尽管国产厂商迎来了百花齐放的局面，但面对英伟达资金规模优势和强大的CUDA生态，未来，客户需要的是交付稳定性、集群运行效率与软件栈易用性。打破产业链代差，构建自主生态，仍是国产GPU需要跨越的现实挑战。

春节刚过，国产AI赛道进入业绩密集发布期。3月2日，AI独角兽MiniMax（00100.HK）发布上市后首份年度业绩。数据显示，2025年全年，其营收达7904万美元，同比增长159%，较市场预期高出约10.6%；全年调整后净亏损为2.5亿美元，与上年基本持平；截至2026年2月，其年度经常性收入已突破1.5亿美元，商业化步伐显著加快。

MiniMax创始人闫俊杰披露了一系列关键数据，截至2026年2月，M2系列模型的日均Token消耗量已达2025年12月水平的6倍以上，其中编程场景的Token消耗量增长了超过十倍。他预测，随着L4/L5级智能体在编程、办公等场景的渗透，平台Token需求量有望增长一至两个数量级。

这种指数级的算力需求扩张，正在向产业链上游传导。就在几天前，国产GPU赛道也迎来了重要交卷时刻。摩尔线程（688795.SH）与沐曦股份（688802.SH）双双发布2025年业绩快报，引发市场广泛关注。数据显示，2025年摩尔线程营收突破15.05亿元，同比增长243.37%；沐曦股份营收达16.44亿元，同比增长121.26%。

在业内看来，MiniMax的业绩爆发与GPU厂商的亮眼表现并非孤立事件， 更预示着国产AI产业链正站在变局前夜。随着AI算力需求从训练向推理倾斜，以及物理AI等新概念的兴起，单纯比拼参数的阶段即将过去。不过，尽管国产厂商迎来了百花齐放的局面，但面对英伟达资金规模优势和强大的CUDA生态，未来，客户需要的是交付稳定性、集群运行效率与软件栈易用性。打破产业链代差，构建自主生态，仍是国产GPU需要跨越的现实挑战。

上市后首次“交卷” 技术路线差异显现

2025年，受益于AI产业爆发及高性能GPU市场需求旺盛，摩尔线程与沐曦股份均实现营收翻倍增长，但在增速、盈利改善节奏上呈现显著分化。

数据显示，摩尔线程2025年实现营业收入15.05亿元，同比增长243.37%；归母净利润亏损10.24亿元，亏损同比收窄36.70%；同期，沐曦股份实现营业收入16.44亿元，同比增长121.26%；归母净利润亏损7.81亿元，亏损收窄幅度达44.53%。

尽管双双实现高增长，但两家企业正沿着截然不同的技术路径前行。摩尔线程坚持全功能GPU路线，试图复刻英伟达的生态版图；而沐曦股份则聚焦高性能通用GPU赛道，通过原生兼容+开源的策略加速缩减亏损。

在尚未盈利之前，如何加速商业化仍是市场关注焦点。拆解来看，沐曦股份的营收来源也更为专注。去年上半年，在沐曦股份9.15亿元营收中，核心产品训推一体芯片曦云C500系列贡献了超过70%的份额，收入结构更贴近核心芯片业务本身。

相比之下，摩尔股份来自于纯GPU芯片及板卡的营收更为有限。数据显示，同期，在摩尔线程在7.02亿元的总营收中，AI智算产品贡献了约6.6亿元。通常情况下，智算集群交付通常包含大量的配套服务器、网络设备及机柜等业务，这意味着这6.6亿元并非只来自于GPU本身。

业内普遍认为，沐曦股份和摩尔线程代表了两种不同的商业化路径。沐曦股份更为聚焦，在当前阶段更容易实现盈利；摩尔线程的全功能GPU的布局更具技术想象空间，但技术爬坡周期相对更长，未来的发展更具挑战。

值得关注的是，沐曦成立于2020年，但核心团队具备近20年的GPU架构设计经验。其核心战略是放弃消费级市场，聚焦人工智能核心赛道，在场景中落地。因此，技术路线选择上，沐曦走了一条务实的原生兼容+开源之路，与闭源生态路线形成鲜明对比。

行业普遍认为，英伟达CUDA生态经过长期发展，已聚集全球大量开发者，成为国产GPU实现替代的主要门槛。而沐曦自研软件栈MXMACA主打原生兼容，可大幅降低开发者的迁移成本，无需投入大量时间、人力成本重新适配，这也是其快速打开市场的重要原因。

在国产芯片行业相关人士看来，英伟达最大的壁垒就是CUDA，而开源是打破这个技术壁垒的必经之路。

与沐曦的聚焦策略不同，摩尔线程走的是全功能GPU路线，其战略上倾向于以全功能架构覆盖多类场景，复刻英伟达的发展路径。

当前国产GPU的发展正形成“全功能GPU、GPGPU、ASIC”的差异化竞合格局。各家基于不同技术基因选择路径，聚焦全功能通用计算，这种路线的技术难度更高，投入也更重，但好处是生态触点更广。

从整体来看，国产GPU已经形成了多种路线，不同路线各有利弊。在国产芯片行业相关人士看来，一是以沐曦为代表的通用GPU路径，产品可适配多类算力场景，直面国际巨头竞争；二是以寒武纪、华为昇腾为代表的定制化路径，芯片围绕特定场景设计，效率突出但场景复用性弱；三是购买海外技术底层再开发的路径，部分厂商依托现有技术基础快速迭代，但核心自主性不足。

多样化的格局渐显打破产业链代差仍是关键

摩尔线程与沐曦股份的路径分化，是国产GPU行业百花齐放的一个缩影。2025年底至2026年初，国产GPU迎来史无前例的上市潮，短短一个多月内，就有摩尔线程、沐曦股份、壁仞科技、天数智芯4家企业完成资本化跨越，加上早已上市的寒武纪、海光信息，以及尚未上市的燧原科技等，国产算力芯片多样化的格局已逐渐显现。

值得关注的是，在国产芯片爆发的同时，行业也在从重训练转向训练、推理并重。德勤报告显示，到2026年，推理算力在整体AI计算中的占比将超过训练，达到66%；麦肯锡则预测，2028年全球AI推理市场规模将达1500亿美元，2025-2028年复合年增长率超40%。

MiniMax的业绩数据恰好印证了这一趋势。截至今年2月，其M2系列模型的日均Token消耗量已达2025年12月水平的6倍以上，其中推理场景贡献了主要增量。其预计，随着智能体在办公、编程等场景的渗透，Token需求量有望增长一到两个数量级。这种指数级的推理算力需求扩张，正为国产推理芯片打开前所未有的市场窗口。

市场普遍认为，这一变化对国产GPU厂商而言是重大机遇。背后原因在于，推理市场的竞争逻辑与训练市场截然不同。训练市场是头部巨头的游戏，门槛极高、竞争收敛快，需要万卡甚至十万卡的大规模集群；而推理市场需求分散、场景多元，对性价比、部署效率与场景适配能力的要求更高，这恰恰是国产厂商的优势所在。

与此同时，英伟达在2026年CES上提出，未来GPU技术竞争的焦点将从单一的大模型训练，转向更广阔的物理AI领域，这也是国产芯片的未来发展窗口。

业内人士认为，物理AI是AI从“数字大脑”走向“物理世界”的必然跃迁，对“高保真渲染+AI计算+物理仿真”的融合算力提出全新要求，这正是全功能GPU架构的优势所在。

尽管机遇凸显，但国产GPU的发展仍面临诸多深层制约，产业链代差与生态壁垒尤为关键。国产GPU替代绝非单一企业能完成的任务，需要上下游全链条合力。

据业内人士分析，GPU研发具有极强的积累性，一个产品迭代周期通常需要3年，英伟达、AMD已发展数十年，带动全球产业链完成多轮迭代；而国内GPU企业大多成立于2018-2020年，发展时间不过几年，在先进制程、核心零部件等领域仍有明显短板。

更严峻的挑战来自生态层面。英伟达CUDA生态经过近20年的积累，已聚集全球数百万开发者，形成了极高的转换成本。相比之下，国产GPU厂商仍在生态建设的起步阶段。

目前，不同厂商选择了不同的破局路径。笔者了解到，沐曦通过开源MXMACA试图打造“GPU界的安卓”，以开放协作吸引开发者；摩尔线程则坚持自研MUSA架构，在保持对CUDA高度兼容的同时，逐步培育原生开发生态。但无论哪条路径，都需要时间和耐心。

闫俊杰认为，平台价值等于智能密度乘以Token吞吐量，当两个维度足够强劲时，平台价值将自然涌现。这句话同样适用于国产GPU赛道。当模型层的智能密度持续提升，硬件层的吞吐能力不断突破，国产AI产业链的价值终将自然涌现。

在业内看来，对于国产GPU企业，上市并不意味着进入成熟期，而是仍然处于创业阶段。2026年将迎来更残酷的竞争，客户不再只看参数，而是看交付、看稳定性、看软件栈好不好用，竞争仍然激烈。