证券简称：摩尔线程 证券代码：688795

投资者关系活动记录表

编号：2026-02

投资者关系活动 类别 □特定对象调研 □分析师会议 □媒体采访 业绩说明会 □新闻发布会 □路演活动 □现场参观 □其他（请文字说明其他活动内容）

活动主题 摩尔线程2026年半年度业绩说明会

时间 2026年9月3日

地点/形式 上证路演中心 https://roadshow.sseinfo.com 网络文字互动

上市公司接待人员 创始人、董事长、总经理：张建中 联合创始人、职工董事：周苑 联合创始人、董事、副总经理：张钰勃 董事会秘书及财务负责人：薛岩松 独立董事：房巧玲

投资者关系活动主要内容介绍 1、公司2026年上半年的经营表现与国产其他GPU公司相比如何？ 上半年是公司从技术验证走向规模化商业交付的重要阶段。公司实现营业收入17.36亿元，同比大幅增长147.42%，并且超过2025年全年收入，处于同行业领先水平，商业化进程持续提速；毛利总额9.89亿元，同比增长103.78%。归母净亏损同比收窄95.73%，扣非归母净利润为-1.51亿元，同比收窄52.37%。更重要的是，收入增长主要由以夸娥智算集群为代表的云端智算产品商业化落地驱动。这说明公司的产品核心竞争力和客户认可度正在转化为实际经营成果。 2、上半年收入同比增长 147.42%，最主要的驱动力是什么 公司2026年上半年收入17.36亿元，同比大幅增长147.42%，并且已经超过2025年全年收入，处于同行业领先水平，其中，云端产品收入16.93亿元，占总收入约97.5%，是当前收入增长的核心来源。主要受益于人工智能产业快速发展，市场对国产全功能GPU的需求显著提升以及公司MTT S5000及夸娥智算集群获得客户认可，并实现稳定供货，商业化持续提速。 3、上半年归母净利润已收窄至接近盈亏平衡，可以理解为盈利拐点即将到来吗？公司怎么看？预计什么时候实现盈利？ 公司2026年上半年收入17.36亿元，同比大幅增长147.42%，并且已经超过2025年全年收入，处于同行业领先水平。公司上半年归母净利润为-1,156.31万元，亏损同比收窄95.73%；扣非归母净利润为-1.51亿元，同比收窄52.37%。当前公司经营基本面持续向好，商业化进程持续提速，但具体的盈亏平衡节点受宏观环境、市场竞争及业务落地等综合因素影响，请以公司后续披露的公告为准。 4、公司目前都有哪些客户，客户结构是什么样的？ 公司多种形态的GPU产品广泛应用于互联网、云服务、低空经济、游戏、科研、政务等核心计算加速场景，广泛覆盖重大科技创新平台、互联网厂商、云服务厂商、电信运营商、AI企业、个人消费者等客户类型。2026年上半年，公司已导入互联网头部企业及电信运营商等关键领域客户。 5、公司今年客户群体拓展是否顺利，是否导入互联网厂商？ 2026年上半年度，公司实现营业收入17.36亿元，同比大幅增长147.42%，并超过2025全年收入，这说明公司的产品核心竞争力和客户认可度正在转化为实际经营成果。 公司产品在互联网头部厂商的大模型训练及高价值、高端推理场景具有竞争力，互联网头部厂商也是公司重要的客户领域，2026年上半年，公司已导入互联网头部企业及电信运营商等关键领域客户。具体业务进展请以公司正式发布的公告为准。 6、在今年WAIC上，看到信息说，京东与摩尔线程有深度合作，在京东模型工厂中，双方围绕MTT S5000开展模型训练、适配和调优，请问具有有什么样的进展 2026年上半年，公司已导入互联网头部企业及电信运营商等关键领域客户，服务大模型训练与推理应用场景。具体业务进展请以公司公开披露信息为准。 7、公司在“国芯训国模”有哪些代表性成果？ 公司和生态伙伴已经完成多项具有标志性的训练实践：合作伙伴基于摩尔线程MTT S5000万卡级智算集群，从零起步完整训练MoE-236B超大参数基础大模型；公司联合北京智源人工智能研究院基于FlagOS-Robo框架，依托MTT S5000智算集群，成功完成智源自研具身大脑模型RoboBrain2.5的全流程训练；北京大学EvoPhys团队在MTT S5000全功能GPU上全程原生训练以“人”为中心、面向“场景级万物可控”的5D世界模型EvoPhys-World。这一前沿研究成果，在斯坦福大学WorldScore公开评测榜单中，荣登“世界生成（World Generation）”赛道第一名，并持续37天蝉联榜首。 8、目前国产头部大模型的参数规模不断提升，需要大量的训练卡进行训练，请问公司与国内主流大模型有合作吗？ 公司和生态伙伴已经完成多项具有标志性的训练实践：基于摩尔线程MTT S5000智算集群，从零起步完整训练MoE-236B超大参数基础大模型；公司联合北京智源人工智能研究院基于FlagOS-Robo框架，依托MTT S5000智算集群，成功完成智源自研具身大脑模型RoboBrain2.5的全流程训练；北京大学EvoPhys团队在MTT S5000全功能GPU上全程原生训练以“人”为中心、面向“场景级万物可控”的5D世界模型EvoPhys-World。这一前沿研究成果，在斯坦福大学WorldScore公开评测榜单中，荣登“世界生成（World Generation）”赛道第一名，并37天蝉联榜首。 针对DeepSeek等具有行业标杆意义的前沿大模型，公司联合生态伙伴，基于原生FP8低精度算力等创新技术，率先在MTT S5000上完成了对DeepSeek-V4的深度适配与性能突破。此外，摩尔线程实现了最新一批头部厂商SOTA大模型的快速适配，如近期MiniMax H3、Kimi-K3、智谱GLM-5.3-Flash等最新发布模型，做到“发布即适配”。 9、目前公司全功能GPU芯片在国内大模型的训练方面、推理方面，与竞争对手比较，处于什么样的市场地位？ 公司凭借卓越的产品性能与完善的软硬件生态，公司在国产算力市场确立了坚实的领先地位，产品已渗透至多个高壁垒核心行业与应用场景。摩尔线程MTT S5000产品正式通过中国信息安全测评中心与国家保密科技测评中心的测评，标志着其在技术成熟度、安全性和稳定性上达到了行业高标准。在大规模AI基础设施领域，公司的MTT S系列智算卡已在多家智算中心及云服务平台实现部署，广泛支撑大模型训练、推理、智能体应用及科学计算的算力需求。 公司是市场中为数不多的真正实现面向训练的单一网络下千卡级、万卡级大规模集群商业化应用落地的GPU供应商。摩尔线程于2025年12月发布“花港”架构，支持十万卡以上规模智算集群扩展，面向大模型预训练、强化学习等后训练任务以及MoE大模型、VLA类具身智能模型、视频生成模型等前沿方向，构建面向超大规模模型训练的“模型工厂”基础设施能力。 10、公司S5000产品相比其他国产竞争对手的优势是哪些？ MTT S5000是专为大模型训练、推理及高性能计算而设计的全功能GPU智算卡，基于第四代MUSA架构“平湖”打造，完整支持从FP8到FP64的全精度计算。MTT S5000凭借FP8提升训推效率、FP64保障计算精准、光线追踪实现高保真渲染，以自主可控的强劲底层算力提供安全、高效、可靠的核心国产算力支撑。 公司产品的独特优势主要体现在： 第一，坚持打造“全功能GPU”产品，摩尔线程坚持全功能GPU路线，单芯片同时支持AI训推、图形渲染（国内率先发布支持DirectX 12）、物理仿真与科学计算，覆盖“云-边-端”全场景，产品通用性强。 第二，卓越的系统级集群表现，在超大规模智算中心时代，基于MTT S5000构建的“夸娥”万卡级集群整体表现比肩同代际国际先进水平。 第三，低成本迁移的生态底座，依托自主研发的MUSA统一架构，产品不仅原生适配PyTorch、vLLM、SGLang、TileLang等主流框架，且对CUDA具备优良的兼容性。开发者借助AUTOMUSIFY工具可实现较低成本的应用迁移，大幅缩短了客户的部署周期。 11、公司在大模型推理方面有哪些实测案例？有哪些优势？ 在推理性能方面，公司联合生态合作伙伴在技术和业务上都取得了重要进展。公司与生态合作伙伴推出PD异构分离方案是目前行业最佳性价比方案，MTT S5000 凭借高密度 AI 算力、原生 FP8 精度支持，以及 MUSA 对 CUDA 的源码级兼容能力，将 Prefill 从传统推理链路中解耦，构建为可独立供给、独立计费、独立优化的算力资源池，整体方案性价比超过国际旗舰 GPU 产品。 模式适配方面，公司AI训推一体智算卡MTT S5000已实现对行业SOTA大模型实现Day-0适配，包括MiniMax H3、Kimi-K3、智谱GLM-5.3-Flash等。 12、看到一份《PD分离异构算力混部实践技术白皮书》，里面提到：国产GPU只要按2:1的比例去部署，就能撑起跟英伟达高端卡一样的推理能力。请问怎么理解这个PD分离技术？国产GPU是否已经可以替代英伟达了？是否只有全功能GPU才能实现？ 面对算力需求激增与自主安全多元化的双重挑战，AI基础设施如何突破成本、效率与国产化瓶颈成为关键。大模型推理可分为预填充（Prefill）阶段与解码（Decode）阶段，其中预填充阶段对算力要求高，解码阶段对显存带宽要求高，通过组合不同特点的GPU，是破解上述瓶颈的核心路径。 摩尔线程与Token服务技术伙伴和大模型行公司合作，基于摩尔线程AI训推一体智算卡MTT S5000构建的PD分离推理方案在真实生产级集群环境下，已经完成深度然硬件适配，并将实现生产级部署。通过MTT S5000构建的Prefill计算池方案，性价比比肩目前市场上国际旗舰GPU产品。 13、公司在具身智能、物理AI领域的布局进展如何？ 公司已经打通具身智能从合成数据生成、大模型训练、仿真验证到端侧硬件部署完整链路。MT Lambda是全栈具身智能仿真平台，公司还开源了基于MUSA架构的GPU加速物理仿真后端MuJoCo Warp MUSA，并完成四足机器狗和两足人形机器人Sim2Real真机验证。 公司在无锡设立工业具身智能创新中心，联合生态伙伴共建；同时与国家具身智能应用中试基地成立“具身智能算力与仿真联合实验室”。具身智能需要AI计算、物理仿真、图形渲染和端侧推理协同，正好体现了全功能GPU的差异化优势。 14、公司下一代产品的研发进展如何？预计什么时候可以上市？ 2026年上半年公司研发重点投入包括基于新一代“花港”架构的产品系列。庐山相关的GPU产品有望于年内上市，具体以公司正式产品发布信息为准。 15、请问庐山有消费级显卡推出吗？ 庐山相关的GPU产品有望于年内上市，具体以公司正式产品发布信息为准。 16、公司推出MTT C256超节点的战略意义是什么，超节点研发进展如何？ MTT C256是公司面向下一代超大规模智算中心发布的超节点架构规划。其创新架构首创一层Scale-up网络，实现并柜扩展可达256卡极速互联，将卡间通信延迟压缩至亚微秒级。其设计融合高效液冷散热、三盲插设计、完善的RAS机制和集群管理系统，展现出基于万卡训练沉淀的工程化能力，在大幅提高智算中心部署密度的同时保障了长稳运行。 该产品将主要服务万卡乃至十万卡级训推集群，是公司“模型训练工厂”和未来超大规模AI基础设施的重要硬件基础。最新研发进展情况请您关注公司相关公告。 17、公司当前的研发投入处于什么水平，以及未来规划？ 2026年上半年公司研发投入7.69亿元，同比增长38.16%，研发投入总金额仍然保持高强度投入；截至2026年6月底，公司研发人员达到1,019人，其中硕士及以上学历占76.84%。 此外，2026年上半年知识产权数量再创新高，累计申请知识产权2,352项，其中发明专利2,049项，累计授权951项，发明专利授权725项。2026年上半年公司研发重点投入包括新一代“花港”架构下的华山、庐山芯片及相关应用，为后续产品迭代和收入增长提供支撑。 18、截至6月末，公司研发团队达1019人，占比超74%，且研发投入占营收比重高达44.3%。请问在“花港”架构及新一代芯片研发的关键期，公司如何平衡“底层架构研发”与“短期商业化交付”的资源分配，确保高研发投入能更快转化为可复制的商业利润？ 底层架构的长期投入和短期商业化交付从来不是一道"二选一"的题，而是一条相互交融的价值链——架构层面的每一次突破，都会直接降低下一代芯片的研发成本和交付周期，而每一代产品在市场及生态开发者获得的真实反馈，又会反过来反哺架构的迭代方向，这正是我们保持高强度研发投入的原因，只有把"底座"做得足够扎实、可复用、可扩展，"花港"这样的新一代架构才能真正转化为一条可被持续复制、且具备规模效应的商业利润曲线，而我们正在用统一架构、统一软件栈和端云同构的产品节奏，把每一分高强度的研发投入，都沉淀为未来更短交付周期、更低边际成本和更高客户粘性的长期复利。 19、公司所提到的三大“AI工厂”分别解决什么问题？与公司收入有什么关系？ 公司依托核心技术的持续迭代，围绕生成式人工智能、智算基础设施、云原生图形计算、端侧智能与边缘计算等关键业务场景实现持续突破，并进一步形成面向AI时代的“三个工厂”能力体系，即模型训练工厂、词元生产工厂和智能体生产工厂，持续巩固公司在国产GPU领域的技术领先地位。 其中，模型训练工厂主要面向大模型训练及后训练场景，依托十万卡级别超大规模智算集群能力，为万亿级参数大模型预训练、强化学习等后训练任务提供高性能AI Infra和基础软件支持，覆盖混合专家大语言模型、VLA类具身智能模型、视频生成模型等前沿模型方向；词元生产工厂主要面向当前快速增长的大模型推理业务，服务互联网大模型客户及政企行业客户，一方面通过更低推理延迟提供更高质量的Token服务，另一方面通过更高系统吞吐提升算力利用效率，持续降低单位Token成本；智能体生产工厂则面向新一代Agent系统和具身智能应用，提供支撑复杂智能体计算、调度和部署所需的AI基础设施能力，并进一步面向具身智能机器人本体，构建端云协同的智能体计算支持体系。通过“三个工厂”能力建设，公司将从底层GPU算力、集群互联、基础软件到行业应用场景形成更加完整的AI基础设施闭环。 20、请介绍摩尔线程的公司定位、长期愿景以及未来5年的规划。 公司以全功能GPU为核心，致力于向全球提供加速计算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。公司的目标是成为具备国际竞争力的GPU领军企业，为融合人工智能和数字孪生的数智世界打造先进的加速计算平台，愿景是“为美好世界加速”。 公司将深化面向新一代通用超智算中心的全功能GPU技术布局，持续强化对科学计算、AI生成式渲染及硬件级光线追踪等前沿能力的研发投入，以满足具身智能仿真训练与AI4S等新兴场景对复合型算力的迫切需求。公司面向大模型训练与推理需求，持续推进高性能国产GPU、先进互联网络、集群软件栈和算力调度平台的一体化布局，构建支撑十万卡级智能算力集群的自主可控技术底座。未来，公司将围绕高密度部署、高速互联、稳定运维和高效能耗比等关键能力持续迭代，推动十万卡级集群从单点产品能力走向体系化、工程化和规模化落地。在边缘与终端方向，公司将加快推进SoC的迭代升级，围绕智能体发展趋势，前瞻布局端侧算力、轻量模型与软硬一体平台能力，推动终端设备从“可连接”向“可感知、可理解、可执行”的智能体载体升级。 21、目前MUSA软件生态建设的进展，公司开发者生态目前达到什么规模了呢 MUSA生态日益成熟，目前公司各类开发者数量已突破80万名。公司依托“摩尔学院”搭建系统化学习路径，覆盖企业开发者、科研机构及在校学生，提升开发者对产品的认知与使用能力。摩尔学院平台提供丰富免费课程资源，MUSA系列课程已上线国家智慧教育平台“启悟学习社区”。全球顶级推理框架SGLang完成MUSA代码主线合入，标志着国产GPU开源生态进入“原生支持”时代。公司开源TileLang-MUSA算子开发工具，MUSA软件栈持续丰富。公司还开源集群性能仿真工具SimuMax，为大规模分布式训练提供智能并行策略搜索与全栈工作流支持。 22、当前MUSA对CUDA生态的兼容能力怎么样了？ 软件生态是决定公司GPU产品商业化落地的核心壁垒。公司构建完备的MUSA软件栈，涵盖从底层驱动、编译器、算子库到上层开发框架的全套工具链。 更为重要的是，MUSA架构从GPU架构到开发者套件均采用与CUDA兼容的编程模型，通过自研AUTOMUSIFY工具可协助开发者将源代码快速迁移到MUSA平台、自研MUSA-X计算库实现CUDA API的替换，MUSA Toolkit提供编译和调用支持，确保应用程序在迁移至MUSA架构时的高效性和便捷性。MUSA提供了完整的开发者工具链，包括编译器、调试器和性能分析工具，与CUDA开发者套件功能对标，降低迁移成本。这种“全栈生态+高度兼容”的能力，不仅大幅缩短下游客户的适配周期，也为公司在激烈的国产替代进程中构筑生态护城河。 23、全功能GPU与单一AI加速芯片相比，核心差异是什么 公司的全功能GPU基于自主MUSA架构，单芯片同时支持AI计算、图形渲染、物理仿真与科学计算、超高清视频编解码等能力。公司在国内率先发布支持DirectX 12的图形加速引擎，也是国内极少数原生支持FP8至FP64全计算精度的国产GPU厂商。 这种通用性使公司产品既能服务大模型训练和推理，也能支持数字孪生、工业仿真、具身智能、云电脑、边缘计算和智能终端等场景。相较单一场景芯片，全功能GPU具有更强的场景适配能力、客户复用价值和长期生态延展空间。 24、财报显示，若扣除股份支付影响，公司上半年实际净利润为8353万元，实现了经营性实质扭亏。请问公司在保持高强度研发投入的同时，如何通过优化股权激励计划，在保障核心技术团队稳定性的前提下，尽可能降低股份支付对账面利润的侵蚀？ 公司高度重视核心人才的长期稳定，也持续关注股份支付对经营业绩的阶段性影响。股权激励是公司吸引和留住核心技术人才、推动长期价值创造的重要机制。未来，公司将在符合会计准则及相关监管要求的前提下，结合业务发展、人才激励需求及经营业绩，进一步优化股权激励的授予节奏、覆盖范围和考核机制，在保障核心团队稳定和研发投入强度的同时，更好平衡长期激励效果与股份支付费用对当期利润的影响。 25、请展开介绍下公司“云、边、端”计算体系，有何必要性和优势？ 当前AI Agent与具身智能的爆发正推动算力重心从云端训练向边缘推理和终端智能渗透，单一云端算力已无法满足差异化部署需求。摩尔线程全功能GPU基于自主研发的MUSA架构，率先实现了单芯片同时支持AI计算加速、图形渲染、物理仿真和科学计算、超高清视频编解码的技术突破，打造了国内稀缺的“算、渲、仿”一体化通用算力底座。目前，摩尔线程已构建起覆盖“云-边-端”的全栈产品布局，以优质通用算力加速全场景智算。 在云端智算领域，摩尔线程建立了从芯片、智算卡、服务器到万卡级集群的全栈智算产品线。公司旗舰级AI训推一体智算卡MTT S5000持续规模化量产，具备全精度、全功能通用计算能力，已首批通过国家《安全可靠测评》，在技术成熟度、稳定性与安全性上达到行业领先水平。基于MTT S5000构建的夸娥万卡级智算集群已成功部署并上线服务，完成超大参数模型完整训练，多项关键指标达到国际主流水平。 在终端与边缘智算领域，摩尔线程以自研智能SoC“长江”为核心，推出普惠性的终端产品——AI算力本MTT AIBOOK和家庭AI中枢MTT AICUBE，以及边缘AI模组MTT E300，让AI进一步走入千家万户和各行各业。 26、公司今年陆续发布了AI book和AI Cube等边缘与终端产品，这些是否会成为公司新的增长点？ 公司已基于“长江”SoC形成边缘与终端产品矩阵，包括MTT E300 AI计算模组、MTT AIBOOK算力本和MTT AICUBE家庭AI中枢。该SoC集成全功能GPU、高性能CPU、NPU和VPU，可支持端侧大模型推理。 其中，AIBOOK提供50 TOPS异构AI算力，运行基于Linux内核的MTT AIOS，具备多系统兼容能力，并预置AI开发环境与工具链。MTT E300在行业智能体、工业智造、智慧教育等场景持续拓展，AIBOOK线上线下销售有序推进，AICUBE已上架京东。短期看，该业务收入仍处于放量前期阶段；中长期看，它是公司从云端算力向个人智算、家庭智能和具身智能延伸的重要布局。 27、摩尔线程天天适配这个游戏，那个游戏，现在有钱了，自己做游戏引擎，自己做游戏啊，或者和引擎公司，或者和游戏公司深度合作 公司专注于全功能GPU的研发、设计与产业化，致力于为AI计算、图形渲染、物理仿真与科学计算提供统一算力底座，游戏与引擎公司都是公司的重要生态伙伴。在2025年12月首届MUSA开发者大会中，公司发布了新一代“花港”架构以及基于该架构的高性能图形渲染“庐山”芯片，未来将为游戏与图形用户提供全新升级体验，该芯片预计将实现3A游戏渲染提升15倍，AI性能提升64倍，光线追踪性能提升50倍。 28、有没有想过适配鸿蒙系统，和华为一起制作电脑主机 公司始终致力于打造开放、兼容的算力底座和软硬件生态，公司始终保持开放态度，积极推动产品与主流操作系统、软件框架及应用生态的适配与协同。 29、上半年公司综合毛利率由上年同期的69.14%降至56.95%，且二季度单季毛利率进一步降至49.26%。请问这是否主要受智算集群交付中硬件占比提升及上游代工成本上涨影响？随着下半年产品结构的调整，毛利率是否有明确的修复路径？ 上半年公司综合毛利率为56.95%，主要与半导体行业原材料价格上涨以及产品交付结构变化有关。得益于公司一直坚持全功能GPU的研发，公司综合毛利率仍处于行业第一梯队。 30、公司端侧的盒子AI Cube产品主要应用场景有哪些，与Mac mini功能类似吗？ 为满足词元（Token）时代爆发的端侧算力需求，摩尔线程立足自研“长江”智能SoC，推出首款面向家庭场景的消费级产品——MTT AICUBE，实现了算力从云端智算集群向边缘和终端的延伸，赋能更为普惠的家庭智能场景。 家庭AI中枢设备MTT AICUBE融合了AI Agent，AI PC及AI NAS三种产品形态于一身。该产品内置全域智能体“小麦”，支持大量APP的跨应用控制并提供智能化的主动服务；全闪存AI NAS模块则为家庭数据提供了安全、高效的本地存储与智能管理；同时，MTT AICUBE还具备完整的桌面AI PC能力，可轻松满足家庭用户的观影娱乐、高效办公、在线学习、云游戏以及本地大模型运行等全方位需求。 31、下半年贵公司上游的晶圆代工厂产能保障情况，已锁定的代工产能（等效卡数）有多少？和上半年产能相比增加多少？ 目前，公司整体供应链及产能能够匹配业务发展需求。随着国产半导体产业链持续发展和完善，上游制造及配套环节的供应能力也在不断提升，公司将持续深化与产业链合作伙伴的协同，进一步增强供应链的稳定性和韧性。 32、听说S6000在互联网行业受到欢迎，获得较多订单，请问业绩会在什么时候体现？ 具体以公司公告为准。

关于本次活动是否涉及应当披露重大信息的说明 无