又一家芯片独角兽启动IPO，创始人曾为英伟达黄仁勋“副手”

今天小编分享的科技经验：又一家芯片独角兽启动IPO，创始人曾为英伟达黄仁勋“副手”，欢迎阅读。

文 | 赛博汽车

A 股又要迎新人，这次是创造 100 天速成 " 独角兽 " 的摩尔线程。

11 月 13 日，中国证监会官网显示，国内 GPU 独角兽企业摩尔线程智能科技（北京）股份有限公司（简称 " 摩尔线程 "）在北京证监局办理辅导备案登记，正式启动 A 股上市进程，辅导机构为中信证券股份有限公司。

上市辅导备案报告显示，摩尔线程成立于 2020 年 6 月，公司实际控制人为张建中，其控制公司 44.07% 股份。

摩尔线程创始人兼 CEO 张建中，曾任英伟达全球副总裁、中国区总经理，在 GPU 行业深耕近二十年，颇有声望。

官网资料指出，摩尔线程以全功能 GPU 为核心，致力于向全球提供加速计算的基础设施和一站式解决方案，为各行各业的数智化转型提供 AI 计算支持，它也是国内仅有的在 B 端和 C 端均有布局的国产 GPU 企业。

在启动上市进程前，摩尔线程已经完成了数轮融资，累计融资金额数十亿元。不久前，摩尔线程还刚刚完成了股份制改革，该公司的注册资本由 2441.3 万元增至 3.3 亿元。

除了摩尔线程，近期，国内 AI 芯片明星独角兽壁仞科技、燧原科技也纷纷提交了 A 股上市需求，国产 GPU 行业正进入快速发展和洗牌期。

而之所以都选择 A 股，上海辰韬资产管理有限公司执行总经理贺雄松认为，目前中概股在美股上市基本已经受阻，港股的流动性差，A 股对于这类的企业则是偏支持的态度。

也有投资人告诉《赛博汽车》，对于致力于 AI 算力基础设施行业的公司，不管是从敏感性、估值，还是支持力度等等，目前 A 股都是一个最好目的地。

无论是短期资金需求，还是长期发展规划，国产 " 英伟达 " 都需要加速冲刺上市。

英伟达高管再创业，备受资本市场看好

与很多 AI 芯片公司一样，摩尔线程的创始团队履历非常漂亮，其中最受瞩目的还是创始人张建中。

公开资料显示，张建中本科毕业于南京理工大学计算机系，后又进入冶金部自动化研究院深造并获得硕士学位。

他先后在惠普、戴尔，担任计算机系统事业部总经理、政府及教育事业部总经理等职位。

2005 年 5 月，张建中加入加入英伟达，担任全球副总裁、中国区总经理。在他的带领下，英伟达 GPU 成功开拓了在中国完整的生态系统，并促使中国市场成为英伟达全球最重要的市场之一。

数据显示，2008 年英伟达在中国的 GPU 市场占有率不到 50%，2020 年，张建中离职之际，市占率已经超过 80%。

张建中也一度被称为是英伟达创始人黄仁勋的 " 左膀右臂 "。

除了张建中外，摩尔线程团队其他成员也主要来自微软、英特尔、AMD、Arm 等诸多芯片巨头。

摩尔线程曾对外表示，自己将是国内唯一一支真正世界级的、能够覆盖 GPU 全流程的成熟团队，其团队成员熟悉 GPU 芯片设计、生产、封装、测试、系统、軟體应用等质量管理各个环节。

另外，还有消息称，摩尔线程的研发总监来自于地平线。

正是得益于强大的创始团队，摩尔线程成立之初便备受资本市场的看好。

根据官方说法，摩尔线程正式成立于 2020 年 10 月。

2020 年 12 月和 2021 年 2 月，成立不到 100 天的摩尔线程连续获得两轮融资，金额数十亿元，一跃成长为 GPU 独角兽。

这还远未结束，此后摩尔线程又陆续完成 4 轮融资。

融资轮次多、金额大的同时，摩尔线程背后资方阵容还堪称豪华。

天使轮有红杉加盟，Pre-A 轮除了有深创投、红杉、GGV 纪源资本领投，还出现了字节跳动的身影；A 轮吸引到了腾讯投资，后续还有中移资本等 20 多家豪华 VC 天团押注。

根据官方资料，在 2022 年 12 月完成 15 亿元 B 轮融资时，摩尔线程的估值已达 240 亿元。2024 年 4 月 9 日，摩尔线程则是以 255 亿元的估值位列《2024 · 胡润全球独角兽榜》第 261 名。

" 中国速度 " 被上演。

从軟體到硬體、从 B 端到 C 端，全线布局

资金不断进账的同时，摩尔线程在研发上也没有停歇。

摩尔线程是少数宣布要制造 " 全功能 GPU" 芯片的公司。所谓全功能 GPU，是在图形渲染、视频编解码、AI 应用和科学计算等领網域均可实现计算。

根据官方描述，摩尔线程目标是成为具备国际竞争力的 GPU 领军企业，为融合 AI 和数字孪生的数智世界打造先进的加速计算平台。

2021 年 10 月，在宣布完成 20 亿 A 轮融资的同时，摩尔线程产品层面也带来了好消息：用时 300 天，其已研制成功首颗国产全功能 GPU。

摩尔线程 MUSA 架构

时隔 4 个月，摩尔线程于 2022 年 3 月 30 日正式推出了 GPU 统一系统架构 MUSA（Moore Threads Unified System Architecture），其主要面向计算、图形、多媒体和人工智能产品线，包括统一编程模型、軟體运行库、驱动程式框架、指令集架构和芯片架构。

摩尔线程方面称，该架构能增强应用的可移植性，使后者可在云端和边缘等计算平台上同时运行，符合减少軟體开发者重复劳动、释放不同引擎核心能力的设计初衷。

毕竟，开发 GPU 和显卡非常难，而軟體开发与生态推广更是难上加难，尤其是全球 GPU 行业已经几乎被英伟达及其 CUDA 所垄断，AMD、Intel 都难以撼动其地位，更别说在这方面几乎是一片空白的国产厂商了。

MUSA 颇有点直接对标 CUDA 的意味，它包括统一的编程模型、軟體运行库、驱动程式框架、指令集架构、芯片架构，可以说从硬體底层到軟體开发，提供了一套完整的解决方案。

MUSA 推出的同时，摩尔线程同步发布并量产 " 苏堤 " 和 " 春晓 " 两颗全功能 GPU 芯片。

随后，摩尔线程迎来高速发展期。

硬體方面，包括面向元计算的 MTT S4000、MTT S3000 和 MTT S2000；面向娱乐与创作的 MTT S80、MTT S70、智娱摩方；面向专业视觉的 MTT X300 和 MTT S50，以及面向数字办公的桌面显卡 MTT S30/S10。

摩尔线程硬體产品

軟體方面则有首个元宇宙计算平台 MTVERSE、自研 GPU 物理引擎 AlphaCore、数字人解决方案 DIGITALME、AIGC 内容生成平台摩笔马良等。

在 AI 大模型方面，摩尔线程推出了软硬一体的夸娥 KUAE 智算集群，从千卡级别大幅扩展至万卡规模，以打造大模型和通用人工智能的先进算力基础设施。

可以说，从軟體到硬體、从 B 端到 C 端，摩尔线程做到了全线布局。

同时，在生态上，摩尔线程也做到了极致。

当前，国产 GPU 的主要策略就是先兼容英伟达 CUDA 生态，把用户迁移成本尽量降低。而摩尔线程的 GPU 芯片不但兼容英伟达 CUDA，还支持当前几乎所有开源大模型。摩尔线程 CTO 张钰勃在接受采访时曾表示，"开发者移植到夸娥集群上，几乎不需要修改代码，迁移成本接近 0，可以在数小时之内完成迁移。"

很快，摩尔线程跻身国内 AI 芯片第一梯队。

无论产品还是渠道，距离英伟达差距都很大

融资、产品都在不断往前推进，甚至有着 " 国产英伟达 " 之称，但摩尔线程与英伟达的差距显然还很大。

作为 GPU 的发明者，英伟达在该领網域的地位是毋庸置疑的。

从技术领網域来看，相较于全球其他主要竞争对手，英伟达在产品完整度、存量市场份额等层面实现领先，且领先优势大概率会维持很长时间；从軟體生态布局来看，英伟达的 CUDA（NVIDIA 推出的运算平台）生态具有较高的壁垒，用户迁移需要较高的成本。

双 "BUFF" 加持之下，英伟达 GPU 在 AI 训练、高性能计算领網域长期占据主导地位。根据知名物联网调研机构 IoT Analytics 数据报告，2023 年全球数据中心市场规模约为 490 亿美元，同比增长 182%，其中英伟达的约占 92%，AMD 约占 3%。

尽管在国内已经有所突破，但从产品性能参数来看，摩尔线程还有不小的差距，体验上亦是如此。

例如 MTT S3000 的 FP32 算力为 15.2TFLOPS，英伟达 A100 为 19.5TFLOP，相当于达到了 80% 的 A100 性能；桌面级 MTT S80 显卡的纸面性能相当于英伟达 RTX3060。

理论上，摩尔线程无论是在计算卡还是桌面级领網域，性能应该达到了英伟达中端水准，但实际表现可能也并非如此。

以 MTT S80 为例，根据网友测试来看，使用体验与 RTX3060 有很大差距，甚至被戏称为 " 养成系 " 显卡。

产品力不如英伟达的同时，渠道方面更是如此。目前，摩尔线程线上渠道依然只有京东一家，京东旗舰店 MTT S80 显卡累计订单约 2000 台；线下渠道，虽然发展了宽泛科技、网新图灵等核心分销商，但多以 B 端业务为主。

不过，作为一家刚刚成立仅 4 年的公司来说，摩尔线程整体表现已经不错，但还有很长的路要走。正如张建中在 2023 年夏季发布会上所言："至少先存活十年，这是摩尔线程的首要短期目标。"

想要长期奋斗，且保持先进，需要大量的资金。

毕竟，芯片研发是一家极其耗费时间和金钱的事情。

GPU 中行业 IP 核占用的面积超过 80%。但 IP 的研发并不轻松，GPU IP 自研需要 36 到 48 个月以及 200 个工程师。采用外购 IP 虽能将开发周期缩短 12 — 18 个月。且高端芯片前端和后续设计 1 — 3 年，流片环节需 3 — 6 个月。若流片失败，只能继续上演该过程。且即使流片成功，还需经过 3 — 12 个月产品测试优化，才能开启量产。

同时，有行业人士计算，14nm 工艺芯片流片一次需要 300 万美元左右，约 2150 万；7nm 工艺芯片，流片一次需要 3000 万美元；5nm 工艺芯片，流片一次更是达到 4725 万美元。

这也是如今，AI 芯片公司加速冲刺上市的原因：缺钱。

AI 芯片公司寒武纪今年上半年仅入账 6476.53 万元

至于为什么选择 A 股，则是因为对于国产 AI 芯片来说，A 股算是一个相对理想的渠道，它对高新技术，尤其是存在技术突破的行业和企业，会给到一定的支持。

不过贺雄松也表示，A 股对于这些公司的支持能够到什么地步不太好说，因为很多公司没有盈利，业绩也不太稳定。但肯定比正常情况下的支持要多。

但显然，面对强敌拦路、外部制裁等诸多压力，能上市获得长期资本支持，是 AI 芯片企业们都需要的。