2026 年 7 月 16 日晚，两张业绩预告在 A 股市场悄然出炉，却在半导体行业掀起了不小的涟漪。

摩尔线程预计今年上半年营收在 16.5 亿元至 17.5 亿元之间，同比增长 135% 至 149%，相当于去年同期的两倍有余。海光信息的预告同样亮眼：预计上半年营收 85 亿元至 93 亿元，同比增长 55.6% 至 70.2%，归母净利润 17 亿元至 18.3 亿元，同比增长超过四成。

这两组数字放在一起，几乎构成了一份中国本土 AI 算力崛起的最新证据。

一场意外的国产替代加速

摩尔线程成立于 2020 年，创始人张建中曾是英伟达中国区负责人，公司从一开始就以 " 中国版英伟达 " 为目标定位，主攻 GPU 芯片设计。海光信息则走的是 "CPU 加速卡 " 双轨路线，其 DCU 系列产品在架构上与 AMD 的 GPU 生态具有较高兼容性。

两家公司过去几年的成长轨迹，和美国的芯片出口管制政策高度重叠。

2022 年，美国商务部将英伟达 A100 和 H100 芯片列入对华出口限制清单，随后在 2023 年进一步扩大限制范围，连算力缩水版的 A800 和 H800 也被拦在了门外。2024 年至 2025 年，拜登政府推出 " 扩散规则 "，几乎切断了中国通过第三国获取高端 AI 芯片的所有渠道。特朗普政府上台后，管制力度并未放松，反而在部分领域进一步收紧。

管制的本意，是遏制中国 AI 算力的发展。但结果，却是把一个原本并不紧迫的市场空缺，变成了一道必须填补的战略缺口。

中国 AI 大模型的训练和推理需求在过去两年爆炸式增长，DeepSeek、百度、阿里、字节等大厂都在大规模建设算力集群，而英伟达的 H100、H200 实际上已无法通过正规渠道采购。这个缺口，摩尔线程和海光信息正在用国产芯片逐步填补。

数字背后的真实逻辑

摩尔线程 2026 年上半年的营收预测区间上限是 17.5 亿元，而去年同期只有 7.02 亿元。增速 135% 到 149%，听起来惊人，但如果把时间轴拉得更长，会发现这家公司的商业化速度正在加速而非减速。

2025 年全年，摩尔线程营收约为 15 亿元，同比增速超过 230%。今年仅上半年就已接近去年全年水平，说明订单交付节奏在持续提速。

摩尔线程的旗舰产品 MTT S4000 系列 GPU，已通过国家 " 安可 " 目录认证，这意味着它可以合规进入政府、金融、电信等对国产化要求严格的行业场景。与此同时，公司在 CUDA 生态兼容性上持续投入，这是吸引原本依赖英伟达工具链的开发者迁移的关键。

海光信息的路径略有不同。其 2026 年一季度营收已达 40.34 亿元，同比增长 68%，利润率也在持续改善。"CPU 加 DCU" 的组合方案，让它可以以 " 整体算力解决方案 " 而非单一 GPU 产品的方式切入客户，在服务器和 AI 推理集群市场获得了稳固的立足点。

从整个行业来看，中国本土 AI 芯片市场的竞争格局正在从 " 一超独大 " 走向 " 多强并立 "。华为昇腾系列在训练大模型领域占据核心地位，摩尔线程和海光在推理和中等规模训练场景中份额快速扩大，寒武纪、壁仞、天数智芯等公司也在各自的细分赛道持续推进。

繁荣之下，仍有天花板

但这份繁荣并非没有边界。

最核心的制约来自制造端。摩尔线程和海光的芯片设计能力已经大幅提升，但制造仍依赖中芯国际的国内产线，以及部分台积电的历史产能。随着美国对半导体制造设备的管制持续收紧，先进制程的突破仍然是国产 AI 芯片面临的最大瓶颈。现阶段，国内量产的高端 AI 芯片普遍停留在 7 纳米至 14 纳米制程，与英伟达 H100 采用的台积电 4 纳米制程仍有较大差距，这直接影响了单卡算力密度和能耗表现。

其次是软件生态的迁移成本。英伟达的 CUDA 生态经过二十年积累，拥有庞大的工具链、驱动库和开发者社区。国产 GPU 厂商虽然在努力构建兼容层，但对于深度依赖特定 CUDA 特性的场景，迁移仍然存在不小的工程成本，这也让部分客户在选型时保持观望。

尽管如此，这两份业绩预告传递的信号已经足够清晰：在美国管制倒逼出来的需求窗口里，中国本土 AI 芯片公司正在以超出预期的速度完成商业化跃升。这场追赶，远未到终点，但已经跑出了令人注目的加速度。