近期，受IPO网下配售限售股解禁上市影响，摩尔线程（688795.SH）股价出现波动。对此，摩尔线程回应称生产经营持续向好，并披露其面向AI大模型训练与推理的产品已批量交付互联网、大模型公司、AI基础设施及运营商等客户，基于S5000的万卡集群已为超大规模参数模型提供训练服务。
市场短期情绪容易放大筹码变动的影响，但评估一家GPU企业的长期价值，终究应回归到需求侧的主线上来。具体而言，一方面，互联网大厂持续翻倍的资本开支，构成了当前算力订单的压舱石；另一方面，具身智能产业化催生的“训练—仿真—端侧”三段式算力需求，也为国产GPU厂商打开了第二增长曲线。而在这两条主线上均已有产品、客户与收入验证的摩尔线程，其价值恰恰被这轮解禁情绪所遮蔽。
大厂资本开支：确定性的算力订单来源
公开数据显示，2026年二季度财报季，国内互联网巨头的资本开支数据集体跃升。
腾讯二季度资本开支527.84亿元，同比激增176%；上半年累计847.2亿元，已超2025年全年（792亿元）。管理层明确表示，下半年随着国产AI芯片供应放量，开支将“显著抬升”。
阿里巴巴二季度资本开支676.78亿元，同比增长75%；三年3800亿元AI基础设施计划，截至6月末已累计投入约1900亿元。8月，阿里又宣布配售新股募资约800亿港元，全部用于AI能力建设。
百度二季度资本开支约114亿元，同比增长201%。字节跳动虽未上市，据媒体报道其2026年AI资本开支计划约2000亿元。
据此测算，仅这四家，2026年合计资本开支预计超4600亿元，同比增长近40%。庞大的资本开支部分流向芯片采购。据央视财经报道，2026年国产AI芯片需求约400万颗，实际可交付仅约300万颗，缺口达百万颗量级，部分企业订单已排至2028年后。
从市场份额来看，国产算力卡的进击同样迅猛。2025年国产算力卡国内出货占比约41%，2026年预计升至60%以上；另据摩根士丹利测算，2030年中国AI芯片市场规模将达670亿美元，其中国内供应商将占据86%。
对国产GPU厂商而言，大厂资本开支不是虚无缥缈的叙事，而是排产表里真金白银的订单。
具身智能：正在成型的“下一个云厂商”级需求
如果说大厂资本开支锚定的是确定性的当下，具身智能打开的则是弹性更大的未来。
先看资本的动向。2026年上半年，国内具身智能赛道融资总额突破935亿元，同比增长约5倍，融资事件达322笔；其中约80%投向具身模型与“AI大脑”，全年融资规模更有望突破1500亿元。资本涌入的同时，产业化节奏也在同步加快——上半年中国人形机器人出货约2.3万台，全年预计突破10万台。
更关键的是，具身智能对算力的拉动呈独特的“三段式”结构，每一段都对应GPU的刚性需求：
第一段，云端训练。 具身大模型与世界模型既要理解物理规律，又要生成仿真训练环境，是对算力、显存和精度要求最为苛刻的AI任务之一。
第二段，仿真训练（Sim-to-Real）。 高质量真实交互数据全球仅约50万小时，距产业化所需的百亿小时量级悬殊，缺口必须在虚拟环境中通过并行生成合成数据来弥补。物理仿真、高保真渲染与AI策略训练三类负载需在同一平台上高效协同——这恰恰是“AI计算+图形渲染+物理仿真”全功能GPU的能力交集，也是通用GPU玩家相对于纯AI加速芯片的独特壁垒。
第三段，端侧推理。 机器人本体的实时决策依赖本地高能效芯片。IDC报告显示，2026年一季度全球端侧AI芯片出货量同比增长78%，同期云端AI芯片仅增长12%，增速倒挂清晰指向算力重心向边缘的迁移。
需求端不止于融资数据，产业玩家的实际动作也在加速落地。京东近期宣布两年内采集超1000万小时真实场景数据，2026年AI研发投入同比增长超200%，重点倾斜具身智能与大模型算力。935亿元融资的终点，清晰地指向同一条路径——算力采购。
全栈布局具身：摩尔线程的差异化卡位与落地实证
面对上述两份“买入清单”，摩尔线程基于自研MUSA统一系统架构，以单芯片同时集成AI计算加速、3D图形渲染、物理仿真与科学计算、超高清视频编解码的技术突破，完整支持FP8至FP64全精度计算——“算、渲、仿”一体化的能力组合，恰好匹配具身智能的三段式需求。
这套技术路线的价值并非停留在纸面。2026年以来，其具身赛道布局已形成一条清晰可验证的时间线：
1月，摩尔线程联合北京智源人工智能研究院，基于FlagOS-Robo框架，依托MTT S5000千卡智算集群完成智源具身大脑模型RoboBrain 2.5全流程训练。这是行业首次验证国产算力集群在具身大模型训练中的可用性。
2月，摩尔线程携手小马智行，推动国产AI算力深入自动驾驶端到端模型训练与高保真仿真环节；同时联合五一视界（51WORLD），打造全栈国产化物理AI仿真解决方案。
3月，摩尔线程开源MuJoCo Warp MUSA。据了解，这是具身智能领域首个基于MUSA架构的全功能GPU加速物理仿真后端。测试数据显示：人形机器人动作跟踪任务，单卡约4.8天完成收敛，8卡训练加速8倍以上，32卡仅需约3.6小时；GPU与CPU版本单步仿真结果绝对误差控制在1e-5以内，精度无损。而在端侧层面，机器人本体采用了摩尔线程自研的“长江”SoC芯片作为控制核心，支持运控策略实时执行与端侧模型部署。
5月，摩尔线程发布全栈具身智能仿真平台MT Lambda，在全功能GPU上实现渲染、物理、AI计算单芯片完成与数据“零拷贝”，提供Lambda-Lab策略训练平台与Lambda-Sim高保真仿真平台，并依托夸娥智算集群与端侧SoC形成云边端协同。同月，摩尔线程还与全球首个具身数据的独角兽“光轮智能”，协同构建具身数据生成国产化闭环；与国家人工智能应用中试基地（具身智能）成立联合实验室；还与首批16家伙伴，共建无锡工业具身智能创新中心。
6月，摩尔线程完成全球首个5D世界模型“北大EvoPhys-World”的全栈原生训练，该模型发布后连续37天蝉联斯坦福WorldScore“世界生成”维度全球榜首。摩尔线程与北京大学签约共建“北大－摩尔线程智能图形与仿真联合实验室”，聚焦图形渲染、物理仿真、空间智能、3D高斯重建与具身智能；
7月WAIC期间，公司与世界模型企业极佳视界（GigaAI）宣布战略合作——后者的具身基础模型、驾驶世界模型、具身世界模型已在S5000上完成训练与推理真机验证，运行结果与国际主流算力平台高度对齐，双方共同提出“国芯+国模”的全栈自主路径。
训练侧有千卡集群实证，仿真侧有开源后端与成型平台，端侧有自研SoC，生态侧有高校与客户协同——摩尔线程的这一组合在国产GPU厂商中形成护城河。
基本面成色：营收高增，盈利拐点临近
据财报数据，在已上市的四家国产GPU企业中，摩尔线程以17.36亿元营收居首，同比增长147.42%，半年收入已超2025年全年；二季度单季收入9.99亿元，环比增长35.4%。盈利端同样边际改善显著：上半年归母净利润亏损1156.31万元，同比收窄95.73%，剔除股份支付费用后达8353.16万元。
订单层面，上半年夸娥智算集群相关收入6.6亿元；生态层面，MUSA平台开发者已超80万名，SGLang主线合入、vLLM提供官方后端，DeepSeek等头部模型均实现Day-0适配。
同时，摩尔线程的客户验证也在加速：WAIC 2026期间，京东集团技术委员会主席、京东云总裁曹鹏公开确认，京东云正与摩尔线程围绕JoyAI大模型联合攻坚、共建全链路具身智能服务，并称JoyAI“相当一部分训练的算力”依托摩尔线程提供的国产算力，京东自研xLLM推理引擎已与S5000完成深度适配。
以上是基本面的“锚”，不妨再回头看解禁事件本身。
资料显示，此次解禁股份为2025年12月IPO网下配售中锁定9个月的部分，而据上交所配售结果，其中约93.92%来自自愿选择最长锁定期的A1类投资者。同时，由于筹码高度分散，单只产品获配普遍约1.5万股——这对于任何一只基金而言，都只能算是打新账户锁定期满的标准化兑现。
加之摩尔线程上市初期实际流通盘不足总股本6%，解禁日可交易筹码单日扩容约85%，短期的承压更接近由筹码结构决定的机械性结果。
筹码的另一面同样值得关注。2026年中报显示，全国社保基金四一二组合、高盛公司新进十大流通股东，多只科创板50ETF及芯片ETF亦保持被动配置。
不难看出，解禁改变的只是筹码结构，而非需求曲线。当短线情绪出清，大厂算力开支与具身智能浪潮构筑的基本面，才是决定摩尔线程长期价值的最终锚点。（AD）
热门跟贴