在摩尔线程上市8个交易日后，12月17日，又一家国产GPU（图形芯片）厂商沐曦股份正式登陆科创板。与此同时，AI（人工智能）芯片（包括GPU、ASIC等）赛道上，壁仞科技、燧原科技等也在加快IPO步伐。
资本市场情绪升温之际，外界也在进一步审视国内GPU乃至AI芯片产业后续的前景和挑战。
对此，芯谋研究企业部总监王笑龙向证券时报记者表示，A股已有海光信息、寒武纪等AI芯片上市企业，本次沐曦和摩尔两家头部GPU企业接连实现IPO，说明在AI计算加速领域快速发展背景下，相关公司更需要公开市场的助力，才能更好应对AI芯片动辄10亿元级别的费用。长远来看，国内AI芯片厂商任重而道远，在单卡性能、集群的单位算力成本和能耗、软件生态等领域仍需不断提升，从而让国产AI芯片从“替代可用”迈向“自主好用”。
押注AI芯片
回顾本次IPO历程，沐曦股份和摩尔线程均于今年6月30日获受理，至如今齐聚A股，历时半年不到。
从市场表现来看，摩尔线程12月5日高开468%，总市值超3000亿元；上市5天内，股价一度触及941.08元/股，对应总市值曾突破4400亿元。反映了二级市场对国产GPU智算产业极高的期待值。对此，公司12月11日晚间提示风险称，股价可能存在因短期上涨过快出现的下跌风险。
据招股书，摩尔线程IPO募集资金约80亿元，将投向新一代自主可控AI训推一体芯片研发项目、新一代自主可控AI SoC芯片研发项目等。
沐曦股份募集约40亿元将投向新型高性能通用GPU研发及产业化项目、新一代人工智能推理GPU研发及产业化项目和面向前沿领域及新兴应用场景的高性能GPU技术研发项目。
沐曦股份董事长陈维良在IPO路演时表示，算力是推动数字经济发展的核心引擎，然而我国算力基础设施长期依赖海外巨头，面对不断升级的地缘政治摩擦和新一代人工智能革命，推进国产算力建设、保障产业链自主可控已迫在眉睫。通过本次上市，公司可以进一步拓宽融资渠道，使用募集资金补充研发投入，以提升核心技术水平并丰富产品线，加快扩大市场份额。
“资本市场用真金白银在支持国产GPU，这传递出一个强烈信号。企业应坚定走核心技术自主创新之路，以加速国产替代进程。”深度科技研究院院长张孝荣告诉证券时报记者。
市场规模快速成长
回溯产业演进脉络，GPU最初用于图形渲染，逐渐发展为通用计算加速引擎，其大规模并行计算架构可同时执行海量计算任务。随着深度学习的发展，GPU在AI大模型训练与推理领域逐渐成为主流选择，占据全球AI芯片约八成市场份额。
全球GPU市场呈现“一超一强”格局，其中英伟达近年来持续维持超八成市场份额，AMD则占据剩余近两成份额。
再观国内整体AI芯片领域。据Bernstein Research统计，英伟达和AMD在2024年中国AI芯片市场中分别占据66%、5%的市场份额。国内企业方面，华为海思占据约23%的市场份额，沐曦股份和摩尔线程市场份额均约为1%。
展望未来，弗若斯特沙利文预测，到2029年，中国的AI芯片市场规模将从2024年的1425.37亿元激增至13367.92亿元，2025年至2029年期间年均复合增长率为53.7%。从细分市场看，GPU的市场增长速度最快，其市场份额预计将从2024年的69.9%上升至2029年的77.3%。
要从国际巨头手中争得一席之地并非易事。“在AI训练市场中，训练芯片对架构设计、存储设计、集群能力、软件生态等综合能力要求较高。尤其随着大模型训练参数量的不断增加、算法结构愈发复杂化，AI训练任务逐渐需要千卡、万卡甚至更大规模智算集群支撑，目前能将训练芯片投入实际训练任务的国产厂商仍是少数。从技术路线来看，国内目前已汇聚了沐曦和摩尔等GPU厂商；也有采用其他技术路线（例如ASIC）的AI芯片公司，包括寒武纪、昆仑芯、平头哥等，均在训练市场中占据一定份额。”一位AI芯片设计公司负责人向证券时报记者阐述。
在单卡性能方面，沐曦股份在招股书中曾对国内情况予以总结：受限于工艺制程，国内AI芯片行业的主流算力水平尚处于英伟达A100产品阶段，少数厂商通过先进封装（如双芯粒封装）等方式能实现接近英伟达H100产品的算力，为国内厂商中的最先进水平。
对于外界关注的新产品进展，陈维良在路演时告诉投资者：“最新一代产品及明年的主力产品曦云C600系列，性能介于A100和H100之间，预计今年年底进入风险量产阶段，2026年上半年正式量产。下一代产品曦云C700系列，基于国产供应链打造，性能对标英伟达H100，预计明年下半年量产。”
摩尔线程亦表示，下一代GPU产品将继续提升芯片算力、访存带宽、内存容量和通信带宽等。
着力加强集群与生态
除了单卡性能，集群性能及稳定性、生态兼容与迁移效率等，均是未来国内AI芯片厂商需要重点加强的着力点。
摩尔线程创始人张建中此前在路演中表示：“基于公司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。公司自主研发的KUAE系统为智算中心提供端到端解决方案，支持万卡级规模扩展能力……针对KUAE万卡互联场景，设计了多节点压力测试方案，验证芯片和系统在高温、高负载下的稳定性。”
沐曦股份介绍，作为国内训练芯片的核心厂商之一，公司已实现千卡集群大规模商业化应用，并正在研发和推动万卡集群的落地，目前已成功支持128B MoE大模型等完成全量预训练。
张孝荣指出，国内厂商在集群能力上已取得一定进展，从千卡到万卡的集群正成为主流；但尚处于市场拓展初期，需要长期的性能验证及广泛的生态支持，在实际应用中也面临性能不稳定、兼容性不足等问题，所以仍需加大相关投入，以提升软硬件协同能力。
在软件生态层面，英伟达CUDA生态在行业生态内处于垄断地位，全球拥有500万开发者，形成了完善且庞大的开发者生态。
近年来，国内厂商亦在生态构建上积极投入和布局。例如，沐曦股份已拥有自主研发形成自主知识产权的GPU IP、指令集和架构，以及高度兼容主流CUDA生态的MXMACA软件栈；摩尔线程采用的是自研MUSA的GPU架构，并兼容国际主流GPU生态。同时，公司启动MUSA社区开发者计划，为开发者提供全套开发工具及移植支持，推动国产GPU生态的发展。
“即便目前国产AI芯片没有达到国外芯片的性能，但如果把软件生态做好了，客户也会满意，这会加速国产AI芯片从‘替代可用’向‘自主好用’的进程。”上述AI芯片设计公司负责人认为。
校对：廖胜超查查配提示：文章来自网络，不代表本站观点。
