摘要：2025年9月26日，上交所科创板上市审核委员会第40次会议审议并通过了摩尔线程智能科技（北京）股份有限公司的首发申请。这家成立仅五年的国产GPU设计企业计划募资约80亿元，若年内顺利上市，有望跻身今年科创板规模最大的IPO项目。
2025年9月26日，上交所科创板上市审核委员会第40次会议审议并通过了摩尔线程智能科技（北京）股份有限公司的首发申请。这家成立仅五年的国产GPU设计企业计划募资约80亿元，若年内顺利上市，有望跻身今年科创板规模最大的IPO项目。
这一消息表明国产GPU领域正受到政策和资本的双重关注。GPU（图形处理器）是AI训练和高性能计算的核心硬件，理解其产业链有助于把握算力升级带来的投资机会。
一、上游产业链
GPU芯片生产的原材料核心是高纯度硅晶圆，同时还需要光刻胶、刻蚀液、铜线等多种半导体材料。
全球硅片市场高度集中，前六大供应商（日本信越化学、SUMCO、台湾环球晶圆、德国Siltronic、韩国SK Siltron、法国Soitec）占据约95%的市场份额，其中信越化学是全球最大硅片厂商，市占率接近30%。这些厂商为GPU芯片生产提供基础硅片。
晶圆代工环节由专业晶圆厂完成高端GPU芯片的制造。台积电和三星Foundry凭借7nm、5nm等先进工艺在高性能GPU领域占据领先，中芯国际、联电、格芯等也承接部分订单。
台积电在全球晶圆代工市场份额超过六成，三星和联电等各有分工；富士康旗下的晶圆代工业务（代号鸿海）也开始布局相关领域。高端工艺的持续投入保证了GPU制程向更细、更强算力演进。
光刻机与检测设备是先进制程不可或缺的装备。以极紫外（EUV）光刻机为例，荷兰ASML几乎垄断了此类顶级设备市场。ASML 2024年全年净销售额达283亿欧元，其中高数值孔径EUV光刻机订单占据重要份额。这些尖端设备推动了晶圆厂提高良率和产能，为高端GPU制造提供保障。
晶圆流片完成后进入封装与测试环节。台湾日月光（ASE）、中国长电科技、通富微电等封测大厂承担GPU芯片的封装和性能测试工作。这些封测企业通过多种封装技术（如球栅阵列、系统级封装等）将GPU裸片集成至显卡或服务器模块，为下游系统集成提供接口。
综观上游布局，欧美和亚洲厂商提供关键设备和材料，中国厂商则在晶圆制造与封测环节不断扩产，逐步提升本土产能与配套能力。随着AI算力需求持续攀升，市场对EUV光刻设备和先进封装技术的投入持续加大，带动上游相关企业迎来新一轮成长窗口。
二、中游产业链
GPU中游环节主要涉及芯片设计、核心IP授权以及系统级方案的提供。
当前全球GPU市场呈现“一超多强”格局，NVIDIA凭借覆盖广泛的产品线和成熟的CUDA生态，在数据中心级GPU市场占据近九成份额。
图：GPU 生态系统图
其H100加速卡采用Hopper架构，峰值算力达到4000 TFLOPS（FP8精度），已成为训练千亿级参数模型的主流硬件平台。
图：英伟达全栈 AI 生态架构图
NVIDIA在近几年持续推进架构迭代，相继推出Hopper和Blackwell等新品，在能效比和计算密度方面不断优化核心指标。
AMD与英特尔构成第二梯队。
AMD的MI300系列集成HBM高速显存，在AI训练场景下的性能据称可实现30倍提升。英特尔则通过收购Habana推出Gaudi系列，其中Gaudi 2支持FP8运算，具备3.6TB/s的高内存带宽，目前在中国市场订单增长显著。
除三大主流厂商外，移动端芯片设计商如苹果、高通也自研图形处理单元；云计算巨头谷歌、亚马逊采用自研或定制加速器（如TPU）服务内部大模型训练；中国本土厂商天数智芯、壁仞科技等则面向数据中心场景推进AI芯片布局。
在国产替代加速背景下，国内GPU设计新势力正不断涌现。景嘉微、摩尔线程、壁仞科技、芯动科技等企业在政策鼓励与市场需求双轮驱动下，积极投入GPU和AI加速芯片的研发，致力于打破国外垄断格局。
图：2020-2029 年我国 AI 计算加速芯片市场规模
根据Jon Peddie Research的数据，截至2022年，全球GPU供应商数量已增至18家，其中包括多家中国企业。国产厂商在加快硬件架构演进的同时，也正与系统和软件开发商协同合作，着力补齐生态短板。
芯片设计高度依赖核心IP授权与EDA工具支持。当前主流IP供应商包括ARM（Mali系列）和Imagination（PowerVR系列），主要EDA工具则由Cadence、Synopsys、Siemens EDA等国际企业提供。这些年国产EDA和IP开发也在政策引导下加快推进，为GPU设计自主化夯实基础。
综上，NVIDIA凭借生态与性能双重优势稳居龙头，AMD与英特尔加速技术更迭以抢占市场份额，而中国本土企业则在技术积累与生态建设方面持续追赶，试图在AI应用场景中争取更大主动权。
三、下游产业链
GPU的下游应用覆盖多个领域，主要包括个人消费、云计算与数据中心、汽车与工业控制，以及科研与专业应用等。
在个人消费和游戏市场，GPU早已成为标配设备。华硕、技嘉、微星等台湾AIB厂商为NVIDIA和AMD的GPU芯片提供多样化显卡解决方案，广泛应用于PC整机与电竞产品。
微软Xbox与索尼PlayStation等主流游戏主机也集成定制化GPU，为大型游戏提供图形渲染支持。以Steam平台为例，NVIDIA曾在独立显卡市场占据超过75%的份额，体现出其在消费级市场的绝对优势。
随着AI加速进入实际应用阶段，云计算与数据中心对GPU算力的需求持续走高。谷歌、亚马逊、微软、Meta、阿里等全球头部互联网企业，纷纷在云服务器中部署规模化GPU集群，支撑大模型训练与在线推理。
部分企业选择采用GPU云服务方案，而非自建硬件集群，以便快速扩展算力能力。研究机构普遍认为，AI相关场景将成为GPU市场增长的核心动力来源。当前主流方案中，GPU集群通常通过NVLink、PCIe等高速互联协议构建算力节点，支持分布式训练和推理架构的需求。
随着技术融合加深，GPU在智能汽车与工业嵌入式领域的应用正在逐步拓展。NVIDIA推出的Orin平台以及谷歌开发的Edge TPU等加速芯片，已集成进车载中控和自动驾驶系统中。虽然目前车规级GPU在整体出货中的占比仍较低（约1%），但伴随智能座舱、自动驾驶和物联网设备的规模化应用，该板块具备显著的增长潜力。
在科研和专业计算领域，GPU也发挥着不可替代的作用。高性能计算（HPC）、科学模拟、工程仿真、图形渲染等场景对GPU的并行处理能力高度依赖。
高校实验室、工程院所、影视制作与医疗机构等长期依赖GPU完成各类高复杂度任务。比如NVIDIA Quadro系列等专业显卡广泛应用于三维建模、影视特效、医疗图像处理、航空航天模拟等场景，在这些垂直领域仍保持主流地位。
此外，下游环节中还包括系统集成商与渠道商。GPU芯片通常由设计厂商销售给显卡制造商（如AIB厂商），再通过分销渠道进入市场。云服务商与OEM厂商则承担终端集成与服务交付的角色，构成产业链末端的重要组成部分。
整体来看，GPU在终端市场的渗透率持续上升，生态体系不断完善，也带动了整个产业链的活跃度与可持续性。
四、未来发展
GPU产业链未来发展将呈现以下几大趋势：
AI算力爆发：随着人工智能模型参数规模不断扩大、应用场景加速落地，全球对高性能算力的需求呈现指数级增长。市场研究机构预计，到2025年全球GPU市场规模将达到约2000亿美元，年复合增长率超过20%，其中AI相关应用是增长的核心驱动力。
图：2020-2029年我国GPU芯片及其他AI芯片市场份额
NVIDIA已发布Blackwell等新架构产品，显著提升每瓦算力密度；AMD与Intel也在积极推进新一代GPU与AI加速器的研发。未来，GPU将与ASIC、FPGA等专用芯片并行发展，以适配推理、训练、边缘计算等不同算力场景的差异化需求。
封装与互联创新：高端GPU正向多芯片堆叠、硅穿孔互联等先进封装方向演进，同时配合NVLink、PCIe 5.0、光互联等高速互联技术构建异构系统平台。以NVIDIA最新的B200平台为例，其通过液冷散热与多层PCB布局设计，实现了单卡超7TB/s的带宽能力。
先进光刻工艺（如ASML的极紫外EUV系统）持续推动芯片制程升级，不仅提升性能密度，也为封装集成带来更大灵活度与扩展空间。整体来看，GPU芯片制造与封装能力正逐步向高附加值方向延伸，提升整链技术壁垒。
国产化进程加快：在国际供应链环境趋紧、国家政策持续支持的背景下，中国国产GPU产业正在加速推进。AI与集成电路被列入国家战略重点，政府通过补贴、人才引进等方式支持本土芯片企业发展。据统计，2024年中国GPU相关产品进口总额已接近206亿美元，庞大的市场空间正推动国产替代加速落地。
随着芯片架构迭代、算法优化、软件生态完善，国产GPU在政务、企业服务、科研应用等关键领域的渗透率有望持续提升，为国内上下游产业链打开新的增长窗口。
应用边界持续拓展：除传统PC与数据中心外，GPU正向AR/VR实时渲染、光线追踪、机器人控制、边缘AI等新兴应用快速渗透。在智能汽车与可穿戴设备等嵌入式场景中，对车规级与低功耗GPU的需求日益明确。
从长远来看，GPU还可能与量子计算、神经形态芯片等新型计算架构实现融合创新，进而推动下一代算力平台演进，重塑全球算力生态格局。
GPU产业链已成为当代科技体系中不可或缺的基础设施之一。从上游原材料与制造设备的技术迭代，到中游芯片设计生态的多元竞争，再到下游应用场景的持续扩展，整个链条正伴随AI浪潮快速演化。
未来，AI规模化落地与国产替代的双轮驱动，将推动GPU产业链向更高技术含量与附加值方向迈进，相关企业或将迎来长期结构性机会。
来源：行业调研报告
