A股又要迎新人，這次是創造100天速成“獨角獸”的摩爾線程。

11月13日，中國證監會官網顯示，國內GPU獨角獸企業摩爾線程智能科技（北京）股份有限公司（簡稱“摩爾線程”）在北京證監局辦理輔導備案登記，正式啟動A股上市進程，輔導機構為中信證券股份有限公司。

上市輔導備案報告顯示，摩爾線程成立于2020年6月，公司實際控制人為張建中，其控制公司44.07%股份。

摩爾線程創始人兼CEO張建中，曾任英偉達全球副總裁、中國區總經理，在GPU行業深耕近二十年，頗有聲望。

官網資料指出，摩爾線程以全功能GPU為核心，致力于向全球提供加速計算的基礎設施和一站式解決方案，為各行各業的數智化轉型提供AI計算支持，它也是國內僅有的在B端和C端均有布局的國產GPU企業。

在啟動上市進程前，摩爾線程已經完成了數輪融資，累計融資金額數十億元。不久前，摩爾線程還剛剛完成了股份制改革，該公司的注冊資本由2441.3萬元增至3.3億元。

除了摩爾線程，近期，國內AI芯片明星獨角獸壁仞科技、燧原科技也紛紛提交了A股上市需求，國產GPU行業正進入快速發展和洗牌期。

而之所以都選擇A股，上海辰韜資產管理有限公司執行總經理賀雄松認為，目前中概股在美股上市基本已經受阻，港股的流動性差，A股對于這類的企業則是偏支持的態度。

也有投資人告訴《賽博汽車》，對于致力于AI算力基礎設施行業的公司，不管是從敏感性、估值，還是支持力度等等，目前A股都是一個最好目的地。

無論是短期資金需求，還是長期發展規劃，國產“英偉達”都需要加速沖刺上市。

01

英偉達高管再創業，備受資本市場看好

與很多AI芯片公司一樣，摩爾線程的創始團隊履歷非常漂亮，其中最受矚目的還是創始人張建中。

公開資料顯示，張建中本科畢業于南京理工大學計算機系，后又進入冶金部自動化研究院深造并獲得碩士學位。

摩爾線程創始人兼CEO張建中

他先后在惠普、戴爾，擔任計算機系統事業部總經理、政府及教育事業部總經理等職位。

2005年5月，張建中加入加入英偉達，擔任全球副總裁、中國區總經理。在他的帶領下，英偉達GPU成功開拓了在中國完整的生態系統，并促使中國市場成為英偉達全球最重要的市場之一。

數據顯示，2008年英偉達在中國的GPU市場占有率不到50%，2020年，張建中離職之際，市占率已經超過80%。

張建中也一度被稱為是英偉達創始人黃仁勛的“左膀右臂”。

除了張建中外，摩爾線程團隊其他成員也主要來自微軟、英特爾、AMD、Arm等諸多芯片巨頭。

摩爾線程曾對外表示，自己將是國內唯一一支真正世界級的、能夠覆蓋GPU全流程的成熟團隊，其團隊成員熟悉GPU芯片設計、生產、封裝、測試、系統、軟件應用等質量管理各個環節。

另外，還有消息稱，摩爾線程的研發總監來自于地平線。

正是得益于強大的創始團隊，摩爾線程成立之初便備受資本市場的看好。

根據官方說法，摩爾線程正式成立于2020年10月。

2020年12月和2021年2月，成立不到100天的摩爾線程連續獲得兩輪融資，金額數十億元，一躍成長為GPU獨角獸。

這還遠未結束，此后摩爾線程又陸續完成4輪融資。

融資輪次多、金額大的同時，摩爾線程背后資方陣容還堪稱豪華。

天使輪有紅杉（參數丨圖片）加盟，Pre-A輪除了有深創投、紅杉、GGV紀源資本領投，還出現了字節跳動的身影；A輪吸引到了騰訊投資，后續還有中移資本等20多家豪華VC天團押注。

根據官方資料，在2022年12月完成15億元B輪融資時，摩爾線程的估值已達240億元。2024年4月9日，摩爾線程則是以255億元的估值位列《2024·胡潤全球獨角獸榜》第261名。

“中國速度”被上演。

02

從軟件到硬件、從B端到C端，全線布局

資金不斷進賬的同時，摩爾線程在研發上也沒有停歇。

摩爾線程是少數宣布要制造“全功能GPU”芯片的公司。所謂全功能GPU，是在圖形渲染、視頻編解碼、AI應用和科學計算等領域均可實現計算。

根據官方描述，摩爾線程目標是成為具備國際競爭力的GPU領軍企業，為融合AI和數字孿生的數智世界打造先進的加速計算平臺。

2021年10月，在宣布完成20億A輪融資的同時，摩爾線程產品層面也帶來了好消息：用時300天，其已研制成功首顆國產全功能GPU。

摩爾線程MUSA架構

時隔4個月，摩爾線程于2022年3月30日正式推出了GPU統一系統架構MUSA（Moore Threads Unified System Architecture），其主要面向計算、圖形、多媒體和人工智能產品線，包括統一編程模型、軟件運行庫、驅動程序框架、指令集架構和芯片架構。

摩爾線程方面稱，該架構能增強應用的可移植性，使后者可在云端和邊緣等計算平臺上同時運行，符合減少軟件開發者重復勞動、釋放不同引擎核心能力的設計初衷。

畢竟，開發GPU和顯卡非常難，而軟件開發與生態推廣更是難上加難，尤其是全球GPU行業已經幾乎被英偉達及其CUDA所壟斷，AMD、Intel都難以撼動其地位，更別說在這方面幾乎是一片空白的國產廠商了。

MUSA頗有點直接對標CUDA的意味，它包括統一的編程模型、軟件運行庫、驅動程序框架、指令集架構、芯片架構，可以說從硬件底層到軟件開發，提供了一套完整的解決方案。

MUSA推出的同時，摩爾線程同步發布并量產“蘇堤”和“春曉”兩顆全功能GPU芯片。

隨后，摩爾線程迎來高速發展期。

硬件方面，包括面向元計算的MTT S4000、MTT S3000和MTT S2000；面向娛樂與創作的MTT S80、MTT S70、智娛摩方；面向專業視覺的MTT X300和MTT S50，以及面向數字辦公的桌面顯卡MTT S30/S10。

摩爾線程硬件產品

軟件方面則有首個元宇宙計算平臺MTVERSE、自研GPU物理引擎AlphaCore、數字人解決方案DIGITALME、AIGC內容生成平臺摩筆馬良等。

在AI大模型方面，摩爾線程推出了軟硬一體的夸娥KUAE智算集群，從千卡級別大幅擴展至萬卡規模，以打造大模型和通用人工智能的先進算力基礎設施。

可以說，從軟件到硬件、從B端到C端，摩爾線程做到了全線布局。

同時，在生態上，摩爾線程也做到了極致。

當前，國產GPU的主要策略就是先兼容英偉達CUDA生態，把用戶遷移成本盡量降低。而摩爾線程的GPU芯片不但兼容英偉達CUDA，還支持當前幾乎所有開源大模型。摩爾線程CTO張鈺勃在接受采訪時曾表示，“開發者移植到夸娥集群上，幾乎不需要修改代碼，遷移成本接近0，可以在數小時之內完成遷移。”

很快，摩爾線程躋身國內AI芯片第一梯隊。

03

無論產品還是渠道，距離英偉達差距都很大

融資、產品都在不斷往前推進，甚至有著“國產英偉達”之稱，但摩爾線程與英偉達的差距顯然還很大。

作為GPU的發明者，英偉達在該領域的地位是毋庸置疑的。

從技術領域來看，相較于全球其他主要競爭對手，英偉達在產品完整度、存量市場份額等層面實現領先，且領先優勢大概率會維持很長時間；從軟件生態布局來看，英偉達的CUDA（NVIDIA推出的運算平臺）生態具有較高的壁壘，用戶遷移需要較高的成本。

雙“BUFF”加持之下，英偉達GPU在AI訓練、高性能計算領域長期占據主導地位。根據知名物聯網調研機構IoT Analytics數據報告，2023年全球數據中心市場規模約為490億美元，同比增長182%，其中英偉達的約占92%，AMD約占3%。

盡管在國內已經有所突破，但從產品性能參數來看，摩爾線程還有不小的差距，體驗上亦是如此。

例如MTT S3000的FP32算力為15.2TFLOPS，英偉達A100為19.5TFLOP，相當于達到了80%的A100性能；桌面級MTT S80顯卡的紙面性能相當于英偉達RTX3060。

理論上，摩爾線程無論是在計算卡還是桌面級領域，性能應該達到了英偉達中端水準，但實際表現可能也并非如此。

以MTT S80為例，根據網友測試來看，使用體驗與RTX3060有很大差距，甚至被戲稱為“養成系”顯卡。

產品力不如英偉達的同時，渠道方面更是如此。目前，摩爾線程線上渠道依然只有京東一家，京東旗艦店MTT S80顯卡累計訂單約2000臺；線下渠道，雖然發展了寬泛科技、網新圖靈等核心分銷商，但多以B端業務為主。

摩爾線程MTT S80顯卡

不過，作為一家剛剛成立僅4年的公司來說，摩爾線程整體表現已經不錯，但還有很長的路要走。正如張建中在2023年夏季發布會上所言：“至少先存活十年，這是摩爾線程的首要短期目標。”

想要長期奮斗，且保持先進，需要大量的資金。

畢竟，芯片研發是一家極其耗費時間和金錢的事情。

GPU中行業IP核占用的面積超過80%。但IP的研發并不輕松，GPU IP自研需要36到48個月以及200個工程師。采用外購IP雖能將開發周期縮短12—18個月。且高端芯片前端和后續設計1—3年，流片環節需3—6個月。若流片失敗，只能繼續上演該過程。且即使流片成功，還需經過3—12個月產品測試優化，才能開啟量產。

同時，有行業人士計算，14nm工藝芯片流片一次需要300萬美元左右，約2150萬；7nm工藝芯片，流片一次需要3000萬美元；5nm工藝芯片，流片一次更是達到4725萬美元。

這也是如今，AI芯片公司加速沖刺上市的原因：缺錢。

AI芯片公司寒武紀今年上半年僅入賬6476.53萬元

至于為什么選擇A股，則是因為對于國產AI芯片來說，A股算是一個相對理想的渠道，它對高新技術，尤其是存在技術突破的行業和企業，會給到一定的支持。

不過賀雄松也表示，A股對于這些公司的支持能夠到什么地步不太好說，因為很多公司沒有盈利，業績也不太穩定。但肯定比正常情況下的支持要多。

但顯然，面對強敵攔路、外部制裁等諸多壓力，能上市獲得長期資本支持，是AI芯片企業們都需要的。