证券时报记者 王一鸣

9 月 11 日，燧原科技将正式登陆科创板，至此，摩尔线程、沐曦股份、壁仞科技、燧原科技四家国产算力芯片企业（又称 "AI 芯片四小龙 "）齐聚资本市场，意味着这四家公司已完成初步的技术验证和资本化，竞争步入新阶段。

北京社科院研究员王鹏向证券时报记者分析，在国内 AI 算力供需缺口持续拉大、国产替代的刚性需求背景下，" 四小龙 " 进入营收高速增长阶段，但盈利拐点仍待观察。未来要进行的是系统性比拼：规模化交付能力，支撑大规模智算集群落地；软硬件全栈适配效率，快速完成主流大模型、行业场景的适配调优；以年为单位快速迭代产品；在特定行业、特定算力场景建立专属优势等。能率先把研发投入、产品性能、软件生态和客户订单串成一条持续盈利的商业链条的公司，方能真正在行业站稳脚跟。

截至 9 月 10 日收盘，已上市的摩尔线程、沐曦股份、壁仞科技（港股）的市值分别为 1711 亿元人民币、1975 亿元人民币、971 亿港元。三家公司都经历了上市初期的估值快速冲高，之后普遍较年内高点回撤约四五成。资本市场对国产 AI 芯片厂商的态度已从初期的热情逐步转为对业绩兑现能力的审视。

从行业情况来看，中国信通院数据显示，2026 年一季度国内 AI 算力需求同比增长 417%，有效供给增速 128%。在供需缺口持续拉大的背景下，国产 AI 芯片厂商抓住了历史性的机遇窗口，其中 " 四小龙 " 上半年营收亦录得大幅增长。

具体而言，上半年，摩尔线程实现营业收入 17.36 亿元，同比增长 147.42%；沐曦股份实现营业收入 13.24 亿元，同比增长 44.67%；壁仞科技实现营业收入 12.355 亿元，同比增长 1997.6%；燧原科技营业收入为 11.2 亿元，同比增长 279%。

虽然整体尚未跨过盈利线，但已有公司亏损幅度明显收窄。例如，摩尔线程上半年实现扣非后归母净利润 -1.51 亿元，去年同期为 -3.17 亿元；同期，沐曦股份实现扣非后归母净利润 -0.49 亿元，同比减亏 75.83%，分季度看，该公司二季度扣非后归母净利润 0.54 亿元，实现单季度扣非盈利。

沐曦股份董事长兼总经理陈维良曾预测，AI 芯片行业高速增长和国产替代加速将拓宽市场空间，公司产品具备良好的市场前景，营收增速预计保持高位，最早有望在 2026 年实现盈亏平衡。

在 9 月初的 IPO 路演上，燧原科技董事长赵立东阐述，在公司生产经营不受到国际贸易环境等不可抗力的重大影响的前提下，根据在手订单、产品交付节奏、员工成本预算、研发规划等因素考虑，公司预计在 2026 年或 2027 年可实现合并报表盈利。

深度科技研究院院长张孝荣向证券时报记者表示，国产 AI 芯片的崛起之路正迎来黄金发展期，但也要认识到产业尚处于发展早期，各环节均处于追赶态势。未来率先跑出来的企业，需要同时具备几点：技术路线清晰、供应链稳定、软件生态完善、客户愿意持续买单。

两种架构长期共存

诚然，" 四小龙 " 上半年营收同处于 10 亿元以上级别，但各自所走的技术路线、所做产品、客户构成，存在不小的差异。

例如，在技术路线方面，目前 AI 芯片的主流架构分为以英伟达为首的 GPGPU 架构和包含谷歌 TPU、华为昇腾、寒武纪在内的非 GPGPU 架构——即 DSA（专用领域）架构。

在 " 四小龙 " 中，摩尔线程、沐曦股份、壁仞科技采用 GPGPU 路线，兼容英伟达 CUDA 生态，开发者迁移成本相对较低。其中，摩尔线程自研 MUSA 架构生态日益成熟，目前公司各类开发者数量已突破 80 万名。

燧原科技则选择了 DSA 路线，自研 " 驭算 TopsRider" 软件平台，不兼容 CUDA。在赵立东看来，当前，推理场景对于 CUDA 生态的依赖在持续减弱，AI 加速卡性价比成为关键，公司 AI 芯片采用 DSA 架构，舍弃了非 AI 并行计算领域的通用性，但具备满足 AI 并行计算领域的通用性。

"DSA 的核心优势是针对 AI 核心运算做硬件定制，算力密度和能效比显著更高，适合大规模推理部署，且可完全自主定义技术栈，不受海外生态约束，适配信创场景要求。劣势是通用性弱，跨场景适配成本高，各家工具链独立，算子覆盖度和优化程度参差不齐，模型移植对开发团队技术储备要求更高。" 王鹏向证券时报记者阐述。

王鹏认为，上述两种构架并不是非此即彼的替代关系，而是长期共存、互补发展。GPGPU 胜在生态成熟、通用灵活，适合算法迭代快、多任务混合部署的场景；DSA 强在能效极致、自主可控，适合大规模推理、单一 AI 负载的场景，未来两类路线的市场份额都会随算力总规模扩张同步增长。

据高盛分析，在 AI 服务器的 AI 芯片中非 GPGPU 架构芯片的出货占比将呈现明确上升趋势，预计将从 2024 年的 36%，逐步增长至 2027 年的 45%。

在产品和客户层面，相同的是，包括 " 四小龙 " 在内的 AI 芯片厂商均在积极布局 " 超节点 "。不同的是定位，例如，摩尔线程从全功能 GPU 到三大 "AI 工厂 "，支撑起从训练到推理、从数字世界到物理世界的多元需求，客户覆盖互联网、电信、政企等领域。

燧原科技的 AI 芯片产品则主要在推理场景大规模落地，2025 年，公司向腾讯科技直接或间接销售 AI 加速卡及模组等收入占营收比例为 83.79%。据赵立东介绍，公司其他互联网客户开拓进展良好，第四代产品已通过潜在客户 A、F、B 的硬件及模型匹配，有望在 2027 年实现大批量产品交付。

从市场份额来看，据 IDC 数据，2025 年中国市场 AI 加速卡总出货量约 400 万块，其中英伟达占比达到 55%。中国厂商合计 165 万张，占比达到 41%。数据显示，出货量前二的国产厂商是华为昇腾和阿里平头哥，分别出货 81.2 万块、26.5 万块，百度昆仑芯与寒武纪并列第三，在国产出货中占比 7%。" 四小龙 " 还算不上主力。

随着国产 AI 大模型的飞速发展，加之英伟达等芯片受美国出口管制限制，越来越多 AI 公司开始主动选择国产芯片。灼识咨询预计，到 2028 年，国内 AI 加速卡市场规模将突破万亿元，国产方案占比有望达到 90%。

在此背景下，包括四小龙在内国内 AI 芯片厂商们仍有机会竞逐下一阶段发展。" 国产 AI 芯片竞争正从单卡性能转向万卡级集群、超节点技术、能效优化、软件生态与应用落地的系统化较量。从比较‘有没有’进入‘好不好用’阶段。" 科方得咨询机构研究负责人张新原向证券时报记者表示。

他指出，对比英伟达等海外厂商，国内 AI 芯片企业在单卡性能、软件生态、集群互联、整机方案能力均存在一定差距，特别是 CUDA 生态十余年积累形成的开发习惯、工程标准、迁移成本和生态信任壁垒难以突破。

再对比国内同行，王鹏分析，四小龙对比海思、寒武纪等头部厂商，后者已完成大规模商业化落地验证，生态覆盖的行业客户数量、集群部署的实战经验相对更丰富，部分厂商现金流和研发正向循环已经形成。并且，有国内厂商的生态布局已获得国际组织认可。

9 月 8 日，寒武纪宣布正式加入 PyTorch（开源深度学习框架）基金会，成为最高级别的白金成员。该基金会是一个厂商中立的开源社区平台，为模型训练、优化、模型服务、编排和运行提供支持，让 AI 开发者能够在任意芯片、任意云环境中构建和运行各类 AI Agent。

PyTorch 基金会执行董事 Mark Collier 评价：" 寒武纪持续为 PyTorch 上游社区贡献力量，并积极推动 vLLM 在寒武纪硬件上的应用，充分展现了其对开源生态的长期投入与坚定承诺。这些努力不仅推动了相关技术的发展，也为整个 AI 生态的持续演进提供了助力。"

一位 AI 芯片厂商负责人向证券时报记者表示，尽管 " 四小龙 " 路径各异，但要共同面对行业存在的产能波动、客户结构相对集中、生态建设漫长的现实考验。" 英伟达之所以能够成为英伟达，不光是单个 GPU 性能强，而是它把芯片、软件、开发工具、服务器、网络互联以及开发者生态紧密连接。这也是国内 AI 芯片厂商们的竞争终局。" 他说。