中国芯片冲刺IPO，与英伟达“阉割芯片”争抢3500亿

镜花水月

腾讯科技特约作者丨苏扬
编辑丨郑可君
“半导体圈都在排队上市，”一位国产芯片从业者对我们说，“企业要生存发展，不得不走这条路。”
6月30日，摩尔线程和沐曦两家国产GPU企业同日递交科创板IPO申请，引发行业关注。据不完全统计，包括壁仞、燧原、格兰菲等也已进入上市辅导阶段，预计未来 A 股将涌现近 10 家“中国英伟达”。
“这些企业本来就有上市计划，进入上市辅导环节属于正常现象，”前台积电建厂工程师吴梓豪说，“但辅导在上市流程中属于偏前期的阶段，完成辅导验收之后，如果流程加快，距离挂牌大概还需要1-2年时间。”
这一轮上市潮的背后，是科技企业IPO政策的明显松动，尚普咨询数据显示，今年6月份，A股新增受理IPO企业达150家，创年内单月新高，较同期的30家激增 400%。
值得注意的是，科创板审核速度正在加快，中芯国际从提交招股书到挂牌仅用时40余天的案例，为行业提供了参考样本。
市场机遇方面，随着美国出口管制持续收紧，英伟达在中国市场的份额已从拜登政府初期的95%大幅下滑至50%。行业人士指出，这为国产GPU企业提供了难得的市场窗口期。但与此同时，行业竞争也日趋白热化。
机遇虽在，但“蛋糕”有限，且分食者越来越多，残酷的竞争和洗牌将出现在IPO之后。
因此，在设计、制造等领域困难重重的情况下，国产GPU需要向投资人回答，为什么自己是那个突出重围赢得竞争的幸运儿。
01 国产GPU营收、亏损齐飞

从IPO辅导到提交招股书，摩尔线程用时7个月，沐曦则更快，整体用时不到6个月时间。
根据招股书，摩尔线程计划通过此次IPO募资80亿元，其中25亿元左右用于新一代自主可控 AI 训推一体芯片的研发，近25亿元用于新一代自主可控图形芯片的研发，19.8亿元用于新一代自主可控AI SoC芯片研发，剩余10亿元用于补充流动资金。
相比摩尔线程，沐曦的产品线较少，募资额只有前者一半，其计划通过IPO募资39亿元，其中近24.6亿元用于新型高性能通用 GPU的研发和产业化，覆盖第二代、第三代产品，4.5亿元用于新一代人工智能推理 GPU的研发和产业化，另有近10亿元用于面向前沿领域及新兴应用场景的高性能 GPU 技术研发。
作为本次国产芯片冲刺IPO的代表，摩尔线程和沐曦成立平均时间在5年左右，自2023年以来开始有业绩兑现。

招股书显示，2022年至2024年，摩尔线程营收分别为 0.46 亿元、1.24 亿元和 4.38 亿元，年复合增长率超 200%；沐曦自2022 至 2024年，营收分别为 42.64 万元、5302.12 万元、7.43 亿元，2025年一季度更是达到 3.2 亿元，年复合增长率达到 4074%。

两家的营收增速都有明显提升，但受制于研发、产品周期和量产等因素影响，目前都还处于亏损状态，其中摩尔线程过去三年对应的亏损分别为 18.4 亿元、16.73 亿元、14.92 亿元，沐曦连续三年的亏损分别为7.77 亿元、8.71 亿元、14.09 亿元。
整体来看，营收在提速，亏损也还在持续，这是平均成立时间只有5年左右的国产GPU企业，短时间内共同面临的挑战，一位国产GPU从业者表示，“坦率说我们离‘中国英伟达’还远着，但中国确实需要自己的英伟达。”
02 “中国英伟达”大浪淘沙

此次排队IPO的国产GPU企业，集中出现在2018年-2021年这一阶段，大基金二期是这波创业浪潮的催化剂之一。
2019年，大基金二期成立，注册资本为2041.5亿元人民币，重点投资集成电路产业链，包括芯片制造、设计、封装测试以及相关的设备和材料等领域。
国产GPU创业浪潮，还有一个重要的产业背景——基于Transformer架构的深度学习走向台前，2017年发表的《Attention is All You Need》论文，成为深度学习发展史上最重要的变革之一，硅谷公司相继下场探索大模型。
和区块链一样，深度学习也重度依赖并行计算，这给了通用GPU、AI ASIC无限的想象空间，英伟达在这一波深度学习推动的AI浪潮中赚得盆满钵满。

黄仁勋2016年向OpenAI捐赠一台DGX-1服务器

去年底，在与我们的一次交流中，《黄仁勋：英伟达之芯》作者斯蒂芬·威特说：“在半导体行业，你得赌一把。”在斯蒂芬·威特看来，押注前景渺茫的技术就像孤军奋战，“不仅要对抗投资人，还要与客户抗争。”
英伟达这样的海外先行者“押注”并行计算，也给中国这波GPU创业浪潮储备了人才资源。
比如摩尔线程创始人张建中，2005年加入英伟达，一度担任全球副总裁、中国区总经理，壁仞联席CEO李新荣曾在 AMD 就职 15 年，担任全球副总裁、中国研发中心总经理。

政策、资金和产业趋势，共同造就了这波“中国英伟达”的创业浪潮，潮头之上是带着光环排队IPO的幸运儿，而潮水之下也有诸多一度被困在资金问题中的同行者——象帝先一度陷入破产传闻中，砺算科技也一度出现了资金链断裂的风险——期间还伴随着投资机构的回购诉讼。
创业项目排队冲刺IPO，投资机构密集发起回购诉讼，背后也反映出了风险投资的退出需求，多位投资人均表示，现在不是机构投GPU项目的好时候。
“美元基金在撤，国内的投资人都在等着查账，尤其是那些拿了地方钱的（项目），大家的投资欲望都在下降。”一位投资人表示。
关于风险投资的退出时间，长一点的在7年以上，短的也有3年，平均5年的时限，基本覆盖了国产GPU这波创业浪潮。换句话说，如果“中国英伟达”们IPO成功，不仅为企业输送了新鲜血液，也给了投资人退出的机会。
大浪淘沙，中国GPU厂商们等来了IPO的机会，前述投资人也强调IPO并非这些企业的终点，“这么多GPU，上市不是终点，谁能真正活下来，还要看整体生态的构建。”
03 市场需要多少中国英伟达？

中国市场需要英伟达是确定的，此前寒武纪在资本市场的表现足以说明问题。
整个2024年，寒武纪的股价涨幅388%（1月2日收盘价134.90元/股，12月31日收盘价658元/股），尤其是今年初在DeepSeek出圈推动之下，市场凭借对国产AI芯片的想象，一路将其股价推到了52周最高的818.87元。
财报显示，2024年寒武纪全年营收11.74亿元人民币，2025年第一季度营收大幅上涨至11.11亿元人民币。
在台积电建厂工程师吴梓豪看来，寒武纪股价大涨的逻辑是通顺的。“他是fabless，业绩有一夜爆涨的可能，又是国产唯一上市的AI芯片，对标大火的英伟达，中国市场又不能采购高性能芯片，国内机构与资金团抱，ETF不断猛发，这样的天时地利人和，造就2024年业绩都没有却涨上天的传奇。”
现在，随着众多“中国英伟达”开启上市流程，未来“AI芯片”概念的唯一性不再，业绩就成为了国产GPU们成功IPO之后的硬性考核指标。
那么，市场到底需要多少“中国英伟达”？
今年5月份，黄仁勋在采访中提及中国AI芯片市场，他说：“中国AI芯片市场有望达到500亿美元（约合人民币3580亿元），美国公司需要保留进入这个市场的渠道。”
根据我们从国产GPU企业和分销商处获得的消息，国产卡单价在8万元左右，500亿美元的市场，对应437.5万张国产GPU。按照Omdia此前披露的数据，字节2024年采购了23万张H20，这个市场规模，接近20家字节这种量级客户的年需求。
站在fabless的角度，要把年营收做到100亿元，需要交付12.5万张GPU（数据综合考虑CPU、网络、机柜等），相当于交付13个万卡集群。
此前，沐曦曾对外官宣，2024年全年相继交付9大算力集群，全年布局算力集群总规模超过万卡，按8万元均价计算，至少贡献8个亿的营收，基本能对应沐曦招股书中提及的2024年7.43亿元的营收。

目前已经上市的fabless，按不同细分赛道划分，聚焦CIS传感器的韦尔股份2024年营收达到257亿元，其他基本都在100亿元以下。如果一家国产GPU年营收超100亿元，500亿美元市场，理论上可以容纳35家这样的公司。
更进一步的问题是，年营收100亿元对应的是什么体量的公司？
如果看增速，以寒武纪为例，其2025年一季度营收11.11亿元，在保证季度环比增速在50%的情况下，全年营收差不多90亿元左右。

12英寸晶圆在不同良率情况下的产出演示

对应到晶圆产能需求上，按每颗GPU Die的面积为600mm²来算，一片12英寸晶圆，按照30%的良率，预计可以切26颗左右GPU Die，100亿营收对应的12.5万张GPU产出，仅前端部分至少需要4800多片晶圆。如果良率持续爬升，晶圆需求量将会出现较大落差，比如在50%的良率下，每片晶圆可以切44颗左右GPU Die，对应的晶圆需求将减少到2840多片左右。
04 一切问题始于代工产能

“人工智能需要越多的卡越好，万卡系统要做，但是很难。”中国工程院院士郑纬民教授此前在《大模型技术与应用创新论坛》说。
在郑纬民院士看来，异构卡训练效率不及同构，异地卡联合训练效率也上不去。其中，异地卡的问题主要指互联带宽受限影响数据传输效率，异构卡的问题则来自于出口管制和产能。“因为人家不卖给我们了，只能用国产一万块卡。”郑纬民院士说。
过去一年，沐曦、摩尔线程这些国产GPU的万卡集群已经开始尝试商业化的实践，百度也官宣即将推出三万卡自研国产芯片昆仑芯集群，但关键要看能不能持续地、充分地获取到产能。
前面我们计算过，100亿营收需要12.5万张GPU，30%的良率下至少需要4800多片晶圆，而互联网巨头们的年需求基本是这个规模的2倍以上，fabless（无晶圆厂半导体公司）要拿下这个蛋糕，一是抢产能，二是依赖代工良率提升。
过去，不少企业都会在台积电下订单，一些巨头也会联合博通、AIChip自研ASIC芯片，然后在台积电流片。
不过自去年底开始，美国商务部BIS通知台积电，称有企业违规利用“马甲”进行代工，随后台积电开始推动客户自查，同时设定了更加严格的管制条例，主要包括两方面：

设定白名单，公布fabless和封测白名单，fabless需要在白名单中才能在台积电代工，非白名单中fabless要么申请加入白名单，要么在台积电代工后，由白名单中的企业完成后续的封测

划定代工的硬件指标：晶体管数量不超300亿，Die Size(芯片面积)不超300mm²、最终封装不包含HBM高带宽内存等
相比白名单机制，直接划定的硬件指标，尤其是前两个指标，将AI芯片全部都卡在门外。虽然可以像英伟达特供中国的B40一样，用GDDR7内存来替换HBM，但国产芯片的600mm² Die Size很难绕过限制，且500亿的平均晶体管数量也超过规定的标准。
台积电无法正常代工，三星同样也不会去做这件事，国产GPU的可选项就只剩中芯国际，但和市场有限一样，大家都在中芯国际代工，其产能也存在严重的“僧多粥少”的问题。虽说中芯国际可以构建新产能，但兑现需要时间，且短期内中芯国际自身也面临着制造设备、材料等出口管制难题，这些都需要国产供应链补上来。
“AI依赖先进制程，现在卡死了，这是行业共同的挑战，”前述国产芯片从业者感慨，“如果没有产能限制，我们的下一代产品就会出来，那就是另一番故事了。”
但换个角度来看，A缺产能、B缺产能，C也缺，最后大家的竞争又回到了同一起跑线，“抓住英伟达被禁的好时机，大做国产生态。”风云学会陈经说。
在陈经看来，相比工艺、内存上的限制，生态发展水平对中国AI产业的限制更大，其归根结底是行业应用，这也是国产GPU差异化竞争一种思路——对于这一批“中国英伟达”来说，大家硬件都在差不多水平，就看谁能参与到应用生态的牵引当中去。
“算力池现在都有过剩的迹象，你有算力，没人会训练也不行，行业要用起来，现在我们在垂直领域还只是搭框架，大家都不知道大模型怎么用。”陈经说。
TO B的AI场景因为产能等原因受限时，游戏等C端图形场景也是国产可以尝试的新赛道，这个赛道依旧保持着稳定的增速，只是现阶段体量、故事不及AI芯片业务。以英伟达为例，2026财年第一季度，游戏业务贡献38 亿美元营收，尽管营收占比不到10%，但是环比和同比增速分别为 48%、42%。
如果时间倒退到2023财年第一季度，彼时英伟达的数据中心业务和游戏业务营收贡献基本接近，前者37.5亿美元，后者为36.2亿美元。“C端也是个大机会，英伟达（数据中心业务）也只是火了3年，以前营收还是靠游戏贡献，也涨了很多倍。”陈经说。
相比B端业务，C端做图形的难点在于需要储备大量的驱动人才去适配游戏、DirectX，一位驱动工程师透露，“做一张游戏显卡，难度不仅在于设计，最难的部分是如何开发驱动程序，如何做好软件的适配。光是一个图形驱动就有一个操作系统的代码量。”
一位资深硬件分析师也强调C端的游戏、应用对驱动研发要求极高，在他看来，大大小小的游戏都要兼容，而在这块游戏厂商不会去做主动适配，需要GPU厂商协调资源去做兼容，他说：“AMD为啥一直不如英伟达，就是舍不得砸钱投入，游戏适配优化不到位。”
以游戏为代表的C端图形场景的困难不仅体现在技术和资本投入上，也反映在代差上——国产消费级GPU，目前的硬件性能还只能对标RTX 3060这类产品，甚至还没有明显的价格优势，前述国产芯片从业者认为只有出货量规模上来之后，才会出现优势，“英伟达的规模化效应短时间内，不是国内某些企业可以追赶的，这也需要时间。”
B端难、C端也难，但错位竞争却能换得一些差异化的机会，更主要的是图形不仅仅指代游戏场景，也可以为GPU厂商打开数字孪生、元宇宙这些新的机会，尽管现在看上去还有些遥远。“GPU的起源就是图形，后来才拓展到AI，未来的数字世界肯定是基于图形+AI的。”前述驱动工程师说。