广告
加载中

国产GPU的大时代

刘俊宏 2025-12-22 10:15
刘俊宏 2025/12/22 10:15

邦小白快读

EN
全文速览

文章介绍国产GPU公司上市热潮及现状,提供重点信息和实操干货。

1.公司上市情况:摩尔线程、沐曦、壁仞登陆科创板或港股,开盘暴涨,如沐曦市值超3000亿元,中一签可赚30万,引发投资者狂欢。但三家均处亏损阶段,2025年摩尔线程亏损7.24亿,沐曦3.46亿,壁仞16.01亿,研发投入高,商业化刚起步。

2.技术性能干货:摩尔线程S80显卡对标英伟达RTX 3060,但游戏效果仅30~40帧;S5000算力卡支持AI推训,性能接近英伟达H100。沐曦曦云C500系列算力卡达英伟达A100水平,已实现千卡集群。壁仞BR100芯片算力强,FP16超1000TFLOPS,光跃LightSphere X技术提升集群稳定性。

3.商业化进展:2025年产销率超100%,摩尔线程直销占比90%,客户包括互联网、AI企业;壁仞和沐曦通过智算集群项目落地,如壁仞在中国电信千卡集群连续训练30天无中断。风险包括生态不足和客户续费问题。

文章揭示国产GPU品牌在AI时代的定位和趋势,涉及品牌营销和产品研发。

1.品牌定位差异:摩尔线程模仿英伟达路径,从游戏到全功能GPU;沐曦专注数据中心高性能计算;壁仞追求极致算力,体现“暴力计算”风格。品牌策略影响市场认知,如摩尔线程通过开发者大会发布新品提升影响力。

2.产品研发干货:各公司GPU设计参数明确,如壁仞BR100用770亿晶体管,沐曦曦云C500支持全精度计算,技术研发聚焦AI算力需求。产品研发方向受消费趋势驱动,AI算力供不应求推动国产替代。

3.消费趋势观察:用户行为显示企业客户(如运营商、AI企业)采购GPU用于大模型训练,品牌需适应需求变化,如沐曦与联想合作推出一体机,抓住DeepSeek爆发期机会。商汤杨帆观点佐证国产GPU逐步成为可行选择。

文章分析国产GPU市场机会与风险,提供政策、增长和应对措施。

1.机会提示:AI算力需求激增,国产替代红利大,市场空间数万亿;订单增长明显,2025年产销率超100%,摩尔线程和沐曦商业化加速,客户覆盖头部厂商。合作方式包括直销、与集成商打包交付,如沐曦出货给新华三。

2.风险提示:公司普遍亏损,短期无盈利可能;生态不足(如沐曦软件栈用户仅15万),影响大规模应用;估值失真(摩尔线程PS值300倍),存在泡沫风险。事件应对:摩尔线程理财争议后公布新品“华山”芯片,以安抚市场。

3.可学习点和商业模式:最新模式如集群销售(壁仞千卡集群)、智算平台合作;增长市场在AI硬件,需求变化带来新单机会,卖家可借鉴摩尔线程直销策略提升出货稳定性。

文章聚焦GPU生产设计和商业机会,启示推进数字化。

1.产品生产需求:GPU芯片设计参数清晰,如壁仞用Chiplet技术和TSMC N7工艺,晶体管达770亿;摩尔线程自研核心IP覆盖单指令多线程等。生产需关注算力密度、能耗优化,如壁砺110E推理卡节省70%能耗。

2.商业机会:AI算力需求缺口大,工厂可参与供应链,产品应用于智算中心、服务器(如沐曦与新华三合作)。机会在国产替代,订单量增长,沐曦产品销量超2.5万颗。

3.推进数字化启示:技术如光互连(壁仞光跃LightSphere X)提升集群效率,工厂需适配数字化生产流程;电商启示通过集成商合作实现“打包交付”,优化产能利用。

文章概述GPU行业趋势、技术和解决方案,针对客户痛点。

1.行业发展趋势:AI算力需求年均增长40%,国产GPU应用扩大;公司如壁仞、沐曦推动万卡集群落地,行业从测试转向商用。

2.新技术干货:壁仞光跃LightSphere X超节点技术用光信号串联GPU,提升故障容错;沐曦千卡集群解决方案已走通大模型全流程;摩尔线程MTVERSE具身智能平台推动开源生态。

3.客户痛点和解决方案:痛点包括生态不足(兼容性差)、单卡性能局限;解决方案如集群技术(壁仞实现连续训练30天无中断)、合作模式(沐曦与服务器厂商集成),服务商可提供稳定性优化服务。

文章涉及平台需求和运营管理,提炼相关干货。

1.商业对平台需求:智算中心等平台需GPU集群管理,支持大模型训练;客户要求稳定性(如壁仞千卡集群断点续训小于5分钟)、灵活扩展,平台需整合算力硬件。

2.平台最新做法:摩尔线程发布MUSA开发者平台,包括AI BOOK和AICUBE;沐曦通过下游集成商(如联想)落地产品,打造“标准件”;壁仞超节点技术优化互联拓扑,平台可借鉴招商运营。

3.运营管理和风险规避:合作方式以直销和集成商为主,提升项目对接效率;风险如生态不足影响平台兼容性,需规避估值泡沫,通过分阶段资金使用确保可持续性。

文章探讨产业动向和商业模式,提供研究启示。

1.产业新动向:国产GPU公司上市潮(摩尔线程、沐曦、壁仞),技术路径分化—摩尔线程重走英伟达路,沐曦专注部分,壁仞追求极致;商业化拐点2025年出现,应用从测试转向商用。

2.新问题:估值不合理(PS值超300倍),生态挑战大,营收靠新单支撑稳定性差;隐含政策启示需规范市场,避免盲目投资。

3.商业模式启示:各公司策略不同,如摩尔线程直销提升客户对接,壁仞技术优势转化订单难;案例显示集群销售模式有效,研究者可分析长期盈利模型与英伟达对比。

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

The article examines the recent IPO boom and current status of domestic GPU companies in China, providing key information and practical insights.

1. IPO Performance: Companies like Moore Threads, MetaX, and Biren have listed on the STAR Market or Hong Kong exchanges, with shares surging at debut. For instance, MetaX's market cap exceeded ¥300 billion, generating significant profits for early investors. However, all three firms remain unprofitable, with Moore Threads reporting a ¥724 million loss in 2025, MetaX ¥346 million, and Biren ¥1.601 billion, as high R&D spending outpaces early commercial revenue.

2. Technical Capabilities: Moore Threads' S80 gaming GPU targets NVIDIA's RTX 3060 but delivers only 30-40 fps in games. Its S5000 compute card supports AI training and inference, approaching NVIDIA H100 performance. MetaX's C500 series matches NVIDIA A100 levels and has deployed thousand-card clusters. Biren's BR100 chip boasts over 1,000 TFLOPS FP16 performance, with its LightSphere X technology enhancing cluster stability.

3. Commercial Progress: Production-sales ratios exceeded 100% in 2025. Moore Threads derives 90% revenue from direct sales to internet and AI firms. Biren and MetaX have landed smart computing cluster projects, such as Biren's 30-day uninterrupted training for China Telecom. Risks include immature software ecosystems and customer renewal uncertainties.

The article reveals how domestic GPU brands are positioning themselves in the AI era, covering brand strategy and product development.

1. Brand Positioning: Moore Threads emulates NVIDIA's full-stack approach from gaming to general-purpose GPUs; MetaX focuses exclusively on data center HPC; Biren pursues extreme computing power with a "brute force" design philosophy. Brand strategies shape market perception, exemplified by Moore Threads boosting influence through developer conferences.

2. Product Development: Technical specifications are clearly defined—Biren's BR100 uses 77 billion transistors, MetaX's C500 supports full-precision computing. R&D priorities align with AI compute demands, driven by supply shortages accelerating domestic substitution.

3. Consumer Trends: Enterprise clients (telcos, AI firms) procure GPUs for large model training. Brands must adapt to demand shifts, like MetaX partnering with Lenovo for all-in-one systems during the DeepSeek model boom. SenseTime's Yang Fan confirms domestic GPUs are becoming viable alternatives.

The article analyzes market opportunities and risks for domestic GPUs, offering policy insights and growth strategies.

1. Opportunities: AI compute demand is surging, creating trillion-yuan substitution potential. Order volumes grew significantly in 2025 with >100% production-sales ratios. Moore Threads and MetaX are accelerating commercialization, serving top-tier clients. Sales models include direct deals and bundling with integrators like H3C.

2. Risks: Universal losses with no near-term profitability; weak ecosystems (e.g., MetaX's software stack has only 150k users) hinder scaling; distorted valuations (Moore Threads' 300x P/S ratio) suggest bubble risks. Crisis management example: Moore Threads launched "Huashan" chip after financial controversies to reassure markets.

3. Actionable Insights: Emerging models like cluster sales (Biren's thousand-card systems) and smart computing partnerships; growth lies in AI hardware where demand shifts create new orders. Sellers can adopt Moore Threads' direct-sales approach for stable shipments.

The article focuses on GPU manufacturing design and industrial opportunities, highlighting digital transformation implications.

1. Production Requirements: Chip designs specify parameters like Biren's Chiplet technology using TSMC N7 process (77B transistors); Moore Threads develops core IP including SIMT architecture. Manufacturing must optimize compute density and power efficiency—Biren's 110E inference card cuts energy use by 70%.

2. Business Opportunities: AI compute shortages create supply chain roles. Products deploy in smart data centers and servers (e.g., MetaX-H3C collaborations). Domestic substitution drives volume orders, with MetaX shipping over 25,000 units.

3. Digitalization Insights: Technologies like optical interconnects (Biren's LightSphere X) boost cluster efficiency, requiring adapted production workflows. E-commerce lessons: Integrator partnerships enable "bundled delivery" models for optimized capacity utilization.

The article outlines GPU industry trends and technologies, addressing client pain points.

1. Industry Trends: AI compute demand grows 40% annually, expanding domestic GPU adoption. Companies like Biren and MetaX are deploying 10,000-card clusters, shifting from testing to commercial use.

2. Technical Innovations: Biren's LightSphere X uses optical signaling for GPU interconnection, improving fault tolerance; MetaX's thousand-cluster solutions complete full-scale model training; Moore Threads' MTVERSE platform advances embodied AI via open-source ecosystems.

3. Client Solutions: Pain points include ecosystem immaturity (compatibility issues) and single-card limitations. Solutions involve cluster technologies (Biren's 30-day uninterrupted training) and partnership models (MetaX's server integrations), where providers can offer stability optimization services.

The article covers platform requirements and operational management for GPU infrastructure.

1. Platform Demands: Smart computing centers require GPU cluster management for large model training. Clients prioritize stability (e.g., Biren's <5-minute checkpoint recovery) and scalable flexibility, necessitating hardware integration capabilities.

2. Platform Strategies: Moore Threads launched MUSA developer platform with AI BOOK and AICUBE tools; MetaX uses downstream integrators like Lenovo to create "standardized components"; Biren's super-node technology optimizes interconnect topologies—models applicable to platform operations.

3. Risk Management: Sales models combine direct and integrator partnerships for project efficiency. Risks include ecosystem gaps affecting compatibility; valuation bubbles require phased funding to ensure sustainability.

The article explores industrial dynamics and business models, offering research implications.

1. Industry Trends: Domestic GPU IPO wave (Moore Threads, MetaX, Biren) reflects divergent technical paths—NVIDIA replication vs. specialization vs. extreme performance. Commercial inflection occurred in 2025 as applications moved from testing to deployment.

2. Research Questions: Irrational valuations (>300x P/S ratios) and ecosystem challenges create revenue instability reliant on new orders. Policy implications call for market regulation to prevent speculative investment.

3. Business Model Insights: Varied strategies include Moore Threads' direct sales for client engagement vs. Biren's struggle to monetize technical advantages. Cluster sales emerge as effective models, inviting comparative analysis with NVIDIA's long-term profitability.

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.

这还上什么班啊,中一签就能挣几十万。

上周三,沐曦股份登陆科创板,开盘暴涨超568%,市值瞬间突破3000亿元。1.9万股民集体狂欢,因为中一签就能暴赚30万,这要比前几天上市的摩尔线程还要夸张。当下,两家公司市值合计超6000亿元,整个资本市场洋溢着一股近乎狂热的乐观气息。

更令人兴奋的是,就在沐曦上市的同一天,壁仞科技传来港股IPO已通过聆讯的消息,最快2026年初挂牌。这相当于给了前两次没赶上的投资者第三次机会,国产GPU板块即将掀起新一轮高潮。中国GPU的春天,似乎终于来了。

但冷静下来看,这场国产GPU的狂欢,似乎只有投资者赚得盆满钵满。

根据招股书中披露的财务状况显示,摩尔线程、沐曦、壁仞目前均处于大额亏损状态。其中,摩尔线程2025年前三季度亏损7.24亿,沐曦为3.46亿,壁仞在今年上半年亏损为16.01亿。更重要的是,目前三家公司都处在加大研发的阶段,商业化也都刚刚起步,根本不存在短期盈利的可能。

可在投资者眼中,这点亏损根本不算事。

因为三家公司的GPU可是AI时代的硬通货。从2023年大模型热潮爆发以来,全球算力供不应求。最大受益者英伟达在每个报告期都赚爆,成为人类历史上市值最高的公司。各大投行打着计算器,接连给国产GPU画出大饼——补充英伟达供给缺口+国产替代红利,市场空间数万亿简直就是洒洒水。

短期业绩兑现不了?没关系,AI圈这样的例子比比皆是。国内的寒武纪,靠着订单预期就让市值重回5000亿;国外的甲骨文,应了OpenAI的“空头支票”市值也能翻倍。

不过,公司对下一步的想法,却似乎没那么清晰。

摩尔线程上市募资80亿元,一周后就公告用不超过75亿元闲置资金买保本理财,引来市场一片争议。明明募资时说要支持各种研发目标,要锐意进取,怎么拿到钱就要“徐徐图之”了?

对此,摩尔线程向光锥智能回应称,项目实施周期为三年,资金是要根据实施结果分阶段使用的。对暂时闲置的资金进行现金管理,能整体提高资金收益。

或许是为了打消市场争议。摩尔线程在12月20日首届MUSA开发者大会上,预先公布了AI训推一体芯片“华山”和高性能图形渲染的芯片“庐山”。其中,“华山”的性能大致是在英伟达Hopper和Blackwell之间的水平。

但总之在这个狂欢的市场,谁要是说估值不合理,就显得很扫兴——反正时间会冷却一切情绪。

在这场连续的资本盛宴背后,到底还有哪些确定性?三家GPU公司,谁更接近英伟达?国产GPU,到底用得怎么样了?

摩尔线程、沐曦、壁仞,谁更像中国英伟达?

从大方向说,虽然摩尔线程、沐曦和壁仞都是国产GPU赛道,但三家公司的风格差异非常大。摩尔线程追求全功能和生态兼容,沐曦聚焦数据中心高性能计算,壁仞更喜欢拥抱“暴力计算”。

谁更像“中国英伟达”?或许没有标准答案。但摩尔线程的路径,最接近英伟达从游戏到AI的来时路。

摩尔线程创始人张建中,曾长期担任英伟达中国区高管。虽然张建中是销售出身,但销售很了解产品,也更容易实现资源整合。2020年创办公司时,摩尔线程的目标是想做“全功能GPU”,一张卡要同时扛起图形渲染、AI训练推理、视频编解码、科学计算等多重任务。

起步之初,摩尔线程的核心IP(可以理解为芯片基础设计图纸)来源于IMG授权。这里需要提一下IMG,该公司是一家位于英国的半导体IP商,手上有一些GPU的IP。虽然公司在2017年被中国方收购,但实际上运营独立。虽然摩尔线程在招股书中没有再提,但IMG对摩尔线程的影响暂时还没有定论。

对此,摩尔线程在招股书中提到在核心IP开发方面,公司已经构建涵盖单指令多线程向量计算核心、多精度张量计算核心等在内的完整体系。简单来说,就是GPU最关键的部分都是自己设计的,已经形成一套完整的自研技术体系。

摩尔线程的GPU跑起来到底如何?从参数上看,摩尔线程桌面级显卡S80对标英伟达RTX 3060,但实际游戏效果非常不理想。根据游戏茶馆测试,在优化之后玩《黑神话:悟空》,1080P分辨率下,低特效加上打开性能档的TSR超分,帧数勉强稳定在30~40帧。对于一块功耗255W的全尺寸卡来说,玩游戏相当于打平了AMD R7核显,畅玩3A大作还有相当一段距离。

算力卡这边,摩尔线程旗舰S5000的参数表现还不错,由于算力卡更重视性能指标,算是英伟达H100的替代。摩尔线程在带宽、显存、算力表现都不错,支持主流计算精度,这代表着已经可以应用于AI大模型推训了。

或许是基于算力卡和智算集群(夸娥)的表现,摩尔线程在2025年打开了销路。招股书数据显示,摩尔线程2025上半年营收超过7亿元,远超前三年总和。“一步登天”的营收,显示出摩尔线程已经进入了新的发展阶段。

生态是摩尔线程接下来要主攻的目标。在MUSA生态大会上,摩尔线程不仅带来了个人算力平台(AIPC)的MTT AIBOOK。还有面向家庭AI NAS的MTT AICUBE。为了对标英伟达在具身智能领域的野心,摩尔线程也发布了MT Lambda具身智能的仿真训练平台、MTVERSE解决方案和具身物理仿真引擎,宣布在明年一季度全球开源MujoCo Warp MUSA。

沐曦团队核心人物出身AMD,公司成立的目标非常明确:不碰图形渲染的游戏显卡,直攻AI计算的通用GPU。

目前,曦云C500系列是沐曦主要算力硬件之一。基本参数上看,曦云C500也支持FP32到INT8的全精度混合计算,单卡算力也能达到对标英伟达A100水平,这已经算是达到行业主流使用算力卡的水平了。行业落地比较亮眼的是,沐曦已经走通了千卡集群的解决方案。对于面向AI大规模应用的算力卡来说,这代表着沐曦已经走通了大模型训推全流程。

沐曦现在最大的风险,在于生态。沐曦MXMACA软件栈,截至2025年10月22日,注册用户及实际使用客户只有150000人,网络API调用次数为1300多万次。这样的规模要走向大规模应用、对标英伟达CUDA,生态差距不是一点半点。

壁仞这边,主要是公司比较偏爱极致算力。2022年时,壁仞曾经靠首款旗舰通用GPU BR100的激进设计“出圈”过。在这块芯片上,壁仞用了数据流并行+Chiplet技术+TSMC N7工艺,达到了英伟达使用更先进的N4工艺的标称算力。整块芯片壁仞放了770亿个晶体管,数量直冲英伟达H100的80亿。

具体性能,根据官方宣称,16位浮点(FP16/BF16)算力大于1000TFLOPS。8位定点(INT8)算力大于2000TOPS。FP32等精度下更是超越英伟达A100、H100一个数量级。在商业场景的技术上,壁仞也非常喜欢“暴力计算”,公司目前在千卡集群、异构混训、光互连超节点等领域有项目落地。其推理卡壁砺110E则以1.3倍于主流方案的算力密度和70%的能耗节省,在文生图、语音识别等推理场景快速渗透。

不过,壁仞的营收规模相对比较薄弱。今年上半年,壁仞营收为5.87亿,与摩尔线程和沐曦还存在一定差距。靠“数值”赢得市场“尊重”之后,如何将技术优势持续转化成订单,是壁仞上市后相当长时间的重要课题。

国产GPU公司三条路径的差异,折射出创业者“残酷又写实”的抉择。

在英伟达一家独大的格局下,中国玩家必须对英伟达“亮剑”才能找到机会。只是其中的区别,是摩尔线程在“重走英伟达”,沐曦想做好“一部分的英伟达”,壁仞则是想做“最好的英伟达”。

在落地行业的过程中,商汤科技联合创始人、大装置事业群总裁杨帆向光锥智能表达了乐观的看法。“其实国产(GPU)正在跑出一个越来越大、越来越清晰的新兴市场领域。”

随着国产GPU逐步走向应用,中国的算力硬件大时代正在缓缓展开。

国产GPU走过市场检验期

对于一个未来可期的行业,为什么资本市场能现在给出如此夸张的估值?

一个残酷又确定的答案是:当前摩尔线程和沐曦的市值,已完全偏离正常价值逻辑。

对于科技股来说,在成长阶段采取一般是PS估值法,基础起点应该是10倍,可以理解为未来营收还有10倍的成长空间,苹果就在这个区间。对于前景特别乐观的公司,例如市场会给英伟达20倍的PS。这一数值,放在摩尔线程和沐曦身上,已经是惊人的300多倍和150多倍。

需要承认,AI算力市场的想象空间很大。根据弗若斯特沙利文预测,2029年中国算力总规模将达到3442.89EFLOPs,预测期年均复合增长率达40.0%。换算到人类历史上市值最高公司的英伟达上,那就是预期50%的增长对应43的PE,也算是基本合理。这说明,按照市场空间算,摩尔线程和沐曦的市值也是失真的。

市场哄抬两家公司市值的原因,归根结底还是因为情绪和筹码。由于两家公司在科创板上市,浮筹极少(两家流通盘都在5%左右),网下配售被险资、基金重仓,这就相当于公司市值上了一个大幅度的杠杆。再加上AI算力国产替代的宏大题材,寒武纪“造富神话”珠玉在前,这就使得投资者们愿意冒险。

至于国产GPU上市公司的利润何时能够回正?

一个好消息是,摩尔线程、沐曦、壁仞三家公司的订单和商业化都已经在2025年迎来拐点。根据招股书显示,摩尔线程和沐曦的产销率均已经超过100%,且明显好于2024年,这反映出两家公司开始进入商业化加速阶段。从合作客户看,目前国产GPU正在从早期测试逐渐转到国内头部厂商商用。

国产GPU,已经真正开始用起来了。

在三家中,摩尔线程目前的商业化情况走的相对比较通畅。根据招股书显示,摩尔线程早期几乎全部出货靠经销商,现在已经有90%能够实现直销。这代表着摩尔线程现在有能力直接完成项目,有能力对接客户需求。

目前,摩尔线程的终端客户涵盖互联网企业、AI企业、算力服务商、运营商等。向下游也很早适配了国产CPU(飞腾、海光、龙芯)、OS(麒麟、统信)、PC品牌(联想、浪潮)。对于算力硬件厂商而言,与集成商合作意味着产品可以根据需求“打包交付”。毕竟,集成商们更懂得如何与客户沟通具体的解决方案。

需要警惕的一点风险,是摩尔线程的客户比较少“续费”,营收主要靠新“大单”支撑。因为算力卡的采购不是“一锤子买卖”,客户遇到产品更新、扩容、新智算中心建设、AI大模型扩展使用等情况都会倾向购买同一品牌(考虑到产品一致性)的产品。摩尔线程今年拿到两个大单,只能证明客户开始认可产品。后续的出货稳定性,还需要持续观察。

壁仞和沐曦的业绩主要来源于智算集群项目。公司客户主要为大型运营商和智算中心,产品用于大模型推训(千亿参数LLM)、科研(模型优化)和商业应用(AIGC、多模态AI)。目前,壁仞GPU已经在中国电信落地千卡集群并开展商业化落地应用。训练效果,能实现连续训练30天不中断,连续训练5天无故障,千卡集群千亿参数断点续训时间小于5分钟。已经基本满足大模型训练稳定性要求。

值得一提的是,为了弥补国产算力卡单卡性能的不足,并满足未来万卡集群和分布式AI训练的需求,壁仞拥有亮眼的超节点技术——光跃LightSphere X。技术原理上说,壁仞跟华为的超节点原理近似,都是用光信号串联GPU,实现比英伟达超节点更大规模的连接能力。与华为更注重大规模并行计算不同,壁仞超节点更关注并行计算的灵活性,通过在每个GPU集成光交换功能,实现算力卡之间的互联拓扑结构。好处简单来说,就是如果一张卡“挂了”,后面立刻就能顶上这部分工作。这对于智算中心场景来说,可谓是非常好用了。

沐曦这边,目前公司已经实现千卡规模商业化应用,正推动万卡集群落地。产品(主要是曦云C500和C600)累计销量超过2.5万颗,主要应用于国家级人工智能公共算力平台、运营商智算平台等智算项目。

由于沐曦公布了前五大客户,所以我们能够清晰看到沐曦是以进入到下游集成商的方式实现落地。其中比较亮眼的,是沐曦出货给服务器厂商的新华三。这一方面意味着,AI服务器厂商可以用沐曦的产品“赚钱”。另一方面意味着,沐曦的商业化策略比较灵活。在今年DeepSeek刚爆发时期,沐曦就找到国内服务器一线巨头的联想推出了DeepSeek一体机。从这一举动中,能看到沐曦积极将自家产品打造成行业需求“标准件”的心态。

“早几年真的是很难用,但现在都能用了。”

正如杨帆的总结。商汤作为中国AI大模型和AI基础设施的代表,尝试过太多与国产GPU磨合。虽然与英伟达直接交手还有一段距离,但国产GPU在整个中国AI产业链的帮助下,逐步发挥应有的价值。

“任何新的任务都会存在一次性work,但现在这些任务的成本在逐步降低。如果长期跑同类型的任务的话,国产GPU在今天已经成为了一个选择。”杨帆说。

万事开头难,国产GPU也是。

结语

从2014年开始崛起,到2025年走向舞台中央,中国半导体行业走过了无比艰辛的十年。

在AI大模型“无穷无尽”的算力需求下,国产GPU迎来了最好的时代。为了填上英伟达的需求缺口,国产GPU在近几年间开始被用户愿意了解、尝试,最终走向大规模使用。

每当研究未来可期的宏大叙事,游离于行业亏损的现实和未来的梦想时,我常想起信息技术“传奇老资历”香农的逸事。

香农刚开始“炒股”时,曾读了大量价格图表、头肩顶、V字反转的“技术分析”。但最后,香农选择了基本面研究,并认为了解一家企业需要拉长时间才能判断价值,“我认为关键数据不是过去几年或几个月里股价的变化幅度,而是过去几年里企业收益的变化幅度”。

从这些上市的公司中,是否会诞生下一个英伟达?没有人敢打包票。但我们可以从现在开始拭目以待。

注:文/刘俊宏,文章来源:光锥智能(公众号ID:guangzhui-tech),本文为作者独立观点,不代表亿邦动力立场。

文章来源:光锥智能

广告
微信
朋友圈

这么好看,分享一下?

朋友圈 分享

APP内打开

+1
+1
微信好友 朋友圈 新浪微博 QQ空间
关闭
收藏成功
发送
/140 0