近年来，国产GPU从媒体关注走向资本市场，相关企业陆续进入公开财务与审视阶段，这不仅考验技术实力，更考验供应链、交付周期和生态成熟度。不同国产GPU企业在技术路线和商业策略上各有特色，呈现出多元化的竞争格局。

一、冲刺型企业

1. 摩尔线程：对标英伟达的“高启动＋快扩张”模式
    ◦ 技术野心：成立于2020年，拟募资约80亿元，近70亿用于三大核心项目，推进“全功能GPU”战略，覆盖消费级图形显卡、AI训练/推理、高性能通用计算及云端与端侧融合架构。创始团队多来自英伟达，为其技术提供背书。

    ◦ 产品进展：已推出四代GPU架构，覆盖多应用领域，“MUSA”架构软件生态有进展，MUSA SDK 4.0.1支持多架构，MTT S90显卡在部分测试中表现与GeForce RTX 4060相当。

    ◦ 商业挑战：营收虽从2022年约0.46亿元增长至2024年约4.38亿元，复合增长率超200%，但净亏损严重，累计未弥补亏损达数十亿元。其“高启动＋快扩张”策略需承受更大时间、资金与生态适配压力，若成功将成为国产GPU赛道领跑者，对标英伟达。

2. 沐曦股份：类似AMD的“厚积薄发＋先服务高端算力场景”路径
    ◦ 技术目标：2020年9月成立，2025年6月30日提交招股书，拟募资约39.04亿元，目标是打造通用GPU体系，涵盖图形渲染、通用计算、AI训练与推理。已在多方向投入，具备在多平台应用能力，产品已量产且在手订单数十亿元。

    ◦ 商业策略：选择“厚积薄发＋先服务高端算力场景”，募资投向三大技术项目，市场切入口为大规模智算中心等，借助上市加速发展，抢占国产替代算力赛道。

    ◦ 现实困境：2022 - 2024年营收增长但净利润亏损逐年扩大，尚未盈利、生态建设待完善。若能将通用GPU产品化，可在国产算力底座建设中占据一席，类似AMD从显卡延伸到通用计算。

二、稳健型企业

1. 壁仞科技：专注云端训练与推理
    ◦ 战略定位：2019年成立，聚焦云端训练与推理，非传统桌面显卡市场，自成立将“训／推一体、面向数据中心”定为主线。

    ◦ 技术成果：2022年8月推出首款通用GPU芯片BR100，采用原创架构，运用先进封装技术，支持相关互连协议，是大模型训练与多卡集群场景的关键技术组合。

    ◦ 生态建设：先解决驱动/软件栈等耗时环节，产品支持主流深度学习框架与模型，为AI计算场景提供算力。资本动作上，完成多轮融资，估值约140 - 155亿元，推进港股上市路径。

2. 燧原科技：专注AI训练加速卡
    ◦ 业务逻辑：2018年成立，路线单一，只做AI训练加速卡，押注大模型训练这一确定性高的算力需求。

    ◦ 技术发展：从T10迭代至T20训练卡，基于自研架构，优化算力，搭配显存，支持百亿参数训练及多卡集群，定位“加速器 + 编译器系统”。正推进新一代推理加速卡架构路线，构建长期竞争力。

    ◦ 商业化与IPO：先在云厂、科研机构做集群测试，自研软件栈贴近本土需求。2024年与中金签署辅导协议，估值约160亿人民币，腾讯持股超20%，2025年重启上市辅导并变更辅导机构。

3. 瀚博半导体：系统穿透型发展
    ◦ 技术路径：路径更宽更务实，先在数据中心推理和特定AI加速场景站稳，再扩向高通用性，希望铺开推理卡矩阵，采用“AI加速器 + 可编程架构 + 多形态卡产品”技术语言。

    ◦ 挑战与机遇：优先考虑模型部署等可控因素，挑战是软件栈深度与产品线宽度的平衡。2025年7月启动A股上市辅导，是国产算力中稀缺的角色，慢是风险也是护城河。

4. 格兰菲：从底层搭建
    ◦ 独特路线：不是“训练型”叙事，不走常规路线，像在系统软件与GPU微结构间搭桥，优先从驱动等底板工作切入，让GPU在真实操作系统环境运行，再讨论算力扩展。

    ◦ 产品与市场：产品规格避开旗舰路线，选择中规格、多SKU，快速验证迭代，市场策略类似早期英伟达，先小规模部署，靠真实workload塑造硬件需求。转型AI逻辑清晰，先做底层再上层，2025年2月启动A股辅导备案。

国产GPU企业上市潮将至，进入二级市场和大规模使用场景后，这些企业将面临更多考验。不同企业的技术和商业路线差异，反映了它们在应对市场竞争和行业发展时的不同策略和思考。