12月5日，国产GPU领军企业摩尔线程智能科技（北京）股份有限公司在上海证券交易所科创板正式上市，股票代码688795，发行价114.28元/股，募集资金约80亿元。作为科创板"1+6"政策重启后首批受益的AI领域未盈利企业，摩尔线程以自研MUSA架构为核心的全栈AI算力能力成为市场关注焦点。本次上市不仅创下158天的科创板过会纪录，更标志着国产AI算力芯片企业获得资本市场深度认可，为自主可控算力体系建设注入强心剂。本文将从上市核心信息、AI技术内核、场景落地及行业影响四个维度展开分析，并探讨国产算力突围的机遇与挑战。
上市破纪录：AI算力企业获资本重磅背书
据上海证券交易所上市公告书显示，摩尔线程本次上市全程仅耗时158天，从6月30日受理到12月5日挂牌，创下科创板未盈利企业过会的最快纪录。此次发行募集的80亿元资金，将重点投向三大AI核心项目：新一代自主可控AI训推一体芯片研发、AI SoC芯片研发及图形芯片升级，其中AI相关投入占比超70%，明确了技术攻坚的核心方向。
作为纳入科创成长层的未盈利企业，摩尔线程的市场估值引发行业关注。公告显示，本次发行价对应的2024年摊薄后静态市销率为122.51倍，虽高于海光信息、景嘉微等国内同行均值，但显著低于寒武纪的478.25倍，更接近国际巨头英伟达34.73倍市销率的合理溢价区间。中信证券保荐代表人周哲立表示："高估值背后是资本对AI算力赛道的长期看好，摩尔线程的全功能GPU架构和场景落地能力构成了核心估值支撑。"
值得注意的是，公司实际控制人张建中及一致行动人出具了延长锁定期承诺：若2027年仍未盈利，将延长股份锁定期12个月，彰显对AI技术商业化的信心。上市首日，该股以156元开盘，较发行价上涨36.5%，盘中最高触及182元，最终收涨48.8%，成交金额超50亿元，印证了市场对国产AI算力标的的热情。
技术内核：MUSA架构构建全栈AI算力底座
摩尔线程的核心竞争力源于自研的MUSA元计算统一系统架构，这一架构实现了AI计算、图形渲染、视频处理的硬件级融合，打破了传统GPU功能单一的瓶颈。公司官网显示，基于MUSA架构的MTT S3000服务器GPU，不仅支持从FP8到FP64的全精度计算，更通过MT Mesh 2.0技术实现算力弹性伸缩，可将单张GPU切分给32个容器，或为单个大模型调度多卡资源。
在AI大模型场景中，这一技术优势尤为明显。今年4月中国移动云智算大会上，摩尔线程夸娥智算集群成功演示了DeepSeek 671B全量模型的推理加速能力，其FP8精度计算效率较同配置国外芯片提升15%，且支持大模型的Day0级部署上线。截至2025年6月，公司累计获得授权专利514项，其中60%集中于AI计算加速、算力集群调度等核心领域，形成坚实技术壁垒。
与国内同行相比，摩尔线程的生态兼容性策略更具差异化。其MUSA架构可直接适配英伟达CUDA生态的主流AI框架，开发者无需大幅修改代码即可迁移应用，这一特性已吸引推想医疗、雪浪云等200余家行业伙伴接入。推想医疗CT影像AI负责人表示："MUSA架构的兼容性使我们的辅助诊断模型部署成本降低40%，推理速度提升25%。"
场景破圈：AI算力渗透云边端全场景
从云端智算到端侧设备，摩尔线程已构建起全栈AI算力产品矩阵。云端方面，MCCX D800 X2液冷GPU服务器支撑的夸娥万卡集群，已在能源、金融等领域落地，为电网负荷预测、量化交易等AI场景提供算力支持；边缘端，与爱簿智能合作的E300计算模组，凭借50TOPS算力赋能医疗影像移动诊断、工业质检等场景。
工业领域的突破成为亮点。在与雪浪云合作的盾构机设计项目中，摩尔线程GPU通过AI驱动的数字孪生技术，将设备研发周期从18个月缩短至12个月，仿真测试成本降低30%。教育领域推出的"算力本AIBOOK"，内置MT AIOS操作系统和原生智能体"穆莎"，让学生可直接在终端进行AI模型训练，重新定义AI教育工具形态。
商业化进程加速推动业绩增长。财报显示，公司营收从2022年的0.46亿元跃升至2024年的4.38亿元，年复合增长率达208%；2025年上半年营收7.02亿元，已超2024年全年，其中AI相关业务收入占比达65%，成为核心增长引擎。张建中在上市仪式上表示："AI本质是'知识赋能的超级智能体'，我们的目标是让算力像水电一样触手可及。"
行业透视：国产算力突围的机遇与挑战
摩尔线程上市折射出国产AI算力产业的发展态势。从积极面看，其成功登陆科创板验证了"技术驱动+场景落地"模式的可行性，为寒武纪、壁仞科技等同行提供了可借鉴的资本化路径。更重要的是，80亿元募资将加速AI训推一体芯片研发，有望突破万卡集群效率瓶颈，缓解国内大模型训练依赖进口芯片的困境。
但行业挑战仍不容忽视。尽管技术指标追赶迅速，摩尔线程在生态成熟度上与英伟达仍有差距——后者拥有超200万开发者和丰富的行业解决方案，而国产GPU生态尚处培育期。此外，未盈利状态下的持续研发投入考验现金流管理能力，公告显示募投项目建设期内预计新增净利润为负，折旧摊销将对短期业绩形成压力。
长期来看，AI算力的国产化替代已是必然趋势。随着大模型轻量化、边缘智能等技术演进，国产GPU企业有望在细分场景实现弯道超车。业内分析师指出："摩尔线程的上市不是终点，而是国产算力产业从技术验证迈向规模商业化的新起点。未来3-5年，生态建设和成本控制将成为竞争关键。"对于投资者而言，在把握AI算力赛道成长红利的同时，也需警惕技术迭代和市场竞争带来的不确定性。
