摩尔线程科创板上市风波：AI芯片投资的理性审视

在摩尔线程于科创板上市后的两周内，资本市场的高度关注与各种流言质疑交织在一起。

这家曾被新华社在《北京何以成为“人工智能第一城”》中提及的企业，与昆仑芯、寒武纪等共同构建了北京自主可控的“芯片矩阵”，本应成为国产GPU崛起的标志性案例，却因“募集资金理财”和“核心人员争议”等话题陷入舆论漩涡。

这一围观现象的背后，不仅反映了单一企业的信任挑战，更凸显了AI芯片赛道上，众多年轻中小投资者面对技术快速迭代、国际竞争加剧与国产替代进程时的集体性焦虑。

许多人渴望抓住这一波投资机会，实现财富的迅速积累。

股民们对摩尔线程进行批评甚至落井下石的根本原因不外乎两点：一是已经投资其中，二是期待未能实现。

这种因期望与现实差距而产生的苛责，并非摩尔线程独有——当AI芯片行业的技术演进与资本市场的预期频繁发生碰撞，任何处于风口的企业都难免受到严格审视。

但必须明确的是，这种被短期收益预期驱动的焦虑，本质上是资本市场的情绪波动，而非中国芯片行业发展的真实困境——2025年前三季度国内半导体行业营收和利润双双增长的实际成绩，早已给出了行业向好的明确信号。

谷歌带来的超预期收益

首先要认清的核心问题是：芯片行业从来不是依靠大量资金就能简单取胜的领域，而是技术标准与生态壁垒的终极竞争。

当前全球算力格局正在经历深刻重构，以英伟达、谷歌为代表的国际巨头与以华为昇腾、摩尔线程为首的国产力量形成对峙态势，这种格局让投资者的每一分投入都承载着对“技术自主性”的期待，但也放大了不确定性引发的焦虑。

近期，英伟达的市场波动成为这种焦虑的最佳例证。

作为长期占据全球AI芯片市场80%以上份额的领导者，其近期面临双重冲击：一方面是谷歌TPU的商业化突破——最新一代第六代TPU Trillium芯片，训练性能较上一代TPU v5e提升超过4倍，能源效率提高67%，单颗芯片峰值计算能力（Int8）更是达到1836TOPs。

更具行业冲击力的是，核心客户Meta正与谷歌深入洽谈，计划2027年投入数十亿美元采购该芯片，这一消息直接加剧了市场对英伟达的担忧，2025年11月单月其市值便蒸发约6200亿美元（折合人民币约4.4万亿元）；

另一方面是美国芯片政策的反复无常，从禁止H200出口到突然放开，这种政策摇摆与竞争加剧，让押注进口芯片替代概念的投资者感到迷茫：英伟达的“领先一代”优势还能维持多久？国产替代的时间窗口是否真实存在？

在芯片这场没有硝烟的战争中，战略上的摇摆本身就是最昂贵的时间成本，一次政策反复所造成的产业停滞，可能需要数年才能弥补。当我们从产业全局审视AI发展便会发现，对方的战略摇摆所制造的不确定性，本质上是对我们技术突围的变相延误——也正因如此，锚定自主可控的国产替代，才从行业选择升华为所有人的共同期望。

再加之，华为昇腾等一系列国产芯片的崛起，则为这种焦虑提供了突破的参照。依托自研异构计算架构，华为昇腾最新的CloudMatrix384支持384卡高速互联，16万卡集群通信带宽提升15倍，其训练推理生产效率已达到英伟达H20芯片的3倍。

这种硬实力不仅验证了“购买独立性而非仅仅购买芯片”的逻辑，更证明国产芯片在特定场景下已实现超越。

所以，对摩尔线程们的期待就转变为了一种投资的超额预期：我们的“国产英伟达”，应该在短时间内迅速达到世界领先水平。明年就超越英伟达，挑战谷歌，走出独立的行情。

新股申购，交易换手，摩尔线程的股价在情绪推动下快速上涨，又随着一则公告急剧下跌。

股民们焦急地质问：“我投资的是国产GPU的自主性，你怎么拿我的钱去理财？”

被市场热捧的谷歌TPU，如今看似凭借第六代芯片撼动英伟达地位，但回顾其发展历程便知，这是一场跨越十余年的技术长跑。早在2013年，谷歌因深度学习算力需求激增而启动TPU研发，集结三大核心团队攻坚，仅初代芯片就耗时15个月完成从设计到部署的全流程。

近期谷歌的创始人谢尔盖·布林在接受采访时还坦言：十多年前谷歌就开始开发的AI专用芯片（TPU）以及大规模数据中心。这种对算法、半导体和计算设施的全面掌控，使其能够站在现代AI的前沿。

即便是技术积累深厚的谷歌，也用了超过十年才让TPU跻身行业核心玩家，这恰是芯片行业研发周期的真实写照。

对比来看，摩尔线程将75亿元募集资金分三年匹配研发进度，用阶段性闲置资金进行低风险理财，既符合芯片“3-5年研发周期”的行业惯例，也与谷歌TPU“长期投入、分步落地”的逻辑一脉相承。

今天投资，明天就赚钱？这是不现实的。

事实上，摩尔线程这份引发争议的现金管理公告，恰恰是对股东负责的体现，与獐子岛式的财务乱象形成鲜明对比。曾震惊市场的獐子岛“扇贝游走”事件，以“海洋牧场存货异常”为由随意调整业绩，将数亿元资产变动归因于不可控的自然因素，本质是用模糊说辞掩盖财务管控的缺失，最终导致投资者血本无归，这种对资金流向的漠视才是对股东的真正伤害。

荒诞不能再次上演，而摩尔线程的公告不仅明确75亿元仅为现金管理额度上限（实际金额将随研发推进动态下调），还详细披露了资金用于保本型产品、不影响募投项目的核心前提，完全符合证监会“专款专用、强化信披”的监管要求。对于芯片这类需要分阶段投入的行业，将暂时闲置的募集资金进行低风险理财，而非让资金在账户中闲置贬值，恰恰是专业资金规划的表现。

所以，与其质疑摩尔线程对资金的处理方式，不如深入思考：是让企业抛开行业发展规律调整研发路线以迎合短期收益，还是尊重产业逻辑让行业平稳增长。

人人都期待的超额收益，终究只是黄粱一梦。

行业螺旋上升的必然性

黄仁勋前一段时间提出了AI“五层蛋糕”理论：他将AI产业清晰划分为能源、芯片、基础设施、模型、应用五个层级，强调这是环环相扣的生态系统，任何一层的短板都将制约整体发展。

有趣的是，如果基于这个并不十分严谨的框架，那么 AI 的大国竞争似乎进入了势均力敌的状态。

在黄仁勋看来，中国在最底层的能源领域拥有“美国两倍”的资源优势，能源成本也更低；在模型层，中国的开源模型发展与AI专利数量（占全球70%）遥遥领先，超百万全职AI开发者构成了应用层创新的核心动力。而芯片与基础设施层，正是当前国产替代的核心战场——这也恰恰是摩尔线程、华为昇腾等企业的发力点。

从能源和基建上说，我们这边拥有显著的领先优势，为后续 AI 的发展提供了优质土壤，芯片虽然离世界领先还有一定距离，但模型和应用层面的发展都走上了快车道。

模型层的领先优势并非空泛的统计数据，而是已获得全球市场的实际认可。据报道，新加坡国家人工智能计划（AISG）当月宣布重大战略转向：在投入7000万新元（约合3.81亿元人民币）打造的东南亚旗舰大模型“Qwen-SEA-LION-v4”开发中，彻底放弃Meta Llama体系，全面采用阿里通义千问的开源架构。这一决策并非临时起意，而是新加坡基于区域数字经济发展需求的理性选择——其核心目标是构建“为东南亚语言和场景量身定制”的开源算力体系。

国家级选择的背后，是技术实力的硬性支撑：Qwen-SEA-LION-v4在衡量东南亚语言能力的权威基准SEA-HELM榜单上直接登顶，在印尼语、泰语、马来语等区域语言的语义理解、文本生成任务中，表现显著优于此前基于Llama构建的版本，毫无悬念跻身2000亿参数以下开源指令模型第一梯队。

更具行业颠覆性的是，曾以Llama领跑全球开源市场的Meta，在代号“牛油果”的新模型研发中，明确将通义千问纳入技术借鉴对象，通过蒸馏提取其多语言处理精华——这与扎克伯格此前“力挺美国模型主导AI竞赛”的公开立场形成180度转变。

这种转变并非个例，同期Airbnb CEO布莱恩·切斯基也公开表示，公司“大量依赖通义千问模型，因其比OpenAI产品更快更便宜”，进一步印证了中国模型的全球竞争力。

连黄仁勋都公开坦言“中国的Qwen是开源AI模型中最好的”。这种从东南亚国家战略到硅谷巨头技术借鉴的双重认可，恰恰说明中国在AI模型层已建立全球竞争力，而这种竞争力正反向催生对自主可控算力芯片的刚性需求，为摩尔线程等企业提供了广阔的市场空间。

在 AI 的整体发展中，我们需要不断看到行业中的长板优势，不断刺激着行业的进步。但更重要的是，我们追求的永远不是芯片、模型或者技术层面的孤立优势，而是将各个节点联通之后，能够形成整体优势，以保证尖端科技发展的持续性。摩尔、沐曦、寒武纪们的出现，不是让中国芯片一蹴而就地走到世界的最前沿，而是补全我们在产业链中的短板，合理分配上下游资源，从而形成组合优势。

因此，看待摩尔线程这类国产芯片企业的发展，更需秉持产业发展的长期视角——无需纠结于短期的资金处置细节与发展起伏，毕竟强如谷歌，也用十余年才让TPU从实验室走向行业核心赛道。

对于摩尔线程这类成立仅 5 年、肩负补全算力生态短板使命的企业而言，能平稳健康地筑牢技术根基、承接模型层催生的算力需求，才是契合产业成长的客观逻辑。

这场围绕摩尔线程的围观，终会回归理性。AI芯片的投资从来不是追热点、赌政策，而是看懂技术演进的规律：从英伟达的生态垄断，到谷歌TPU的场景创新，再到华为昇腾与摩尔线程的国产突破，行业的核心逻辑始终是“技术独立性+商业化能力”。

对于投资者而言，与其纠结于短期流言，不如聚焦企业的研发投入、专利储备与场景落地——这些才是穿越行业周期、化解投资焦虑的根本底气。

最后还要奉劝一句，投资有风险，入市需谨慎。