摩尔线程登陆科创板的两周内，资本市场的聚光灯与流言蜚语如影随形。

这家被新华社在《北京何以成为 " 人工智能第一城 "》中点名的企业，与昆仑芯、寒武纪等共同构筑北京自主可控 " 芯片矩阵 "，本应是国产 GPU 崛起的标杆，却陷入 " 募集资金理财 "" 核心人员争议 " 等舆论漩涡。

这场围观热潮的背后，折射出的不仅是单一企业的信任危机，更是 AI 芯片赛道上，无数 " 小登 "（年轻的中小投资者）面对技术迭代、国际博弈与国产替代时的集体焦虑。

人们太想追上这一波投资神话，一夜暴富了。

而股民们对于摩尔口诛笔伐、落井下石的根本原因只有两个：已经在车上和期待落空。

这种因期待与现实错位滋生的苛责，并非摩尔线程独有的 " 待遇 " ——当 AI 芯片行业的技术风向与资本预期频繁碰撞，任何一家身处风口的企业都难逃审视。

但必须厘清的是，这种被短期收益预期裹挟的焦虑，本质是资本市场的情绪波动，而非中国芯片行业发展的真实困境—— 2025 年前三季度国内半导体行业营收、利润双增长的实绩，早已给出行业向上的明确答案。

谷歌带来的超预期收益

首先需要认清的核心问题是：芯片行业从不是 " 力大砖飞 " 的资金游戏，而是技术标准与生态壁垒的终极争夺。

当前全球算力格局正经历前所未有的重构，以英伟达、谷歌为代表的国际巨头与华为昇腾、摩尔线程领衔的国产力量形成对峙，这种格局让投资者的每一分钱都承载着对 " 技术独立性 " 的期待，却也放大了不确定性带来的焦虑。

近期，英伟达的市场波动成为焦虑的最佳注脚。

作为长期占据全球 AI 芯片市场 80% 以上份额的霸主，其近期遭遇双重冲击：一方面是谷歌 TPU 的商业化突破——最新一代第六代 TPU Trillium 芯片，训练性能较上一代 TPU v5e 提升超 4 倍，能源效率提高 67%，单颗芯片峰值计算能力（Int8）更是达到 1836TOPs。

更具行业冲击力的是，核心客户 Meta 正与谷歌密谈，计划 2027 年斥资数十亿美元采购该芯片，这一消息直接加剧了市场对英伟达的担忧，2025 年 11 月单月其市值便蒸发约 6200 亿美元（折合人民币约 4.4 万亿元）；

另一方面是美国芯片政策的反复无常，从禁止 H200 出口到突然放开，这种政策摇摆与竞争加剧，让押注进口芯片替代概念的投资者陷入迷茫：英伟达的 " 领先一代 " 优势还能维持多久？国产替代的窗口期是否真实存在？

在芯片这场没有硝烟的战争中，战略摇摆本身就是最昂贵的时间成本，一次政策反复所造成的产业停滞，可能需要数年才能弥补。当我们从产业全局审视 AI 发展便会发现，对方的战略摇摆所制造的不确定性，本质上是对我们技术突围的变相延误——也正因如此，锚定自主可控的国产替代，才从行业选择升华为所有人的众望所归。

再加之，华为昇腾等一系列国产芯片的崛起，则为这种焦虑提供了破局的参照。依托自研异构计算架构，华为昇腾最新的 CloudMatrix384 支持 384 卡高速互联，16 万卡集群通信带宽提升 15 倍，其训推生产效率已达到英伟达 H20 芯片的 3 倍。

这种硬实力不仅印证了 " 买独立性而非买芯片 " 的逻辑，更证明国产芯片在特定场景下已实现超越。

所以，对摩尔们的期待就转变成了一种投资的超额预期：我们的 " 国产英伟达 "，应该在几个月之内迅速达到世界领先水准。明年就拳打英伟达，脚踢谷歌，走出自己的独立行情。

打新，换手，越走越高，摩尔线程的股价在情绪裹挟下陡然上升，又随着一则公告急转直下。

股民们急了：" 我买的是国产 GPU 的独立性，你怎么拿我的钱去理财？"

被市场追捧的谷歌 TPU，如今看似凭借第六代芯片撼动英伟达地位，但追溯其发展历程便知，这是一场跨越十余年的技术长跑。早在 2013 年，谷歌因深度学习算力需求激增启动 TPU 研发，集结三大核心团队攻坚，仅初代芯片就耗时 15 个月完成设计到部署的全流程。

近期谷歌的创始人谢尔盖 · 布林在接受采访时还坦言：十多年前谷歌就开始开发的 AI 专用芯片（TPU）以及大规模数据中心。这种对算法、半导体和计算设施的全面掌控，使其能够站在现代 AI 的前沿。

即便是技术积累深厚的谷歌，也用了超过十年才让 TPU 跻身行业核心玩家，这恰是芯片行业研发周期的真实写照。

对比来看，摩尔线程将 75 亿元募集资金分三年匹配研发进度，用阶段性闲置资金进行低风险理财，既符合芯片 "3-5 年研发周期 " 的行业惯例，也与谷歌 TPU" 长期投入、分步落地 " 的逻辑一脉相承。

今天投资，明天就赚钱？不存在的。

事实上，摩尔线程这份引发争议的现金管理公告，恰恰是对股东负责的体现，与獐子岛式的财务乱象形成鲜明反差。曾震惊市场的獐子岛 " 扇贝游走 " 事件，以 " 海洋牧场存货异常 " 为由随意调整业绩，将数亿元资产变动归因于不可控的自然因素，本质是用模糊说辞掩盖财务管控的缺失，最终导致投资者血本无归，这种对资金流向的漠视才是对股东的真正伤害。

荒诞不能再次上演，而摩尔线程的公告不仅明确 75 亿元仅为现金管理额度上限（实际金额将随研发推进动态下调），还详细披露了资金用于保本型产品、不影响募投项目的核心前提，完全符合证监会 " 专款专用、强化信披 " 的监管要求。对于芯片这类需要分阶段投入的行业，将暂时闲置的募集资金进行低风险理财，而非让资金趴在账户里贬值，恰恰是专业资金规划的表现。

所以，与其诟病摩尔对资金的处理，不如更深刻的思考：是让企业抛开行业发展规律修正研发路线以迎合短期收益，还是尊重产业逻辑让行业平稳增长。

人人都看得到的超预期收益，终归只是黄粱一梦罢了。

行业螺旋上升的必然性

黄仁勋前一段时间提出了 AI" 五层蛋糕 " 理论：他将 AI 产业清晰划分为能源、芯片、基础设施、模型、应用五个层级，强调这是环环相扣的生态系统，任何一层的短板都将制约整体发展。

有趣的是，如果基于这个并不十分严谨的框架，那么 AI 的大国竞争似乎进入了势均力敌的状态。

在老黄看来，中国在最底层的能源领域拥有 " 美国两倍 " 的资源优势，能源成本也更低；在模型层，中国的开源模型发展与 AI 专利数量（占全球 70%）遥遥领先，超百万全职 AI 开发者构成了应用层创新的核心动力。而芯片与基础设施层，正是当前国产替代的核心战场——这也恰恰是摩尔线程、华为昇腾等企业的发力点。

从能源和基建上说，大洋这边的我们有着巨大的领先优势，为后续 AI 的发展提供了优质的发展土壤，芯片虽然离世界领先还有一定距离，但模型和应用层面的发展都走上了快车道。

模型层的领先优势并非空泛的统计数据，而是已获得全球市场的实际认可。据报道，新加坡国家人工智能计划（AISG）当月宣布重大战略转向：在投入 7000 万新元（约合 3.81 亿元人民币）打造的东南亚旗舰大模型 "Qwen-SEA-LION-v4" 开发中，彻底放弃 Meta Llama 体系，全面采用阿里通义千问的开源架构。这一决策并非临时起意，而是新加坡基于区域数字经济发展需求的理性选择——其核心目标是构建 " 为东南亚语言和场景量身定制 " 的开源算力体系。

国家级选择的背后，是技术实力的硬性支撑：Qwen-SEA-LION-v4 在衡量东南亚语言能力的权威基准 SEA-HELM 榜单上直接登顶，在印尼语、泰语、马来语等区域语言的语义理解、文本生成任务中，表现显著优于此前基于 Llama 构建的版本，毫无悬念跻身 2000 亿参数以下开源指令模型第一梯队。

更具行业颠覆性的是，曾以 Llama 领跑全球开源市场的 Meta，在代号 " 牛油果 " 的新模型研发中，明确将通义千问纳入技术借鉴对象，通过蒸馏提取其多语言处理精华——这与扎克伯格此前 " 力挺美国模型主导 AI 竞赛 " 的公开立场形成 180 度转变。

这种转变并非个例，同期 Airbnb CEO 布莱恩 · 切斯基也公开表示，公司 " 大量依赖通义千问模型，因其比 OpenAI 产品更快更便宜 "，进一步印证了中国模型的全球竞争力。

连黄仁勋都公开坦言 " 中国的 Qwen 是开源 AI 模型中最好的 "。这种从东南亚国家战略到硅谷巨头技术借鉴的双重认可，恰恰说明中国在 AI 模型层已建立全球竞争力，而这种竞争力正反向催生对自主可控算力芯片的刚性需求，为摩尔线程等企业提供了广阔的市场空间。

在 AI 的整体发展中，我们需要不断看到行业中的长板的突出，不断刺激着行业的神经。但更重要的是，我们追求的永远不是芯片、模型或者技术层面的孤立优势，而是将各个节点联通之后，能够形成整体优势，以保证尖端科技发展的持续性。摩尔、沐曦、寒武纪们的出现，不是让中国芯片一蹴而就地走到世界的最前沿，而是补全我们在产业链中的短板，合理分配上下游资源，从而形成组合优势。

因此，看待摩尔线程这类国产芯片企业的发展，更需秉持产业发展的长期视角——无需纠结于短期的资金处置细节与发展起伏，毕竟强如谷歌，也用十余年才让 TPU 从实验室走向行业核心赛道。

对于摩尔线程这类成立仅 5 年、肩负补全算力生态短板使命的企业而言，能平稳健康地筑牢技术根基、承接模型层催生的算力需求，才是契合产业成长的客观逻辑。

这场围绕摩尔线程的围观，终会回归理性。AI 芯片的投资从来不是追热点、赌政策，而是看懂技术演进的规律：从英伟达的生态垄断，到谷歌 TPU 的场景创新，再到华为昇腾与摩尔线程的国产突破，行业的核心逻辑始终是 " 技术独立性 + 商业化能力 "。

对于投资者而言，与其纠结于短期流言，不如聚焦企业的研发投入、专利储备与场景落地——这些才是穿越行业周期、化解投资焦虑的根本底气。

最后还要奉劝一句，投资有风险，入市需谨慎。