6 月 30 日，摩尔线程与沐曦集成电路科创板 IPO 申请获受理，让国产 GPU 赛道再次成为焦点。国产 GPU 看似迎来新发展阶段，但光鲜背后，仍有诸多 “硬骨头” 亟待攻克。

一、高投入与盈利困境并存

GPU 研发堪称 “烧钱大户”。沐曦 2022 - 2024 年净亏损逐年扩大，三年累计亏损近 30 亿元，研发投入超 22 亿元；摩尔线程三年净亏损超 50 亿元，研发投入达 38 亿元 。尽管如此，与英伟达 2024 财年 129.14 亿美元的研发费用相比，仍有较大差距。

不过，国产 GPU 也展现出盈利潜力。沐曦营收从 2022 年的 42.64 万元激增至 2024 年的 7.43 亿元，摩尔线程同期营收也从 4608.8 万元增长到 4.38 亿元。但烧钱速度与营收增长的平衡仍是难题，上市后如何应对业绩考验，是摆在企业面前的现实挑战。

二、竞争激烈，融资与发展压力大

国产 GPU 市场玩家众多，形成 NVIDIA 系、AMD 系、国家队、拆分系等派别。随着头部企业上市进程加快，未上市企业融资压力倍增，对核心人才的吸引力也可能下降。而 GPU 研发必须持续投入资金，短期内无法上市的初创公司，发展命运充满不确定性。即便成功上市，企业还需应对财报压力，解决烧钱与盈利的矛盾。

三、技术与生态的重重壁垒

（一）生态困局难破

英伟达 CUDA 生态拥有 300 万开发者，占据先发优势。国产 GPU 厂商只能构建 “兼容层 + 自研框架” 的过渡方案，但要打破 CUDA 的垄断地位，建立自己的开发者生态，绝非易事。

（二）性能提升受限

国产厂商与英伟达存在巨大代差，虽通过 Chiplet 技术和先进制程提升芯片性能，但在底层架构和核心技术上仍需突破。同时，HBM 作为提升 GPU 性能的关键物料，其供应和技术掌握与代工紧密相关，国产厂商在这方面仍依赖外部资源。

（三）IP 与兼容性挑战

研发 GPU 不仅要掌握核心 IP 技术，还要在板卡设计上积累大量 IP。此外，消费级 GPU 需兼容海量游戏和软件，同时适配多种 CPU 架构和操作系统，对技术研发和优化能力提出极高要求。

（四）集群构建难题

在数据中心场景中，GPU 集群的搭建至关重要。如何实现 Scale-Up、Scale-Out、Scale-Inside，提升集群性能和效率，是国产 GPU 厂商必须解决的问题。

四、AI 机遇下的挑战与竞争

AI 为 GPU 带来巨大市场，预计 2025 - 2029 年中国 GPU 市场份额将从 69.9% 增至 77.3% 。但市场蛋糕虽大，竞争也异常激烈。国内 AI 芯片领域流派众多，且国外已有英伟达、AMD 等巨头占据主导地位。国产 GPU 厂商若想脱颖而出，不仅要在技术上持续创新，还需应对行业洗牌和并购的浪潮。

过去，国产 GPU 曾出现夸大宣传的现象，如今要真正实现技术突破，超越国际巨头，需要企业脚踏实地沉淀技术，与国产 CPU 协同发展。尽管前路充满挑战，但国产 GPU 企业的不断探索，仍是打破国外垄断、实现自主可控的希望所在。