摩尔线程和沐曦这两家GPU新锐几乎前后脚递表科创板，业内都在盯着。这两家路子差异不小，但都还在半山腰拼命往上爬，离登顶英伟达、AMD那种水平，路还长得很。
先说摩尔线程（MT）：步子迈得大，全功能是招牌，但包袱也重。
MT的思路很清晰：要做“全功能GPU”。啥意思？就是图形渲染、AI计算、科学计算，它都想干。架构迭代到了第四代，动作挺快。单卡性能，比如他们那个MTT S80，在纸面上看，消费级领域摸到了RTX 3060的边儿，这在国产GPU里不容易。集群能力是他们宣传的一个亮点，千卡集群的效率据说在某些测试里压过了同规模的一些国际对手。生态这块，他们投入不小，支持的主流AI框架和模型比较多，迁移工具也下了功夫，对开发者相对友好些，这点在国产里算走在前面的。
优势在哪？产品线铺得开，野心勃勃，奔着“全能”去的。图形能力确实是他们区别于很多国产GPU的招牌。老张（张建中，前英伟达全球VP）的背景和团队资源，在拉投资和搞定大客户上，优势明显。腾讯、字节都投了，估值冲到255亿，这次要募80亿，胃口是真不小。
但问题也扎眼。最让人嘀咕的是早期用了不少第三方IP授权。创业初期为了快，能理解，但科创板现在盯着“硬科技”、“自主可控”，这就是个硬伤。质疑声一直没断过。虽然现在推第四代架构，说自研比例上来了，但这包袱没那么容易甩掉。另一个大坎是烧钱太凶残。营收增长快（年复合208%，去年做到4.38亿），但亏损更吓人——三年下来亏了超50亿，光去年就砸进去近15亿！研发投入占营收比例高达626%！这简直是把油门踩到底在玩命。高端AI训练芯片（对标英伟达H100那种）还没见到大规模量产的影子，这块高地没拿下，高端市场就进不去。还有，用户反馈里，驱动和软件栈的成熟度、稳定性，吐槽不少，实际落地体验和纸面参数有差距。
再看沐曦（Muxi）：死磕AI计算，强调全自研，出货是硬道理。
沐曦的路子很聚焦：就是干AI计算。口号喊得震天响——“全栈自研”。IP、指令集都是自己从头撸的。理论上讲，这条路在规避“卡脖子”风险上更彻底，政治上也更“正确”。他们的拳头产品是曦云C系列，主攻AI训练和推理一体化，目标客户非常明确：智算中心、国家算力平台这些大金主。最硬的指标是：累计芯片出货量达到2.5万颗。在国产GPU圈子里，这个数字很实在了，说明产品真能卖出去，真能在客户机房里跑起来，不是光画PPT。
优势在哪？强调全栈自研，在当前大环境下很讨巧，审核时可能占点便宜。 AI计算这条赛道钻得深，产品落地性强，7.4亿的年营收（虽然基数小，但增长数字吓人）和2.5万颗的出货量是实打实的硬通货。亏损额（去年14.09亿）也很大，但比MT那边还是略低一点点，这次募资目标39亿，显得更务实些。团队背景有AMD、海思的影子，加上国资股东站台，在政策资源和某些特定客户那里，可能路子更稳。
短板同样明显。最大的软肋就是几乎放弃了传统图形能力。他们的GPU更像纯GPGPU（通用计算GPU），对DirectX、OpenGL、Vulkan这些图形API的支持要么不是重点，要么性能/兼容性不行。这意味着直接丢掉了图形工作站、游戏显卡、部分嵌入式图形这些大市场。生态工具链是另一个软肋。驱动的成熟度、移植工具的易用性、对开发者社区的支持力度，比起MT显得粗糙不少，用户真要迁移过来，成本可能更高。
MT像个激进的“全才生”，啥都想争第一，资源拉得猛，盘子铺得大。但背着IP质疑和天文数字的亏损，80亿募资就是一场豪赌。沐曦则像个专注的“特长生”，死磕AI计算，自研口号响，出货量是硬道理，财务数据（相对）好看点，39亿募资更聚焦在“把东西造出来卖出去”。代价是图形能力瘸腿，生态薄弱，产品线单一，长期看天花板可能更明显。
作为老工程师，我最关心的是硬核指标：架构有没有真创新？流片良率稳不稳？驱动和编译器够不够成熟可靠？在用户实际的生产环境里，性能、功耗、稳定性能不能持续达标？ 这两家在这些核心的工程能力上，都还有很长的陡坡要爬。科创板上市只是个加油站，远不是终点线。最终谁能把产品从“能用”磨成真正稳定、高效、好用的“好用”，把生态圈养起来，把成本降下去，把亏损的口子堵上，谁才能在这场马拉松的后半程真正冒头。
END
点击了解活动详情往期精选：
请点下【♡】给小编加鸡腿
