来源：21世纪经济报道

2月27日晚，摩尔线程发布业绩快报。数据显示，公司2025年营收为15.05亿元，较2024年同期增长243.37%；归属于母公司所有者的净利润为-10.24亿元，与上年同期相比，亏损收窄幅度为36.70%。

同日，沐曦股份亦发布了业绩快报。2025年，公司实现营业总收入16.44亿元，较上年同期增长121.26%；实现归属于母公司所有者的净利润-7.81亿元，较上年同期亏损收窄44.53%；实现归属于母公司所有者的扣除非经常性损益的净利润-8.22亿元，较上年同期亏损收窄21.28%。

业内人士认为，通用GPU行业具有行业壁垒高、重研发投入、研发周期长等特征，其发展需跨越芯片设计、软件适配、应用场景落地等诸多考验。在此背景下，企业成长普遍遵循“研发攻坚—营收放量—亏损收窄—盈利兑现”的发展路径。摩尔线程、沐曦股份等公司最新的业绩显示，国产通用GPU正在逐步进入价值兑现阶段。

摩尔线程营收跨越式增长

摩尔线程在公告中表示，得益于人工智能产业蓬勃发展及市场对高性能GPU的强劲需求，公司以AI训推一体智算卡MTT S5000为代表的产品竞争优势进一步扩大，市场关注与认可度持续提升，推动收入与毛利增长，整体亏损幅度同比收窄。

具体来看，摩尔线程实现了营收跨越式增长。公司2022年至2025年营收从0.46亿元增长至15.05亿元，年复合增速超200%。同时，公司研发持续强势投入，2022年至2025年上半年，摩尔线程累计研发投入金额超43亿元，始终遵循“以研发驱动技术突破”的策略。此外，公司亏损持续收窄，规模效应初步显现，核心经营指标持续改善。

业内人士表示，摩尔线程成立五年来，先后实现五颗自研芯片的成功量产，构建起覆盖AI训练推理、科学计算与图形渲染的全栈式计算加速产品矩阵，并全面打通“云-边-端”全场景落地能力。当前，摩尔线程正处于从“研发攻坚期”向“规模化盈利”过渡的关键节点。随着技术壁垒不断夯实、产品矩阵日趋成熟、MUSA生态持续扩容，摩尔线程有望延续行业已有的成功路径，加速步入盈利周期。

值得关注的是，摩尔线程旗舰级产品智算卡MTT S5000正加速规模化量产。基于该产品搭建的大规模集群已上线服务，可高效支持万亿参数大模型训练，计算效率达到同等规模国外同代系GPU集群先进水平，且具备全精度、全功能的通用计算能力，成为驱动其业绩增长与商业化落地的重要引擎。

据悉，MTT S5000基于第四代MUSA架构“平湖”打造，是专为大模型训练、推理及高性能计算而设计的全功能GPU智算卡，其单卡AI稠密算力最高可达1000 TFLOPS，配备80GB显存，显存带宽达到1.6TB/s，卡间互联带宽为784GB/s，完整支持从FP8到FP64的全精度计算。

2026年春节前后，凭借MUSA架构卓越的生态兼容性和广泛的算子库，摩尔线程MTT S5000已高效完成对GLM-5、MiniMax M2.5、Kimi K2.5、Qwen3.5等SOTA大模型的深度适配。

沐曦股份业务规模显著增长

同日，沐曦股份亦发布了业绩快报。对于此次业绩的表现，沐曦股份表示，报告期内，公司坚持“1+6+X”发展战略，加大市场开拓力度，不断提升公司在高性能GPU行业的市场地位和影响力，推动人工智能技术与千行百业深度融合。凭借优越的产品性能及完善的软件生态，公司产品及服务获得下游客户的广泛认可与持续采购，报告期内业务规模较上年同期实现显著增长。

公开资料显示，自成立以来，沐曦股份始终聚焦GPU产品的核心技术突破、迭代升级与产业化落地，依托长期深耕积累的研发实力与技术壁垒，成功构建起覆盖通用计算、人工智能推理训练等多场景的独具竞争优势的GPU产品体系，并打造了兼容主流生态、自主可控且开放共享的软件生态，持续为云端计算提供高能效、高通用性的算力支撑。

记者注意到，沐曦股份近期推出了全新GPU品牌与产品线——曦索X系列。加之公司此前已面向推理场景推出高能效比的GPU产品曦思N系列，面向训练场景推出大算力通用GPU训推一体产品曦云C系列，以及聚焦图形渲染专业赛道推出曦彩G系列，沐曦股份已完成在AI推理、AI训练、图形渲染、科学智能四大主流算力赛道的产品矩阵全覆盖。

沐曦股份联合创始人、CTO兼首席硬件架构师彭莉此前向上证报记者表示，在人工智能浪潮兴起的今天，科学智能正成为驱动前沿科研与产业创新的核心力量。曦索X系列GPU品牌与产品线，是沐曦股份基于全栈自主研发实力，深耕科学智能领域的重要成果。沐曦希望以此打破高端科学计算领域算力瓶颈，推动经典科学计算与科学智能新范式深度融合，为科研工作者提供更高效、更易用的算力支撑。

近三个月来，沐曦股份旗下曦云C系列GPU先后完成通义千问Qwen3.5、智谱AI GLM-5、阶跃星辰Step 3.5 Flash、PaddleOCR-VL-1.5等多个业界顶尖大模型的首发同步适配，并实现了从旗舰模型到中型模型、从语言模型到多模态模型的全品类覆盖，展现出极强的适配效率与协同能力。