国产 GPU 之路虽已起步，但仍有诸多硬骨头待啃。从技术层面看，核心架构的自主研发是关键，目前与国际先进水平仍有差距，需不断投入大量精力进行攻坚。在制造工艺上，高精度的芯片制造技术掌握在少数国外企业手中，国产 GPU 要实现量产，需突破这一技术壁垒。此外，人才培养也是难题，相关领域的专业人才稀缺，培养体系尚不完善。然而，国产 GPU 团队凭借坚韧不拔的精神，正一步步攻克这些难关，为我国信息技术产业的发展注入强大动力。

本文来自微信公众号：电子工程世界 （ID：EEworldbbs），作者：付斌

6月30日，北京GPU企业摩尔线程、上海GPU企业沐曦集成电路，科创板IPO申请双双获上交所受理。随着两家公司叩响IPO大门，国产GPU赛道的“烧钱”与“造梦”再次成为行业焦点。

国内目前还有多少GPU排着队等着要IPO，国产GPU到底能不能发展起来？这是最近大家最关心的问题。

两家厂商IPO：烧钱快，赚钱难

昨日沐曦、摩尔线程两家国产GPU公司IPO的消息引发行业关注，其中，GPU的“高投入、高回报”引发了很多人的关注。当然，恭喜国产GPU发展迎来了不容易的下一个阶段。

GPU到底有多烧钱？

沐曦拟募资39亿元，2022~2024年净亏损分别为7.77亿元、8.71亿元、14亿元；扣非后净亏损分别为7.84亿元、8.9亿元、10.44亿元；研发投入分别为6.478亿元、6.99亿元和

9亿元，累计研发投入金额为22亿元。

摩尔线程计划募资80亿元，2022年~2024年净亏损分别为18.4亿元、16.73亿元、14.92亿元；扣非后净亏损分别为14.12亿元、16.9亿元、15亿元；研发费分别为11.16亿元、13.34亿元、13.59亿元，合计研发投入金额为38亿元。

但实话讲，烧钱多吗？其实对比英伟达还是有距离的。有数据显示，英伟达2024财年研发费用为129.14亿美元。

那么，GPU挣钱吗？

其实还是很有潜力的，沐曦和摩尔线程两家公司的营收便在逐年上升，尤其在这两年达到亿元的规模。

沐曦2022年~2024年营收分别为42.64万元、5，302.12万元、7.43亿元。产品上，采用自主研发的GPU IP和指令集、统一的GPU计算和渲染架构，产品矩阵包括用于智算推理的曦思N系列GPU产品，用于训推一体和通用计算的曦云C系列GPU产品，以及用于图形渲染的曦彩G系列GPU产品，涵盖了计算（包括训练、推理、通用计算）和渲染的全场景，并已实现多款高性能GPU产品的量产销售。

摩尔线程2022年~2024年营收分别为4608.8万元、1.24亿元、4.38亿元。产品上，基于自主研发的MUSA架构，推出智算卡包括MTT S4000、S5000及KUAE系列智算集群，消费级GPU包括MTT S80/S70，高性能图形工作站产品通过多项国产化兼容认证。其中，MUSA架构功能包括AI计算加速、图形渲染、物理仿真和科学计算、超高清视频编解码等，精度包括FP64/FP32/TF32/FP16/BF16/FP8/INT8，与CUDA、CDNA和RDNA相当。

排在队上的企业：还得接着烧钱

除了摩尔线程和沐曦，目前国产GPU也活跃着众多玩家，主要分为几个派别：

NVIDIA系：代表企业有摩尔线程、天数智芯，这些企业创始人和核心人员都有NVIDIA基因，打法是优先兼容CUDA生态切入市场，再通过自研架构不断发展；

AMD系：代表企业有壁仞、沐曦，创始人和核心人员都有AMD基因，AMD作为英伟达挑战者，一直以差异化为竞争核心，这些流派玩家打法和AMD类似；

国家队：比如景嘉微，创始人及核心团队均来自国防科技大学，景嘉微通过军用图形显控起步，稳扎稳打进入信创市场，并不断拓展至AI计算领域；再比如海光、龙芯、兆芯，选择研究集成GPU，与CPU配合；

拆分系：商汤作为AI公司，2024年底也拆分独立了曦望Sunrise公司，最近它刚完成近10亿元融资，主要围绕自己AI产品进行开发产品。

随着两家GPU公司上市进程提速，这也引发了行业人士抛出疑问：未来一年或者几年内，无法上市的企业将在融资层面面临更大压力，甚至可能削弱对核心人才的吸引力。但恰恰相反的是，GPU是必须烧钱的。对2018年前后成立的GPU初创公司而言，能否在短期内实现上市，俨然成为决定其发展命运的"关键决赛"，如果不能上市未来又该何去何从？

而那些成功叩开资本市场大门的企业，又将直面新的挑战：如何应对季度财报发布带来的持续业绩考验？烧钱过快，无法与营收保持平衡又该怎么办？

国产GPU不完全盘点，制表丨EEWorld

虽然流派有一定区别，但这些厂商的目标基本都是一致的。

第一，突破生态困局。英伟达CUDA是GPU厂商永远绕不开的槛，目前CUDA已积累300万开发者，而国产GPU厂商被迫构建"兼容层+自研框架"的过渡方案。

第二，Chiplet。国产厂商本身与英伟达具有巨大代差，想要直接对标英伟达的性能基本不可能，所以大多数通过Chiplet+先进制程，进一步压榨芯片性能。

第三，HBM。HBM是GPU的重要物料，想要发挥最大性能也要使用HBM，可以看到摩尔线程和沐曦采购中HBM也拥有很大占比，同时HBM本身与代工息息相关。

第四，IP。除了研发GPU IP本身之外，GPU厂商想要做好板卡，也要掌握大量IP技术。比如，摩尔线程自主研发了PCIe 5.0控制器、HBM3e/GDDR6存储控制器、MT-Link高速互连协议议及多模态视频处理引擎，SerDes接口技术和定制化SRAM架构。

第五，兼容性。做GPU，好用才是关键。尤其一些消费级GPU，必须兼容足够量级的游戏、软件，做好驱动；同时也要兼容x86、Arm、LoongArch等主流CPU架构，以及麒麟、统信、中科方德、OpenEuler、Ubuntu等多种Linux及Windows操作系统。

第六，集群。对于GPU来说，Scale-Up、Scale-Out、Scale-Inside都至关重要，因为在数据中心中，就不可能让一颗GPU单打独斗，形成集群才是关键。

但无论如何，布局任何东西都要钱，这些企业都还得继续烧研发上的费用，同时还要承受先进制程的巨额费用。

AI能让国产GPU起飞吗？

AI无疑是GPU增长最大的市场之一，毕竟游戏、图形渲染领域对软件支持度要求更高，国产厂商不可能一蹴而就，马上就取得巨大市场。

以Deepseek为代表的生成式大模型引领技术变革，算法发展推动AI模型训练对巨量算力的需求，数据量增长也要求算力同步进化，算力成为AI技术突破的关键。此外，受中美科技博弈及国产替代政策推动，我国本土AI芯片市场渗透率近年显著提升，但整体仍处发展初期，竞争格局尚未明朗。

从技术路径看，国内AI芯片分成了两大流派：通用计算架构的GPU，华为海思、中昊英芯等专用计算架构（ASIC/TPU/DSA）芯片企业。

GPU在并行计算领域性能优势日益凸显，其技术特性已超越传统图形处理范畴，在数据中心、AI、自动驾驶等高性能计算领域发挥重要作用。目前GPU主要功能朝两个方向演变：一是延续传统的图形处理功能，二是利用并行计算能力在非图形处理领域开展更通用的科学计算，以满足不同场景的计算需求。

沙利文数据显示，2024年中国AI芯片市场规模1425.37亿元，预计2029年达13367.92亿元，2025~2029年复合增长率53.7%，其中GPU市场份额从2024年的69.9%增至2029年的77.3%，增长潜力巨大。

市场就这么大，但是现在处在同一赛道的玩家却有很多，可见洗牌、并购会是必然。毕竟，国外也只有英伟达、AMD、英特尔等几家巨头。

需要指出的是，过去，国产GPU曾经有过一个有意思的现象：动不动就喜欢“超越英伟达”，但最后却被人发现是“田忌赛马”式对比，或者通过内置AI加速器优化个别性能指标并以此宣称超越英伟达，或者是使用第三方GPU IP授权却宣称自研自主可控。

总之，GPU的研发难度其实可能CPU还要大，并且由于GPU没有控制器，需要依赖CPU控制调用，无法单独工作，因此必须与国产CPU同频共振。如果想要真正超越英伟达，可还需要进一步的脚踏实地地沉淀，以及新一轮的洗牌和并购。现在，随着这些企业上市进程近了，这些企业的压力也更大了。但是，总要有国内公司要站出来做这件事，毕竟不能让英伟达把钱都赚走。

嵌入式工程师速抢

最后1天报名！瑞萨电子工业功能安全研讨会-北京站！

参会即有机会获RA6E2开发板开发板、保温杯、GaN充电器和京东卡！

SIL 3、FSoE、PROFIsafe、STO等功能安全实例，现场瑞萨专家1v1安全设计答疑。