三份财报,同一个信号:国产AI芯片终于开始＂赚钱＂了

海光、摩尔线程、芯原同日报喜，从"能用"到"赚钱"的拐点时刻

7月16日晚间，科创板三家公司同日发布利好消息。海光信息上半年营收预增55%-70%，摩尔线程营收暴增135%-149%，芯原股份新签订单64亿元、90%以上是AI算力相关。三份财报分属三种商业模式——CPU+DCU双线作战、全功能GPU单点突破、ASIC定制服务——但它们指向了同一个结论：国产AI芯片不再只是"能用的替代品"，而是开始真正赚钱了。

关键数据：海光信息上半年营收预增30-38亿元（+55%-70%），归母净利增4.99-6.29亿元（+41%-52%）；摩尔线程营收16.5-17.5亿元（+135%-149%）；芯原新签订单64.13亿元，AI算力占比超90%。

先说清楚这三家公司的区别，因为它们代表了国产AI芯片三条完全不同的路线。

海光信息走的是"CPU+DCU"双轮驱动。CPU是通用处理器，负责操作系统和基础计算；DCU是专门做AI训练和推理的加速器，类似英伟达的GPU。两条腿走路的好处是，即使AI业务波动，通用计算业务还能撑底盘。上半年营收预增55%-70%，归母净利润增41%-52%——增速不算最猛，但胜在稳。更关键的是，海光的DCU已经适配了365款主流大模型，覆盖全球99%的非闭源模型，从DeepSeek到Qwen3到ChatGPT都能跑。这意味着什么？意味着客户换芯片的时候，软件迁移成本几乎为零。

摩尔线程是"全功能GPU"路线。所谓全功能，就是既能做AI计算，也能做图形渲染——既能训练大模型，也能打游戏、做视频。它的旗舰产品MTT S5000已经实现规模量产，基于这款芯片构建的大规模集群可以支持万亿参数大模型训练。上半年营收预计16.5-17.5亿元，同比增长135%-149%——翻倍以上的增速。这个数字背后，是"夸娥"智算集群的商业化加速。夸娥，就是那个传说中把五座大山搬走的力士。摩尔线程用这个名字，意思很明确：我搬的是英伟达这座山。

芯原股份走的是第三条路——ASIC定制。它不卖自己的芯片，而是帮别人设计芯片。如果你是一家互联网大厂，想给自己的AI业务定制一颗专用芯片，但又不想养几千人的芯片设计团队，就找芯原。今年1月到7月，芯原新签订单合计146.53亿元，其中4月30日到7月16日这两个半月就新签了64.13亿元，AI算力相关订单占比超90%。这个数字的含金量在于：ASIC订单通常需要9-18个月才能转化为收入。也就是说，今天的订单是明年的收入、后年的利润。芯原拿的不是今天的钱，是明天的确定性。

国产AI芯片的爆发不是突然发生的。如果你拉一条时间线，会发现每一步都有明确的触发点。

2023年10月，美国收紧AI芯片出口管制，H800/A800对华断供。这是第一推力——供给端的硬性切换。

2024年到2025年，华为昇腾、寒武纪、海光、摩尔线程等厂商密集发布新品，性能从"勉强能用"到"部分场景接近英伟达"。据Morgan Stanley数据，华为昇腾已占中国数据中心AI芯片市场62%份额，英伟达从2023年的95%暴跌至8%。Trendforce预测，2026年国产芯片在中国高端AI芯片市场份额将从30%跃升至70%。这是第二推力——产品端的真实竞争力。

2026年上半年，美团用5万张国产卡从零训练了1.6万亿参数的LongCat-2.0，在OpenRouter上调用量冲上全球第一。DeepSeek被曝一年前就开始招芯片工程师，智谱也在评估定制ASIC。互联网大厂用真金白银投了票。这是第三推力——需求端的商业验证。

三股力量叠加，才有了今天三家公司同日报喜的局面。但请注意，这里有一个容易被忽略的细节：三家公司报喜的方式各不相同。海光报的是利润增长，摩尔线程报的是营收暴增，芯原报的是订单飙升。利润代表现在能赚钱，营收代表规模在扩张，订单代表未来有保障。三个维度同时向好，说明这不是一家公司的运气，而是整个产业链的系统性起飞。

财报好看，但隐忧也很明显。

第一个问题是产能。中芯国际7nm工艺的产能缺口估计在30-40%，HBM（高带宽存储芯片）供应缺口约1.6亿颗。芯片设计出来了，造不出来，或者造出来但存储跟不上，性能就要打折扣。海光的DCU、摩尔线程的S5000，都需要先进制程和HBM配合。产能不解决，"赚钱"的持续性就存疑。

第二个问题是生态。华为CANN生态支持的模型数量不到英伟达CUDA的1%。海光的"光合组织"虽然汇聚了6000家合作伙伴，但跟CUDA生态动辄数十万开发者的体量相比，还是数量级的差距。芯片卖出去只是第一步，开发者愿不愿意在你的平台上写代码、调模型、做优化，才是长期竞争力的根基。摩尔线程的MUSIFY工具能自动迁移CUDA代码，算子覆盖率达90%——这是个聪明的过渡方案，但"迁移"和"原生"之间，永远隔着一层性能损耗。

第三个问题是价格战。寒武纪思元590以约80-90%的A100性能、约1/3的价格打性价比。华为昇腾950性能超H20近3倍，价格仅四分之一。当大家都在用低价换市场的时候，利润率必然承压。海光净利增速（41%-52%）低于营收增速（55%-70%），已经在一定程度上反映了这个问题。赚的是规模的钱，不是利润的钱。

第四个问题是地缘。7月16日同一天，黄仁勋在东京否认Vera Rubin延期，日本计划采购27500颗Rubin芯片建设主权AI。美国的芯片管制没有放松迹象，反而可能在先进制程和HBM领域进一步收紧。国产芯片的"窗口期"有多长，取决于管制何时加码、国产替代何时跟上，这是一场和时间赛跑的游戏。

说到这里，有个问题值得深想：英伟达的护城河到底是什么？

不是芯片性能。英伟达的GPU确实强，但华为昇腾950在FP4推理上已经达到H20的2.87倍，硬件参数的差距正在缩小。

不是价格。国产芯片的价格优势已经很明显了，昇腾950只卖H20四分之一的价格。

真正的护城河是"迁移惯性"。当一个开发者学了三年CUDA、写了十万行代码、调优了几百个模型，你让他换一个新平台重新来过，他是不愿意的。这种惯性，跟芯片性能无关，跟价格无关，跟人的习惯有关。

但惯性正在被打破。美团用5万张国产卡训练LongCat-2.0并冲上全球调用量第一，就是一个标志性事件——它证明了，当你有足够多的卡、足够强的工程能力，国产芯片从训练到推理的全链路是跑得通的。一旦"能跑通"变成"跑得好"，迁移的阻力就会指数级下降。

芯原的ASIC模式则提供了另一条路径。当互联网大厂开始定制自己的芯片——像谷歌的TPU、亚马逊的Trainium——它们天然不需要CUDA生态，因为芯片是为自己的业务量身设计的。芯原146亿新签订单中绝大部分是一站式定制业务，说明越来越多的企业选择了"绕开CUDA"这条路。这不是替代英伟达，而是让英伟达变得不再必要。

回到7月16日这个时间点。三家公司同日报喜，放在一年前是不可想象的。那时候国产AI芯片还停留在"能用但不好用"的阶段，客户买国产芯片更多是出于合规要求或供应安全考虑，而不是因为产品真的好。

现在情况变了。海光的DCU覆盖300多个应用场景、适配365款大模型，摩尔线程的集群能跑万亿参数模型训练，芯原的订单排到了明年——这些都是真金白银的商业验证，不是政策驱动的故事。

但拐点不等于终点。产能、生态、价格战、地缘风险，每一个都可能成为下一个阶段的瓶颈。国产AI芯片从"能用"到"赚钱"用了三年，从"赚钱"到"赚大钱"可能还需要更久。关键看三件事：先进制程产能何时突破、开发者生态何时形成正循环、以及互联网大厂的自研ASIC何时形成规模。

对于关注这个赛道的人来说，今天的财报是一个确认信号：国产AI芯片的商业化拐点已经到了。但投资和创业都不是看财报做的——财报告诉你的是昨天发生了什么，而你需要判断的是明天会发生什么。

明天会发生什么？至少有一件事是确定的：英伟达不会坐以待毙，国产芯片也不会停止追赶。这场竞赛才刚刚进入下半场。上半场比的是谁能造出来，下半场比的是谁能活得久、活得健康。三份财报证明了国产芯片已经拿到了下半场的入场券，但比赛的结果，还远未到揭晓的时候。

— END —

关注「AI探知君」公众号，

每日定时拆解 AI 前沿资讯