燧原登陆科创板，国产GPU四小龙齐聚，拆解智算产业差距与发展机会
9月11日，燧原科技正式在科创板挂牌上市，股票代码688801。随着它敲钟，被市场称作国产GPU“四小龙”的摩尔线程、沐曦股份、壁仞科技、燧原科技，在不到一年时间里全部登陆资本市场。
上市首日，燧原开盘价410元，较142.18元的发行价涨了188.37%，盘中市值一度突破2000亿元，场面相当热闹。但热闹归热闹，作为一个长期关注硬件的人，我更想借着这件事聊清楚三个问题：国产AI算力现在到底走到哪一步了、和英伟达的差距究竟在哪、真正的机会又落在哪些环节。下面这张图先把四家公司的基本盘捋清楚，后面将针对技术路线、行业现状、现有差距、机会与风险进行分析，本文内容较长，目的也是为了讲清楚、说明白。
01 燧原是一家什么样的公司
燧原科技2018年成立于上海，主攻云端AI芯片，成立8年自研迭代了四代架构、5款云端芯片，产品包括AI加速卡及模组、智算系统集群和IP授权，客户里能看到腾讯这类头部互联网厂商。这次科创板上市，发行价142.18元/股，发行4303.52万股（占发行后总股本10%），募集资金总额约61.19亿元，是今年上海规模较大的一单IPO，募投资金主要投向第五代、第六代AI芯片的研发产业化。
有两个细节值得硬件圈的人注意。第一，它目前还没有盈利，2025年营业收入约9.9亿元，这次发行是按市销率（PS）来估值的，对应2025年摊薄后静态市销率约61.8倍。换句话说，市场买的是它未来的成长，而不是当下的利润。第二，首日盘中2000亿市值是交易情绪推动的结果，和发行价对应的611.87亿发行市值不是一个概念。
02 四小龙不是一回事，路线其实分两派
很多人把这四家混为一谈，其实它们走的是两条不同的技术路线，这一点直接决定了各自的天花板和难度。
一派是通用GPU路线，对标英伟达：摩尔线程做的是“全功能GPU”，一套芯片同时承载AI计算、图形渲染、科学计算、视频编解码，还用MUSA栈去兼容CUDA，路线最宽、生态挑战也最大，创始人团队有英伟达背景；沐曦股份和壁仞科技更聚焦GPGPU，主攻数据中心的训练和推理，沐曦从推理端切入、提供板卡到集群的整套方案，壁仞则用Chiplet异构集成做高性能计算。
另一派是DSA（领域专用架构）路线，燧原、华为昇腾、寒武纪都属于这一派。燧原不做CUDA兼容，而是自研全栈“驭算TopsRider”平台，专注云端训练和推理，在推理场景追求能效比。简单理解：通用GPU想做“什么都能干、还要和英伟达生态兼容”，DSA则是“把AI这一件事做到更专、更省”。两条路没有绝对优劣，但都要面对同一个对手——英伟达用二十年堆起来的生态。
顺带纠正一个常见误区：寒武纪、海光信息并不在“四小龙”名单里，它们是更早上市的国产算力芯片企业，属于行业里的先行者，别在概念上搞混。
03 行业现状：需求确实旺，份额也确实在变
先看需求端，这是国产芯片能起量的底层原因。据国家数据局等公开数据，截至2026年6月底，全国智能算力规模达到2185 EFLOPS（FP16口径），同比增长177%，规模居全球第二；全国在用智算中心超过500个，整体上架率约71.4%，意味着存量算力几乎没有太多闲置缓冲。需求侧更直观的数字是Token调用量：日均调用从2024年初的约1400亿，涨到2026年3月的约140万亿，两年增长约1000倍。再加上一个高端集群从硬件采购、机房改造、液冷部署到集群调试要6到12个月，短期算力偏紧是比较刚性的。
再看竞争格局，这里必须把“口径”讲清楚，否则很容易被两组互相打架的数字绕晕。
智算行业现状
第一组是IDC的2025年出货量实际数据：在中国全部AI加速卡市场（总出货约400万张）里，英伟达约55%、华为昇腾约20.3%、阿里平头哥约6.6%、寒武纪和百度昆仑芯各约2.9%。
第二组是TrendForce、Bernstein、摩根士丹利等机构对2026年的预测，2026年国产高端AI芯片份额有望接近90%，英伟达在中国的份额可能从2025年的约40%降到约8%，华为昇腾或超过50%。
把两组数据放在一起，在出口管制持续收紧、国产芯片跨过“能用”门槛的背景下，份额替代的方向是明确的、速度也在加快；但2026年的高份额目前仍是机构预测，且不同口径差异很大。一个积极的信号是，2026年中报季里，国产AI芯片厂商出现了集体减亏、部分扭亏的趋势，寒武纪、摩尔线程营收同比增速都超过150%，行业开始从“靠融资续命”向“靠订单造血”过渡。
04 首日暴涨之外，还需要冷静思考
资本市场的热情容易让人产生“已经追上了”的错觉，但做硬件的人都清楚，AI芯片的壁垒从来不只是单卡跑分。客观讲，国产厂商面前至少还有五道坎。
第一道是软件生态，这也是最深的一道。英伟达的CUDA经过约20年积累，全球开发者规模庞大，大量框架、算子、工具链都是围绕它长出来的，工程师的使用习惯也是沉没成本。国产软件栈不管是兼容路线的MUSA、MXMACA，还是自研路线的CANN、驭算，都还在补算子覆盖、做代码迁移工具，让客户“少改代码、敢把业务迁过来”，这件事比流片更耗时间。
第二道是先进制程。高端AI芯片对代工工艺要求很高，而这一环节受外部限制，工艺和产能都需要长期、系统地突破，不是一家芯片设计公司能独立解决的。
第三道是HBM高带宽显存。AI芯片的瓶颈越来越多地从“算得快不快”变成“数据喂不喂得上”。受供应限制，国产芯片能用的高规格HBM有限，显存带宽和英伟达同期旗舰（如B200级别约8TB/s的带宽）相比仍有明显差距，这会直接影响大模型训练的实际效率。
第四道是集群互联。大模型靠的是成千上万张卡协同，英伟达有NVLink和成熟的超节点方案，国产在片间、卡间、节点间互联以及大规模集群的线性度上仍在追赶，单卡纸面算力和“万卡集群稳定跑一个月”是两回事。
第五道是盈利和估值。四小龙里多数还没有稳定盈利，燧原发行市销率已经超过60倍，首日大涨后估值更高，这意味着股价里已经提前计入了很乐观的成长预期。一旦订单放量或业绩兑现不及预期，波动会很剧烈。
所以更准确的判断是：国产芯片已经跨过了“能不能用”的门槛，正在攻坚“好不好用、能不能规模化稳定用”。差距是客观的，但替代的方向和推进速度也是清晰的，既没必要妄自菲薄，也不该被情绪带着走。
05 机会不只在芯片本身
如果你是做硬件、或者关注硬件产业链的，比起纠结四家芯片公司谁能跑出来，更实际的视角是看“算力放量”会沿着产业链外溢到哪些环节。芯片设计只是最上游的一环，真正的需求量铺在中下游。
图片不构成投资建议
一是制造、封测和显存环节。先进制程受限反而把2.5D/3D、Chiplet、CoWoS类先进封装推到了更重要的位置——用先进封装和系统级整合部分弥补工艺差距，是当前的主流思路；HBM堆叠、TSV、封装设备和材料也会跟着受益。这是“卡脖子”同时也是国产替代空间最大的地方。
二是AI服务器和整机硬件。芯片要变成算力，得靠整机柜、服务器、交换机、高频高速PCB和供电系统。国产芯片放量，对应的整机代工、整机柜集成、网络交换和电源需求会同步起来，这是确定性相对高的“卖铲子”环节。
三是数据中心配套，尤其是光模块和液冷。集群规模越大，卡与卡、柜与柜之间的高速互联越关键，800G、1.6T光模块以及硅光、CPO/NPO方向需求明确；同时单芯片功耗不断走高，风冷逐渐到极限，冷板式乃至浸没式液冷的渗透率在快速提升，温控、CDU、管路这些硬件会持续有量。
四是推理侧的结构性机会。前面提到Token调用量两年涨了约1000倍，真正长期、持续、分散的算力消耗在推理而不是训练。推理更看重能效比和单位Token成本，这恰恰是燧原这类走DSA路线、强调推理能效的厂商想切的市场，也给了中小厂商避开和巨头正面拼训练的差异化空间。
需要强调的是，国产替代通常分三步：先是供给受限下的“被动替补”，再是性能和生态跟上后的“主动扩张”，最后才是产业链利润的重新分配。我们现在大致处在第二步的早期，机会是真实的，但兑现需要时间。
06 热闹背后的几个风险
最后说几句“泼冷水”的话，也是对读者负责。多数公司尚未盈利、市销率高企，首日暴涨包含情绪和稀缺性；相当一部分需求来自信创政策，要区分“政策订单”和“市场化复购”；AI芯片迭代快、客户从CUDA迁移的周期也可能慢于预期。燧原上市更像国产算力从单点突围走向集群作战的标志——方向清晰，但几道坎不会因为一次敲钟就消失。