图灵汇官网

最近，GPU 领域竞争激烈，寒武纪在股市上的表现逐渐受到挑战。因为它的对手正在加快上市步伐。比如，上海出现了一家 GPU 新星：沐曦，计划在科创板上市。

沐曦的创始人是陈维良，他在 1999 年毕业于电子科技大学，之后于 2002 年获得清华大学微电子学研究所硕士学位。

他在芯片行业有二十多年的经验，曾负责 AMD 的十五款 GPU 生产，也见证了国外大厂对高端算力的控制。他创业的目标之一是为中国 AI 产业提供自主的算力支持。

当前经济环境下，许多行业都面临资金紧张的问题，但 GPU 领域却非常活跃。从 2022 到 2024 年，沐曦的营收年复合增长率高达 4074.52%（即增长了 40.75 倍）。2024 年收入约为 7.42 亿元。

这个领域为何发展迅速？与算力需求有关。

如今进入“算力主权”时代，GPU 成为 AI 训练、科研仿真等关键场景的重要工具。生成式 AI 的兴起进一步扩大了市场需求。

虽然全球市场仍由英伟达等公司主导，但国内企业正在努力追赶，差距逐步缩小。尽管已有头部公司出现，但仍有新的机会存在——前提是具备资金、算法和生态资源。

2020 年秋天，陈维良、彭莉、杨建三人在上海张江决定创业，目标是打造算力核心。陈维良曾在 1995 年考入电子科技大学微电子专业，2002 年获得清华大学微电子学研究所工学硕士学位。

他曾主导 AMD 的十五款 GPU 量产，是 RDNA/CDNA 架构的重要研发者。彭莉曾任 AMD 首席 SOC 架构师，杨建则有华为海思背景和软件生态经验。

同年九月，沐曦正式成立。初期团队在一个百平米的办公室里工作。

随后，和利资本领投近亿元天使轮，红杉中国等二十多家机构跟进，累计融资超过 20 亿元。

2023 年六月，首款产品曦云 C500 完成流片，采用中芯国际 12nm 工艺和通富微电封装，实现全流程国产化。2023 年营业收入达到 5302 万元。

2024 年，营收实现快速增长，达到 7.43 亿元。公司采用直销和经销两种模式，其中直销占 62.6%，经销占 37.4%。

下游客户包括服务器厂商、系统集成商和智算中心建设方。主营业务收入主要来自 GPU 板卡和 GPU 服务器产品，分别占比 68.99% 和 28.29%。

曦云 C 系列以高性能和高能效著称，采用自研 XCORE 架构和 MetaXLink 高速互连技术，支持千亿参数级 AI 大模型训练。

2025 年一季度，公司 GPU 产品销量继续上升，主营业务收入 3.2 亿元，其中曦云 C 系列 GPU 板卡占比达 97.5%，毛利率为 55.26%。

2025 年 10 月 24 日，沐曦通过科创板审核，计划募资 39.04 亿元用于研发新一代 GPU。现场展示的曦云 C600 还在测试阶段，已支持 128B MoE 大模型训练，预计年底开始量产。

目前，GPU 发展与算力行业紧密相关。

据某知名算力企业透露，近年来政府对算力中心建设的节奏进行了调整，尤其是限制地方国资参与，即便是社会投资，审批通过率也不到 10%。

主要原因在于主管部门担心算力投资过热，且短期内已有大量算力处于闲置状态。但从长期来看，算力需求仍然巨大，未来前景依然乐观。

自 2020 年以来，AI 模型从“小模型+判别式”转向“大模型+生成式”，推动了训推一体 GPU 的普及。

GPU 行业经历了三个发展阶段：

2000-2010 年：图形 GPU 占据市场，主要用于游戏和图形渲染；

2010-2020 年：通用 GPU 兴起，应用于 AI 计算、科学仿真等领域；

2020 年至今：生成式 AI、智算中心建设和云端推理加速推动 GPU 进入“算力主权”时代。

GPU 行业的新爆发点在于“云边端融合”和“多卡互连”技术。单卡性能提升接近瓶颈，多 GPU 协同成为新趋势。沐曦的 MetaXLink 技术正是这一方向的体现，能够支持大规模集群扩展并兼容主流生态。

从全球来看，GPU 长期由英伟达和 AMD 主导。2024 年，英伟达营收达 936 亿元人民币，其中数据中心 GPU 占比超 88%。相比之下，国内厂商仍在追赶。

在国内市场，GPU 玩家逐渐形成多元化格局，包括寒武纪、壁仞科技、摩尔线程、天数智芯和沐曦等。根据招股书数据，沐曦 2022-2024 年营收复合增长率高达 4074.52%，增速位居行业第一。其优势在于兼容主流生态、聚焦训推一体 GPU，并基于国产供应链构建自主架构。

此外，曦云 C 系列已成为国内首批实现云端大模型训练量产的产品之一。

总体来看，虽然 GPU 行业尚未形成绝对的头部格局，但代表性企业已经出现。

对于新进入者来说，国产替代、智算中心建设、AI for Science 等新场景带来了长期机会，但也面临算法更新快、资金投入大、生态构建难等挑战。

首先，国产替代是重要机遇。

2024 年，国内数据中心 GPU 进口比例超过 80%。政策要求到 2025 年核心芯片自主化率达到 50%。沐曦的曦云 C500 已在政务、医疗等领域实现替代，新玩家只需关注合规敏感领域即可打开市场。

智算中心建设带来新增量。全国超过 150 个智算中心正在规划，每个中心需要数千块 GPU。新玩家如果优化产品适配大模型框架，就能分得一部分基建市场。

AI for Science 的兴起开辟了新蓝海。GPU 在蛋白质折叠、材料研发等科研计算中发挥重要作用，高校和研究机构开始转向国产产品。针对性开发专用算法可以抢占高附加值市场。

当然，挑战也非常明显。

算法更新速度很快，主流架构每 18 至 24 个月更新一次。沐曦两年内实现算力三倍提升，新玩家如果没有百人级研发团队很难跟上。

资金投入是持续消耗，12nm 工艺单次流片成本约 8000 万元，前期投入至少 10 亿元。沐曦五年融资超过 20 亿才实现盈利，新玩家缺乏资金容易断链。

生态构建难度大，GPU 需要“芯片+软件+应用”协同。沐曦用了八个月时间开发软件栈，适配上百款应用。新玩家需要攻克 CUDA 兼容问题（国内最高达 85%），说服客户迁移应用可能需要一到两年，而头部厂商补贴也会增加突围难度。