因宏观经济因素收缩，将导致市场需求增速放缓[2]。同时，行业内部竞争正日趋白热化。众多新老玩家涌入，可能导致价格战，挤压企业利润空间。此外，国际厂商（如英伟达、AMD）为维持中国市场地位，可能推出更具性价比的“特供版”产品或放宽软件生态限制，这将直接加剧市场竞争，考验国产GPU产品的真实竞争力[21]。
4. 企业特定的经营与财务风险。
●客户集中度风险：如摩尔线程2025年前五大客户销售占比高达91.36%，业绩易受单一客户订单波动影响。
●持续亏损与现金流风险：沐曦股份、摩尔线程、景嘉微均处于净亏损状态，且研发投入强度极高。其发展高度依赖外部融资，若后续融资环境恶化或自身造血能力（经营现金流）未能如期改善，将面临资金链压力。
●生态建设与人才竞争风险：构建可与CUDA竞争的软件生态需要长期、巨大的投入和庞大的开发者社区，这是一场持久战[68]。同时，顶尖的芯片设计、架构和软件人才全球紧缺，国内企业面临与国际巨头及同行之间激烈的人才争夺战。
9.3 投资策略与建议：基于发展阶段与风险收益的配置框架
面对复杂的竞争格局与多重风险，投资者需采取差异化、动态化的投资策略，依据风险偏好和投资周期进行布局。
1. 对于风险偏好较低、追求确定性的投资者：聚焦已实现盈利的龙头。
●核心标的：寒武纪。
●投资逻辑：公司已跨越从技术到商业化的最关键门槛，2025年扭亏为盈，2026年Q1净利率达35.1%，证明了其商业模式的有效性和规模效应[22]。作为国产AI云端芯片龙头，其产品在互联网、运营商等核心客户中已实现规模化部署，业绩能见度高。
●策略建议：给予“持有”或“逢低配置”评级。投资重点在于跟踪其盈利质量的持续性，关注毛利率是否稳定在50%以上、营收增速是否维持高位。其高估值（PE_TTM 273倍）已包含市场极高预期，需警惕业绩增速放缓或技术迭代不及预期带来的估值回调风险。
2. 对于能承担较高风险、追求高成长性的投资者：布局处于爆发前夜的成长股。
●核心标的：沐曦股份、摩尔线程。
●投资逻辑：两者均处于营收爆发式增长、盈利拐点临近的关键阶段。沐曦股份凭借高性能通用GPU和CUDA高兼容生态，商业化进展迅猛；摩尔线程则以全功能GPU卡位多元场景，AI智算业务增长强劲[61]。它们代表了国产GPU在技术攻坚和市场开拓上的锐气。
●策略建议：给予“积极关注”或“波段操作”评级。投资的核心在于验证其盈利拐点。需紧密跟踪：A）营收环比增长及毛利率趋势；B）净亏损收窄速度及经营性现金流改善情况；C）在运营商、互联网头部客户的关键订单突破。任何证实盈利拐点提前或重磅订单落地的信号，都可能成为股价催化剂。反之，商业化进度延迟则是主要风险。
3. 对于看重资产稀缺性和长期转型价值的投资者：关注战略转型的独特标的。
●核心标的：景嘉微。
●投资逻辑：公司拥有国内最完整的自主GPU技术链条和军工高可靠基因，是“自主可控”核心资产。当前正经历从军用向民用市场的战略跃迁，JM11、景宏系列芯片有望打开全新成长空间。
●策略建议：给予“长期布局”评级。投资应着眼于其转型成效的验证。关键观察指标包括：芯片业务收入占比及增速能否持续提升（如连续多个季度增速超100%）、民用市场标杆项目落地情况、以及期间费用率是否随规模扩张得到控制。其估值（PS约49.5倍）相对具备一定安全边际，但转型成功需要时间，需耐心等待。
4. 行业整体配置与风险对冲建议：
●关注产业链关键环节：除了GPU设计公司，可向上游延伸，关注在国产化进程中受益的EDA工具（华大九天）、半导体设备（中微公司、北方华创）、先进封装（长电科技、通富微电）等企业，以分散投资风险并分享产业链整体成长红利[14]。
●采取组合投资方式：建议投资者避免押注单一公司，而是构建一个覆盖不同梯队、不同技术路线的投资组合，以平衡龙头确定性、成长股弹性及特殊价值标的的潜力。
●紧密跟踪宏观与政策变量：地缘政治动向、国内算力基础设施投资进度（如“东数西算”）、以及地方政府算力券等补贴政策的落实效果，都将对行业需求产生直接影响，是调整投资仓位和节奏的重要依据[13]。
结论：2026年的国产GPU行业正处在从“可用”到“好用”的规模化应用爬坡期，机遇与风险并存。投资者应摒弃“赛道式”盲目投资的思维，转而进行“精耕细作”的个股研究。深入理解企业的技术护城河、商业化进展、财务健康度及管理层执行力，并动态跟踪行业技术瓶颈突破、供应链安全及市场需求变化，方能在这一充满活力的高成长赛道中，甄别出真正的长期价值创造者，并有效管理投资风险。
