摩尔线程，究竟应该值多少钱？哪怕就是和一个月以前相比，估值上都会相差很多。

　　AI硬件的估值在过去一个月中发生很微妙的变化，而且这种变化正在放大，渐成一种强大的势能——去英伟达化。

　　在美股，这一轮 AI 算力牛几乎是“科技溢价”的全部映射：从英伟达到超微、博通，硬件已经成了市场情绪最集中的锚点。但过去一年，美股资金的重心开始从算力基础设施，全面转向 AI 应用与生产力工具——硬件龙头很难再贡献成倍的估值空间。

　　中国资本市场的节奏，和美股并不同步，却在方向上高度一致。A 股这一轮“算力驱动的科创牛”，前半程押注的是 GPU、光模块、算力中心、液冷等基础设施，后半程越来越多资金开始追逐 AI 原生应用、垂直行业模型，以及把 AI 真正“落到钱上”的公司。硬件依然重要，但不再是估值想象力的唯一出口。

　　在全球范围内，“英伟达税”本身也在被挑战。Google 正在把自家 TPU 从内部使用、云出租，进一步推进到允许大型客户在自有数据中心部署，最新一轮与 Meta 谈判的潜在大单，金额被多家媒体形容为可以撼动英伟达数十亿美元收入盘子；Meta、亚马逊、微软、特斯拉以及 OpenAI，自研或联手代工的专用 AI 芯片也在加快落地节奏。 另一边，Intel 18A、先进封装产能加速放量，拿下微软、英伟达等一线客户，在制造和封装环节对台积电的领先窗口期正在打开。

　　这意味着一件事：连“英伟达税”本身都在被云厂商和定制芯片侵蚀，而不是牢不可破的“收过路费”模式。对投资者而言，从英伟达跳槽出来的一支创业团队，要在中国本土复制出类似级别的技术与生态壁垒，难度只会更高，而不会更低。

　　在今天这个时间点上，摩尔线程带着“国产 GPU 第一股”、“中国版英伟达”的标签冲刺科创板，以约 537 亿元的发行市值、122 倍以上的市销率挂牌，远高于科创板半导体企业当前市销率大致在十几倍到几十倍区间的整体水平。

　　这个靠故事撑起来的价格，有多少真正的现金流作为安全垫呢？

　　01硬件牛已走到后半程，应用牛才刚刚开始

　　如果把这一轮全球 AI 投资拆开看，大致可以分成三条线索。

　　第一条线索是英伟达等硬件公司的业绩兑现。

　　训练集群、推理算力和企业私有云需求，让英伟达的收入和利润在两三年里完成了过去十年的增长，股价也在数轮上调预期之后，成为整个“AI 基础设施指数”的代名词。与此同时，市场开始讨论“AI 泡沫”，但这种讨论更多集中在估值和预期，而不是对业绩本身的质疑。英伟达至少还是有业绩支撑的，但包括摩尔线程在内的很多A股上市公司，股价已经严重透支未来的业绩。

　　第二条线索是应用端的接棒。

　　无论是美国的生成式 AI 原生应用、DevTools 公司，还是国内在办公、设计、传媒、电商等场景里率先把大模型“磨到好用”的企业，越来越多的盈利预期正在GPU更远、离现金流更近的地方产生。资本市场真正关注的，不再只是“你有多少算力卡”，而是“你能多快把算力变成收入”。

　　第三条线索，则是地缘政治与产业政策。

　　美国对高端 GPU 的出口管制，让“国产替代”的战略价值被放到前台，也把中国 GPU 初创企业的估值推向了一个前所未有的高度。从一级市场几轮高估值融资，到科创板的通道打开，“国产 GPU”成为各类资金共同参与的大故事。

　　就在摩尔线程上市之际，Google把最新一代TPU推向更广泛的外部客户，试图在性能和成本上正面对撞英伟达芯片；Google、亚马逊、微软等云巨头公开表示，定制 AI 芯片的一个直接目标，就是减少对英伟达的依赖和“英伟达税”。 这说明，即便在英伟达这样的全球龙头身上，市场也不再愿意为“绝对垄断”永远付费，而是用实际订单推动硬件成本和算力供给回归理性。

　　摩尔线程所处的，正是这样一个微妙的时间窗口：硬件估值的溢价已经被全球市场交易了两三年，AI 应用的主线刚刚在中美两地展开，而中国本土GP在技术、生态、客户结构上都处于快速追赶阶段。资本愿意为“国产 GPU 第一股”支付一笔不菲的学费。

　　但是，这并不意味着每一个价格，都是合理的价格。

　　02摩尔线程能如期扭亏吗

　　让我们估且把情绪先收一收，回到公司的财务报表。

　　招股书显示，摩尔线程2022–2024年营业收入分别约为0.46亿元、1.24亿元和 4.38亿元，2025年上半年实现收入7.02 亿元，三年半时间里收入增速确实非常快。 但在利润表一侧，公司同期归母净利润分别约为-18.4亿元、-16.73亿元、-14.9亿元和-2.71亿元。截至2025 年上半年，公司累积亏损已经超过50 亿元。

　　亏损并不意外——GPU是一个高投入、长周期的行业，关键是亏损的结构。摩尔线程2022–2024年以及2025年上半年，研发费用分别约为11.16亿元、13.34亿元、13.59亿元和5.57亿元，合计投入接近44 亿元，对应研发费用率一度高达数倍于营收。 早期几年，公司几乎完全依赖股权融资在“给赛道买时间”，而不是靠经营现金流自我造血。

　　来自现金流的压力则更为直观。2022–2024年以及2025年上半年，摩尔线程经营活动产生的现金流量净额连续为大额净流出，2024年净流出额接近20亿元，2025年上半年净流出约10亿元；同期公司通过多轮融资以及将部分资金配置在交易性金融资产上，2024年底货币资金加交易性金融资产合计超过52 亿元，但到2025年中这一数字已降至约27亿元。

　　按过去两年现金流的消耗强度粗略推算，在营收尚未大幅放量、费用率尚未明显下台阶的前提下，现有现金储备大致只能支撑两三年的高强度投入。这也是公司在招股书和问询函中，需要给出2027年左右实现扭亏为盈预期的重要背景——只有在未来几年快速把收入拉到数十亿元规模，并维持较高毛利率，才有可能在财务上站上盈亏平衡线，而且其中还需要叠加一定规模的政府补助，扣除补助之后的“内生盈利”会相当薄弱。

　　放在这样的基本盘上，再看融资后的估值，就更显得“前景在天上，利润在地下”。发行价对应的静态市销率122倍。统计显示，科创板半导体公司当前市销率多集中在两位数区间，即便是受到AI概念加持的细分龙头，整体水平大致也在几十倍以内，而摩尔线程的估值几乎相当于把整个板块翻了一倍。

　　这种情况下，投资者真正买到的，不是“以合理价格买入高成长公司”，而是“以极高价格买入一个盈利路径尚不清晰的长期期权”。一旦未来盈利达不到招股书里描绘的节奏，估值回调的斜率，往往会超出多数人一开始的想象。

　　03技术与生态的代差鸿沟

　　炒新炒短，是大A的一大特色。估值可以短期讲情绪，但长期必须回到竞争力。

　　GPU的竞争力，一端是算力本身，一端是生态。前者可以用制程、架构、带宽和功耗来衡量，后者则要看开发者、工具链和行业解决方案的厚度。摩尔线程在技术上的进展，客观来说在国内阵营中位居前列：从面向图形渲染的产品起步，再到面向AI训练和推理的集群芯片，芯片规格和整机解决方案都在迭代，这是事实。

　　问题在于，这种进展放在全球坐标系下，依然存在显著代差。一方面，在相同制程下，国内GPU在矩阵运算性能、能效比、显存带宽等核心指标上，与英伟达新一代数据中心GPU仍有一到两个级别的差距；另一方面，英伟达已经把 GPU从单一芯片，扩展成“GPU+NVLink+InfiniBand+软件栈”的一整套系统能力，这种系统级的领先，很难靠单一芯片规格上的追赶来快速弥补。

　　更关键的是生态。CUDA作为英伟达的软件栈，已经积累了超过20 年，开发者数量超过数百万，围绕其构建的各种库、工具、框架，覆盖了从科研、工业仿真到大模型训练的几乎所有主流场景。 对开发者而言，“继续用 CUDA”意味着最小的适配成本和最确定的性能。

　　摩尔线程推出的MUSA架构，选择了一条相对务实的路线：在指令集和软件栈上尽可能兼容CUDA，使得现有模型和代码可以以较低成本迁移，这在国产 GPU 阵营中算是比较现实的技术路径。公司已经构建面向 AI 训练、推理和高性能计算的完整软件栈，在招股书和公开材料中强调，已适配主流深度学习框架。

　　生态的真实状态，往往体现在细节里。桌面端用户在公开测评中反映，MTT S80在游戏和内容创作等场景下仍存在驱动不稳定、兼容性不足的问题，京东等电商平台评论数量也侧面印证了该产品出货量有限，公司不得不通过从2999 元大幅降价至1199元的方式“以价换量”。 这与“英伟达税”形成了一种反差：英伟达在高端GPU上可以收取显著溢价，而部分国产GPU却不得不通过“半卖半送”来换取装机量和生态反馈。

　　04神秘的大客户R，没有任何踪迹可循

　　再看摩尔线程的业务结构，就更能理解这家公司的脆弱性在哪里。

　　招股书披露，2022–2024年以及2025年上半年，摩尔线程向前五大客户的销售额占当期营业收入的比例始终在高位，2025 年上半年更是达到98.29%，其中第一大客户R一家就贡献了56.63% 的收入。 今年上半年前五大客户合计采购金额约为6.9亿元，几乎撑起了公司全部营收。

　　这个第一大客户有点神秘色彩：

　　“客户 R”为某上市公司子公司；