摩尔线程正积极重塑自身定位，不再满足于仅作为一家国产GPU供应商。公司近期举办的年度产品发布会上，尽管未推出新的芯片产品，却在近两小时内连续发布六项重大成果，全面展示了其在智算领域的广阔布局。
这些发布涵盖了从具备万卡规模的夸娥智算集群，到搭载自研“长江”SoC的智能终端MTT AICUBE和MTT AIBOOK；从数字世界的智能体“小麦”，到加速物理AI落地的MT Lambda全栈具身智能仿真平台，以及不断迭代的MUSA生态系统。公司借此清晰地勾勒出一个覆盖“云-边-端”的综合智算蓝图。
外界惊诧于一家被普遍认为是GPU公司的企业，竟然将触角伸向了具身智能、家居中枢和多样化硬件产品，引发了对其核心业务方向的深思：这家以GPU为基石的企业，未来究竟想走向何方？
回溯至一年半前，摩尔线程的叙事核心还专注于GPU产品。在公司计划科创板上市时，支撑其3000亿估值的核心是夸娥（KUAE）万卡级智算集群，这是一个能够并行驱动数千甚至上万颗GPU进行大模型训练的系统级解决方案。
在随后的十八个月里，夸娥集群展现了显著成果：在密集型大模型训练中，其模型算力利用率（MFU）达到60%，稀疏型大模型则为40%，有效训练时长高达90%，8000卡规模集群的线性扩展效率更是达到95%。业界普遍认为搭建大规模集群难度极高，任何环节的细微波动都可能引发连锁反应。夸娥能实现90%的有效训练时长，足以证明其在系统工程能力上已克服国产GPU此前在集群稳定性方面的诸多挑战。
2026年3月30日，摩尔线程签署了一份价值6.6亿元的夸娥智算集群合同，这笔订单占据公司2025年全年营收的44%，也是迄今为止国内算力市场国产GPU的最大单笔订单之一，有力证明了摩尔线程产品满足万卡级智算集群建设的能力。
4月26日，摩尔线程发布了2025年财报和2026年第一季度财报，进一步巩固了其云端业务的基本盘。财报显示，2025年营收达到15.06亿元，同比增长243.37%；2026年一季度营收7.38亿元，同比增长155.35%，并首次实现归母净利润0.29亿元，标志着公司自2025年12月科创板上市以来首次单季度盈利。
基于这些亮眼业绩，公司高层已公开表示，正着手规划新一代十万卡级智算集群。这种扩张步伐反映出公司对未来市场的强烈乐观预期。公司创始人张建中判断，随着OpenClaw等Agentic AI应用的深入，Token消耗量正呈指数级增长，日均消耗量已从一年前的30万亿急剧飙升至180万亿。
他认为智算时代需要建立“三大AI工厂”：模型训练工厂、Token生产工厂和智能体生产工厂，而夸娥集群的任务正是要同时支撑这三种互不相同却又彼此交织的算力需求。虽然这一逻辑本身无可厚非，但它也使得摩尔线程面临一个微妙的局面：若要持续巩固其云端业务，就必须在十万卡级集群的建设上进行大量投入。
财报数据显示，2025年摩尔线程研发投入高达13.05亿元，占营收比重86.68%，这意味着公司几乎将所有营收都投入到研发中。即便在盈利显著改善的2026年一季度，研发投入占比仍维持在50%左右。这一比例在A股上市公司中处于极高水平，相较之下，国内芯片龙头海光信息研发投入占比约18%，寒武纪约50%，台积电约8%。高额的研发投入意味着天文数字般的资本支出；然而，仅依靠GPU业务能否支撑摩尔线程的估值天花板，仍是一个值得探讨的问题。
摩尔线程所面临的压力远不止于此。自2023年以来，全球范围内正经历一场空前的算力军备竞赛。要训练一个顶尖的大模型，需要数以万计的GPU集群，导致英伟达GPU成为稀缺战略资源，价格飙升且供不应求。对中国AI产业而言，这场算力竞赛在外部压力的作用下显得更加紧迫。自2022年起，受地缘政治因素影响，英伟达GPU几乎无法进入中国市场。在此背景下，国产GPU的战略地位从“可选项”跃升为“必选项”。
在此局势下，包括摩尔线程、壁仞科技、海光信息、天数智芯等一批国产GPU企业纷纷应运而生。然而，在技术革新与激烈竞争并存的当下，仅凭GPU叙事显然已无法成为摩尔线程的唯一出路。如果说云端算力是“超级大脑”，那么端侧产品就是AI触达每个人的“神经末梢”。但GPU公司在端侧的布局，通常仅限于提供AI推理芯片。摩尔线程的做法则有所不同。
在发布会上，除了延续云端战略，摩尔线程还重点推出了自研的“长江”智能SoC芯片，以及基于该芯片的MTT AICUBE家庭AI中枢和MTT AIBOOK AI算力本，甚至还有名为“小麦”的全域智能体及MT Lambda具身智能仿真平台。“长江”SoC并非简单的GPU或NPU，而是一颗完整的端侧AI计算芯片。它集成了CPU、GPU、NPU和VPU，异构AI算力达到50TOPS，其对标目标并非英伟达，而是高通、联发科乃至英特尔的酷睿处理器。
基于“长江”SoC，摩尔线程构建了一套完整的产品矩阵：包括MTT AIBOOK（个人AI算力本）、MTT AICUBE（家庭AI中枢）和MTT E300（工业边缘AI模组）。其中，AICUBE被定位为集“智能体+AI PC+AI NAS”于一体的综合设备，搭载全域智能体“小麦”，内置90余项系统工具和60余项技能，并支持对超过36款App进行跨应用控制。
在此基础上，摩尔线程还推出了一整套软件栈，包括原生Linux操作系统、MTClaw智能体框架、PES应用市场，以及MUSACODE AI编程工具。这个“芯片—操作系统—整机—智能体”的产品链条，传统上是由英伟达（GPU）、高通（端侧SoC）、联想（PC整机）和微软（操作系统）等四类不同公司分别承担的角色。摩尔线程正试图将这些元素整合为一个统一的故事——智能体时代的基础设施。
张建中在产品发布会上表示：“整个业界缺少一个Linux原生的好产品。”他的潜台词是，智能体时代的电脑不再应该运行Windows。这一判断的依据在于：OpenClaw主要运行在Linux上，AI训练框架原生支持Linux，大模型推理服务的部署环境也大多是Linux。如果智能体真的成为PC的主要工作负载，那么被Windows垄断近三十年的消费级PC市场，理论上存在松动的可能性。
摩尔线程并非简单地制造一台“能运行AI的笔记本”，因为市面上所有笔记本都能运行AI。它想做的是“让AI运行得比Windows更流畅的笔记本”，并希望借助“长江”SoC、AI操作系统和自家的智能体框架这一整套组合，在Windows尚未反应过来的窗口期内，开辟一个新的生态位。这一判断能否成立，取决于两个关键因素：首先是对话式智能体是否真能成为主流交互方式；其次是摩尔线程的AICUBE能否在获得市场验证前，赢得足够的时间和用户。这无疑是一场对未来的押注，任何押注都伴随着风险。
然而，这场押注并非空中楼阁。根据2025年财报，摩尔线程边缘与终端产品收入仅为2550.55万元，占总营收的1.70%，几乎可以忽略不计。这意味着，从云端切入端侧，并非因为摩尔线程已在端侧市场取得显著份额，而是它必须通过端侧的故事，为公司估值打开第二增长曲线。在纯GPU竞争赛道上，摩尔线程不仅要面对英伟达的生态壁垒，还要应对国内竞争对手在集群和软件栈方面的紧追不赶。若不主动拓展战场，仅依赖夸娥集群的订单增长，恐难以支撑3000亿市值背后的增长预期。
因此，端侧业务不仅是产品线的延伸，更是一张对冲估值风险的关键牌。硬件的追赶相对易行，但生态系统的构建才是真正的挑战。过去几年，国产GPU已在硬件能力上得到验证，通过架构迭代和工程优化，国产芯片已能交出令人满意的答卷。然而，企业采购GPU并非仅仅购买一张卡，更是对其背后软件生态和开发体系的投资。
摩尔线程深知，单一硬件无法定义未来，因此效仿英伟达CUDA的护城河策略，构建了一个纵深极广的MUSA生态系统。MUSA底层集成了AI计算、3D图形渲染、高性能计算与智能视频编解码的全功能GPU，凭借全数据单元兼容性，将算力触角延伸至科学计算、数字孪生、具身智能、量子计算乃至6G通信与生物医药等前沿领域。MUSA（Meta-computing Unified System Architecture）是摩尔线程自研的全功能GPU计算加速统一系统架构，涵盖芯片架构、指令集、编程模型、软件运行库及驱动程序框架。
值得关注的是，MUSA SDK 5.1.0已对标CUDA 12.8，驱动与运行时层兼容接口数达761个，核心数学库实现100%兼容，PyTorch全部算子（3194个）100%覆盖。这意味着全球数百万PyTorch开发者几乎无需修改代码，就能将模型迁移到MUSA上运行。此外，在目前最主流的SGLang和vLLM两大模型推理框架上，MUSA也带来了积极进展：SGLang方面，MUSA后端已正式加入SGLang官方支持体系，相关代码也成功合入主线。vLLM方面，MUSA已成为vLLM的官方后端之一，并开源了vLLM-MUSA，开发者可原生获得摩尔线程GPU的加速能力。
与仅仅多支持一个框架相比，加入大模型推理框架的官方后端矩阵，意味着国产GPU在生态适配上拥有了更充分、更直接的兼容路径。此外，摩尔学院平台已汇聚超过45万名开发者与学习者，合作院校超过200所。对于一家成立仅六年的公司而言，这样的增长速度确实可观。然而，与CUDA数百万级的开发者规模相比，45万仍存在量级的差距。
MUSA面临的真正挑战在于：若过度依赖兼容CUDA，其生态故事将永远处于跟随者的位置。因此，对于摩尔线程而言，它真正需要建立的是独立且独特的技术体验，让开发者因MUSA在“做某件事上更便捷”而选择它，而非仅仅出于“兼容CUDA”这一理由。
摩尔线程单季度净利润转正，被市场解读为关键拐点，但其背后仍存在一些隐忧。此前，摩尔线程在回复投资者提问时，将2025年营收高增长归因于两方面因素：一是AI大模型快速迭代和应用扩张带动GPU需求急剧增长；二是高端GPU出口限制持续收紧，为国产AI芯片打开了替代市场窗口。
从这个角度看，摩尔线程此轮营收放量，既抓住了AI算力扩张周期，也踩在了国产替代加速的产业机遇之上。然而，需要注意的是，摩尔线程一季报显示，当期非经常性损益合计8364万元，其中计入当期损益的政府补助为7006万元，占比约84%。若剔除上述项目，摩尔线程当季归母扣非净利润仍亏损5428万元，尽管同比收窄60.1%，亏损依然存在。这意味着，此次账面盈利主要依赖政府补贴，公司主营业务自身尚未实现收支平衡。
对摩尔线程而言，真正的破局之策在于能否逐步将收入来源拓展至更广泛的商业客群，这需要在两方面同步推进：首先是产品性能和稳定性的持续提升，其次是MUSA软件生态开发者规模的扩张。从芯片到集群，从集群到软件，从软件到终端，从终端到Agent，再从Agent到具身智能——这条链路拉得越长，竞争对手追赶的难度就越大。
回顾摩尔线程的路径选择，这并非一家“GPU公司横向多元化”的常规商业扩张，而是一家从GPU起家的硬科技公司，试图利用其最擅长的算力能力，向下延伸至SoC，向上触及操作系统和智能体，以讲述一个更宏大的战略故事。云端的夸娥集群，解决的是“算力从何而来”的问题。“长江”SoC和AICUBE，解决的是“算力何去何从”的问题。MUSA生态系统，解决的是“开发者为何留下”的问题。智能体“小麦”和具身智能平台MT Lambda，则回答了“AI最终以何种形态触达物理世界”的问题。
这四层逻辑环环相扣，共同构建了一幅从硅片到场景、从训练到推理、从虚拟到物理的完整版图。放眼更远的未来，摩尔线程的押注基于一个根本性判断：AI计算不会永远局限于“训练大模型”这一单一场景，它终将渗透到每一个终端、每一个物理空间、每一次人机交互。从这个角度看，摩尔线程从云端向端侧的延伸，并非一家GPU公司的“跨界”，而是一次顺应趋势的生态升维。然而，要最终验证这一判断，摩尔线程不仅需要时间，更需要一个能够持续“造血”的商业正向循环。