中国四大GPU厂商各辟路径挑战英伟达

Nashnova编辑部

Published todayAbout 5 min read

燧原、摩尔线程、沐曦、壁仞四家GPU公司已从概念验证进入规模交付阶段，但架构路线、客户结构和软件生态的分化，决定了谁能真正替代英伟达CUDA的黏性。

四家公司到底在争什么？

四家被称为"四小GPU龙"的公司——燧原、摩尔线程、沐曦、壁仞——正以截然不同的架构路线争夺中国AI芯片市场。

核心分歧在三件事上：芯片架构选择（专用还是通用）、软件生态（是否兼容英伟达CUDA）、集群规模化能力（能不能把几万张卡组网跑起来）。

这反映出中国GPU赛道已过了"谁能做出来"的阶段，进入"谁能卖出去、黏住客户"的实质竞争。

燧原是四家中唯一不做通用GPU的公司，选择了DSA（领域专用架构），芯片专为AI训练和推理设计。用大白话说＝它不试图做一颗什么都能算的芯片，而是只做AI这一件事，换取更高能效。

代价是与英伟达CUDA完全不兼容——已深度使用CUDA的客户迁移意愿低。其第四代产品L600对标英伟达H20。

最大隐患不是技术，是客户结构：腾讯占其2025年营收近四分之三。燧原已申报科创板IPO，拟募资约8.93亿美元。

摩尔线程走兼容路线，其MUSA架构强调与CUDA高度兼容，"一次开发、多端部署"。这意味着→已用CUDA写好的AI模型，迁移过来的门槛最低。

开发者生态超过80万用户，国内GPU厂商中最大，支持DeepSeek、智谱AI、阿里巴巴等主流大模型。集群平台可从约1万张卡扩展至10万张。

2026年一季度首次实现季度盈利，归母净利润2936万元；上半年营收17.4亿元，已超2025年全年。2026年3月披露的一笔6.6亿元夸娥集群订单，相当于其2025年全年营收的近一半。

沐曦的差异化在于全栈自研：从GPU架构、IP、指令集到高速互联和封装，声称全链条自主可控。其C600加速卡搭载144GB HBM3e显存，在研C700对标英伟达H100。

沐曦前五大客户合计营收占比61.5%，是四家中客户集中度最低的——这意味着→收入来源最分散，抗单一客户风险能力最强。

壁仞专注高端云端GPU，是中国最早商业化Chiplet技术（把多个小芯片拼成一颗大芯片的封装方式）的方案之一。2025年7月联合曦智科技和中兴推出光交换超节点，用光信号替代电信号做大规模集群互联。

据高盛估算，中国7纳米及以下晶圆的国内供应量将以年复合46%增速增长（2025-2035年），需求增速为17%，供应缺口有望从92%收窄至34%。

但良率（一批芯片里能正常使用的比例）仍是关键瓶颈：中芯国际先进节点良率预计从2026年的约23%升至2035年的75%，而台积电成熟7纳米良率已超90%。

用大白话说＝产能在扩，但每100颗芯片里能用的还是比台积电少得多。产能扩张能不能变成真正可用的芯片，是中国先进芯片自给率提升的核心约束。

四家公司的商业化节奏在加快，但两个关口尚未过：一是从单一大客户依赖走向多元化收入（燧原最突出），二是在软件生态上形成对CUDA的真正替代黏性。

摩尔线程的CUDA兼容路线和率先盈利，让它在商业化验证上领先一步；沐曦的全栈自研和壁仞的Chiplet+光互联，则是押注更远期的技术差异化。

这反映出中国GPU赛道的竞争逻辑：短期看谁能卖出去，中期看谁的软件生态能黏住开发者，长期看良率和产能能不能撑住规模化交付。

Content is for reference only, not financial advice.