一、报告期内公司所属行业及主营业务情况说明
　　（一）所属行业情况
　　1、行业的发展阶段、基本特点、主要技术门槛
　　（1）行业发展阶段及基本特点
　　在国家“人工智能+”战略的推动下，人工智能正加速跨越技术中试阶段，全面赋能千行百业。当前，算力行业正呈现出由不同技术演进路径驱动的三大核心发展阶段与特点：
　　人工智能模型的持续迭代引领大规模第一代智算中心需求不断提升。大模型技术正经历从单一文本语言模型向多模态模型，再向具备物理世界理解能力的“世界模型”演进的范式转移。这种演进要求系统具备海量时空数据的时序处理能力，直接驱动了底层算力需求呈指数级增长。根据弗若斯特沙利文预测，中国AI芯片... 查看全部▼

　　一、报告期内公司所属行业及主营业务情况说明
　　（一）所属行业情况
　　1、行业的发展阶段、基本特点、主要技术门槛
　　（1）行业发展阶段及基本特点
　　在国家“人工智能+”战略的推动下，人工智能正加速跨越技术中试阶段，全面赋能千行百业。当前，算力行业正呈现出由不同技术演进路径驱动的三大核心发展阶段与特点：
　　人工智能模型的持续迭代引领大规模第一代智算中心需求不断提升。大模型技术正经历从单一文本语言模型向多模态模型，再向具备物理世界理解能力的“世界模型”演进的范式转移。这种演进要求系统具备海量时空数据的时序处理能力，直接驱动了底层算力需求呈指数级增长。根据弗若斯特沙利文预测，中国AI芯片市场规模将由2024年的1,425亿元增至2029年的1.3万亿元，2025~2029年的复合增速高达54%。伴随大模型训练集群的规模化建设与推理需求的全面放量，第一代智算中心的扩容与升级正迎来确定性的高速增长空间。
　　以具身智能和AI4S（AI for Science）为目标的产业发展，正带领新一代通用超智算中心兴起。随着机器人产业的蓬勃发展，具有自主感知、决策与执行能力的具身智能产业步入快车道，实现从“数字空间”向“物理空间”的跨越；同时，AI4S在生命科学、材料科学等领域的广泛应用，也对复杂系统的物理仿真与计算提出了极高要求。这些前沿领域高度依赖于极高逼真度的物理世界仿真、大规模复杂场景的实时3D渲染以及端侧实时交互。在多模态与空间计算深度融合的背景下，单一的AI张量加速已无法满足复杂的应用落地需求，兼具强大AI并行计算、复杂图形渲染及物理仿真能力的全功能GPU，成为构建新一代通用超智算中心的核心底座。
　　人工智能代理系统的发展，正引领个人智算领域快速兴起。具备自主工作和演进能力的AI Agent系统正逐步改变人机交互与生产力组织方式。随着AI应用的深度普及，人工智能正加速向边缘侧与终端设备渗透。为了实现Agent的本地化部署、隐私保护与低延迟交互，市场催生了对高能效、高集成度异构算力的海量需求，推动了AI算力向消费侧的全面下沉，智能体终端与边缘计算设备正成为智算行业新的强劲增长极。
　　（2）行业主要技术门槛
　　集成电路设计属于高度技术密集型行业，而随着人工智能演进路径的多元化发展，底层算力芯片在三大核心方向上面临着极高的多重技术门槛。
　　在支撑大模型迭代的第一代智算中心方向，算力竞争已从单卡性能演进为系统级的大规模集群能力，构建万卡甚至十万卡级别智算集群及全栈人工智能底层基础架构（AI Infra）形成了极高的核心壁垒。这不仅需要跨越超大规模无损组网、高带宽低延迟通信互联的技术鸿沟，保障超大集群在长周期、高负载下的系统级容错与稳定运行；更高度依赖底层软件栈的统筹调度，企业需具备深度优化复杂的并行计算策略和显存管理的能力。同时，随着大模型参数规模的爆炸式增长，底层硬件对FP8、FP4等低精度混合计算格式的硬件级加速支持变得至关重要，这是在千亿或万亿级参数大模型训练及推理时，突破内存墙瓶颈、实现极致能效比与极高集群算力利用率（MFU）的关键门槛。
　　在面向具身智能与AI4S的新一代通用超智算中心方向，单芯片层面的研发是一项极端复杂的系统工程，要求企业必须具备“全功能”架构的设计能力。这种架构要求芯片在同一套硬件底层和软件生态上，无缝协同处理高强度的AI张量计算、极高逼真度的物理世界仿真以及大规模复杂场景的实时3D渲染。在此场景下，不仅要求硬件具备支持复杂科学计算的FP64双精度浮点运算能力，还要求底层微架构必须原生支持AI生成式渲染与硬件级光线追踪等先进图形技术。这种跨越计算与图形边界的指令集定义及资源动态调度分配，要求企业必须全面掌握从前沿图形学到深度学习的大量底层关键技术，任何单一路径的技术积累都难以支撑这种复合型算力需求。
　　在面向AI Agent的个人智算与边缘计算方向，技术门槛集中体现在异构计算的高度集成与极致的能效比控制上。为了实现复杂智能体在端侧的本地化部署与低延迟交互，芯片必须在极度受限的功耗与散热条件下，将高性能CPU、全功能GPU与高能效NPU等异构算力单元进行深度融合。这不仅要求企业具备先进的SoC模块化设计与封装能力，还需要配套强大的轻量化推理软件栈，以实现在端侧设备上流畅运行百亿级参数大模型，这对软硬件协同优化的颗粒度提出了苛刻要求。
　　2、公司所处的行业地位分析及其变化情况
　　（1）行业地位
　　公司依托核心技术的持续迭代，围绕生成式人工智能、智算基础设施、云原生图形计算、端侧智能与边缘计算等关键业务场景实现持续突破，并进一步形成面向AI时代的“三个工厂”能力体系，即模型训练工厂、词元生产工厂和智能体生产工厂，持续巩固公司在国产GPU领域的技术领先地位。
　　面向未来AI基础设施演进趋势，公司在原有“AI工厂”的基础上，进一步提出并构建“三个工厂”能力体系。其中，模型训练工厂主要面向大模型训练及后训练场景，依托十万卡级别超大规模智算集群能力，为万亿级参数大模型预训练、强化学习等后训练任务提供高性能AI Infra和基础软件支持，覆盖混合专家大语言模型、VLA类具身智能模型、视频生成模型等前沿模型方向；词元生产工厂主要面向当前快速增长的大模型推理业务，服务互联网、大模型客户及政企行业客户，一方面通过更低推理延迟提供更高质量的Token服务，另一方面通过更高系统吞吐提升算力利用效率，持续降低单位Token成本；智能体生产工厂则面向新一代Agent系统和具身智能应用，提供支撑复杂智能体计算、调度和部署所需的AI基础设施能力，并进一步面向具身智能机器人本体，构建端云协同的智能体计算支持体系。通过“三个工厂”能力建设，公司将从底层GPU算力、集群互联、基础软件到行业应用场景形成更加完整的AI基础设施闭环。
　　在大模型与智算基础设施领域，公司旗舰级训推一体全功能GPU智算卡MTT S5000单卡性能处于行业第一梯队，且实现了大规模集群产品商业化加速。该产品基于公司第四代芯片架构“平湖”打造，专为生成式AI时代的大模型训练、推理及高性能计算而生。MTT S5000提供从FP8到FP64的全精度算力支持，核心指标已达到对标国际旗舰水准的技术高度。基于该旗舰产品，公司成功构建了夸娥（KUAE）万卡级智算集群，为超大规模模型的训练与推理提供了高性能的底层算力支撑。
　　在云原生与数字孪生场景，依托MTT S3000卓越的硬件级虚拟化与图形渲染能力，公司产品在云桌面及云端实时渲染等领域实现了广泛落地。
　　在端侧智能与边缘计算领域，公司凭借自主研发的“全功能GPU+CPU+NPU+VPU”异构计算架构，确立了极具竞争力的技术领先地位。依托高度集成的“长江”SoC芯片及软硬协同生态，公司在多个核心应用赛道与国际标杆产品实现了技术对标。通过成功量产MTT AIBOOK算力本、MTT AICUBE家庭AI中枢及多场景智能模组，公司已完整打通底层异构芯片到端云协同软硬件栈的技术闭环，未来将持续向具身智能与AI智算终端等前沿场景拓展，致力成为端云融合与实体经济智能化转型的国产算力基石。MTT E300模组用于满足行业智能体、智慧教育、具身智能、低空经济、智能座舱、智慧交通、工业智造、消费电子、智能家居等领域多样化的需求，为行业用户提供安全且自主可控的AI边缘计算解决方案。
　　（2）市场地位
　　公司凭借深厚的技术积淀，快速实现了全功能GPU技术的产业化输出与多场景落地。自2020年成立以来，公司先后推出五代GPU芯片架构（苏堤、春晓、曲院、平湖、花港），构建起覆盖云端、边缘与终端的完整产品矩阵。
　　凭借卓越的产品性能与完善的软硬件生态，公司在国产算力市场确立了坚实的领先地位，产品已渗透至多个高壁垒核心行业与应用场景。摩尔线程MTT S5000产品（PH100芯片）正式通过中国信息安全测评中心与国家保密科技测评中心的测评，标志着其在技术成熟度、安全性和稳定性上达到了行业高标准。在大规模AI基础设施领域，公司的MTT S系列智算卡已在多家智算中心及云服务平台实现部署，广泛支撑大模型训练、推理、智能体应用及科学计算的算力需求。公司是市场中为数不多的真正实现面向训练的单一网络下千卡级、万卡级大规模集群商业化应用落地的GPU供应商。摩尔线程于2025年12月发布“花港”架构，支持十万卡以上规模智算集群扩展，面向大模型预训练、强化学习等后训练任务以及MoE大模型、VLA类具身智能模型、视频生成模型等前沿方向，构建面向超大规模模型训练的“模型工厂”基础设施能力。此外，公司还发布了MTT C256超节点的架构规划。该产品采用计算与交换一体化的高密设计，旨在系统性提升万卡及十万卡级集群的训练效能与推理能力，为下一代超大规模智算中心打造兼具超高密度、极致能效与高扩展性的硬件基石，持续支撑公司“模型训练工厂”在AI Infra和基础软件层面的能力建设；在AI整机与服务器市场，公司与国内头部整机厂商、服务器品牌及信创生态伙伴建立了深度合作，成为国产高端算力整机与服务器的核心GPU供应商；在工业互联网、数字孪生与三维可视化等专业应用方向，公司产品深度赋能工业仿真、城市数字孪生及高保真3D渲染等复杂场景；在航空航天及政务等对自主可控与信息安全要求极高的关键领域，公司产品亦完成了重要的落地验证及应用；此外，在芯片模组、嵌入式计算及边缘AI等新兴领域，公司产品也已向下游合作伙伴持续渗透，逐步拓展端侧算力的应用版图。
　　随着产品在上述多个行业维度的全面开花，以及MTT S80等桌面级显卡在消费端兼容性的持续跃升，公司作为国内全功能GPU的领军企业，行业影响力正在加速扩大。公司多种形态的GPU产品广泛应用于云计算、科研、互联网、政务、低空经济、游戏等核心计算加速场景，广泛覆盖重大科技创新平台、互联网厂商、通信运营商、云服务厂商、AI企业、个人消费者等客户类型。公司不仅是国产替代的重要力量，更已成为驱动行业数智化转型的核心算力引擎。
　　（3）品牌地位
　　经过近年的快速发展，摩尔线程于2025年底成功完成科创板IPO，正式登陆资本市场，跻身国产GPU领域的领军上市企业行列。公司成功实现五颗芯片量产，构建了自主研发的全功能GPU技术路线与完整的MUSA软件栈，完成了从“技术突破”到“产业应用”的关键跨越。基于五颗GPU芯片构筑的完整产品矩阵，公司正全面赋能“云-边-端”多场景应用。公司核心技术的持续迭代有力保障了我国GPU领域的自主可控。摩尔线程深度参与多个国家部委发起的科研课题。凭借强大的研发底座与商业交付能力，公司已获评国家高新技术企业、国家级专精特新“小巨人”等核心资质，并获批成立博士后科研工作站。
　　自成立以来，公司累计荣获近百项国内外重要奖项，完成了从“全球独角兽”到上市公司的跨越。报告期内，公司被调入科创50指数，旗舰产品MTT S5000（PH100芯片）成功通过国家《安全可靠测评》。除此之外，公司先后斩获福布斯中国“人工智能科技企业TOP50”、中国IC设计Fabless100排行榜“TOP10AI芯片公司”、IDC圈“年度AI基础设施创新奖”、量子位“值得关注的AIGC企业”等多项来自行业和媒体的重量级荣誉，充分彰显了作为中国科技创新排头兵的核心优势与资本市场长期投资价值。
　　截至报告期末，公司累计申请专利2,167项，其中发明专利申请2,049项。公司累计获得授权专利788项，其中发明专利725项。
　　3、报告期内新技术、新产业、新业态、新模式的发展情况和未来发展趋势
　　报告期内，全球人工智能与GPU产业正经历前所未有的技术共振与应用爆发，智算中心产业在“算力供不应求”的常态下加速演进，催生了一系列新技术、新产业与新业态。
　　（1）智算基础设施集群化演进，软件生态决定市场竞争力
　　在智算基础设施与新技术层面，随着DeepSeek等前沿大模型的发布，AI模型的“智力”水平快速提升，多模态和世界模型成为发展趋势。随着大模型参数量向十万亿级迈进，单卡性能的提升已无法满足庞大的训练与推理缺口。大模型推理面临迭代高速化、服务极致化、模型复杂化三大挑战。在此背景下，智算中心正加速向“超大规模集群化”方向演进。十万卡乃至超十万卡级别的超大型GPU集群已成为下一代大模型竞赛的“入场券”。这种超大规模集群不仅要求底层GPU具备极高的算力密度，运用以超节点为代表的硬件架构，更催生了对三级多轨无损组网、端到端零丢包通信以及系统级容错调度等AI Infra新技术的迫切需求，推动智算中心从传统的“硬件堆叠”向“软硬高度协同的AI工厂”模式转型。
　　软硬件系统级的深度协同成为提升有效算力的路径。AI工厂的智能“产能”，由五大核心要素共同决定，其效率公式可概括为：AI工厂生产效率=加速计算通用性×单芯片有效算力×单节点效率×集群效率×集群稳定性。具体为，在AI基础设施建设中，计算功能的完备性与精度完整性是支撑多元场景的核心基石；强大的芯片有效算力是驱动AI工厂高效运转的核心动力；全栈系统软件实现关键技术突破，推动AI工厂从单点创新转向系统级效能提升；通过分布式并行计算技术，实现大规模节点的高效协作，推动AI基础设施从单点优化迈向系统工程级突破；零中断容错技术，提升集群的稳定性和可靠性。2026年，摩尔线程将上述“AI工厂”进一步细分为模型训练工厂、词元生产工厂和智能体生产工厂。
　　在国产GPU市场，硬件性能差距逐步缩小，软件生态能力成为决定市场竞争力的最关键因素。英伟达CUDA平台作为全球AI计算领域的事实标准，凭借二十年持续迭代，构建起覆盖编程模型、编译器、算子库、调试工具、开发者社区的完整生态闭环，成为连接GPU硬件与上层人工智能模型、算法的核心枢纽。其生态价值核心在于大幅降低开发者门槛：无需深入掌握GPU底层硬件架构，即可通过通用编程语言与主流AI框架高效调用芯片并行算力，实现模型训练与推理的低代码迁移、高性能释放、快速部署落地。进入大模型与AI Agent时代，算子高频更新、算法快速迭代、场景快速拓展成为行业常态，软件生态的响应速度与完备度直接决定AI芯片的易用性、模型适配效率与商业化落地丰富度。完备的软件生态可实现对新模型、新算子的Day0级适配，保障大模型训练推理的算力高效利用、性能稳定输出。底层硬件设计与上层软件工具链、算子库、编译器的紧密配合，方能最大化发挥芯片理论算力、提升开发者使用体验，并支撑人工智能应用向具身智能、行业智能体、多模态交互等新兴场景持续延展。
　　（2）AI Agent与具身智能爆发，云边端算力提出差异化要求
　　在应用与新产业生态层面，人工智能代理与具身智能成为驱动算力需求爆发的两大新引擎。全球算力重心正从预训练阶段逐步向后训练优化与推理部署阶段延伸，依托强化学习、思维链等前沿算法迭代，持续投入算力资源可进一步提升模型智能能力并拓展商业化空间，多维度算力需求共同推动人工智能在云端、边缘与终端协同落地。2025年开始，AI Agent市场迎来结构性爆发，其具备的自主规划、执行与演进能力，正作为“新数字劳动力”席卷全球企业级与消费级市场，极大拉动了云端与边缘侧的推理算力需求。云端承担高复杂度训练与核心推理任务，边缘及终端则侧重即时响应、轻量化智能处理，不同场景对算力的能效与部署灵活性提出差异化要求，也推动GPU产品在云端与端侧持续演进适配。与此同时，具身智能产业步入快车道。多模态感知、高保真物理世界仿真与端侧实时运动控制，对底层芯片的AI张量计算与复杂图形渲染能力提出了前所未有的复合型挑战，全功能GPU凭借其综合优势，正成为构建具身智能底座的核心算力引擎。
　　（3）“算力上星”引领新业态，天基算力网拓宽应用边界
　　在空间计算与前沿新模式层面，“算力上星”与天基算力网有望成为未来最具颠覆性的新业态之一。通用大模型已成功实现全球首次太空在轨部署。通过搭载高性能GPU的计算卫星与星间激光通信技术，太空计算基础设施正逐步成型。这种将算力部署至近地轨道、实现“算力上天、在轨组网、模型上天”的新模式，不仅打破了传统地面算力的空间局限，更极大拓宽了全功能GPU在极端环境与深空探测等高壁垒场景下的应用边界，为未来泛在算力网络的发展指明了新方向。
　　根据弗若斯特沙利文预测，随着AI和大数据技术的广泛应用，中国算力规模呈现快速增长态势，整体规模从2020年的136.20EFLOPs增长至2024年的617.00EFLOPs，期间年均复合增长率为45.9%；预计到2029年中国算力总规模将达到3,442.89EFLOPs，预测期年均复合增长率达40.0%。其中，智能算力是引领算力规模指数级增长的核心，其规模从2020年59.20EFLOPs增长至2024年的438.07EFLOPs，期间年均复合增长率高达64.9%，预计在2025年至2029年期间，智能算力将以45.3%的年均复合增长率增长至3,035.91EFLOPs，这一增长趋势的主要推动力在于AI技术的深入应用，促进了对高性能计算能力的强烈需求，推动智能算力持续扩容。
　　（二）主营业务情况
　　摩尔线程自成立以来，以全功能GPU为核心，致力于向全球提供计算加速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强大的AI计算支持。公司的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计算加速平台。摩尔线程在国内GPU领域处于领先地位，基于自主研发的MUSA架构，公司率先实现了单芯片架构同时支持AI计算加速、图形渲染、物理仿真和科学计算、超高清视频编解码的技术突破，有力推动了我国GPU产业的自主可控进程。目前，公司的主要产品线包括云端产品线、边缘与终端产品线。
　　1、云端产品线
　　云端产品线目前主要包括云端智算板卡、智算一体机以及智算集群。
　　基础算力层面，云端智算板卡（如MTT S5000、MTT S4000、MTT S3000等）作为核心计算单元，为MoE混合专家模型、多模态模型、世界模型等前沿模型预训练及集群化推理优化设计，具备良好的计算性能与能效比；服务器层面，智算一体机（如MTT SGX5000）服务于大规模AI训练与推理场景，通过高密度算力集成和创新散热设计，实现单节点多卡高效协同。
　　集群层面，公司智算集群（夸娥KUAE集群）可扩展至万卡及以上规模，采用先进网络架构和调度系统，满足AI研发机构和企业级智能化需求，支持超大参数模型预训练、多租户云服务与分布式推理。
　　2、边缘与终端产品线
　　边缘与终端产品线目前主要包括桌面图形加速显卡、专业视觉加速卡、边缘AI计算模组以及智能体终端设备。
　　其中，桌面图形加速显卡与专业视觉加速卡是个人电脑、图形工作站进行高质量图形渲染与多媒体处理的核心器件。MTT S80作为国内首款支持Windows操作系统及DirectX11/12图形API的消费级显卡，主要为大众用户提供流畅的3A游戏体验与日常娱乐计算支持；MTT X300则面向专业级市场，凭借其卓越的实时渲染与计算能力，深度赋能GIS（地理信息系统）、CAD（计算机辅助设计）、BIM（建筑信息模型）及非线性编辑等专业应用，解决国产终端在复杂三维展示中性能不足的痛点。
　　边缘AI计算模组MTT E300是一款小型化、高性能、高集成度的AI计算模组，是摩尔线程专门为AI边缘计算场景打造的高性能计算平台，主要面向机器人与边缘计算市场。该类产品基于公司自研的“长江”SoC芯片，采用创新的模块化设计，将全功能GPU、高性能CPU、NPU与VPU等异构算力高度集成。MTT E300模组用于满足行业智能体、智慧教育、具身智能、低空经济、智能座舱、智慧交通、工业智造、消费电子、智能家居等领域多样化的需求，为行业用户提供安全且自主可控的AI边缘计算解决方案。
　　在个人智算领域，MTT AIBOOK是Agentic AI时代的开发工具，更是每个人触手可及的智能体验平台。通过集成全功能GPU算力核心，实现了办公应用与AI计算任务的异构协同。依托内置的MTT AIOS操作系统及配套AI开发工具链，该终端支持端侧大模型及智能体的本地化部署与运行。
　　在家庭智算领域，家庭AI中枢设备MTT AICUBE融合AI Agent，AI PC及AI NAS三种产品形态于一身。该产品内置全域智能体“小麦”，支持大量APP的跨应用控制并提供智能化的主动服务；全闪存AI NAS模块则为家庭数据提供了安全、高效的本地存储与智能管理；同时，MTT AICUBE还具备完整的桌面AI PC能力，可轻松满足家庭用户的观影娱乐、高效办公、在线学习、云游戏以及本地大模型运行等全方位需求。

　　二、经营情况的讨论与分析
　　2026年以来，全球人工智能产业进入规模化落地与场景爆发的新阶段，国内“人工智能+”行动深度赋能实体经济。以大模型、多模态、具身智能为代表的AI技术加速向各垂直行业纵深演进，不仅深刻重塑了千行百业的生产力模式，更激发了对高性能、高可靠智能算力的井喷式需求。在算力底座自主可控与高质量发展成为行业共识的背景下，面对错综复杂的国际宏观环境与产业链重塑的深刻变革，公司持续加码核心算力技术的研发攻关，加速产品矩阵的迭代升级，以自主研发的全功能GPU为核心，致力于为AI、数字孪生、科学计算等高性能计算领域提供计算加速平台。
　　（一）智算产品硬核实力获客户高度认可，商业化持续加速，推动经营业绩大幅提升
　　公司凭借出色的产品力持续拓展市场，积极助力人工智能应用落地。2026年上半年，公司实现营业收入173,630.91万元，较上年同期增长147.42%。公司毛利总额达到98,876.39万元，较上年同期增长103.78%。整体毛利率水平达到56.95%。归属于上市公司股东的净利润-1,156.31万元，亏损金额较上年同期收窄25,937.92万元，收窄比例达95.73%。归属于上市公司股东的扣除非经常性损益后的净利润-15,082.18万元，亏损金额较上年同期收窄16,586.28万元，收窄比例达52.37%。
　　报告期内，依托于全功能GPU产品及其配套软件平台的技术领先优势，公司产品持续在多个重点行业应用领域落地。
　　1、AI算力基础设施领域
　　报告期内，公司依托第四代芯片架构MTT S5000产品，持续夯实智算产业落地基础。基于MTT S5000智算卡构建的夸娥（KUAE）大规模智算集群不仅展现了强大的AI计算能力，更在超大规模AI模型训练中实现了高达95%的集群训练线性度突破。公司在组网架构、训练推理协同、超高带宽通信及算力平台智能调度等方面的支撑能力持续跃升，可以为互联网、科研、大模型、具身智能等核心场景提供安全可靠的算力底座，强力推动国产算力基础设施的发展与智能化升级。
　　2、SOTA大模型领域
　　报告期内，公司依托自主研发的MUSA计算平台以及MTT S5000产品，全面深入开展主流大模型的适配与优化工作，在模型适配广度与深度上均取得重大突破，公司的全功能GPU产品力及软硬协同生态构建能力得到了行业客户的广泛认可。
　　针对DeepSeek等具有行业标杆意义的前沿大模型，公司联合生态伙伴，基于原生FP8低精度算力等创新技术，率先在MTT S5000上完成了对DeepSeek-V4的深度适配与性能突破。此外，摩尔线程陆续实现了新一批头部厂商SOTA大模型的快速适配，如MiniMax M3、智谱GLM-5.2等。
　　合作伙伴基于摩尔线程MTT S5000智算集群，实现“国芯训国模”，从零起步完整训练MoE-236B基础大模型；公司联合北京智源人工智能研究院基于FlagOS-Robo框架，依托MTTS5000智算集群，成功完成智源自研具身大脑模型RoboBrain2.5的全流程训练；北京大学EvoPhys团队在MTT S5000全功能GPU上全程原生训练以“人”为中心、面向“场景级万物可控”的5D世界模型EvoPhys-World。这一前沿研究成果，在斯坦福大学WorldScore公开评测榜单中，荣登“世界生成（World Generation）”赛道第一名，并37天蝉联榜首。
　　通过广泛覆盖主流应用场景，有效促进了公司应用生态的持续完善。此举帮助多种行业的客户实现复杂大模型在实际业务场景中的商业化落地，标志着公司的计算生态已全面深度融入全球及国产AI大模型的繁荣生态圈。
　　3、边缘计算与智能体终端领域
　　报告期内，公司抓住了边缘和端侧智能的机遇，凭借“长江”SoC高规格、低功耗、大算力、多精度和全功能等优势，E300模组在行业智能体、工业智造和智慧教育等场景取得持续进展；MTT AIBOOK于线上及线下渠道销售亦有序推进。
　　4、云电脑领域
　　报告期内，公司持续深耕云电脑市场，凭借全功能GPU及首创的动态弹性切分vGPU技术，在运营商业务领域持续渗透。核心产品MTT S3000单卡支持32路并发，通过软硬协同方案使CPU负载降低75%、渲染性能提升10倍。目前，公司已与中国移动等头部运营商实现多省市商用落地，针对个人娱乐、高性能办公及教育等不同场景量身定制的云电脑产品，赢得了客户的高度认可。
　　（二）坚持自主创新，筑牢全功能GPU技术根基，确保公司技术领先优势
　　1、持续高强度研发投入，夯实人才与技术根基
　　公司高度重视全功能GPU技术与产品的研发投入，以不断提升公司云端、边缘与终端产品的性能表现与市场竞争力。报告期内，公司研发投入达76,914.81万元，占营业收入比例为44.30%，金额同比增长38.16%。截至2026年6月30日，公司拥有1,019人的研发团队，占员工总人数的74.16%，其中76.84%的研发技术人员拥有硕士及以上学历。持续高强度的研发投入和完善的研发团队帮助公司实现技术和产品的快速升级迭代。
　　2、“平湖”架构实现跨越式技术突破
　　在底层核心技术与前沿攻关方面，公司持续加码自主可控芯片架构的迭代升级。作为面向未来大模型时代与多元泛在算力需求打造的底层架构，“平湖”架构在晶体管密度、计算能效比、显存带宽利用率及全功能GPU微架构协同优化上实现了全面升级。该架构针对超大规模AI训练及复杂生成式AI场景进行了深度定制，原生增强了对Transformer、MoE等前沿模型结构的硬件级加速支持，并大幅优化了FP8/BF16等混合精度AI计算的吞吐效能。同时，“平湖”架构延续并深化了公司“全功能GPU”的战略路线，在保持卓越的高性能图形渲染与超高清视频编解码能力的基础上，实现了算力与算效的平衡。
　　3、万卡级智算集群工程性能表现优秀
　　公司夸娥（KUAE）万卡级智算集群产品从技术层面成功攻克了万卡级硬件系统优化、高速互联与系统级容错等一系列高难度工程壁垒。该集群在Dense大模型训练中的模型算力利用率（MFU）高达60%，在MoE大模型上达40%，训练线性扩展效率达到95%，并在原生FP8精度下完整复现了顶尖大模型的训练流程，多项关键指标均达到国际主流水平。为解决超大规模集群常见的硬件故障导致训练中断的行业痛点，公司夸娥万卡训练容错系统可以实现零代码侵入的故障在线诊断与快速恢复，有效训练时间占比超过90%。
　　万卡级AI工厂的商业化加速，不仅证明了公司全功能GPU产品在极端复杂环境下的高可用性，更确保了公司在激烈的国产算力角逐中保持技术领先优势。
　　4、完善MUSA软件生态，加速大模型适配与推理落地
　　在软件方面，公司对MUSA基础软件系统平台进行了优化和迭代。公司持续推进训练软件平台的研发和改进，以市场客户需求牵引新增功能和通用性支持，并大力推进大模型业务的支持和优化。
　　公司持续投入大规模分布式训练软件平台的研发，迭代更新分布式训练组件，使训练软件平台能够支撑主流的大模型分布式训练需求，降低新模型的适配周期。通过优化融合算子、支持通算融合等优化策略，训练性能达到了业界主流水平，具备了更强的行业竞争力。同时，训练软件平台全面支持大规模集群的分布式通信功能，实现接近线性扩展的多机分布式训练性能。
　　公司推理软件平台在大模型适配、开源生态建设及易用性优化、大模型推理解决方案等方面同样取得显著进展。公司Day-0适配了DeepSeek-V4、MiniMax M3、智谱GLM-5.2等一系列行业SOTA大模型。近期，月之暗面正式开源万亿参数模型Kimi K3，MiniMax正式开源多模态生成模型MiniMax H3，摩尔线程亦实现了Day-0适配，体现出摩尔线程全功能GPU架构的全栈协同能力，助力开发者以更快速度及更低成本接入行业最新模型。
　　5、边缘计算平台SoC和智能体终端
　　“长江”SoC为公司构建了云、边、端的全链路解决方案。“长江”SoC具有多元异构算力和高处理性能，集成高性能全大核CPU和摩尔线程全功能GPU，支持多种运算精度，为AI计算、模型调试、图形渲染、科学计算和视频处理等使用场景提供澎湃性能，让强劲算力高效服务多元应用。
　　继MTT AIBOOK后，报告期内，公司推出了基于“长江”SoC的全新品类智能终端产品MTT AICUBE，并同步上架京东平台开始销售。
　　（三）深化生态布局，提升品牌价值
　　1、开发者与技术
　　开发者生态建设方面，公司依托“摩尔学院”搭建系统化学习路径，覆盖企业开发者、科研机构及在校学生，提升开发者对产品的认知与使用能力。目前，公司各类开发者数量已突破80万名。摩尔学院平台提供丰富免费课程资源，MUSA系列课程已上线国家智慧教育平台“启悟学习社区”。全球顶级推理框架SGLang完成MUSA代码主线合入，标志着国产GPU开源生态进入“原生支持”时代。公司开源TileLang-MUSA算子开发工具，MUSA软件栈持续丰富。公司还开源集群性能仿真工具SimuMax，为大规模分布式训练提供智能并行策略搜索与全栈工作流支持。
　　产学协同方面，公司推出“灯塔计划”，以算力支持与联合科研模式面向前沿科研与战略生态牵引。截至报告期末，灯塔计划已支持北京大学具身世界模型、上海交通大学具身运控基础模型、北京量子信息科学研究院超导量子计算、清华大学并行化神经网络解码器等项目，覆盖十余家顶尖高校与科研机构。公司助力多所高校开设了基于MUSA平台的人工智能课程，打造产学研一体化人才培养生态，为技术生态储备长效动能。公司在北京大学、上海交通大学、浙江大学、中国科学技术大学、江南大学、南京理工大学等高校开展联合教学、讲座等多种形式的科教合作。公司通过“火聚计划”以企业出题、高校领题模式推动联合研发，与南京理工大学等高校签署多个技术项目，实现成果直接转化，打通从联合研发到成果转化的完整闭环，并与北京市十一学校、江苏省锡山高级中学、柳州高级中学、柳州市第八中学共建“AI教育实训基地”，将人才培养链条延伸至基础教育阶段。公司还在线下联合各类组织为众多大型企业提供技术培训赋能。
　　产品技术活动方面，公司于2026年5月举办年度产品发布会，全面展示了从万卡级夸娥智算集群到长江SoC端侧方案的“云-边-端”全栈产品矩阵，发布MT Lambda具身智能仿真平台、MTT AICUBE家庭中枢等创新产品，品牌市场认知度持续提升。
　　行业标准方面，公司作为创始会员参与设立北京市人工智能协会，推动行业标准制定与产业协同。
　　2、行业应用合作
　　在基础模型训练领域，公司夸娥万卡集群完成科学基座模型全栈训练验证，多项核心算力效率指标对标国际主流水平。公司与小马智行达成战略合作，以国产AI算力加速L4级自动驾驶规模化落地。公司与五一视界共建全栈国产化物理AI仿真体系。
　　在模型推理领域，除了Day-0适配行业SOTA大模型外，公司推出PD异构分离方案，以更高资源利用率支撑高效词元生产，为企业提供兼顾成本、性能与灵活性的混合部署路径。
　　在具身智能领域，摩尔线程依托MT Lambda全栈仿真平台，开源具身智能领域首个基于MUSA架构的GPU加速物理仿真后端MuJoCo Warp MUSA，完成四足机器狗与两足人形机器人Sim2Real真机验证。摩尔线程于无锡设立工业具身智能创新中心，携手首批16家生态伙伴联合共建，以夸娥大规模智算集群为算力基座，面向工业场景开展关键技术研发与成果转化。公司系国家人工智能应用中试基地（具身智能）共建合伙人，并担任产业委员会委员。公司与国家具身智能应用中试基地签署战略合作协议，并成立“具身智能算力与仿真联合实验室”。
　　在前沿技术探索方面，公司持续投入，以先进计算技术赋能具身智能、量子计算、生物科技、自动驾驶、工程机械等重大产业方向。在量子计算领域，公司参与设立北京量电融合创新中心，联合生态伙伴共同推动量子-经典混合计算全栈生态建设；与硅臻联合推出“量超智通”融合计算平台，以GPU与量子计算机双核心构建融合算力底座；与中国移动研究院、北京量子信息科学研究院、相干科技等合作伙伴签署备忘录，共建“量子AI深度融合”开发平台，助力中国新质生产力发展。
　　（四）人才体系的健全和发展
　　公司始终视人才为核心战略资产，将人才体系建设置于发展全局，报告期内闭环运行“引、用、育、留”全链条人力资源管理体系，持续优化人才结构与配套机制，为高质量发展筑牢根基；公司紧扣核心业务战略，精准拓宽引才渠道，引进行业经验丰富的技术与管理骨干，同时吸纳知名院校优秀毕业生充实人才梯队，并以战略目标为牵引，构建分层分类培养体系，覆盖新员工融入、专业技能提升及领导力发展全维度，全面赋能员工成长，在激励机制上坚持短期激励与长期绑定相结合，深化以结果为导向的绩效管理，通过多元价值共享充分激发组织活力与员工内生动力，实现个人与公司长期共同成长；截至报告期末，公司员工队伍年龄结构合理、专业能力突出，高学历及技术型人才占比较高，人才体系的持续升级为技术创新、产品研发与稳健运营注入强劲动能，有力保障公司战略持续落地与长期健康发展。

　　三、报告期内核心竞争力分析
　　(一)核心竞争力分析
　　1、国内领先的全功能GPU架构与全栈技术优势
　　公司是国内极少数能够实现全功能GPU量产量销的厂商，拥有自主研发的MUSA统一架构。该架构不仅支持高强度的AI张量计算加速，还具备强大的图形渲染、物理仿真/科学计算，以及超高清视频编解码能力。全功能特性使得公司的产品能够适应从数据中心到边缘计算，再到智能体终端的广泛应用场景，为客户提供通用性强、性价比高的算力底座。公司最新一代“花港”架构在底层微架构上实现重大突破，算力密度提升50%，计算能效提升10倍，同时原生增强对FP8/FP4等先进低精度混合计算格式的硬件级加速支持，进一步巩固公司在国产核心芯片领域的技术领先地位。
　　2、完善的MUSA软件生态与极高的CUDA兼容性
　　软件生态是决定GPU产品商业化落地的核心壁垒。公司构建完备的MUSA软件栈，涵盖从底层驱动、编译器、算子库到上层开发框架的全套工具链。更为重要的是，MUSA架构从GPU架构到开发者套件均采用与CUDA兼容的编程模型，通过自研MUSIFY工具可协助开发者将源代码快速迁移到MUSA平台、自研MUSA-X计算库实现CUDA API的替换，MUSA Toolkit提供编译和调用支持，确保应用程序在迁移至MUSA架构时的高效性和便捷性。MUSA提供了完整的开发者工具链，包括编译器、调试器和性能分析工具，与CUDA开发者套件功能对标，降低迁移成本。这种“全栈生态+高度兼容”的能力，不仅大幅缩短下游客户的适配周期，也为公司在激烈的国产替代进程中构筑生态护城河。
　　3、端到端的万卡级别AI工厂集群设计与建设能力
　　大模型时代，算力竞争已从单卡性能演进为系统级的大规模集群能力。针对这一需求，公司夸娥（KUAE）万卡级智算集群不仅跨越超大规模无损组网与高带宽低延迟通信互联的技术鸿沟，更在容错机制与并行调度上实现系统级创新，能够为客户打造端到端、高可用性的AI工厂。在长周期、高负载的千亿级大模型训练中，夸娥（KUAE）集群表现出卓越的性能：在Dense大模型上，模型算力利用率（MFU）达到60%，多机分布式训练线性扩展效率高达95%，且通过夸娥万卡训练容错系统实现极高的有效训练时间占比，确立了公司在大规模智算中心建设领域的先发优势。
　　4、面向未来的前沿图形渲染技术
　　在物理世界仿真与数字孪生需求爆发的背景下，公司持续深耕现代图形技术。依托全功能GPU架构，公司不仅实现了对DirectX、Vulkan等主流图形API的全面支持，更在底层硬件级实现对先进光线追踪技术的原生加速，为复杂场景提供高保真的3D实时渲染能力。同时，公司前瞻性地将AI技术与图形学深度融合，突破性地支持AI生成式渲染技术（如AI超分辨率与帧生成），在大幅降低渲染功耗的同时成倍提升画面帧率。这些前沿图形技术的掌握，使公司成为支撑具身智能仿真训练与新一代通用超智算中心的核心力量。
　　5、赋能具身智能与智算的SoC异构集成能力
　　随着人工智能向边缘侧和终端设备的深度下沉，公司前瞻性地布局了“长江”SoC芯片产品线。该类芯片采用了先进的模块化设计，在极度受限的功耗与散热条件下，将高性能CPU、全功能GPU与高能效NPU等异构算力单元进行了深度融合与高效集成。凭借这种极致的能效比控制与异构计算协同能力，公司的SoC及AI模组（MTT E300）不仅能为工业机器人、无人机等具身智能设备提供低延迟的本地化AI感知与决策能力，更支撑了AI算力本（MTT AIBOOK）、家庭AI中枢（MTT AICUBE）等智能体终端的快速兴起，实现了端侧百亿级大模型的流畅推理，全面打开了公司在泛智算市场的广阔增量空间。
　　6、顶尖的研发团队与丰富的工程经验
　　公司核心团队深耕GPU与人工智能领域多年，凭借深厚技术积淀与规模化工程落地经验，构建了从底层微架构设计、芯片流片到上层系统软件开发、生态适配、集群部署的全链条研发能力。依托成熟的工程化管控体系，公司实现五年推出五代自主芯片架构、年均推出一代旗舰GPU芯片并成功量产，顺利完成从单卡产品到千卡级、万卡级智算集群的工程化落地，攻克大规模算力调度、软硬件协同优化、生态兼容适配等行业难题，彰显了顶尖的芯片研发与工程交付实力。
　　公司坚持研发驱动战略，注重研发人才高地建设。核心团队多源自国际龙头企业，具备先进GPU全流程研发与量产经验。同时公司搭建覆盖架构设计、物理实现、验证测试全环节的研发基础设施与流程体系，采用模块化、参数化设计实现快速迭代，依托性能功耗预测模型、自动化测试平台、标准化知识管理系统，持续提升研发效率、保障技术沉淀与传承。
　　(二)核心技术与研发进展
　　1、核心技术及其先进性以及报告期内的变化情况
　　公司在全功能GPU领域掌握了GPU微架构、指令集、SoC芯片设计、先进工艺物理设计等核心硬件技术；在基础系统软件技术领域掌握了MUSA统一编程框架、图形API支持（DirectX12、OpenGL4.6、Vulkan1.3等）、AI算子库优化等核心软件技术。
　　公司最新一代全功能GPU架构“花港”支持FP4到FP64的全精度计算，集成全精度端到端加速技术和新一代异步编程模型，算力密度提升50%，能效提升10倍。基于该架构的“华山”AI芯片，在浮点算力、访存带宽、访存容量和高速互联带宽方面，将具备多项领先甚至超越国际主流芯片的能力。基于该架构的“庐山”图形渲染芯片，将实现3A游戏渲染提升15倍，AI性能提升64倍，光线追踪性能提升50倍。
　　2、报告期内获得的研发成果
　　公司在全功能GPU与智能算力领域构建了体系化知识产权布局，为自主可控的核心技术与产品创新筑牢坚实屏障。
　　截至报告期末，公司累计申请专利2,167项，其中发明专利申请2,049项。公司累计获得授权专利788项，其中发明专利725项。
　　此外，公司拥有软件著作权37项，集成电路布图设计126项。
　　3、研发投入情况表
　　研发投入总额较上年发生重大变化的原因
　　公司在强化原有架构芯片相关研发工作的同时，重点研发投入新一代“花港”架构下的华山、庐山芯片及相关应用，使得本期研发费用金额相比于上年同期增加21,241.98万元，同比增长38.16%。
　　四、报告期内主要经营情况
　　2026年上半年，公司实现营业收入173,630.91万元，较上年同期增长147.42%。公司毛利总额达到98,876.39万元，较上年同期增长103.78%。整体毛利率水平达到56.95%。归属于上市公司股东的净利润-1,156.31万元，亏损金额较上年同期收窄25,937.92万元，收窄比例达95.73%。归属于上市公司股东的扣除非经常性损益后的净利润-15,082.18万元，亏损金额较上年同期收窄16,586.28万元，收窄比例达52.37%。

　　五、风险因素
　　（一）尚未盈利的风险
　　报告期内，公司归属于母公司股东的净利润、归属于母公司股东的扣除非经常性损益后的净利润分别为-1,156.31万元、-15,082.18万元，均为负值。
　　报告期内，公司保持战略定力，深耕全功能GPU架构研发，全力构筑强大的软件生态与开发者服务体系。随着芯片架构持续迭代、产品矩阵不断丰富及生态建设逐渐深入，公司持续投入相关研发资源。公司持续保持高强度的研发投入，研发投入占营业收入的比例为44.30%，金额同比增长38.16%。
　　报告期内，公司实现营业收入173,630.91万元，较上年同期增长147.42%。归属于母公司股东的净利润、归属于母公司股东的扣除非经常性损益后的净利润分别较上年同期亏损收窄25,937.92万元、16,586.28万元，收窄比例分别达95.73%、52.37%。公司将紧跟行业市场发展趋势，持续迭代升级芯片架构，丰富云边端产品矩阵，完善开发者生态建设，不断提升公司核心竞争力和业绩表现，积极回报广大投资者。
　　（二）核心竞争力风险
　　GPU芯片的研发涉及复杂的系统工程，包括硬件架构设计、算法优化及软件生态系统构建等，涉及多个技术领域，属于技术密集型行业，行业知识产权众多。公司自成立以来一直从事GPU芯片及相关产品的设计和研发，通过持续研发创新，研制出了多款性能对标国际上同类型主流水平的产品，并且通过在GPU行业的多年积累，形成了一系列重要技术成果。
　　长期以来，公司通过申请专利、集成电路布图设计专有权、软件著作权等方式对自主知识产权以及核心技术进行保护，该等知识产权以及技术对公司未来发展具有重要意义，但无法排除关键技术被竞争对手通过模仿或窃取等方式侵犯的风险。同时，公司一贯重视自主知识产权的研发，避免侵犯他人知识产权，但无法排除竞争对手或其他利益相关方采取恶意诉讼等挑起纠纷以及争议的策略，阻碍公司正常业务发展的风险。若上述情形实际发生，将对公司的日常经营、业务发展和竞争优势等造成不利影响。
　　（三）经营风险
　　1、技术和产品迭代风险
　　集成电路设计行业以技术创新为核心驱动力，企业需紧密跟踪技术路线演进方向及下游市场需求变化，持续开展前瞻性研发并推出迭代性产品，方能在竞争中建立技术壁垒与市场优势。若公司未能精准把握技术演变方向与市场需求，导致产品开发节奏滞后于技术迭代速度或市场需求变化，将可能丧失市场竞争力，进而影响新老产品迭代节奏及业务增长动能的持续释放，导致公司未来可能面临业绩增速放缓或下滑的风险。
　　2、客户集中度较高的风险
　　近三年公司客户集中度处于较高水平。若公司主要客户生产经营情况恶化或由于行业景气度下降导致客户需求下降，进而导致其向公司下达的订单数量下降，则可能对公司的业绩稳定性产生影响。此外，如果公司无法维护与现有主要客户的合作关系与合作规模、无法有效开拓新客户资源并转化为收入，亦将可能对公司经营业绩产生不利影响。对此，公司将紧跟人工智能前沿技术路线，推动产品迭代以满足差异化市场需求，并加大市场拓展力度，致力于优化客户结构，降低大客户依赖风险。
　　3、被美国列入“实体清单”及国际贸易争端加剧的相关风险
　　公司于2023年10月被美国列入“实体清单”，对公司采购美国生产原材料、采购或使用含有美国技术的知识产权和研发工具等产生一定限制。公司已经积极调整供应链策略以应对上述不利影响，但由于集成电路领域专业化分工程度及技术门槛较高，公司更换新供应商可能会产生额外成本。同时鉴于国际形势的持续变化和不可预测性，若美国或其他国家进一步扩大贸易限制政策或出台新的制裁措施，公司经营业务可能将进一步受到不利影响，极端情况下可能出现公司的营业收入大幅下滑的情形，从而对公司的经营业绩产生负面影响。公司将密切关注国际贸易政策动态，积极构建多元化供应链体系，加强与国内及非受限地区供应商的战略合作，以提升供应链的韧性与安全水平。
　　（四）财务风险
　　1、预付账款规模较大的风险
　　报告期内公司业务发展迅速，对原材料的采购需求相应增加；同时受内外部环境变化影响，公司需要按照行业惯例向上游供应商提前订货并预付一定比例货款，导致预付账款规模较大。随着公司业务规模的持续扩大，未来如果公司的上游供应商提高预付比例或延长供货周期，公司将面临流动资金占用增加的风险。若上游供应商情况出现严重恶化，或由于其他不可抗力导致出现无法履约交货或收回款项等情形，公司预付账款可能存在一定的减值风险。
　　2、存货规模较大及存货跌价的风险
　　报告期末，公司存货账面价值为354,970.30万元，占总资产的比重为20.97%。如果原材料价格、供应链代工价格和市场环境等发生变化，或者公司主营产品单价受更新换代、供求关系等因素发生不利变化，导致公司存货中相关产品的可变现净值显著降低，公司将面临存货跌价增加从而影响经营业绩的风险。
　　（五）行业风险
　　公司业务所处GPU行业中，一方面，国际头部企业如英伟达等凭借与供应链深度绑定的业务布局，在产品迭代速度、制程工艺积累及生态构建能力上具备显著优势。这些厂商依托长期的技术研发积淀和大规模资本投入，在GPU及相关产品领域占据主导地位，并通过供应链垂直整合占据成本控制优势；另一方面，随着国家在AI和高性能计算领域的强力政策支持，国内GPU芯片领域正吸引大量资本和人才涌入，行业进入快速发展期。
　　若公司未能精准把握下游市场需求变化，未能在性能指标、生态布局、销售拓展等方面缩小与国际头部厂商的差距或在国产厂商中取得优势，将可能在激烈竞争中丧失市场先机，导致市场份额及经营业绩面临下行压力。 收起▲

　　一、报告期内公司所从事的主要业务、经营模式、行业情况说明
　　(一)主要业务、主要产品或服务情况
　　摩尔线程自成立以来，以全功能GPU为核心，致力于向全球提供计算加速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强大的AI计算支持。公司的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计算加速平台。摩尔线程在国内GPU领域处于领先地位，基于自主研发的MUSA架构，公司率先实现了单芯片架构同时支持AI计算加速、图形渲染、物理仿真和科学计算、超高清视频编解码的技术突破，有力推动了我国GPU产业的自主可控进程。目前，公司的主要产品线包括云端产品线、边缘... 查看全部▼

　　一、报告期内公司所从事的主要业务、经营模式、行业情况说明
　　(一)主要业务、主要产品或服务情况
　　摩尔线程自成立以来，以全功能GPU为核心，致力于向全球提供计算加速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强大的AI计算支持。公司的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计算加速平台。摩尔线程在国内GPU领域处于领先地位，基于自主研发的MUSA架构，公司率先实现了单芯片架构同时支持AI计算加速、图形渲染、物理仿真和科学计算、超高清视频编解码的技术突破，有力推动了我国GPU产业的自主可控进程。目前，公司的主要产品线包括云端产品线、边缘与终端产品线。
　　1、云端产品线
　　云端产品线目前主要包括云端智算板卡、智算一体机以及智算集群。
　　基础算力层面，云端智算板卡（如MTTS5000、MTTS4000、MTTS3000等）作为核心计算单元，为MoE混合专家模型、多模态模型、世界模型等前沿模型预训练及集群化推理优化设计，具备良好的计算性能与能效比；服务器层面，智算一体机（如D800等）服务于大规模AI训练与推理场景，通过高密度算力集成和创新散热设计，实现单节点多卡高效协同。
　　集群层面，公司智算集群（夸娥KUAE集群）可扩展至万卡及以上规模，采用先进网络架构和调度系统，满足AI研发机构和企业级智能化需求，支持超大参数模型预训练、多租户云服务与分布式推理。
　　2、边缘与终端产品线
　　边缘与终端产品线目前主要包括桌面图形加速显卡、专业视觉加速卡、边缘AI计算模组以及个人智算终端设备。
　　其中，桌面图形加速显卡与专业视觉加速卡是个人电脑、图形工作站进行高质量图形渲染与多媒体处理的核心器件。MTTS80作为国内首款支持Windows操作系统及DirectX11/12图形API的消费级显卡，主要为大众用户提供流畅的3A游戏体验与日常娱乐计算支持；MTTX300则面向专业级市场，凭借其卓越的实时渲染与计算能力，深度赋能GIS（地理信息系统）、CAD（计算机辅助设计）、BIM（建筑信息模型）及非线性编辑等专业应用，解决国产终端在复杂三维展示中性能不足的痛点。
　　边缘AI计算模组主要面向机器人与边缘计算市场。该类产品基于公司自研的“长江”SoC芯片，采用创新的模块化设计，将全功能GPU、高性能CPU、NPU与VPU等异构算力高度集成。MTTE300模组可提供高达50TOPS的INT8边缘AI算力，可以为无人机、AI智能体终端设备、工业机器人等边缘侧设备提供高性能、低延迟、强可靠的本地化AI推理与智能感知决策能力。在个人智算领域，公司推出了以MTTAIBOOK为代表的系列个人智算终端设备。该产品搭载自研“长江”SoC芯片，通过集成全功能GPU算力核心，实现了办公应用与AI计算任务的异构协同。依托内置的MTAIOS操作系统及配套AI开发工具链，该终端支持端侧大模型及智能体的本地化部署与运行。
　　在技术实现层面，针对主流智能体框架，公司通过优化底层推理引擎与内存管理机制，提升了硬件对多步推理、长文本处理及实时交互任务的响应速度。同时，公司通过提供标准化的软硬协同部署接口，简化了模型量化、环境配置及接口调用流程，降低了开发者的使用门槛。该方案在保障数据隐私安全的同时，有效支持了端侧智能体的应用开发，进一步拓展了公司全功能GPU在个人终端及边缘计算场景的应用边界。
　　(二)主要经营模式
　　从产业模式来看，集成电路企业采用的经营模式主要分为IDM和Fabless（无晶圆厂）两种模式。公司自成立以来始终采用Fabless经营模式。
　　公司主要通过向客户提供基于全功能GPU芯片的板卡、智算一体机及智算集群等产品获取业务收入。公司专注于全功能GPU及相关产品的研发、设计与销售，负责制定GPU芯片的规格参数、完成芯片设计和功能验证、提供芯片设计版图、封装设计版图及板卡设计版图，而将晶圆制造、封装测试及板卡加工等环节委托给专业的代工厂商完成。针对智算一体机及智算集群，公司还需要采购相应配套的服务器、网络通信等设备与配件。公司采取“直销与经销并存”的销售模式。直销团队直接参与关键行业客户的商务谈判与签约；同时，公司积极依托经销网络拓展渠道，扩大产品在各区域市场覆盖率。
　　(三)所处行业情况
　　1、行业的发展阶段、基本特点、主要技术门槛
　　（1）行业发展阶段及基本特点
　　在国家“人工智能+”战略的推动下，人工智能正加速跨越技术中试阶段，全面赋能千行百业。当前，算力行业正呈现出由不同技术演进路径驱动的三大核心发展阶段与特点：
　　人工智能模型的持续迭代引领第一代大规模智算中心需求不断提升。大模型技术正经历从单一文本语言模型向多模态模型，再向具备物理世界理解能力的“世界模型”演进的范式转移。这种演进要求系统具备海量时空数据的时序处理能力，直接驱动了底层算力需求呈指数级增长。根据弗若斯特沙利文预测，中国AI芯片市场规模将由2024年的1,425亿元增至2029年的1.3万亿元，2025~2029年的复合增速高达54%。伴随大模型训练集群的规模化建设与推理需求的全面放量，第一代智算中心的扩容与升级正迎来确定性的高速增长空间。
　　以具身智能和AI4S（AIforScience）为目标的产业发展，正带领新一代通用超智算中心兴起。随着机器人产业的蓬勃发展，具有自主感知、决策与执行能力的具身智能产业步入快车道，实现从“数字空间”向“物理空间”的跨越；同时，AI4S在生命科学、材料科学等领域的广泛应用，也对复杂系统的物理仿真与计算提出了极高要求。这些前沿领域高度依赖于极高逼真度的物理世界仿真、大规模复杂场景的实时3D渲染以及端侧实时交互。在多模态与空间计算深度融合的背景下，单一的AI张量加速已无法满足复杂的应用落地需求，兼具强大AI并行计算、复杂图形渲染及物理仿真能力的全功能GPU，成为构建新一代通用超智算中心的核心底座。
　　人工智能代理系统的发展，正引领个人智算领域快速兴起。具备自主工作和演进能力的AIAgent系统正逐步改变人机交互与生产力组织方式。随着AI应用的深度普及，人工智能正加速向边缘侧与个人终端设备渗透。为了实现Agent的本地化部署、隐私保护与低延迟交互，市场催生了对高能效、高集成度异构算力的海量需求，推动了AI算力向个人消费侧的全面下沉，个人智算终端与边缘计算设备正成为智算行业新的强劲增长极。
　　（2）行业主要技术门槛
　　集成电路设计属于高度技术密集型行业，而随着人工智能演进路径的多元化发展，底层算力芯片在三大核心方向上面临着极高的多重技术门槛。
　　在支撑大模型迭代的第一代智算中心方向，算力竞争已从单卡性能演进为系统级的大规模集群能力，构建万卡甚至十万卡级别智算集群及全栈人工智能底层基础架构（AIInfra）形成了极高的核心壁垒。这不仅需要跨越超大规模无损组网、高带宽低延迟通信互联的技术鸿沟，保障超大集群在长周期、高负载下的系统级容错与稳定运行；更高度依赖底层软件栈的统筹调度，企业需具备深度优化复杂的并行计算策略和显存管理的能力。同时，随着大模型参数规模的爆炸式增长，底层硬件对FP8、FP4等低精度混合计算格式的硬件级加速支持变得至关重要，这是在千亿或万亿级参数大模型训练及推理时，突破内存墙瓶颈、实现极致能效比与极高集群算力利用率（MFU）的关键门槛。
　　在面向具身智能与AI4S的新一代通用超智算中心方向，单芯片层面的研发是一项极端复杂的系统工程，要求企业必须具备“全功能”架构的设计能力。这种架构要求芯片在同一套硬件底层和软件生态上，无缝协同处理高强度的AI张量计算、极高逼真度的物理世界仿真以及大规模复杂场景的实时3D渲染。在此场景下，不仅要求硬件具备支持复杂科学计算的FP64双精度浮点运算能力，还要求底层微架构必须原生支持AI生成式渲染与硬件级光线追踪等先进图形技术。这种跨越计算与图形边界的指令集定义及资源动态调度分配，要求企业必须全面掌握从前沿图形学到深度学习的大量底层关键技术，任何单一路径的技术积累都难以支撑这种复合型算力需求。
　　在面向AIAgent的个人智算与边缘计算方向，技术门槛集中体现在异构计算的高度集成与极致的能效比控制上。为了实现复杂智能体在端侧的本地化部署与低延迟交互，芯片必须在极度受限的功耗与散热条件下，将高性能CPU、全功能GPU与高能效NPU等异构算力单元进行深度融合。这不仅要求企业具备先进的SoC模块化设计与封装能力，还需要配套强大的轻量化推理软件栈，以实现在端侧设备上流畅运行百亿级参数大模型，这对软硬件协同优化的颗粒度提出了苛刻要求。
　　2、公司所处的行业地位分析及其变化情况
　　（1）行业地位
　　摩尔线程是国内极少数能够实现全功能GPU量产量销的厂商，公司已成功研发多款高性能、可对标国际主流竞品的GPU产品，产品在国内处于领先地位。公司自主掌握的MUSA统一系统架构、图形渲染及AI加速等核心技术，具有极高的研发壁垒与广泛的应用场景。
　　报告期内，公司依托核心技术的持续迭代，在多个关键业务场景实现重大突破，进一步巩固了在国产GPU领域的技术领先地位：
　　在大模型与智算基础设施领域，公司旗舰级训推一体全功能GPU智算卡MTTS5000单卡性能处于行业第一梯队，且实现了集群产品大规模商业化落地。该产品基于公司第四代芯片架构“平湖”打造，专为生成式AI时代的大模型训练、推理及高性能计算而生。MTTS5000不仅提供从FP8到FP64的全精度算力支持，其单卡AI（稠密）算力高达1,000TFLOPS，并配备80GB超大显存、1.6TB/s显存带宽及约800GB/s的高速卡间互联带宽，核心指标已达到对标国际旗舰水准的技术高度。基于该旗舰产品，公司成功构建了夸娥（KUAE）万卡级智算集群，为超大规模模型的训练与推理提供了高性能的底层算力支撑。
　　在云原生与数字孪生场景，依托MTTS3000卓越的硬件级虚拟化与图形渲染能力，公司产品在云桌面及云端实时渲染等领域实现了广泛的落地。
　　在端侧智能与边缘计算领域，公司凭借自主研发的“全功能GPU+CPU+NPU+VPU”异构计算架构，确立了极具竞争力的技术领先地位。依托高度集成的“长江”SoC芯片及软硬协同生态，公司在多个核心应用赛道与国际标杆产品实现了技术对标。通过成功量产MTTAIBOOK算力本及多场景智能模组，公司已完整打通底层异构芯片到端云协同软硬件栈的技术闭环，未来将持续向具身智能与车载中央计算等前沿场景拓展，致力成为端云融合与实体经济智能化转型的国产算力基石。MTTE300模组用于满足行业智能体、智慧教育、具身智能、低空经济、智能座舱、智慧交通、工业智造、消费电子、智能家居等领域多样化的需求，为行业用户提供安全且自主可控的AI边缘计算解决方案。
　　（2）市场地位
　　公司凭借深厚的技术积淀，快速实现了全功能GPU技术的产业化输出与多场景落地。自2020年成立以来，公司先后推出五代GPU芯片架构（苏堤、春晓、曲院、平湖、花港），构建起覆盖云端、边缘与终端的完整产品矩阵。
　　凭借卓越的产品性能与完善的软硬件生态，公司在国产算力市场确立了坚实的领先地位，产品已渗透至多个高壁垒核心行业与应用场景。在云计算与算力服务领域，公司的MTTS系列智算卡已在多家智算中心及云服务平台实现部署，广泛支撑大模型训练、推理、智能体应用及科学计算的算力需求。公司是市场中为数不多的真正实现千卡级、万卡级大规模集群商业化应用落地的GPU供应商。摩尔线程于2025年12月发布“花港”架构，支持十万卡以上规模智算集群扩展。此外，公司还发布了MTTC256超节点的架构规划。产品采用计算与交换一体化的高密设计，旨在系统性提升万卡集群的训练效能与推理能力，为下一代超大规模智算中心构建兼具超高密度与极致能效的硬件基石；在IT基础设施与整机市场，公司与国内头部整机厂商、服务器品牌及信创生态伙伴建立了深度合作，成为国产高端算力整机与服务器的核心GPU供应商；在工业互联网、数字孪生与三维可视化等专业应用方向，公司产品深度赋能工业仿真、城市数字孪生及高保真3D渲染等复杂场景；在航空航天及政务等对自主可控与信息安全要求极高的关键领域，公司产品亦完成了重要的落地验证及应用；此外，在芯片模组、嵌入式计算及边缘AI等新兴领域，公司产品也已开始向下游合作伙伴渗透，逐步拓展端侧算力的应用版图。
　　随着产品在上述多个行业维度的全面开花，以及MTTS80等桌面级显卡在消费端兼容性的持续跃升，公司作为国内全功能GPU的领军企业，行业影响力正在加速扩大。公司多种形态的GPU产品广泛应用于云计算、科研、政务、低空经济、互联网、游戏等核心计算加速场景，广泛覆盖重大科技创新平台、云服务厂商、运营商、商业企业、互联网厂商、个人消费者等客户类型。公司不仅是国产替代的重要力量，更已成为驱动行业数智化转型的核心算力引擎。
　　（3）品牌地位
　　经过五年的快速发展，摩尔线程于2025年底成功完成科创板IPO，正式登陆资本市场，跻身国产GPU领域的领军上市企业行列。公司成功实现五颗芯片量产，构建了自主研发的全功能GPU技术路线与完整的MUSA软件栈，完成了从“技术突破”到“产业应用”的关键跨越。基于五颗GPU芯片构筑的完整产品矩阵，公司正全面赋能“云-边-端”多场景应用。公司核心技术的持续迭代有力保障了我国GPU领域的自主可控。摩尔线程深度参与多个国家部委发起的科研课题。凭借强大的研发底座与商业交付能力，公司已获评国家高新技术企业、国家级专精特新“小巨人”等核心资质，并获批成立博士后科研工作站。
　　自成立以来，公司累计荣获近百项国内外重要奖项，完成了从“全球独角兽”到上市公司的跨越。公司荣获“年度影响力上市公司”等重量级荣誉，充分彰显了作为中国科技创新排头兵的全球视野与资本市场长期投资价值。
　　技术标杆与硬核专利：两度获评“北京市数字经济标杆企业”（2024/2025）；SIGGRAPHAsia20253DGS重建挑战赛银奖（2025）；海淀高价值专利培育大赛一等奖（2024）；雄安高价值专利大赛金奖（2024）；夸娥集群入选中关村论坛“百项新技术新产品榜单”（2024）；量子位年度人工智能领航企业（2025）；网易科技AI基础设施创新企业TOP10（2025）。截至报告期末，公司累计申请的专利为1,854项，其中发明专利申请1,743项。
　　资本与市场双重认可：36氪“WISE最具商业价值企业”（2024）；蓝鲸新闻“年度影响力上市公司”（2025）；界面新闻“好公司50”（2025）；两度入选胡润“全球独角兽榜”（2023/2024）。全球视野与行业地位：连续四年上榜《EETimes》“Silicon100”（2022-2025）；2025胡润中国人工智能企业50强（2026）；《麻省理工科技评论》中国“50家聪明公司”（2025）。
　　3、报告期内新技术、新产业、新业态、新模式的发展情况和未来发展趋势
　　报告期内，全球人工智能与GPU产业正经历前所未有的技术共振与应用爆发，智算中心产业在“算力供不应求”的常态下加速演进，催生了一系列新技术、新产业与新业态。
　　（1）智算基础设施集群化演进，软件生态决定市场竞争力
　　在智算基础设施与新技术层面，随着DeepSeek等前沿大模型的发布，AI模型的“智力”水平快速提升，多模态和世界模型成为发展趋势。随着大模型参数量向十万亿级迈进，单卡性能的提升已无法满足庞大的训练与推理缺口。大模型推理面临迭代高速化、服务极致化、模型复杂化三大挑战。在此背景下，智算中心正加速向“超大规模集群化”方向演进。2025年，十万卡乃至超十万卡级别的超大型GPU集群已成为下一代大模型竞赛的“入场券”。这种超大规模集群不仅要求底层GPU具备极高的算力密度，运用以超节点为代表的硬件架构，更催生了对三级多轨无损组网、端到端零丢包通信以及系统级容错调度等AIInfra新技术的迫切需求，推动智算中心从传统的“硬件堆叠”向“软硬高度协同的AI工厂”模式转型。
　　软硬件系统级的深度协同成为提升有效算力的路径。摩尔线程于2025年世界人工智能大会（WAIC2025）开幕前夕举办技术分享会，提出“AI工厂”理念。AI工厂的智能“产能”，由五大核心要素共同决定，其效率公式可概括为：AI工厂生产效率=加速计算通用性×单芯片有效算力×单节点效率×集群效率×集群稳定性。具体为，在AI基础设施建设中，计算功能的完备性与精度完整性是支撑多元场景的核心基石；强大的芯片有效算力是驱动AI工厂高效运转的核心动力；全栈系统软件实现关键技术突破，推动AI工厂从单点创新转向系统级效能提升；通过分布式并行计算技术，实现大规模节点的高效协作，推动AI基础设施从单点优化迈向系统工程级突破；零中断容错技术，提升集群的稳定性和可靠性。
　　在国产GPU市场，硬件性能差距逐步缩小，软件生态能力成为决定市场竞争力的最关键因素。英伟达CUDA平台作为全球AI计算领域的事实标准，凭借二十年持续迭代，构建起覆盖编程模型、编译器、算子库、调试工具、开发者社区的完整生态闭环，成为连接GPU硬件与上层人工智能模型、算法的核心枢纽。其生态价值核心在于大幅降低开发者门槛：无需深入掌握GPU底层硬件架构，即可通过通用编程语言与主流AI框架高效调用芯片并行算力，实现模型训练与推理的低代码迁移、高性能释放、快速部署落地。进入大模型与AIAgent时代，算子高频更新、算法快速迭代、场景快速拓展成为行业常态，软件生态的响应速度与完备度直接决定AI芯片的易用性、模型适配效率与商业化落地丰富度。完备的软件生态可实现对新模型、新算子的Day0级适配，保障大模型训练推理的算力高效利用、性能稳定输出。底层硬件设计与上层软件工具链、算子库、编译器的紧密配合，方能最大化发挥芯片理论算力、提升开发者使用体验，并支撑人工智能应用向具身智能、行业智能体、多模态交互等新兴场景持续延展。
　　（2）AIAgent与具身智能爆发，云边端算力提出差异化要求
　　在应用与新产业生态层面，人工智能代理与具身智能成为驱动算力需求爆发的两大新引擎。全球算力重心正从预训练阶段逐步向后训练优化与推理部署阶段延伸，依托强化学习、思维链等前沿算法迭代，持续投入算力资源可进一步提升模型智能能力并拓展商业化空间，多维度算力需求共同推动人工智能在云端、边缘与终端协同落地。2025年，AIAgent市场迎来结构性爆发，其具备的自主规划、执行与演进能力，正作为“新数字劳动力”席卷全球企业级与消费级市场，极大拉动了云端与边缘侧的推理算力需求。云端承担高复杂度训练与核心推理任务，边缘及终端则侧重即时响应、轻量化智能处理，不同场景对算力的能效与部署灵活性提出差异化要求，也推动GPU产品在云端与端侧持续演进适配。与此同时，具身智能产业步入快车道。多模态感知、高保真物理世界仿真与端侧实时运动控制，对底层芯片的AI张量计算与复杂图形渲染能力提出了前所未有的复合型挑战，全功能GPU凭借其综合优势，正成为构建具身智能底座的核心算力引擎。
　　（3）“算力上星”引领新业态，天基算力网拓宽应用边界
　　在空间计算与前沿新模式层面，“算力上星”与天基算力网成为2025年最具颠覆性的新业态之一。通用大模型已成功实现全球首次太空在轨部署。通过搭载高性能GPU的计算卫星与星间激光通信技术，太空计算基础设施正逐步成型。这种将算力部署至近地轨道、实现“算力上天、在轨组网、模型上天”的新模式，不仅打破了传统地面算力的空间局限，更极大拓宽了全功能GPU在极端环境与深空探测等高壁垒场景下的应用边界，为未来泛在算力网络的发展指明了新方向。根据弗若斯特沙利文预测，随着AI和大数据技术的广泛应用，中国算力规模呈现快速增长态势，整体规模从2020年的136.20EFLOPs增长至2024年的617.00EFLOPs，期间年均复合增长率为45.9%；预计到2029年中国算力总规模将达到3,442.89EFLOPs，预测期年均复合增长率达40.0%。其中，智能算力是引领算力规模指数级增长的核心，其规模从2020年59.20EFLOPs增长至2024年的438.07EFLOPs，期间年均复合增长率高达64.9%，预计在2025年至2029年期间，智能算力将以45.3%的年均复合增长率增长至3,035.91EFLOPs，这一增长趋势的主要推动力在于AI技术的深入应用，促进了对高性能计算能力的强烈需求，推动智能算力持续扩容。
　　二、经营情况讨论与分析
　　2025年，全球人工智能技术浪潮澎湃前行，国内“人工智能+”行动扎实推进。以大模型、多模态技术为代表的生成式AI加速向各垂直行业纵深演进，不仅深刻重塑了千行百业的生产力模式，更激发了对高性能、高可靠智能算力的井喷式需求。在算力底座自主可控与高质量发展成为行业共识的背景下，面对错综复杂的国际宏观环境与产业链重塑的深刻变革，公司持续加码核心算力技术的研发攻关，加速产品矩阵的迭代升级，以自主研发的全功能GPU为核心，致力于为AI、数字孪生、科学计算等高性能计算领域提供计算加速平台。
　　（一）强化智算产品硬核实力，把握市场落地机遇，推动经营业绩跨越式提升
　　公司凭借出色的产品力持续拓展市场，积极助力人工智能应用落地，本期营业收入实现大幅增长。2025年，公司实现营业收入150,552.51万元，较上年同期增长243.37%。公司毛利总额达到98,718.61万元，较上年同期增长218.43%。整体毛利率水平达到65.57%。归属于上市公司股东的净利润-100,078.65万元，亏损金额较上年同期收窄61,750.18万元，收窄比例达38.16%。归属于上市公司股东的扣除非经常性损益后的净利润-108,802.99万元，亏损金额较上年同期收窄54,522.78万元，收窄比例达33.38%。扣除股份支付影响因素后，公司2025年净利润为亏损64,810.98万元，较上年同期同口径净利润亏损收窄84,691.22万元，收窄比例达56.65%。
　　报告期内，依托于全功能GPU产品及其配套软件平台的技术领先优势，公司产品持续在多个重点行业应用场景落地。
　　在人工智能芯片研发、智算中心建设及算力基础设施化领域，公司实现了跨越式发展。报告期内，公司依托第三代芯片架构MTTS4000及第四代芯片架构MTTS5000产品，持续夯实智算产业落地基础。特别是基于MUSA架构“平湖”打造的旗舰级全功能GPU智算卡MTTS5000，其单卡AI算力（稠密）最高达1,000TFLOPS，并实现了从FP8到FP64的全精度支持。报告期内，基于MTTS5000智算卡构建的夸娥（KUAE）大规模智算集群项目成功落地并投入使用。该集群不仅展现了强大的AI计算能力，更在超大规模AI模型训练中实现了高达95%的集群训练线性度突破。公司在组网架构、训练推理协同、超高带宽通信及算力平台智能调度等方面的支撑能力持续跃升，可以为互联网、科研、政务、能源等核心场景提供安全可靠的算力底座，强力推动国产算力基础设施的发展与智能化升级。
　　报告期内，公司依托自主研发的MUSA计算平台，全面深入开展主流大模型的适配与优化工作，凭借MTTS5000产品和万卡级智算集群，公司在模型适配广度与深度上均取得重大突破。公司的全功能GPU产品力及软硬协同生态构建能力得到了行业客户的广泛认可。针对DeepSeek等具有行业标杆意义的前沿大模型，公司联合生态伙伴，基于FP8低精度算力等创新技术，率先在MTTS5000上完成了对DeepSeek-V3/R1满血版超大参数模型的深度适配与性能突破；另一方面，通过与头部大模型企业及科研机构紧密合作，公司还成功实现了对阿里巴巴Qwen3（通义千问）、阿里巴巴WAN（万相）、智谱GLM-4.5/4.6/4.7等全球和国内主流开源大模型的全面兼容，完成了国产前沿模型的全流程适配测试。
　　近期，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MTTS5000智算集群，成功完成智源自研具身大脑模型RoboBrain2.5的全流程训练。摩尔线程陆续实现了新一批头部厂商SOTA大模型的快速适配。通过广泛覆盖主流应用场景，有效促进了公司应用生态的持续完善。此举帮助多种行业的客户实现复杂大模型在实际业务场景中的商业化落地，标志着公司的计算生态已全面深度融入全球及国产AI大模型的繁荣生态圈。
　　报告期内，公司抓住云电脑市场机遇，凭借全功能GPU及首创的动态弹性切分vGPU技术，在运营商业务领域取得突破。核心产品MTTS3000单卡支持32路并发，通过软硬协同方案使CPU负载降低75%、渲染性能提升10倍。目前，公司已与中国移动等头部运营商实现多省市商用落地，针对个人娱乐、高性能办公及教育等不同场景量身定制的云电脑产品，赢得了客户的高度认可。
　　报告期内，公司抓住了边缘和端侧智能的机遇，凭借“长江”SoC高规格、低功耗、大算力、多精度和全功能等优势，适配了Qwen（通义千问）系列LLM模型，ASR、TTS语音模型和机器视觉模型，并支持多操作系统。在行业智能体设备、低空经济和智慧教育等场景取得突破。
　　报告期内，依托自主可控的全功能GPU芯片架构及持续完善的配套软件栈，摩尔线程凭借在通用计算、人工智能训练与推理、图形渲染等维度的综合技术优势，推动产品在重大科技创新平台、云服务厂商、运营商等关键基础设施行业实现深度商业落地，进一步夯实了公司在国产智能算力领域的市场领先地位。公司产品在复杂业务场景中的软硬件兼容适配能力、系统级稳定性及大规模集群部署能力，经受住了客户严苛实际应用环境的验证，赢得了行业用户的广泛赞誉。
　　（二）坚持自主创新，筑牢全功能GPU技术根基，实现万卡级智算集群性能飞跃
　　（1）持续加大研发投入，夯实人才与技术根基
　　公司持续加大产品研发力度，以提升人工智能领域核心处理器芯片的核心竞争力，筑牢芯片技术根基。报告期内，公司研发投入130,502.62万元，占营业收入比例为86.68%。截至2025年12月31日，公司拥有1,009人的研发团队，占员工总人数的79.20%，77.21%的研发技术人员拥有硕士及以上学历。
　　（2）“平湖”架构实现跨越式技术突破
　　在底层核心技术与前沿攻关方面，公司持续加码自主可控芯片架构的迭代升级。报告期内，采用公司全新一代“平湖”芯片架构的MTTS5000及相关产品实现大规模商业化落地。作为面向未来大模型时代与多元泛在算力需求打造的底层架构，“平湖”架构在晶体管密度、计算能效比、显存带宽利用率及全功能GPU微架构协同优化上实现了全面升级。该架构针对超大规模AI训练及复杂生成式AI场景进行了深度定制，原生增强了对Transformer、MoE等前沿模型结构的硬件级加速支持，并大幅优化了FP8/BF16等混合精度AI计算的吞吐效能。同时，“平湖”架构延续并深化了公司“全功能GPU”的战略路线，在保持卓越的高性能图形渲染与超高清视频编解码能力的基础上，实现了算力与算效的平衡。
　　（3）攻克万卡级智算集群工程壁垒
　　依托“平湖”架构的成功研发，公司进一步筑牢了基于MTTS5000的硬件底座与自研MUSA软件栈的软硬协同生态，不仅为未来推出性能更为强劲的下一代GPU产品奠定了坚实的技术基石，更支撑了公司在大规模智算集群系统级工程上的历史性跨越。报告期内，公司夸娥（KUAE）万卡级智算集群实现商业化落地，该产品从技术层面成功攻克了万卡级硬件系统优化、高速互联与系统级容错等系列高难度工程壁垒。该集群浮点运算能力达到10Exa-Flops，在Dense大模型训练中的模型算力利用率（MFU）高达60%，在MoE大模型上达40%，训练线性扩展效率达到95%，并在原生FP8精度下完整复现了顶尖大模型的训练流程，多项关键指标均达到国际主流水平。为解决超大规模集群常见的硬件故障导致训练中断的行业痛点，公司创新研发了夸娥万卡训练容错系统，实现零代码侵入的故障在线诊断与快速恢复，有效训练时间占比超过90%。这一万卡级AI工厂的落成，不仅证明了公司全功能GPU产品在极端复杂环境下的高可用性，更确保了公司在激烈的国产算力角逐中保持技术领先优势。
　　（4）完善MUSA软件生态，加速大模型适配与推理落地
　　在软件方面，公司对MUSA基础软件系统平台也进行了优化和迭代。公司持续推进训练软件平台的研发和改进，以客户需求牵引新增功能和通用性支持，并大力推进大模型业务的支持和优化。
　　公司持续投入大规模分布式训练软件平台的研发，迭代更新了分布式训练组件，使训练软件平台能够支撑主流的大模型分布式训练需求，降低新模型的适配周期。在大模型方面，训练软件平台增加了对主流大模型训练的支持。通过优化融合算子、支持通算融合等优化策略，使得训练性能达到了业界主流水平，具备了更强的行业竞争力。同时，训练软件平台全面支持大规模集群的分布式通信功能，实现了接近线性扩展的多机分布式训练性能。
　　公司推理软件平台在大模型适配、开源生态建设及易用性优化、大模型推理解决方案等方面取得显著进展。
　　2025年，公司基于FP8低精度算力，在MTTS5000上完成DeepSeek-V3/R1满血版超大参数模型的深度适配与性能突破，通过与头部大模型企业及科研机构紧密合作，成功实现了对阿里巴巴千问及万相、智谱等SOTA模型的Day0适配和优化。
　　（5）MTTAIBOOK和边缘SoC
　　报告期内，公司发布了首款智能SoC芯片“长江”。“长江”SoC的发布，为公司构建了云、边、端的全链路解决方案。“长江”SoC具有多元异构算力和高处理性能，集成高性能全大核CPU和摩尔线程全功能GPU，异构AI算力50TOPS，支持多种运算精度，支持统一内存，为AI计算、模型调试、图形渲染、科学计算和视频处理等使用场景提供澎湃性能，让强劲算力高效服务多元应用。
　　基于“长江”SoC，公司打造了全新品类的终端产品MTTAIBOOK，并同步上架京东平台进行销售。该产品是AgenticAI时代的开发工具，更是每个人触手可及的智能体验平台。MTTAIBOOK集成了开箱即用的开发环境，包括了全套MUSA开发工具、端侧大模型与多种端侧AI应用，让AI开发更便捷高效。整机除了预装Linux系统以外，用户还可以通过虚拟化平台与安卓容器，无缝运行Windows与海量安卓应用，实现系统瞬时切换，打破场景壁垒。
　　MTTE300是一款小型化、高性能、高集成度的AI计算模组，是摩尔线程专门为AI边缘计算场景打造的高性能计算平台，通过架构级别能效优化设计，在提供强大性能的同时可以实现优秀的能效比，确保设备在-20度到65度的宽温环境下长时间稳定运行。其搭载了多功能大算力生态优的“长江”SoC芯片、多种规格配置的统一内存（LPDDR5/5X最高可达64GB，带宽可达136GB/s）、电源管理单元（PMU）以及多种高速接口等关键组件。其模块化的硬件架构设计支持嵌入式开发、调优和集成，独立设备的多种形态灵活部署，用于满足行业智能体、智慧教育、具身智能、低空经济、智能座舱、智慧交通、工业智造、消费电子、智能家居等领域多样化的需求，为行业用户提供安全且自主可控的AI边缘计算解决方案。
　　（三）深化生态布局，提升品牌价值
　　报告期内，公司成功举办了首届MUSA开发者大会（MDC2025），这是国内首个聚焦全功能GPU的开发者盛会。依托领先的技术实力与服务口碑，公司的品牌市场认知度稳步提高。在产学协同方面，公司助力多所高校开设了基于MUSA平台的人工智能课程，打造产学研一体化人才培养生态，为技术生态储备长效动能。公司继续加大开发者培训平台建设，通过摩尔学院持续为开发者提供免费的优质课程资源，线下联合各类组织为众多大型企业提供技术培训赋能，在北京大学、上海交通大学、浙江大学等开展联合教学、讲座等各种形式的科教合作。在前沿技术探索方面，公司持续投入，以先进计算技术赋能具身智能、量子计算、生物科技等重大产业方向，助力中国新质生产力发展。
　　（四）人才体系的健全和发展
　　公司始终视人才为核心战略资产，将人才体系建设置于发展全局，报告期内构建并闭环运行“引、用、育、留”全链条人力资源管理体系，持续优化人才结构与配套机制，为高质量发展筑牢根基；公司紧扣核心业务战略，精准拓宽引才渠道，从国内外引进大批行业经验丰富的技术与管理骨干，同时吸纳国内外知名院校优秀毕业生充实人才梯队，并以战略目标为牵引，构建分层分类培养体系，覆盖新员工融入、专业技能提升及领导力发展全维度，全面赋能员工成长，在激励机制上坚持短期激励与长期绑定相结合，深化以结果为导向的绩效管理，通过多元价值共享充分激发组织活力与员工内生动力，实现个人与公司长期共同成长；截至报告期末，公司员工队伍年龄结构优化、专业能力突出，高学历及技术型人才占比较高，人才体系的持续升级为技术创新、产品研发与稳健运营注入强劲动能，有力保障公司战略持续落地与长期健康发展。
　　三、报告期内核心竞争力分析
　　(一)核心竞争力分析
　　1、国内领先的全功能GPU架构与全栈技术优势
　　公司是国内极少数能够实现全功能GPU量产量销的厂商，拥有自主研发的MUSA统一架构。该架构不仅支持高强度的AI张量计算加速，还具备强大的图形渲染、物理仿真/科学计算，以及超高清视频编解码能力。全功能特性使得公司的产品能够适应从数据中心到边缘计算，再到个人终端的广泛应用场景，为客户提供通用性强、性价比高的算力底座。报告期内，公司发布的新一代“花港”架构在底层微架构上实现了重大突破，算力密度提升50%，计算能效提升10倍，同时原生增强了对FP8/FP4等先进低精度混合计算格式的硬件级加速支持，进一步巩固了公司在国产核心芯片领域的技术领先地位。
　　2、完善的MUSA软件生态与极高的CUDA兼容性
　　软件生态是决定GPU产品商业化落地的核心壁垒。公司构建了完备的MUSA软件栈，涵盖了从底层驱动、编译器、算子库到上层开发框架的全套工具链。更为重要的是，MUSA架构从GPU架构到开发者套件均采用与CUDA兼容的编程模型,通过自研MUSIFY工具可协助开发者将源代码快速迁移到MUSA平台、自研MUSA-X计算库实现CUDAAPI的替换,MUSAToolkit提供编译和调用支持,确保应用程序在迁移至MUSA架构时的高效性和便捷性。MUSA提供了完整的开发者工具链，包括编译器、调试器和性能分析工具，与CUDA开发者套件功能对标，降低迁移成本。这种“全栈生态+高度兼容”的能力，不仅大幅缩短了下游客户的适配周期，也为公司在激烈的国产替代进程中构筑了生态护城河。
　　3、端到端的万卡级别AI工厂集群设计与建设能力
　　大模型时代，算力竞争已从单卡性能演进为系统级的大规模集群能力。针对这一需求，公司夸娥（KUAE）万卡级智算集群不仅跨越了超大规模无损组网与高带宽低延迟通信互联的技术鸿沟，更在容错机制与并行调度上实现了系统级创新，能够为客户打造端到端、高可用性的AI工厂。在长周期、高负载的千亿级大模型训练中，夸娥（KUAE）集群表现出卓越的性能：在Dense大模型上，模型算力利用率（MFU）达到60%，多机分布式训练线性扩展效率高达95%，且通过夸娥万卡训练容错系统实现了极高的有效训练时间占比，确立了公司在大规模智算中心建设领域的先发优势。
　　4、面向未来的前沿图形渲染技术
　　在物理世界仿真与数字孪生需求爆发的背景下，公司持续深耕现代图形技术。依托全功能GPU架构，公司不仅实现了对DirectX、Vulkan等主流图形API的全面支持，更在底层硬件级实现了对先进光线追踪技术的原生加速，为复杂场景提供高保真的3D实时渲染能力。同时，公司前瞻性地将AI技术与图形学深度融合，突破性地支持AI生成式渲染技术（如AI超分辨率与帧生成），在大幅降低渲染功耗的同时成倍提升画面帧率。这些前沿图形技术的掌握，使公司成为支撑具身智能仿真训练与新一代通用超智算中心的核心力量。
　　5、赋能具身智能与个人智算的SoC异构集成能力
　　随着人工智能向边缘侧和终端设备的深度下沉，公司前瞻性地布局了“长江”SoC芯片产品线。该类芯片采用了先进的模块化设计，在极度受限的功耗与散热条件下，将高性能CPU、全功能GPU与高能效NPU等异构算力单元进行了深度融合与高效集成。凭借这种极致的能效比控制与异构计算协同能力，公司的SoC及AI模组（MTTE300）不仅能为工业机器人、无人机等具身智能设备提供低延迟的本地化AI感知与决策能力，更支撑了AI算力本（MTTAIBOOK）等个人智算终端的快速兴起，实现了端侧百亿级大模型的流畅推理，全面打开了公司在泛在智算市场的广阔增量空间。
　　6、顶尖的研发团队与丰富的工程经验
　　公司核心团队深耕GPU与人工智能领域多年，凭借深厚技术积淀与规模化工程落地经验，构建了从底层微架构设计、芯片流片到上层系统软件开发、生态适配、集群部署的全链条研发能力。依托成熟的工程化管控体系，公司实现五年推出五代自主芯片架构、年均推出一代旗舰GPU芯片并成功量产，顺利完成从单卡产品到千卡级、万卡级智算集群的工程化落地，攻克大规模算力调度、软硬件协同优化、生态兼容适配等行业难题，彰显了顶尖的芯片研发与工程交付实力。
　　公司坚持研发驱动战略，注重研发人才高地建设。核心团队多源自国际龙头企业，具备先进GPU全流程研发与量产经验。同时公司搭建覆盖架构设计、物理实现、验证测试全环节的研发基础设施与流程体系，采用模块化、参数化设计实现快速迭代，依托性能功耗预测模型、自动化测试平台、标准化知识管理系统，持续提升研发效率、保障技术沉淀与传承。
　　(二)报告期内发生的导致公司核心竞争力受到严重影响的事件、影响分析及应对措施
　　(三)核心技术与研发进展
　　1、核心技术及其先进性以及报告期内的变化情况
　　公司在全功能GPU领域掌握了GPU微架构、指令集、SoC芯片设计、先进工艺物理设计等核心硬件技术；在基础系统软件技术领域掌握了MUSA统一编程框架、图形API支持（DirectX12、OpenGL4.6、Vulkan1.3等）、AI算子库优化等核心软件技术。
　　报告期内，新一代全功能GPU架构“花港”正式发布，支持FP4到FP64的全精度计算，集成全精度端到端加速技术和新一代异步编程模型，算力密度提升50%，能效提升10倍。基于该架构的“华山”AI芯片，在浮点算力、访存带宽、访存容量和高速互联带宽方面，取得了多项领先甚至超越国际主流芯片的能力。基于该架构的“庐山”图形渲染芯片，将实现3A游戏渲染提升15倍，AI性能提升64倍，光线追踪性能提升50倍。
　　（1）芯片硬件层面
　　（2）软件层面
　　（3）系统层面
　　2、报告期内获得的研发成果
　　公司在全功能GPU与智能算力领域构建了体系化知识产权布局，为自主可控的核心技术与产品创新筑牢坚实屏障。
　　截至报告期末，公司累计申请专利1,854项，其中发明专利申请1,743项。公司累计获得授权专利646项，其中发明专利590项。
　　此外，公司拥有软件著作权34项，集成电路布图设计126项。
　　四、风险因素
　　(一)尚未盈利的风险
　　报告期内，公司归属于母公司股东的净利润、归属于母公司股东的扣除非经常性损益后的净利润分别为-100,078.65万元、-108,802.99万元，均为负值。截至2025年12月31日，公司经审计的母公司报表未分配利润为-142,866.83万元，母公司报表可供股东分配的利润为负值。
　　报告期内，公司保持战略定力，深耕全功能GPU架构研发，全力构筑强大的软件生态与开发者服务体系。随着芯片架构持续迭代、产品矩阵不断丰富及生态建设逐渐深入，公司持续投入相关研发资源。公司持续保持高强度的研发投入，研发投入占营业收入的比例为86.68%。
　　报告期内，公司实现营业收入150,552.51万元，较上年同期增长243.37%。归属于母公司股东的净利润、归属于母公司股东的扣除非经常性损益后的净利润分别较上年同期亏损收窄61,750.18万元、54,522.78万元，收窄比例分别达38.16%、33.38%。扣除股份支付影响因素后，公司2025年净利润为亏损64,810.98万元，较上年同期同口径净利润亏损收窄84,691.22万元，收窄比例达56.65%。公司将紧跟行业市场发展趋势，持续迭代升级芯片架构，丰富云边端产品矩阵，完善开发者生态建设，不断提升公司核心竞争力和业绩表现，积极回报广大投资者。
　　(二)业绩大幅下滑或亏损的风险
　　(三)核心竞争力风险
　　GPU芯片的研发涉及复杂的系统工程，包括硬件架构设计、算法优化及软件生态系统构建等，涉及多个技术领域，属于技术密集型行业，行业知识产权众多。公司自成立以来一直从事GPU芯片及相关产品的设计和研发，通过持续研发创新，研制出了多款性能对标国际上同类型主流水平的产品，并且通过在GPU行业的多年积累，形成了一系列重要技术成果。
　　长期以来，公司通过申请专利、集成电路布图设计专有权、软件著作权等方式对自主知识产权以及核心技术进行保护，该等知识产权以及技术对公司未来发展具有重要意义，但无法排除关键技术被竞争对手通过模仿或窃取等方式侵犯的风险。同时，公司一贯重视自主知识产权的研发，避免侵犯他人知识产权，但无法排除竞争对手或其他利益相关方采取恶意诉讼等挑起纠纷以及争议的策略，阻碍公司正常业务发展的风险。若上述情形实际发生，将对公司的日常经营、业务发展和竞争优势等造成不利影响。
　　(四)经营风险
　　1、技术和产品迭代风险
　　集成电路设计行业以技术创新为核心驱动力，企业需紧密跟踪技术路线演进方向及下游市场需求变化，持续开展前瞻性研发并推出迭代性产品，方能在竞争中建立技术壁垒与市场优势。若公司未能精准把握技术演变方向与市场需求，导致产品开发节奏滞后于技术迭代速度或市场需求变化，将可能丧失市场竞争力，进而影响新老产品迭代节奏及业务增长动能的持续释放，导致公司未来可能面临业绩增速放缓或下滑的风险。
　　2、客户集中度较高的风险
　　近三年公司客户集中度处于较高水平。若公司主要客户生产经营情况恶化或由于行业景气度下降导致客户需求下降，进而导致其向公司下达的订单数量下降，则可能对公司的业绩稳定性产生影响。此外，如果公司无法维护与现有主要客户的合作关系与合作规模、无法有效开拓新客户资源并转化为收入，亦将可能对公司经营业绩产生不利影响。对此，公司将紧跟人工智能前沿技术路线，推动产品迭代以满足差异化市场需求，并加大市场拓展力度，致力于优化客户结构，降低大客户依赖风险。
　　3、被美国列入“实体清单”及国际贸易争端加剧的相关风险
　　公司于2023年10月被美国列入“实体清单”，对公司采购美国生产原材料、采购或使用含有美国技术的知识产权和研发工具等产生一定限制。公司已经积极调整供应链策略以应对上述不利影响，但由于集成电路领域专业化分工程度及技术门槛较高，公司更换新供应商可能会产生额外成本。同时鉴于国际形势的持续变化和不可预测性，若美国或其他国家进一步扩大贸易限制政策或出台新的制裁措施，公司经营业务可能将进一步受到不利影响，极端情况下可能出现公司的营业收入大幅下滑的情形，从而对公司的经营业绩产生负面影响。公司将密切关注国际贸易政策动态，积极构建多元化供应链体系，加强与国内及非受限地区供应商的战略合作，以提升供应链的韧性与安全水平。
　　(五)财务风险
　　1、预付账款规模较大的风险
　　报告期内公司业务发展迅速，对原材料的采购需求相应增加；同时受内外部环境变化影响，公司需要按照行业惯例向上游供应商提前订货并预付一定比例货款，导致预付账款规模较大。随着公司业务规模的持续扩大，未来如果公司的上游供应商提高预付比例或延长供货周期，公司将面临流动资金占用增加的风险。若上游供应商情况出现严重恶化，或由于其他不可抗力导致出现无法履约交货或收回款项等情形，公司预付账款可能存在一定的减值风险。
　　2、存货规模较大及存货跌价的风险
　　报告期末，公司存货账面价值为133,206.85万元，占总资产的比重为8.68%。如果原材料价格、供应链代工价格和市场环境等发生变化，或者公司主营产品单价受更新换代、供求关系等因素发生不利变化，导致公司存货中相关产品的可变现净值显著降低，公司将面临存货跌价增加从而影响经营业绩的风险。
　　(六)行业风险
　　公司业务所处GPU行业中，一方面，国际头部企业如英伟达等凭借与供应链深度绑定的业务布局，在产品迭代速度、制程工艺积累及生态构建能力上具备显著优势。这些厂商依托长期的技术研发积淀和大规模资本投入，在GPU及相关产品领域占据主导地位，并通过供应链垂直整合占据成本控制优势；另一方面，随着国家在AI和高性能计算领域的强力政策支持，国内GPU芯片领域正吸引大量资本和人才涌入，行业进入快速发展期。
　　若公司未能精准把握下游市场需求变化，未能在性能指标、生态布局、销售拓展等方面缩小与国际头部厂商的差距或在国产厂商中取得优势，将可能在激烈竞争中丧失市场先机，导致市场份额及经营业绩面临下行压力。
　　(七)宏观环境风险
　　(八)存托凭证相关风险
　　(九)其他重大风险
　　
　　五、报告期内主要经营情况
　　2025年，公司实现营业收入150,552.51万元，较上年同期增长243.37%。公司毛利总额达到98,718.61万元，较上年同期增长218.43%。整体毛利率水平达到65.57%。归属于上市公司股东的净利润-100,078.65万元，亏损金额较上年同期收窄61,750.18万元，收窄比例达38.16%。归属于上市公司股东的扣除非经常性损益后的净利润-108,802.99万元，亏损金额较上年同期收窄54,522.78万元，收窄比例达33.38%。扣除股份支付影响因素后，公司2025年净利润为亏损64,810.98万元，较上年同期同口径净利润亏损收窄84,691.22万元，收窄比例达56.65%。
　　
　　六、公司关于公司未来发展的讨论与分析
　　(一)行业格局和趋势
　　当前，全球GPU市场长期由境外厂商主导。但在“十五五”规划明确提出“采取超常规措施全链条推动集成电路关键核心技术突破”及“强化算力设施支撑”的顶层战略指引下，叠加外部出口管制政策的深刻影响，国内AI计算芯片市场正加速重构，国产GPU厂商的市场份额持续提升，行业竞争格局迎来历史性转折。在国内竞争格局方面，各厂商在技术路线上存在明显分化：部分厂商专注于AI训练加速，另有厂商聚焦于推理或特定垂直场景，而公司作为国内实现全功能GPU量产量销的厂商，凭借“AI计算+图形渲染+物理仿真/科学计算”的综合能力，在第一代智算中心、新一代通用超智算中心及个人智算等多个赛道均具备独特的竞争优势。
　　展望未来，全球人工智能算力需求仍将持续高速增长。国内市场方面，在国家算力国产化政策的持续推动下，国产GPU的市场渗透率有望进一步提升。根据弗若斯特沙利文预测，中国AI芯片市场规模将在2025~2029年间保持54%的年复合增速，至2029年达到1.3万亿元，为公司提供了广阔的市场空间。随着具身智能、AI4S及天基算力等新兴应用场景的快速爆发，对全功能GPU的复合算力需求将显著扩大，公司有望凭借领先的全栈技术积累与持续迭代的产品矩阵，把握国产替代与新场景拓展的双重历史机遇，进一步扩大市场份额。
　　(二)公司发展战略
　　公司以全功能GPU为核心，以MUSA统一架构为基础，持续推进“花港”等下一代架构及后续代际产品的量产上市，不断提升单卡算力密度与能效比，巩固在第一代大规模智算中心市场的竞争地位。
　　与此同时，公司将深化面向新一代通用超智算中心的全功能GPU技术布局，持续强化对科学计算、AI生成式渲染及硬件级光线追踪等前沿能力的研发投入，以满足具身智能仿真训练与AI4S等新兴场景对复合型算力的迫切需求。公司面向大模型训练与推理需求，持续推进高性能国产GPU、先进互联网络、集群软件栈和算力调度平台的一体化布局，构建支撑十万卡级智能算力集群的自主可控技术底座。未来，公司将围绕高密度部署、高速互联、稳定运维和高效能耗比等关键能力持续迭代，推动十万卡级集群从单点产品能力走向体系化、工程化和规模化落地。在边缘与终端方向，公司将加快推进SoC的迭代升级，围绕智能体发展趋势，前瞻布局端侧算力、轻量模型与软硬一体平台能力，推动终端设备从“可连接”向“可感知、可理解、可执行”的智能体载体升级。
　　在软件生态方面，公司将持续深化MUSA软件栈的建设，强化与主流大模型、应用框架及开源生态的深度适配，进一步降低用户的迁移成本与使用门槛，以“全栈生态+高度兼容”的策略全面提升产品的易用性与市场竞争力，把握“十五五”规划所带来的国产算力历史性发展机遇。
　　(三)经营计划
　　1、持续快速迭代芯片架构，丰富云边端产品矩阵
　　公司密切关注技术演进趋势，结合市场需求，对新架构、新技术、新产品保持高强度研发投入。过去五年，公司已推出五代芯片架构，量产五款芯片产品，完整打通底层异构芯片到端云协同软硬件栈的技术闭环。公司将继续聚焦芯片架构快速迭代，进一步丰富云边端产品矩阵，不断缩小与国际巨头之间的技术与产品差距，为产业提供更高效、更可靠、更安全的先进加速计算平台。
　　2、深度融入业界主流生态体系，扩大产品应用场景
　　公司MUSA统一架构支持国内外主流开发框架与开发技术，深度融入现有AI生态。公司已与业界主流SOTA大模型进行了Day0适配，与国内头部整机厂商、服务器品牌及信创生态伙伴建立了深度合作。公司将重点围绕核心行业与关键应用场景，与合作伙伴协同打造标杆案例，推动产品在业务场景中规模落地，持续扩大客户覆盖，支撑行业数智化转型。
　　3、构建完善开发者生态体系，强化公司品牌形象
　　公司依托“摩尔学院”搭建系统化学习路径，覆盖企业开发者、科研机构及在校学生，提升开发者对产品的认知与使用能力。目前，“摩尔学院”平台汇聚超45万名开发者与学习者，公司亦通过高校合作覆盖200多所高校。后续公司将持续加强平台建设，通过摩尔学院免费开放优质课程资源，扩大开发者基础，并联合高校开设基于MUSA平台的人工智能相关课程，进一步夯实生态基础，提升品牌影响力。
　　4、重视人才培养引进，打造国际一流团队
　　公司高度重视高素质GPU人才的培养和引进，并促进人才成长与公司战略发展同频共振。公司通过系统化培训确保团队技术敏锐度，全面构建“入口有引导、成长有路径、领军有赋能”的实战型人才梯队。公司将进一步构建规范管理体系与完善人才发展激励机制，加大全球顶尖人才引进力度，强化团队使命担当，持续提升核心技术攻关能力，为公司在高性能GPU市场参与国际竞争夯实人才基础。 收起▲