8月初，摩尔线程交出了上市后的首份半年报。
2026年上半年，摩尔线程实现营业收入17.36亿元，同比增长147.42％，已超过2025年全年营收。归母净亏损由去年同期的2.71亿元，收窄到1156万元。与此同时，“夸娥”万卡级智算集群等业务开始规模化落地。
数字背后，国产GPU正在从能不能造出芯片，开始走向能不能大规模卖出去、用起来。过去几年，大模型浪潮将GPU推上了算力基础设施的核心位置，创业浪潮兴起，壁仞、沐曦、摩尔线程等公司相继入场。
摩尔线程是其中一个典型样本。它选择的技术路线是全功能GPU，即单芯片同时支持AI计算加速、图形渲染、物理仿真和科学计算、超高清视频编解码。
这也与创始人张建中的经历密切相关。8月12日，《中国新闻周刊》探访摩尔线程，在一众“80后”“90后”扎堆的AI创业赛道上，60岁的张建中显得尤为特别：他一身西装，戴着银边眼镜，气质柔和，更像一位学者。2020年，时任英伟达全球副总裁、中国区总经理的张建中，在54岁时决定创业，成立摩尔线程。此前14年，他亲历英伟达如何把GPU从一块芯片做成一个计算平台。张建中不是GPU架构师，他的优势在于产业经验和判断。过去六年，他将这些经验用于国产GPU创业，但面对的不只是芯片技术挑战，产业环境也发生了变化。
张建中 图/摩尔线程供
“为填补空白，
否则我没必要去创业”
张建中原本是没必要重新创业的。作为英伟达全球副总裁，创业意味着更高的风险以及更不确定的回报。但2020年10月，摩尔线程正式运营，张建中投身国产GPU研发。
他在近期接受《中国新闻周刊》采访时谈到，50多岁创业与年轻人不同。年轻人创业，看重商业机会和成长空间。但到了他这个年纪，“不是为了创业而创业，是有目标的。创立摩尔线程，主要还是要解决国内没有这样的企业的空白，否则我们没必要去创业”。
彼时，国内GPU创业逐渐升温，不同公司的技术路径各有差异。有的侧重通用计算和AI等数据中心场景，走的是GPGPU（通用图形处理器）路线。张建中选择的是全功能GPU，他将这一方向称为“大芯片领域的珠穆朗玛峰”。
这个选择，一部分来自团队的技术积累。“团队过去的背景都是在做全功能GPU。”张建中说。另一部分，来自张建中对市场的观察。过去14年，他负责英伟达中国市场，推动英伟达GPU的市占率从2008年的不足50％提升至2020年的80％以上。他对市场未来需求变化更加敏感。
如今，AI正在把计算需求推向更多场景。张建中判断，大模型需要训练和推理，数字孪生需要2D、3D计算，具身智能需要理解和模拟真实环境，物理AI则需要大量科学计算和仿真。在张建中看来，随着计算类型和需求不断变化，更需要GPU的通用性。将不同计算能力集成在同一架构中，可以使一套基础设施适应未来更长时间的需求，“5年之后、10年之后依然可以提供服务”。此外，当未来新的计算需求出现时，一些关键环节提前布局，也不必再陷入对海外产品的依赖。
数字孪生、人工智能、具身智能等新应用出现，计算需求也在不断变化。正式运营仅18个月，摩尔线程便研制出首颗全功能GPU产品“苏堤”。2022年推出消费级游戏显卡MTT S80，随后进入专业GPU市场，覆盖3D建模、图形渲染、视频处理等场景。此外，摩尔线程也在逐步进入数字孪生、GIS、工业设计、智能制造等领域。在张建中看来，民营企业做芯片，一个重要优势就是“可以快速发展、快速试错、快速改变方向”。
与此同时，张建中过往熟悉的GPU产业，也在从一个高度全球化的商业市场，进入一个产业环境快速变化的阶段，先进计算芯片的国际贸易和供应链也受到更多影响。2023年10月，摩尔线程被美国商务部列入实体清单，受到出口管制限制。
张建中在接受本刊采访时表示，这在意料之中，又在意料之外。对一家刚刚起步的芯片公司而言，三年意味着产品还在迭代，团队尚未完全成熟，供应链仍在磨合，资金也在持续消耗。
他坦言，当时的处境很艰难，但“不会因为这一件事情公司就活不下去”。当时，张建中很快给员工发出内部信，提到“中国GPU没有至暗时刻，只有星辰大海”。同时，摩尔线程很快调整了组织架构、优化资源配置，将更多资源集中到全功能GPU的研发和应用落地。
7月17日，2026世界人工智能大会暨人工智能全球治理高级别会议期间的摩尔线程展台。图/视觉中国
知道GPU真正难在哪
GPU产业的竞争不只是在芯片本身，软件和开发者生态同样重要。CUDA是目前应用较为广泛的GPU通用计算软件平台和编程工具，帮助开发者利用GPU进行计算，并在此基础上开发软件和应用。
经过20年的积累，CUDA形成了较为成熟的开发者生态。对不少使用者来说，迁移到另一款GPU并不只是更换芯片，还涉及软件适配、测试验证，以及开发人员长期积累的代码和经验。许多从业者都提到，国产GPU面对的挑战之一在于，除了芯片性能，软件生态和用户迁移成本，同样是需要解决的问题。
张建中也把生态放到了同样重要的位置。摩尔线程从一开始就围绕自研MUSA架构同步搭建软件生态。面对开发者已经形成的CUDA使用习惯，摩尔线程首先做的是降低迁移门槛，通过兼容CUDA生态，适配TensorFlow、PyTorch等主流AI框架以及操作系统，“让用户能够做到几乎零成本的迁移”。
但兼容只是第一步，真正的生态最终还是要有人使用。张建中也在培养开发者。
从高校、科研机构到产业客户，摩尔线程持续扩大MUSA开发者群体。2025年12月，摩尔线程举办首届MUSA开发者大会，“生态”是核心主题之一。围绕开发者培养，摩尔线程通过摩尔学院，推出了“星火计划”“灯塔计划”“精英计划”等项目，覆盖初学者、学生、开发者及科研人员等不同群体。近期2026年半年报显示，MUSA生态开发者数量已突破80万人。
但国产GPU的软件生态仍在持续建设中。除了摩尔线程，其他厂商也在搭建自己的软件生态，路径各有不同。2019年以来，华为开始持续构建昇腾生态，经过多年发展，已经形成一定规模的开发者、合作伙伴和应用基础。也有厂商通过兼容主流大模型框架、降低CUDA迁移成本等方式搭建自己的软件体系。
国产GPU不断突破
2020年成立后，摩尔线程推出“苏堤”“春晓”“曲院”“平湖”等GPU架构，并在2025年推出新一代GPU架构“花港”。与此同时，相关产品开始进入真实的商业场景。今年3月，公司披露了一笔6.60亿元“夸娥”智算集群订单，在上半年完成交付并确认收入。
近期半年报显示，2026年上半年，公司实现营收17.36亿元，同比增长147.42％，归母净利润、归母扣非净利润较上年同期亏损分别收窄95.73％、52.37％。公司解释，业绩增长主要来自全功能GPU需求增长，以及“夸娥”智算集群加速落地、稳定供货，商业化能力进一步提升。
但在张建中看来，产品会不会被客户买单，还是要看产品能不能降低Token成本，提高推理效率，缩短业务处理时间。他把国产GPU从“能用”到“好用”拆分为三个阶段：先生产出来，再大规模生产、降低成本，最后让用户能大规模使用。对已经做出产品的国产GPU企业来说，后两个阶段是眼下更现实的问题。
首先是量产。一颗GPU从设计走到客户手中，要经过晶圆制造、封装、测试，再进入板卡、存储、服务器、集群等一系列环节。过去，GPU产业可以利用全球供应链寻找不同环节的优势，如今国产GPU需要更多依靠国内供应商，但各环节的成熟度并不完全一致。
张建中认为，最大的压力来自生产工艺，整个产业链都需要补齐短板。“只要有一个短板，它就会出现‘木桶效应’。 我们正联合各个方面，协调供应链，解决相关问题。好在目前合作伙伴和供应商也在不断突破。”他说。
芯片能量产之后，还要进入更大的系统。如今，人工智能已经成为现阶段国产GPU的一个核心需求。对国产GPU而言，商业化的下一道考验，是让几千、几万张GPU稳定地一起工作，并让客户愿意为这种能力买单。
截至目前，多家国产GPU初创公司都已经交付千卡乃至万卡级智算集群，进入互联网企业、运营商及地方算力平台等场景。摩尔线程2026年半年报显示，MTT S5000智算集群已经在北京、无锡、杭州等多地完成部署与交付。
张建中把AI产业拆成三个“工厂”：模型训练工厂、词元生产工厂和智能体生产工厂。在他看来，国产GPU需要解决的，是支撑这些“工厂”运行的整套算力基础设施。
他对《中国新闻周刊》坦言，其中最难的是模型训练工厂。训练大模型需要庞大的算力，如果底层算力供给仍存在瓶颈，即使国内公司有自己的模型，也可能在训练规模和迭代速度上受到限制。
据了解，国内GPU公司的产品大部分用于推理。摩尔线程已经建设万卡级的智算集群，并与国内的某顶尖科研机构联合，从零开始进行大模型训练。张建中提到，摩尔线程为此一直在加大投入。目前公司已能在万卡集群上训练千亿参数模型，并正在进一步训练万亿参数模型。“建万卡计算集群是不容易的，除了硬件和软件，还涉及系统的稳定性、可靠性，同时还要能在集群上训练出优秀的模型，需要软硬件和产业链各方深度协同，这也是中国当前产业环境的一个重要特色。”
今年，摩尔线程正基于“花港”架构向十万卡规模集群攻关。张建中对《中国新闻周刊》提到，十万卡的难度并不是简单地把GPU数量扩大十倍。要让十万卡集群像一台机器一样稳定运行，涉及硬件、系统、软件，以及整个集群的稳定性和可靠性，从设计、生产到运营维护，都要同时跟上。“光有硬件也不行，训练出来的模型质量如何、精度是否达标，这些都与GPU的软件质量、计算精度、计算类型和算法支持密切相关。”他说。未来5年，摩尔线程希望通过产品迭代，以及用户和生态系统的逐步成熟，更好地服务行业需求。
发于2026.8.31总第1250期《中国新闻周刊》杂志
杂志标题：张建中：老将创业“填补空白”
记者：杨智杰 刘亮
编辑：闵杰
热门跟贴