主页 > 创投 > 正文

A股又要迎新人！摩尔线程启动A股IPO进程创始人曾为英伟达黄仁勋“副手”

2024-11-14 22:24来源：钛媒体APP编辑：沫小朵

扫一扫

分享文章到微信

扫一扫

关注99科技网微信公众号

复制网址

　　原标题：A股又要迎新人！摩尔线程启动A股IPO进程创始人曾为英伟达黄仁勋“副手”

　　A股又要迎新人，这次是创造100天速成“独角兽”的摩尔线程。

　　11月13日，中国证监会官网显示，国内GPU独角兽企业摩尔线程智能科技（北京）股份有限公司（简称“摩尔线程”）在北京证监局办理辅导备案登记，正式启动A股上市进程，辅导机构为中信证券股份有限公司。

　　上市辅导备案报告显示，摩尔线程成立于2020年6月，公司实际控制人为张建中，其控制公司44.07%股份。

　　摩尔线程创始人兼CEO张建中，曾任英伟达全球副总裁、中国区总经理，在GPU行业深耕近二十年，颇有声望。

　　官网资料指出，摩尔线程以全功能GPU为核心，致力于向全球提供加速计算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AI计算支持，它也是国内仅有的在B端和C端均有布局的国产GPU企业。

　　在启动上市进程前，摩尔线程已经完成了数轮融资，累计融资金额数十亿元。不久前，摩尔线程还刚刚完成了股份制改革，该公司的注册资本由2441.3万元增至3.3亿元。

　　除了摩尔线程，近期，国内AI芯片明星独角兽壁仞科技、燧原科技也纷纷提交了A股上市需求，国产GPU行业正进入快速发展和洗牌期。

　　而之所以都选择A股，上海辰韬资产管理有限公司执行总经理贺雄松认为，目前中概股在美股上市基本已经受阻，港股的流动性差，A股对于这类的企业则是偏支持的态度。

　　也有投资人告诉《赛博汽车》，对于致力于AI算力基础设施行业的公司，不管是从敏感性、估值，还是支持力度等等，目前A股都是一个最好目的地。

　　无论是短期资金需求，还是长期发展规划，国产“英伟达”都需要加速冲刺上市。

　　英伟达高管再创业，备受资本市场看好

　　与很多AI芯片公司一样，摩尔线程的创始团队履历非常漂亮，其中最受瞩目的还是创始人张建中。

　　公开资料显示，张建中本科毕业于南京理工大学计算机系，后又进入冶金部自动化研究院深造并获得硕士学位。

　　他先后在惠普、戴尔，担任计算机系统事业部总经理、政府及教育事业部总经理等职位。

　　2005年5月，张建中加入加入英伟达，担任全球副总裁、中国区总经理。在他的带领下，英伟达GPU成功开拓了在中国完整的生态系统，并促使中国市场成为英伟达全球最重要的市场之一。

　　数据显示，2008年英伟达在中国的GPU市场占有率不到50%，2020年，张建中离职之际，市占率已经超过80%。

　　张建中也一度被称为是英伟达创始人黄仁勋的“左膀右臂”。

　　除了张建中外，摩尔线程团队其他成员也主要来自微软、英特尔、AMD、Arm等诸多芯片巨头。

　　摩尔线程曾对外表示，自己将是国内一支真正的、能够覆盖GPU全流程的成熟团队，其团队成员熟悉GPU芯片设计、生产、封装、测试、系统、软件应用等质量管理各个环节。

　　另外，还有消息称，摩尔线程的研发总监来自于地平线。

　　正是得益于强大的创始团队，摩尔线程成立之初便备受资本市场的看好。

　　根据官方说法，摩尔线程正式成立于2020年10月。

　　2020年12月和2021年2月，成立不到100天的摩尔线程连续获得两轮融资，金额数十亿元，一跃成长为GPU独角兽。

　　这还远未结束，此后摩尔线程又陆续完成4轮融资。

　　融资轮次多、金额大的同时，摩尔线程背后资方阵容还堪称豪华。

　　天使轮有红杉加盟，Pre-A轮除了有深创投、红杉、GGV纪源资本领投，还出现了字节跳动的身影；A轮吸引到了腾讯投资，后续还有中移资本等20多家豪华VC天团押注。

　　根据官方资料，在2022年12月完成15亿元B轮融资时，摩尔线程的估值已达240亿元。2024年4月9日，摩尔线程则是以255亿元的估值位列《2024·胡润全球独角兽榜》第261名。

　　“中国速度”被上演。

　　从软件到硬件、从B端到C端，全线布局

　　资金不断进账的同时，摩尔线程在研发上也没有停歇。

　　摩尔线程是少数宣布要制造“全功能GPU”芯片的公司。所谓全功能GPU，是在图形渲染、视频编解码、AI应用和科学计算等领域均可实现计算。

　　根据官方描述，摩尔线程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加速计算平台。

　　2021年10月，在宣布完成20亿A轮融资的同时，摩尔线程产品层面也带来了好消息：用时300天，其已研制成功首颗国产全功能GPU。

　　摩尔线程MUSA架构

　　时隔4个月，摩尔线程于2022年3月30日正式推出了GPU统一系统架构MUSA（Moore Threads Unified System Architecture），其主要面向计算、图形、多媒体和人工智能产品线，包括统一编程模型、软件运行库、驱动程序框架、指令集架构和芯片架构。

　　摩尔线程方面称，该架构能增强应用的可移植性，使后者可在云端和边缘等计算平台上同时运行，符合减少软件开发者重复劳动、释放不同引擎核心能力的设计初衷。

　　毕竟，开发GPU和显卡非常难，而软件开发与生态推广更是难上加难，尤其是全球GPU行业已经几乎被英伟达及其CUDA所垄断，AMD、Intel都难以撼动其地位，更别说在这方面几乎是一片空白的国产厂商了。

　　MUSA颇有点直接对标CUDA的意味，它包括统一的编程模型、软件运行库、驱动程序框架、指令集架构、芯片架构，可以说从硬件底层到软件开发，提供了一套完整的解决方案。

　　MUSA推出的同时，摩尔线程同步发布并量产“苏堤”和“春晓”两颗全功能GPU芯片。

　　随后，摩尔线程迎来高速发展期。

　　硬件方面，包括面向元计算的MTT S4000、MTT S3000和MTT S2000；面向娱乐与创作的MTT S80、MTT S70、智娱摩方；面向专业视觉的MTT X300和MTT S50，以及面向数字办公的桌面显卡MTT S30/S10。

　　摩尔线程硬件产品

　　软件方面则有元宇宙计算平台MTVERSE、自研GPU物理引擎AlphaCore、数字人解决方案DIGITALME、AIGC内容生成平台摩笔马良等。

　　在AI大模型方面，摩尔线程推出了软硬一体的夸娥KUAE智算集群，从千卡级别大幅扩展至万卡规模，以打造大模型和通用人工智能的先进算力基础设施。

　　可以说，从软件到硬件、从B端到C端，摩尔线程做到了全线布局。

　　同时，在生态上，摩尔线程也做到了。

　　当前，国产GPU的主要策略就是先兼容英伟达CUDA生态，把用户迁移成本尽量降低。而摩尔线程的GPU芯片不但兼容英伟达CUDA，还支持当前几乎所有开源大模型。摩尔线程CTO张钰勃在接受采访时曾表示，“开发者移植到夸娥集群上，几乎不需要修改代码，迁移成本接近0，可以在数小时之内完成迁移。”

　　很快，摩尔线程跻身国内AI芯片第一梯队。

　　无论产品还是渠道，距离英伟达差距都很大

　　融资、产品都在不断往前推进，甚至有着“国产英伟达”之称，但摩尔线程与英伟达的差距显然还很大。

　　作为GPU的发明者，英伟达在该领域的地位是毋庸置疑的。

　　从技术领域来看，相较于全球其他主要竞争对手，英伟达在产品完整度、存量市场份额等层面实现领先，且领先优势大概率会维持很长时间；从软件生态布局来看，英伟达的CUDA（NVIDIA推出的运算平台）生态具有较高的壁垒，用户迁移需要较高的成本。

　　双“BUFF”加持之下，英伟达GPU在AI训练、高性能计算领域长期占据主导地位。根据知名物联网调研机构IoT Analytics数据报告，2023年全球数据中心市场规模约为490亿美元，同比增长182%，其中英伟达的约占92%，AMD约占3%。

　　尽管在国内已经有所突破，但从产品性能参数来看，摩尔线程还有不小的差距，体验上亦是如此。

　　例如MTT S3000的FP32算力为15.2TFLOPS，英伟达A100为19.5TFLOP，相当于达到了80%的A100性能；桌面级MTT S80显卡的纸面性能相当于英伟达RTX3060。

　　理论上，摩尔线程无论是在计算卡还是桌面级领域，性能应该达到了英伟达中端水准，但实际表现可能也并非如此。

　　以MTT S80为例，根据网友测试来看，使用体验与RTX3060有很大差距，甚至被戏称为“养成系”显卡。

　　产品力不如英伟达的同时，渠道方面更是如此。目前，摩尔线程线上渠道依然只有京东一家，京东旗舰店MTT S80显卡累计订单约2000台；线下渠道，虽然发展了宽泛科技、网新图灵等核心分销商，但多以B端业务为主。

　　不过，作为一家刚刚成立仅4年的公司来说，摩尔线程整体表现已经不错，但还有很长的路要走。正如张建中在2023年夏季发布会上所言：“至少先存活十年，这是摩尔线程的首要短期目标。”

　　想要长期奋斗，且保持先进，需要大量的资金。

　　毕竟，芯片研发是一家极其耗费时间和金钱的事情。

　　GPU中行业IP核占用的面积超过80%。但IP的研发并不轻松，GPU IP自研需要36到48个月以及200个工程师。采用外购IP虽能将开发周期缩短12—18个月。且高端芯片前端和后续设计1—3年，流片环节需3—6个月。若流片失败，只能继续上演该过程。且即使流片成功，还需经过3—12个月产品测试优化，才能开启量产。

　　同时，有行业人士计算，14nm工艺芯片流片一次需要300万美元左右，约2150万；7nm工艺芯片，流片一次需要3000万美元；5nm工艺芯片，流片一次更是达到4725万美元。

　　这也是如今，AI芯片公司加速冲刺上市的原因：缺钱。