10月28日，摩尔线程（688795.SH）发布2026年第三季度报告。三季度，摩尔线程实现营业收入15.5亿元，同比增长1773.9%，环比增长55.4%，单季营收创下新高；归母净利润4926.0万元，扣非归母净利润2007.2万元，均实现扭亏为盈。前三季度，摩尔线程累计实现营业收入32.9亿元，同比增长319.1%，为上年同期的约4.2倍；归母净利润3769.7万元。截至报告期末，摩尔线程近12个月（LTM）滚动营收已突破40亿元。

简单计算可发现，摩尔线程第三季度单季收入，已接近上半年营收总和，延续了高速增长的势头。从各家前期披露数据来看，这一收入规模已居国产GPU“五小龙”之首。摩尔线程在财报中表示，以MTT S5000为代表的智算产品性能获得客户高度认可，并在互联网及云服务商（CSP）、词元服务商（TSP）、AI创新企业、运营商及智算中心、科研/政企、行业客户等核心人工智能算力基础设施行业实现业务加速落地，公司市场竞争优势进一步扩大，推动收入快速增长。

作为国产GPU龙头，摩尔线程本次业绩意义重大，不仅印证了国产GPU已具备规模化应用能力，也明显超出此前市场对国产GPU商业化节奏的判断。摩尔线程此前在招股书中预计，最早于2027年实现年度合并报表盈利。此次第三季度扣非盈利，这意味着盈利拐点较原定时间表大幅提前。

在GPU研发投入高、软件生态建设周期长的背景下，摩尔线程实现单季度盈利，殊为不易。目前来看，大模型训练、推理及智能体应用正持续拓展算力需求，高质量AI算力需求旺盛，以摩尔线程为代表的国产全功能GPU正深入客户核心业务，切入多种应用场景，逐步形成客户黏性和规模效应。

核心客户持续放量，规模应用驱动增长

摩尔线程业绩持续改善背后，是客户结构和产品使用场景持续拓展。

随着企业大模型落地、AI应用深化，训练与推理需求持续释放，下游需求的广度与深度也在持续打开。互联网及云服务商需要将GPU纳入自身算力基础设施，模型企业需要支撑训练和推理，词元服务商则通过持续提供模型调用服务，将算力转化为可对外销售的Token。

围绕上述需求，摩尔线程提出布局“模型训练工厂”“词元生产工厂”“智能体生产工厂”三大AI工厂，以全功能GPU为基础，将芯片、软件和集群系统结合起来，服务模型研发、推理运营及智能体应用，拓宽产品在AI算力基础设施中的应用范围。

此外，大规模集群也对GPU厂商提出了系统性要求。芯片之间需要高效通信，软件需要调度资源、支持模型运行，交付之后还需要持续优化和运维。随着集群规模扩大，这些工程能力会直接影响实际算力产出，成为客户选择供应商的重要依据。

摩尔线程在大规模集群部署和业务运行中的工程能力，正通过具体项目得到验证。近期在无锡（惠山）国产智算中心，一期部署的2000张MTT S5000智算卡在两个月内实现满载运行，已有20多家客户在平台开展测试或正式业务，覆盖高校、国家实验室、科研院所及AI创新企业。

与京东云的合作，是摩尔线程进入中国头部互联网厂商核心业务的重要进展。今年9月，在2026京东全球科技探索者大会上，双方宣布达成深度合作，拟建设十万卡全功能GPU集群，聚焦大模型训练、推理及具身智能等领域，并向全行业开放算力。

据了解，双方将围绕从芯片、云平台到模型训练展开全栈协同，支持京东JoyAI全系大模型迭代，加速模型训练、仿真与高质量数据生成。对摩尔线程而言，这意味着全功能GPU将与云服务商的模型及产业应用更紧密地结合，获得更丰富的业务场景。

在推理领域，摩尔线程也已进入真实业务运营。今年9月，公司与趋境科技签署战略合作协议，以MTT S5000智算卡及MUSA软件平台为基础，融合合作伙伴的国产PD异构技术，推进高品质AI Token工厂建设。据双方披露，相关方案已投入生产，并承接头部模型厂商官方业务的真实Token流量。

所谓PD分离，是将推理中的预填充（Pre-fill）和解码（Decode）阶段分开部署，分别处理输入内容和逐步生成输出，再根据不同阶段的特点配置资源。对于需要持续提供模型服务的客户，这类优化能够改善资源使用效率，帮助客户控制推理成本。这一合作表明，摩尔线程GPU正以异构协同的方式参与模型服务的实际生产链路。

从经营效率来看，前三季度，摩尔线程销售费用约2.2亿元，同比增长61.0%；管理费用约2.4亿元，同比增长4.8%，增幅均低于同期营收增幅。两项费用合计占营收的比重，由上年同期约46.0%降至13.8%。可见在摩尔线程业务规模持续扩大的同时，业务效率实现了大幅提升。

值得注意的是，摩尔线程应收账款周转率持续提升。前三季度，公司销售商品、提供劳务收到的现金达31.38亿元，相当于同期营收的95.4%，较上年同期的72.1%明显提高。收入增长与回款改善同步推进，有利于提升资金周转效率，形成可持续、健康的商业模式。

与此同时，摩尔线程2026年第三季度研发投入达5.7亿元，同比增长87.9%；前三季度累计研发投入13.4亿元，同比增长55.7%，已超过2025年全年水平，持续保持高强度、高效率的研发投入节奏。

展望未来，随着产品交付持续放量、软件生态不断完善，摩尔线程在全功能GPU上的长期高强度研发投入，将进一步转化为收入增长与盈利能力的提升。

加速构建全功能GPU生态

纵观整个GPU行业，AI浪潮正持续拓展训练、推理及智能体应用的算力需求，行业竞争也从芯片性能进一步延伸至软件生态、集群效率和规模化交付。客户对算力成本、模型适配和运行稳定性的要求不断提高，能否将技术能力转化为真实业务中的计算效率，正成为国产GPU扩大应用规模、实现商业价值的关键变量。

从图形渲染、科学计算，到大模型训练与推理，再到具身智能和物理AI，摩尔线程的应用场景不断拓展，坚持自主研发全功能GPU的技术路线、构建生态的决心始终未变。

这一布局，使底层技术能够应用于多种计算任务。模型训练和推理需要高效计算，数字内容与工业设计需要图形渲染，具身智能等应用还涉及仿真和数据生成。围绕这些需求，摩尔线程持续完善“算、渲、仿”能力，面向AI训推、图形渲染、科学计算、物理AI等全场景提供算力支撑。

软件生态直接影响这些能力能否被客户顺畅使用。英伟达GPU生态之所以受到AI开发者追捧，核心在于CUDA生态提供了相对统一的编程模型和开发工具，使开发者能够更方便地在GPU上编写和运行通用计算程序。

然而，软件生态的沉淀并非一日之功。对于已建立成熟开发体系的大模型企业与云服务商而言，引入新硬件往往面临严谨的迁移评估，常用模型能否稳定运行、已有的开发工具能否直接复用等，都直接决定了新硬件的部署周期与转换成本。

对此，摩尔线程持续推进模型适配和开源生态支持。目前，摩尔线程已布局MUSA SDK、AI训练套件、AI推理套件及科学计算套件等软件工具，为不同场景提供配套支持。从开发、调试到实际部署，这些能力共同帮助开发者调用硬件资源，优化应用构建和部署。

据了解，摩尔线程已经完成多款模型Day-0适配，涵盖DeepSeek、GLM、MiniMax、Kimi、Qwen等前沿开源模型，并获得Slime、RLinf、SGLang、vLLM、LMCache、llm-d等开源生态官方支持，逐步扩大训练、推理及相关工具的覆盖范围。

随着模型架构、上下文长度和应用方式不断变化，软件生态还需要持续更新。摩尔线程通过紧密跟进前沿模型更新、参与开源生态，将客户实际需求与软件优化结合起来，提高产品对新模型和新场景的支持能力。软硬件协同因此贯穿产品研发与客户交付全过程。

目前，摩尔线程大力支持开发者开展模型和应用实践。随着开发者参与程度加深，模型、工具与应用之间的连接进一步丰富，也为产品进入更多行业打开局面。在开发者生态层面，摩尔线程各类开发者数量已突破80万名，为国产全功能GPU进入更多应用场景积累了基础。

在生态持续发展的基础上，全功能GPU的多场景优势正逐步向更多方向延伸。例如，席卷全球的物理AI浪潮，有望为摩尔线程的全功能GPU提供新的应用空间。相关应用需要在模型训练之外，结合仿真、渲染与数据生成等环节，形成从开发到部署的完整流程，而全功能GPU所覆盖的多类能力，能够为这一过程提供共同的算力基础。

回过头来看，国产GPU从无到有，从产品验证到规模应用，并非一蹴而就。如今，摩尔线程在研发与生态建设上的长期投入，已开始在财报中得到体现。

对于摩尔线程而言，坚持全功能GPU路线、持续投入研发与生态建设，既是走向规模化应用必须跨越的门槛，也是积累长期竞争优势的过程。随着产品交付放量、应用场景拓展，这些投入正逐步转化为经营成果。对投资人而言，这条长期路线的商业价值已经逐渐清晰，可以相信，摩尔线程有望借此打开下一阶段的成长空间。

（本文仅供参考，不构成投资建议）