摩尔线程IPO后75亿额度理财遭质疑还能成“中国英伟达”吗？

Q: 摩尔线程75亿理财额度具体指什么？

75亿元是现金管理额度上限，并非实际理财金额。公司表示将根据三年期项目进度分阶段拨付募投资金，闲置部分仅用于协定存款等保本产品。

Q: 摩尔线程当前商业化进展如何？

2025年前三季度营收7.85亿元，但亏损7.24亿元。消费级显卡MTT S80年销量约15万片，AI计算芯片出货1.5-2万片，国内GPU市场份额不足1%。

Q: 摩尔线程与英伟达的技术差距有哪些？

硬件性能差距约2-3代，但软件生态差距超10年。其最大集群仅2048张卡，而英伟达可达20万卡互联。CUDA生态壁垒是核心挑战。

做镜观天 2025-12-19 11:10

做镜观天 2025/12/19 11:10

邦小白快读

全文速览

摩尔线程IPO理财事件引发广泛关注，公司回应澄清资金使用计划，揭示国产AI芯片发展机遇与风险。

1. 事件核心：上市仅7天宣布最高75亿元闲置资金理财上限，引发投资者质疑；公司解释实际理财金额远小于上限，资金将按计划分阶段用于研发和技术升级，项目实施周期三年。

2. 公司概况：创始人张建中为英伟达前高管，团队多名成员有英伟达背景；目标成为“中国英伟达”，推出全功能GPU产品如MTT S80显卡，定价2999元在京东销售。

3. 财务表现：2025年前三季度营收7.85亿元，亏损7.24亿元；2022-2024年累计亏损约50亿元；预计2027年实现盈利，但依赖政府补助。

4. 市场风险：估值过高（市销率300倍），远高于同行（海光41倍、寒武纪99倍）；技术落地慢，商业化挑战大；被美国列入实体清单，影响发展。

5. 投资实操：关注盈利时间表（2027年）、毛利提升、研发费用率变化；避免重蹈寒武纪高估值后股价低迷覆辙，理性评估国产替代溢价。

摩尔线程的品牌定位和产品研发策略凸显国产AI芯片市场趋势，为品牌营销提供参考。

1. 品牌营销：定位“中国英伟达”，强调国产替代叙事，吸引资本和用户关注；通过京东销售To C显卡（MTT S80），建立品牌知名度，但生态限制影响性能发挥。

2. 产品研发：转向全功能GPU战略，覆盖AI训练、推理、渲染等多场景；产品如苏堤芯片（中低端To B）、春晓芯片（消费端），强调多功能兼容；研发门槛高，需解决图形管线、通用计算和AI Tensor核。

3. 消费趋势：AI芯片需求增长，资本热捧“国产替代”；用户行为显示游戏玩家和行业用户对国产GPU兴趣提升，但实际落地受软件生态差距制约。

4. 品牌挑战：高估值引发市场质疑，影响品牌信任；需平衡研发投入与商业化速度，避免功能宽泛导致落地难。

摩尔线程事件揭示政策影响和市场机会，为卖家提供增长策略和风险提示。

1. 政策解读：美国实体清单限制叠加算力新规，带来供应链风险；IPO政策允许闲置资金理财，但时机不当引发误读，需加强投资者关系管理。

2. 增长市场：国产AI芯片市场潜力大，2024年英伟达占54.4%份额，摩尔线程不足1%，存在替代空间；消费需求变化，如游戏和工业应用推动GPU需求。

3. 事件应对：公司回应理财争议，强调资金分阶段使用；被制裁后加大研发投入，明确四大攻坚方向（自主创新、产品打磨、应用落地、团队建设）。

4. 风险提示：高估值回调风险（类似寒武纪历史），技术商业化慢；机会提示：合作方式如集群技术（KUAE集群），扶持政策如政府补助。

5. 可学习点：最新商业模式从项目制转向规模化产品；正面影响是国产替代叙事吸引资本，负面影响是亏损和稳定性挑战。

摩尔线程的GPU生产需求和技术挑战为工厂提供商业启示，推动数字化进程。

1. 产品生产需求：全功能GPU研发门槛高，需解决图形管线、计算架构和AI核，设计复杂且周期长；生产依赖高科技人才，规模化量产需时间。

2. 商业机会：国产替代趋势下，GPU在算力主权、云平台、工业制造等领域需求增长；集群技术（如2048卡集群）应用潜力大，但需突破5000卡瓶颈的电源、散热挑战。

3. 推进数字化启示：GPU作为统一算力底座，可应用于数字孪生、视频编解码等工业场景；工厂可借鉴摩尔线程的电商实践（京东销售），优化产品渠道。

4. 风险考量：被实体清单限制供应链；商业化慢影响订单稳定性，需关注毛利提升路径。

摩尔线程案例揭示AI芯片行业趋势和客户痛点，为服务商提供解决方案方向。

1. 行业发展趋势：国产AI芯片市场热捧，资本聚焦“国产替代”；2025年英伟达预计出货550万张GPU，对比摩尔线程仅1.5-2万片AI芯片，显示增长空间。

2. 新技术：全功能GPU架构（MUSA）支持训练、推理、渲染全覆盖；集群技术（KUAE）提升计算效率，但规模上限2048卡，需迭代解决互联瓶颈。

3. 客户痛点：软件生态差距大（落后英伟达CUDA十年以上），导致性能受限；商业化落地慢，功能宽泛难聚焦；高研发投入（亏损50亿元）推高成本。

4. 解决方案：摩尔线程加大研发投入，打磨产品；服务商可借鉴其应对实体清单策略（如内部信强调攻坚），提供生态建设支持；关注稳定性提升方案。

摩尔线程的动态反映平台需求和管理挑战，为平台商提供招商和风险规避策略。

1. 平台需求：GPU作为算力底座，对云平台、数字孪生等行业至关重要；摩尔线程产品如MTT S5000集群，可满足平台算力需求，但规模小需完善。

2. 平台最新做法：通过京东销售To C显卡，拓展消费端；合作方式如集群技术应用，但需解决电源、散热等系统问题。

3. 平台招商：吸引投资方（IPO前86位股东），但高估值（市销率300倍）可能影响合作吸引力；扶持政策如政府补助可纳入招商策略。

4. 运营管理：需优化资金使用（如理财争议），公布详细研发进度表；风险规避：关注政策风险（实体清单）、财务风险（亏损7.24亿元），避免估值泡沫；风向提示：聚焦盈利时间表（2027年）。

摩尔线程IPO事件揭示产业新动向和商业模式问题，为研究提供政策启示。

1. 产业新动向：国产GPU崛起，摩尔线程五年上市，反映“国产替代”资本热潮；但市场份额低（低于1%），暴露技术生态差距（软件落后十年）。

2. 新问题：IPO后理财争议凸显投资者关系短板；商业化慢（功能宽泛难落地）、集群规模瓶颈（5000卡以上挑战）；高估值（300倍市销率）隐含泡沫风险。

3. 政策法规建议：需国家支持应对实体清单限制；启示是加强研发资金透明度，避免政策误读；建议法规鼓励生态建设。

4. 商业模式：从项目制转向规模化产品（2027年目标盈利），但依赖政府补助；财务指标如毛利、研发费用率是关键；对比英伟达成功模式（硬件+软件生态），摩尔线程需长期投入。

返回默认

声明：快读内容全程由AI生成，请注意甄别信息。如您发现问题，请发送邮件至 run@ebrun.com 。

我是品牌商卖家工厂服务商平台商研究者帮我再读一遍。

Quick Summary

Moore Threads' IPO wealth management incident has drawn widespread attention, with the company clarifying its fund usage plans, revealing both opportunities and risks in domestic AI chip development.

1. Incident Core: Announcing a 7.5 billion yuan idle fund wealth management cap just 7 days after listing sparked investor queries; the company clarified actual amounts are far lower, funds will be used in phases for R&D and tech upgrades over a three-year project cycle.

2. Company Overview: Founder Zhang Jianzhong is a former NVIDIA executive; team includes many ex-NVIDIA members; aims to be "China's NVIDIA," launching full-featured GPUs like the MTT S80 graphics card priced at 2,999 yuan on JD.com.

3. Financials: Revenue of 785 million yuan with a 724 million yuan loss in the first three quarters of 2025; cumulative losses of ~5 billion yuan from 2022-2024; targets profitability by 2027 but relies on government subsidies.

4. Market Risks: Overvaluation (300x P/S ratio) far exceeds peers (Haiguang 41x, Cambricon 99x); slow tech implementation and commercialization challenges; US Entity List designation impacts development.

5. Investment Insights: Monitor profitability timeline (2027), gross margin improvement, R&D expense ratios; avoid repeating Cambricon's post-high-valuation slump; rationally assess domestic substitution premiums.

Moore Threads' brand positioning and product strategy highlight trends in domestic AI chips, offering marketing insights for brands.

1. Brand Marketing: Positions as "China's NVIDIA," emphasizing domestic substitution narrative to attract capital/user attention; sells To C graphics cards (MTT S80) via JD.com to build brand awareness, but ecosystem limits performance.

2. Product R&D: Shifts to full-feature GPU strategy covering AI training, inference, rendering; products like Sudi chips (mid-low end To B) and Chunxiao chips (consumer-end) stress multi-function compatibility; high R&D barriers require solving graphics pipelines, general computing, and AI Tensor cores.

3. Consumer Trends: Growing AI chip demand fuels capital enthusiasm for "domestic substitution"; user interest rises among gamers/industrial users, but practical adoption is constrained by software ecosystem gaps.

4. Brand Challenges: High valuation triggers market skepticism, hurting trust; must balance R&D investment with commercialization speed to avoid broad functionality hindering implementation.

The Moore Threads incident reveals policy impacts and market opportunities, offering growth strategies and risk warnings for sellers.

1. Policy Analysis: US Entity List restrictions combined with new computing regulations create supply chain risks; IPO policies allow idle fund management, but poor timing caused misinterpretation, requiring better investor relations.

2. Growth Markets: Domestic AI chip market has high potential—NVIDIA held 54.4% share in 2024 vs. Moore Threads' <1%, leaving substitution room; demand shifts in gaming/industrial applications drive GPU needs.

3. Incident Response: Company addressed wealth management controversy, emphasizing phased fund use; post-sanctions, increased R&D focus on four key areas (independent innovation, product refinement, application deployment, team building).

4. Risk Warnings: High valuation correction risks (similar to Cambricon's history), slow tech commercialization; Opportunities: Collaboration models like cluster tech (KUAE clusters), government subsidies.

5. Key Takeaways: Business model shift from project-based to scalable products; positive—domestic substitution narrative attracts capital; negative—losses and stability challenges.

Moore Threads' GPU production demands and technical challenges offer business insights for factories, advancing digitalization.

1. Production Needs: Full-feature GPU R&D has high barriers—requires solving graphics pipelines, computing architecture, AI cores; complex designs with long cycles; production relies on high-tech talent, mass production takes time.

2. Business Opportunities: Domestic substitution trend boosts GPU demand in computing sovereignty, cloud platforms, industrial manufacturing; cluster tech (e.g., 2048-card clusters) has large application potential but must overcome power/cooling challenges at 5000+ card scales.

3. Digitalization Insights: GPUs as unified computing bases apply to digital twins, video codecs in industrial settings; factories can learn from Moore Threads' e-commerce practices (JD.com sales) to optimize channels.

4. Risk Considerations: Entity List restrictions affect supply chains; slow commercialization impacts order stability—focus on gross margin improvement paths.

Moore Threads' case reveals AI chip industry trends and client pain points, guiding solution directions for service providers.

1. Industry Trends: Domestic AI chip market is hot, capital focuses on "domestic substitution"; NVIDIA expects 5.5 million GPU shipments in 2025 vs. Moore Threads' 15,000-20,000 AI chips, showing growth space.

2. New Tech: Full-feature GPU architecture (MUSA) supports training, inference, rendering; cluster tech (KUAE) boosts computing efficiency but scales to only 2048 cards, needing iterations for interconnect bottlenecks.

3. Client Pain Points: Large software ecosystem gap (10+ years behind NVIDIA CUDA) limits performance; slow commercialization, broad functionality hinders focus; high R&D costs (5 billion yuan losses) drive up expenses.

4. Solutions: Moore Threads intensifies R&D for product refinement; service providers can learn from Entity List response strategies (e.g., internal memos emphasizing攻坚) to offer ecosystem support; focus on stability solutions.

Moore Threads' dynamics reflect platform needs and management challenges, informing recruitment and risk mitigation strategies for platform operators.

1. Platform Needs: GPUs as computing bases are crucial for cloud platforms, digital twins; products like MTT S5000 clusters meet computing demands but need scaling improvements.

2. Platform Practices: Sells To C graphics cards via JD.com to expand consumer reach; collaborations like cluster tech applications require solving power/cooling system issues.

3. Merchant Recruitment: Attracts investors (86 pre-IPO shareholders), but high valuation (300x P/S) may dent partnership appeal; subsidies can be part of recruitment strategies.

4. Operations Management: Optimize fund usage (e.g., wealth management controversy), disclose detailed R&D schedules; Risk Mitigation: Monitor policy risks (Entity List), financial risks (724 million yuan loss), avoid valuation bubbles; Focus on profitability timeline (2027).

Moore Threads' IPO incident reveals industry dynamics and business model issues, offering policy insights for research.

1. Industry Dynamics: Domestic GPU rise—Moore Threads' 5-year listing reflects "domestic substitution" capital fever; but low market share (<1%) exposes tech ecosystem gaps (software 10+ years behind).

2. New Issues: Post-IPO wealth management controversy highlights investor relations weaknesses; slow commercialization (broad functionality hinders deployment), cluster scale bottlenecks (5000+ card challenges); high valuation (300x P/S) implies bubble risks.

3. Policy Recommendations: State support needed for Entity List challenges; lessons include enhancing R&D fund transparency to avoid policy misreading; regulations should encourage ecosystem building.

4. Business Models: Shift from project-based to scalable products (2027 profitability target) but reliance on subsidies; financial metrics like gross margin, R&D expense ratios are key; compared to NVIDIA's success (hardware+software ecosystem), Moore Threads requires long-term investment.

Disclaimer: The "Quick Summary" content is entirely generated by AI. Please exercise discretion when interpreting the information. For issues or corrections, please email run@ebrun.com .

I am a Brand Seller Factory Service Provider Marketplace Seller Researcher Read it again.

摩尔线程75亿理财到底冤不冤

如果说2024年市场追逐的是“大模型概念”，2025年最强热度则就是“国产AI芯片”，后者在资本市场的认可度和资本支持似乎更多。

当摩尔线程正式上市，网友们追捧的声音充斥网络，“中一签赚20万，这才像AI牛市。”、“国产GPU终于成主角。”、“这就是中国的英伟达！”。

资本市场也非常喜欢这样的故事：国产替代、科创稀缺、AI算力、国家战略、创始人来自英伟达、五年即上市、股价五倍涨停、重大叙事一次打满……

然而上市仅7天，12月12日晚间摩尔线程就发了份公告：计划用最高不超过75亿元的闲置募集资金搞现金管理，买协定存款、定期存款这类保本产品，额度12个月内可循环使用。

然后就炸锅了，不少投资者批评，作为“国产GPU”第一股，不好好搞研发，刚刚IPO的资金就用来理财，其募资合理性在哪儿？“不缺钱就别上市啊，上市搞保本理财是什么操作？”

对于网上的质疑声，摩尔线程相关负责人表示，75亿元为现金管理额度上限，并非实际现金管理金额，实际现金管理金额将明显小于上限。并解释称，公司前期明确披露了募集资金的项目计划，所募75亿元资金有分阶段、明确的研发、技术升级等一系列使用安排，也将严格按照既定募投项目计划推进。项目实施周期为三年，资金支出将根据项目进度分阶段拨付。

怎么理解摩尔线程的回应呢？简单来说这是上市的惯常操作，不是每一笔资金都要用到研发上才可以融资。摩尔线程所说的75亿现金管理额度，并不是真的要拿75亿元去买理财，是规定的上限。原有的技术升级也是按照既定路径在走，更何况摩尔所谓理财只是去购买存款，而非像一些上市公司直接融资去买美债等理财产品了。

虽然有其合理性，华虹半导体、寒武纪都有过类似操作，但摩尔线程的争议之所以这么大，关键在于时机——上市刚一周就宣布大额理财，很容易让市场质疑其创新初心。业内人士分析，这暴露了公司投资者关系管理的短板，如果能先公布详细的研发资金使用进度表，再解释理财安排，大概率能减少误读。

作为“国产英伟达”大家的希望，市场有更高的预期也是理所当然，我们也希望摩尔线程会像真的英伟达一样，每次能够给出远超市场预期的业绩指引，带给市场更多希望而非指望投资者更多谅解。

摩尔线程背后的烧钱逻辑

01、立志要做“中国英伟达”

回望摩尔线程的融资历程，摩尔自创业伊始便备受资本关注，迅速成为一级市场的“集体共识”——2020年成立仅三个月便完成两轮融资，随后以每年一轮的节奏稳步推进，累计融资规模超百亿元，至IPO前股东数量多达86位。

有投资人回忆，在这轮融资敲定时，摩尔线程甚至“连原型机都没有”，而打动头部机构的，正是其无可挑剔的团队配置。

摩尔线程核心团队堪称“英伟达校友会”，其创始人、联合创始人及高级管理人员中，至少有六人拥有长期英伟达工作背景，覆盖技术研发、市场生态、销售管理及公司战略等关键职能，为公司奠定了坚实的技术与商业基础。

摩尔线程的创始人张建中，是黄仁勋曾经的重要“副手”，从2006年开始便成为英伟达全球副总裁和中国区总经理，带领团队建立了GPU在中国的完整生态系统，并把大中国区打造成英伟达在全球最重要的GPU市场，可以说完整见证了GPU从图形处理到神经网络加速的产业变迁。

其实一开始摩尔线程调门并没有那么高。2022年3月推出苏堤芯片：面向中低端To B场景，如电信、金融行业，强调“可用性和性价比”。

2022年11月：春晓（MUSA架构）切入消费和多终端需求，强调多功能和多场景兼容。

GenAI之后：战略方向转为“全功能GPU”，不再只关注训练或渲染，而是将一块卡打造为「统一算力底座」：AI训练、推理、图形渲染、视频编解码、物理仿真、数字孪生全覆盖。

如果一块国产GPU能同时支持训练、推理、渲染和仿真，就意味着算力主权、云平台、数字孪生、工业制造、视频内容等多个关键行业，都有了国产底座可选。听起来，这比国产CPU、单一AI卡或单一渲染卡的市场空间要大得多。这也是市场愿意为它“讲十年故事”溢价的原因。但吸引力的另一面是：越宽泛，越难落地；功能越多，商业化越慢。

02、大规模商业化还有些遥远

2022年底，摩尔线程举办秋季发布会，推出业内首款国潮显卡MTT S80、以及元计算一体机MCCX和系列GPU软件栈与应用工具，打破了当时行业“只晒芯片不秀应用”的怪圈。随后，其自主研发的显卡以2999元定价在京东开售，成为国内少数能实现To C端落地的AI芯片公司。这意味着普通游戏玩家、投资机构、竞争对手乃至海外用户均可获得摩尔线程的芯片产品，彰显了团队对技术的绝对自信。

2023年10月17日，美国将摩尔线程列入实体清单，叠加其对集成电路算力密度、带宽密度的新规限制，多重压力直指这家正处于快速成长期的中国AI芯片公司，使其迎来自成立以来最严峻的考验。

摩尔线程管理层并未选择收缩防御，反而向所有股东明确表态：“加大研发投入，全力推进下一代产品研发。”随后张建中发出的一封内部信，进一步印证了媒体的说法。他在信中强调：“中国GPU不存在‘至暗时刻’，打造中国最好的全功能GPU，摩尔线程会将这项事业进行到底。”同时，他明确了四大攻坚方向：加快自主研发与创新、打磨优质产品、推动应用落地、打造高效团队。

但摩尔线程仍处在一个“前期投入的阶段”，从财报来看，营收从2022年的0.46亿元猛增至2025年前三季度的7.85亿元——尤其是2025年上半年营收已达7.02亿元，超过去年全年。但2025年前三季度其仍亏损7.24亿元，2022年至2024年三年则合计亏损约50亿元。

目前市场主流观点认为摩尔线程之所以还未实现规模化增长，主要源自三方面困境，首先，全功能GPU产品的门槛较高，架构设计复杂，研发难度大、研发周期长，需要大量高科技人才，产品从启动研发到实现规模化销售需要一定时间；其次，当前全球GPU市场由少数国外龙头企业垄断，国内企业长期对进口GPU产品存在依赖，国产GPU推广需要时间周期；最后，受国际政治环境影响，2023年10月，公司被美国列入“实体清单”，对公司产生一定影响。

客观来说确实如此，但摩尔线程距离期待有差距，和跟同行之间的对比差距明显也是主要原因。

比如摩尔线程在招股书中所说，在国内AI芯片市场中，2024年，英伟达（全功能GPU）、华为海思（ASIC）以及AMD（GPGPU）在国内AI芯片市场中的市场份额分别为54.4%，21.4%，15.3%，摩尔线程在国内GPU市场中的份额占比低于1%。

摩尔线程估值也超出市场预期，在于即便按2025年前三季度7.85亿元营收估算，其当前动态市销率也接近300倍。这一估值水平将国内同行远远甩在身后，业务更为成熟、已实现盈利的海光信息动态市销率约为41倍，同样聚焦AI芯片但也已开始盈利的寒武纪市销率约为99倍。

投资者们不是不相信摩尔线程，而是害怕又重蹈“寒武纪覆辙”。2020年7月，寒武纪以近300倍的市销率上市，随后经历了长达数年的估值消化与股价低迷，直至OpenAI横空出世推动AI新一波浪潮与寒武纪自身业绩逐渐兑现才重拾升势。有分析指出，按2025年预计10-12亿营收和寒武纪约90倍的市销率估算，摩尔线程的合理市值应在1000亿元左右，而其当前超3000亿的市值可能已将2027年预计近60亿营收的乐观增长提前定价完毕。一旦摩尔线程未来业绩增速或技术里程碑不及预期，估值回调的压力不言而喻。

03、距离英伟达还有多远？

为什么说摩尔线程是“英伟达”呢？这不仅仅是摩尔线程想要对标，而是源自技术上的对标，中国缺的是全栈通用GPU，而不是单点加速器。摩尔线程做的正好是国内最缺的一块。

摩尔线程选的路线是最难的，因为它需要解决：图形管线（Raster+Compute+Vulkan）、通用计算（SIMD/SIMT并行架构）和AI Tensor核（矩阵乘），而Nvidia、AMD做了二十多年才走通这条路。摩尔线程成立2020年，只有五年速度算是极快，当然距离比肩前辈还是差得极远。

英伟达的成功在于它是最早做开放式GPU的，投入了巨量的研发资源去开发编译器、调试器、维护整个软件栈，短期内难以转化为显卡销量。在2006年之后正式向开发者开放了GPU的并行计算能力，正式推出来了CUDA，将GPU变成了强大可编程的并行计算加速器。

如果说强大的硬件是英伟达锋利的“矛”，那么CUDA平台及其衍生的庞大软件生态系统，就是其坚不可摧的“盾”，共同构成了其商业帝国最核心的竞争力。硬件的领先或许可以被追赶，但一个耗时近二十年精心培育、拥有数百万开发者和海量应用程序的生态系统，其形成的壁垒几乎是无法逾越的。

摩尔线程纯硬件性能差距或许只有两三代，但软件生态的差距那就在十年以上了。根据摩根大通的数据，2025年英伟达出货550万张GPU。相较之下，摩尔线程AI计算芯片1.5万到2万片，消费级显卡及SoC 15万片，但后者多为面向信创PC和轻薄本市场的低算力产品。

消费级市场对于建立品牌知名度和摊薄研发成本至关重要，但也是竞争最激烈的红海。摩尔线程的当红消费级显卡MTTS80，理论性能打平RTX3060，但因为生态限制只能发挥出RTX1060的效果。摩尔线程目前的技术实力和资源投入，尚不足以支撑其在游戏和内容创作领域与NVIDIA和AMD正面抗衡。如何平衡在这一市场的投入与产出，将是一个艰难的战略抉择。

理论上MTT S5000产品构建的千卡GPU智算集群，效率超过同等规模国外同代系GPU集群计算效率。不过，摩尔线程卖出的最大集群仅包含2048张卡。据行业人士透露，在AI计算卡集群上，5000卡是一个关键瓶颈，因为集群规模上去后，对电源、电力、散热以及系统调控等诸多方面都是一个极大的考验。因此相比于动辄10万卡、20万卡互联的英伟达，摩尔线程的KUAE集群技术仍需要进一步完善及迭代。

写在最后

摩尔线程在招股书已经给出了可能盈利时间表。据前瞻性信息预计，摩尔线程2027年方可实现合并报表盈利，该盈利包含政府补助带来的收益，扣除该收益后，公司2027年处于微利状态。

资本市场当然知道它贵，公告书里白纸黑字写着“公司尚未盈利”、“存在退市风险”。但资本在赌一个更大的逻辑：极致的稀缺性。这个高达300倍的市销率溢价，不是给技术的，也不是给利润的，是给国产替代安全感的。

摩尔线程有跟英伟达不一样的背景和市场环境，不必强行成为英伟达，但想要达到摩尔线程创始目标恐怕还有很远的路要走。如果不能大规模量产、不能规模化运行、不能保证稳定性，AI场景就无法真正迁移到国产GPU上。从财务角度来看，毛利水平能否持续提升，研发费用率是否逐步下降，营收能否从项目制转向规模化产品模型，是最近两年要关注的重点。

注：文/龚作仁，文章来源：首席商业评论(公众号ID：chreview)，本文为作者独立观点，不代表亿邦动力立场。

文章来源：首席商业评论