9 月 9 日，京东云宣布要建一个十万卡规模的算力集群。

十万卡是什么概念？两年前，国内能拿出 " 万卡 " 集群的厂商一只手数得过来，而十万卡是当前最高一档的算力工程——它要支撑的是大模型训练、推理和具身智能这类最吃卡的场景。

真正的看点不在规模，而在底座。京东云这次十万卡集群的算力底座，没有用英伟达，选的是一家中国公司的全功能 GPU ——摩尔线程。

按出货量算，国产 AI 芯片 2025 年已经吃下国内 41% 的份额。40% 这条线，是替代从 " 可选 " 变成 " 默认 " 的临界点。

一、十万卡的单，为什么是摩尔线程接

9 月 9 日京东云官宣十万卡集群，以摩尔线程的全功能 GPU 为算力底座。这不是一次送样、也不是试生产采购，而是按大规模集群交付的真订单。摩尔线程的 S5000 智算集群此前已经在北京、无锡、杭州等多地完成部署交付，承接高校、科研院所和产业智能化的算力需求——等于在接十万卡大单之前，已经把集群交付能力跑通过很多遍。

产品本身的硬指标也立得住：

现役旗舰 S5000（第 4 代 " 平湖 " 架构），单卡 AI 稠密算力高达1000 TFLOPS，已经规模量产，并且通过了安全可靠测评，能高效支持万亿参数大模型的训练；

下一代产品是 " 花港 " 架构 S6000，迭代已经在路上。

券商首次覆盖时给出的预测是：2027 到 2028 年营收约 67 亿和 111 亿元，归母净利润约 9 亿和 26 亿元。需要说明，这是研究机构的盈利预测，不是公司指引。

摩尔线程最想强调的定位是 "全功能 GPU" 四个字。这是它和很多国产加速卡最不一样的地方——一套统一架构同时覆盖四件事：AI 计算、3D 图形渲染、科学计算与物理仿真、高清视频编解码。

为什么 " 全功能 " 重要？因为市面上不少国产卡只能做 AI 加速，图形、渲染、游戏这些场景不支持，客户买回去还得再配别的卡。而全功能意味着一颗芯片能顶上英伟达在数据中心、工作站、消费端的多个用途，迁移成本最低。公司的核心团队来自英伟达、微软、英特尔、AMD、ARM，覆盖 GPU 架构、软件和算力系统，这也是它敢做全功能的底气。

二、41% 这个数字，为什么是真正的分水岭

单个公司的订单是点，行业份额才是面。这轮最有分量的一个数字是：按出货量计，2025 年国产 AI 芯片在国内的份额已经达到 41%。

40% 不是个随便的整数，它是技术替代里反复被验证的一条临界线：

在 40% 以下，国产货更多是 " 尝鲜 " 和 " 备份 "，客户会拿你做第二供应商、做非核心业务，主力还是英伟达；

一旦越过 40%，采购心态会反过来——默认先看国产能不能满足，不能满足的才用进口补位。供给、适配、生态都会顺着这个份额加速正循环。

支撑这个份额的，是需求端实打实的爆发和国产厂商营收的跳变：

有产业口径提到，头部互联网公司的日均 Token 消耗已经突破 120 万亿，相当于两年前全行业的上千倍；模型越大、调用越频繁，对算力的胃口就越没有上限。

2026 年上半年，国产 GPU" 四小龙 " 的营收，全部达到甚至超过了 2025 年全年

也就是说，半年干完了去年一整年的活，增长曲线是陡的。

国内 AI 芯片市场整体规模，预计到 2029 年突破万亿元。

为什么偏偏是现在加速？两个外力一起推：

一是供应链扰动。海外高端卡的供给和政策存在不确定性，国内大厂不敢把算力命脉全押在一家身上，必须有多源备份，这给了国产卡大规模进数据中心的窗口。

二是国产卡在推理场景已经 " 好用 " 了。推理对生态兼容性要求相对训练更低、但卡量需求极大，是国产替代最好切入的地方。先在推理上量、再往训练渗透，这条路已经走通。

三、卖芯片只是第一步，真正的壁垒是 " 集群 "

外行看 GPU 盯的是单卡算力，但决定一家公司能不能接十万卡大单的，其实是芯片之上的系统能力。摩尔线程的产品线很清楚地搭了三层：

芯片层

S5000 现役、S6000 在研；

服务器 / 超节点层

MTT C256 超节点，实现 256 张卡用单层网络全互联；

集群层

KUAE 2.0，支持万卡级别的部署。

为什么这三层都得有？因为卡越多，互联越难。

几万张卡要一起训练同一个大模型，任何一张卡掉队、任何一段通信卡顿，整个集群的效率都会被拖下来。英伟达最贵的护城河其实不是单颗 GPU，而是 NVLink、NVSwitch 加上软件组成的整套高速互联体系。国产替代要真做成，就必须在超节点和集群层面给出对等方案——这正是为什么本周国内超节点的消息特别密集：华为昇腾 960 把超节点节奏提前，而摩尔线程的 C256、KUAE2.0 补齐了另一条国产集群路线。

软件生态是另一道坎。英伟达 CUDA 经过十几年积累，几乎所有 AI 框架和应用都默认在它上面跑。国产卡要承接存量应用，就得做到对 CUDA 生态的高兼容、让客户的代码低成本迁移。这是比硬件更慢、但绕不开的一仗，也是判断国产 GPU 成色时，比单卡 TFLOPS 更该盯的指标。

四、真正可能卡脖子的，是 HBM

国产 GPU 放量路上，市场最担心的瓶颈不是芯片设计，而是显存 HBM。这个环节供给高度集中在三星、海力士，国产先进 GPU 要不要排队、能不能拿到足够的 HBM，决定了 2027 年能实际造出多少卡。

有研究做过测算，把账算得很细：

2027 年国产高端 GPU 的出货量预计在600 万颗以上；

2026 到 2027 年，三星和海力士的 HBM3/3E 产能，中性情形只能满足 2027 年国产 GPU 对应 HBM 需求的约50%；

国产 HBM 厂商大约能再满足国产 GPU 需求的12% 到 20%；

如果国产 GPU 在设计上对 HBM 降配（用国产显存替代、减少堆叠），实际出货的满足率会更高。

该研究还预计，头部厂商 2027 年 GPU 出货量分别有望达到约 55 万颗（寒武纪）和 45 万颗（海光），且头部厂商因为能优先拿到国产 HBM 供应，出货满足率会比中小厂商更可观。

这意味着 HBM 会是约束，但不是死结——一边靠海外产能满足一半，一边靠国产 HBM 和 " 降配设计 " 把剩下的缺口填掉。对投资者来说，2027 年的看点会从 " 谁设计的卡强 "，逐渐变成 " 谁能稳定拿到 HBM、谁能把卡真正造出来交出去 "。

五、国产算力链上的几家公司

以下是这轮国产算力放量中被产业链高频提及的公司，仅作产业梳理，不构成投资建议：

摩尔线程（688795）

——本篇主角，全功能 GPU 卡位，京东十万卡集群底座，产品覆盖芯片→超节点（C256）→万卡集群（KUAE2.0），机构首次覆盖预测 2027-28 年营收 67/111 亿元

寒武纪（688256）

——国产 AI 芯片头部公司，思元系列完成主流大模型适配，研究预计 2027 年 GPU 出货约 55 万颗，此前因解禁和传闻出现的回调被部分机构视为错杀

海光信息（688041）

—— CPU/GPU 双线，2026 年一季度营收约 40 亿元、同比增长约 68%，研究预计 2027 年 GPU 出货约 45 万颗

浪潮信息（000977）

—— AI 服务器主力厂商，承载国产 GPU 的整机与集群集成，是芯片放量到落地之间绕不开的一环

中科曙光（603019）

——全栈算力基础设施，深度参与全国智算中心建设，对应集群交付和算力运营环节

此外沐曦、燧原、天数智芯、壁仞（" 四小龙 " 其余几家）、盛科通信（交换芯片）、华丰科技（高速连接器）等也在国产算力链条上，篇幅关系不逐一展开。

风险提示：文中订单、份额、出货量及盈利预测来自研报、产业链调研及公司公开信息，部分为机构预测而非公司官方指引；国产 GPU 放量受先进制程产能、HBM 供给、CUDA 生态迁移、海外供应链政策等多重约束，实际出货与业绩存在不及预期风险。本文仅为产业逻辑梳理，不构成投资建议，据此操作风险自担。市场有风险，入市需谨慎。

免责声明

本文为市场资讯的梳理与分享，旨在拓宽信息视野，

如有侵权、联系立删。

提及标的仅代表与相关题材的关联性，

不代表对未来股价涨跌的预测或承诺，

不构成任何投资建议或买卖依据。

股市有风险，入市需谨慎。

投资者应保持独立思考，

根据自身风险承受能力做出决策，

自负盈亏