GPU企业：沐曦股份（MetaX）
沐曦集成电路（上海）股份有限公司（MetaX） 是中国主要的高性能GPU和GPGPU企业之一，重点面向：
人工智能训练
人工智能推理
通用计算
科学计算
图形渲染
以及：
大规模智算中心。
如果说摩尔线程强调的是：
“全功能GPU”
同时覆盖游戏、图形、AI和数据中心，
那么沐曦更加鲜明的主线是：
高性能通用GPU + AI计算 + 科学计算 + 数据中心。
截至2026年，公司已经形成：
曦思N系列
曦云C系列
曦彩G系列
以及：
曦索X系列
MXMACA软件栈
以及：
MetaXLink高速互连体系。
因此，更准确地说：
沐曦是一家正在从GPU芯片企业向完整高性能计算平台企业发展的公司。
一、沐曦股份基本情况
沐曦成立于：
2020年9月。
总部位于：
上海。
目前在：
北京
南京
成都
杭州
深圳
武汉
长沙
等地设有全资子公司或研发中心。
2025年12月17日，沐曦正式登陆：
上海证券交易所科创板。
股票简称：
沐曦股份
股票代码：
688802。
从成立到上市，大约只有五年时间。
对于一家高性能GPU企业而言，这个发展速度相当快。
二、创始团队拥有深厚AMD GPU背景
沐曦创始人、董事长兼CEO为：
陈维良。
陈维良在GPU领域拥有近二十年的研发和管理经验，曾长期任职于：
AMD。
根据沐曦官方介绍，他曾负责AMD多代GPU产品研发和产品线工作，并参与、领导多款高性能GPU的流片和量产。
这一点对于理解沐曦非常重要。
真正高性能GPU涉及：
并行计算架构
指令系统
缓存
显存
高速互连
编译器
驱动程序
数学库
AI框架
以及大规模芯片验证。
所以高性能GPU企业最重要的资产之一就是：
有真正做过GPU量产的团队。
三、沐曦最核心的方向：GPGPU
沐曦的核心技术路线可以概括为：
GPGPU。
也就是：
General-Purpose Computing on Graphics Processing Units
通用GPU计算。
传统GPU最早主要负责：
Graphics。
也就是绘制三维图形。
后来人们发现：
GPU内部拥有大量并行计算单元。
它不仅可以画图，
还可以执行：
矩阵计算
向量计算
科学计算
AI训练
AI推理
以及数据分析。
于是GPU逐渐变成：
General Parallel Processor。
这就是GPGPU。
四、为什么GPGPU在AI时代变得如此重要？
深度学习尤其适合GPU。
原因在于神经网络大量执行：
矩阵乘法
向量运算
Tensor计算
以及高度并行的数学操作。
CPU拥有少量非常强大的核心。
GPU则拥有大量并行执行单元。
所以对于：
Transformer
Computer Vision
科学模拟
来说，
GPU往往能够同时处理大量数据。
这也是为什么NVIDIA能够从：
游戏GPU企业
逐渐变成：
AI基础设施企业。
沐曦瞄准的正是这一高价值市场。
五、沐曦拥有自主GPU架构和指令集
公司官方已经明确表示：
曦云和曦索等产品建立在其：
自主知识产权GPU IP
以及：
自主GPGPU架构和指令集
之上。
这意味着沐曦需要自己解决：
GPU微架构
并行执行
Memory System
Instruction Set
Compiler
Runtime
以及软件兼容
等一整套问题。
这也是判断一家GPU企业技术深度的重要标准。
六、沐曦不只有AI芯片
很多人可能把沐曦简单理解为：
但目前公司实际上已经建立四类产品：
曦思N系列——AI推理
曦云C系列——通用GPU与训推一体
曦彩G系列——图形处理
曦索X系列——科学智能与高性能计算。
这一产品结构非常有意思。
它说明沐曦正在逐渐把GPU从：
AI训练和推理
扩展到：
Graphics
HPC
AI for Science
以及更广泛的通用并行计算。
七、曦思N系列：重点解决AI推理
曦思N系列 主要面向：
AI推理。
目前主要产品包括：
N100
N260
N300。
所谓推理，就是已经训练完成的模型真正开始工作。
例如：
大语言模型回答问题
图像识别
语音识别
推荐系统
AI搜索
以及企业AI应用。
八、N260：64GB显存的大模型推理GPU
曦思：
N260
采用沐曦自主GPGPU架构。
官方规格显示：
单卡配备：
64GB高带宽显存
最大功耗：
225W。
它可以采用主动散热版本，因此除了服务器，也适合工作站使用。
N260重点面向：
内容生成
数据处理
以及：
高并发AI推理。
这类产品特别适合企业内部部署大模型。
九、N300：新一代推理GPU
新一代：
曦思N300
则进一步采用国产先进工艺和自主GPGPU架构。
它配备：
高带宽显存
MetaXLink互连
并采用：
PCIe板卡
设计。
最大功耗：
500W。
N300可以用于：
智算中心
大模型推理
通用计算
以及数据分析。
对应的N300服务器单机最高可以搭载：
16张N300 GPU。
这已经明显面向：
高密度AI推理服务器。
十、曦云C系列：沐曦真正的核心产品线
如果要选择一条最能代表沐曦的产品线：
很可能就是：
曦云C系列。
目前包括：
C500
C550
C500X
C588
以及：
C600。
C系列不是单纯推理卡。
它强调：
通用GPU
以及：
训练 + 推理 + 通用计算。
这就更接近传统意义上的：
Data Center GPU。
十一、C500：沐曦规模商业化的重要产品
曦云C500
是沐曦非常关键的一代GPU。
它采用：
PCIe板卡形式，
配备：
64GB高带宽显存
并支持：
ECC。
最大功耗：
350W。
同时支持：
MetaXLink
GPU高速互连。
C500可以用于：
大模型训练
大模型推理
通用计算
数据分析
以及生成式AI。
十二、C500对沐曦还有一个特殊意义
根据公司发展历程，
C500在：
2023年12月
开始量产出货。
随后沐曦开始建设越来越大的GPU集群。
到2024年底，公司表示全年落地算力集群总规模已经：
超过万卡。
这说明C500对于沐曦而言，并不只是技术验证芯片。
它真正开始推动公司从：
GPU研发阶段
进入：
规模商业化阶段。
十三、C550：OAM形式的数据中心GPU
曦云C550
采用：
OAM
模组形式。
OAM也就是：
OCP Accelerator Module。
它比传统PCIe显卡更加适合：
大型AI服务器。
官方规格显示：
C550配备：
64GB高带宽显存
支持：
8卡全互连
互连总带宽最高：
896GB/s
最大功耗：
450W。
这意味着沐曦已经不仅仅考虑：
单GPU。
而是从芯片设计阶段就开始考虑：
Multi-GPU System。
十四、为什么AI GPU必须高速互联？
一张GPU显存可能是：
64GB
或者：
128GB。
但是今天的大模型可能拥有：
数百亿
上千亿
甚至更多参数。
一张GPU根本装不下。
所以必须把模型分布到：
多张GPU。
这时候真正的问题就变成：
GPU之间交换数据有多快？
如果GPU计算非常快，
但GPU之间通信非常慢，
整个系统仍然会被：
Interconnect
拖住。
十五、MetaXLink：沐曦自己的GPU互连技术
沐曦开发了：
MetaXLink。
它用于：
进行高速、低延迟的数据交换。
例如：
C500支持多卡MetaXLink。
C550支持8卡高速全互连。
C500X则进一步把互连扩展到：
光互连。
而新一代C600继续发展：
MetaXLink
以及：
MetaXLink-E。
这与NVIDIA不断发展NVLink的基本逻辑类似：
AI时代不能只设计：
Fast GPU。
还必须设计：
十六、C500X：把光互连直接带进GPU集群
C500X是沐曦一款非常有特色的产品。
它被公司定义为：
光互连通用GPU。
单卡配备：
64GB高带宽显存。
通过MetaXLink光互连接口，可以构建：
16卡到64卡
Scale-up互连系统。
为什么光互连重要？
因为GPU数量越来越多以后：
铜互连距离
功耗
信号完整性
带宽
都会逐渐成为问题。
光通信拥有：
高带宽
长距离
以及更好的扩展潜力。
因此：
GPU + Optical Interconnect
很可能成为未来AI数据中心越来越重要的技术方向。
十七、C600：沐曦新一代旗舰通用GPU
目前沐曦非常值得关注的新一代产品是：
曦云C600。
公司于2025年正式发布C600。
它采用：
自主GPGPU架构
以及：
国产先进工艺。
官方将其定义为：
新一代通用GPU。
C600采用：
OAM 2.0
模组。
最大功耗：
1000W。
支持：
高容量高带宽显存
全链路ECC
MetaXLink
以及：
MetaXLink-E。
十八、C600开始进入128卡Scale-up
C600非常值得注意的一点是：
官方表示其MetaXLink-E可以构建最高：
128卡规模超节点。
这反映出现代AI基础设施一个非常明显的发展方向。
过去服务器是：
CPU中心。
后来变成：
8张GPU。
未来可能变成：
几十张甚至上百张GPU
在同一个高速互连计算域内协同工作。
也就是：
Supernode。
所以未来GPU企业竞争越来越不仅是：
一颗GPU有多快。
而是：
128颗GPU组合以后有多快。
十九、MXMACA：沐曦最重要的软件资产
如果说：
那么：
MXMACA
就是其软件核心。
MXMACA全称：
MetaX Advanced Computing Architecture。
它是一套完整的：
异构计算和基础软件平台。
其中包括：
编程环境
Compiler
Runtime
数学库
通信库
调试工具
性能优化工具
以及运维工具。
这其实是所有国产GPU必须面对的：
CUDA问题。
二十、为什么CUDA是所有GPU公司的最大难题？
而是：
CUDA。
CUDA拥有：
大量开发者
大量科研软件
大量AI框架
大量数学库
以及几十年的软件积累。
所以用户更换GPU真正担心的并不是：
而是：
“我的软件还能不能直接运行？”
因此，国产GPU平台必须尽量降低：
Migration Cost。
二十一、MXMACA正在强调兼容和迁移
沐曦目前明确采取：
自主创新 + 开放兼容
的路线。
公司称MXMACA目前已经支持：
6000多个国际主流生态应用
以及：
1000多个模型
适配。
这里需要注意：
这些数量来自沐曦官方统计。
它们并不能简单等同于：
CUDA成熟度已经相同。
但是其意义非常明确：
软件兼容性已经成为沐曦核心研发任务，而不仅是附属工作。
二十二、曦彩G系列：证明沐曦并非只有AI
沐曦还有：
曦彩G系列。
目前代表产品：
G100。
G100主要面向：
图形渲染
云桌面
云游戏
云手机
数字孪生
XR
以及视频处理。
公司将G100定义为：
国产全功能显卡。
这说明沐曦的底层GPU IP也具备：
Graphics
能力。
二十三、但是沐曦和摩尔线程的重点仍然不同
这是两家公司最值得区分的地方。
摩尔线程目前产品覆盖：
PC游戏显卡
专业图形
数据中心
GPU集群。
它从成立之初就大力强调：
Graphics + AI + Compute + Video。
沐曦虽然也有：
曦彩G100
图形GPU，
但从产品规模和商业重心来看，目前更加集中于：
AI训练
AI推理
GPGPU
数据中心
以及：
科学计算。
因此可以简单理解：
而：
沐曦更偏“高性能计算GPU公司”。
二十四、曦索X系列：沐曦开始重点进军AI for Science
2026年1月，沐曦正式推出一个新的GPU品牌：
曦索X系列。
这一系列专门面向：
Scientific Intelligence
也就是：
科学智能。
这非常值得注意。
AI市场正在从：
聊天机器人
向：
科学研究
快速扩展。
例如：
药物发现
材料科学
气候预测
天气模拟
流体力学
蛋白质研究
以及分子动力学。
这些任务往往同时需要：
传统HPC
以及：
AI。
二十五、X206：128GB科学智能GPU
曦索：
X206
是这一系列第一款旗舰产品。
官方公布：
X206配备：
128GB显存。
支持：
全精度混合计算
MetaXLink高速互连
科学计算
以及大模型训练和推理。
它主要面向：
生命科学
材料科学
气候海洋
流体力学
分子动力学
以及：
AI4S。
二十六、什么是AI4S？
AI4S就是：
AI for Science。
传统科学计算通常使用：
数学模型
偏微分方程
数值模拟
超级计算机。
AI出现以后，越来越多研究人员开始使用：
神经网络
Foundation Model
生成模型
以及机器学习
辅助甚至替代部分传统模拟。
于是科学计算开始从：
HPC
逐渐变成：
HPC + AI。
这对GPU企业而言是一个非常大的新市场。
二十七、X302进一步强调国产供应链
曦索：
X302
进一步采用：
国产先进工艺
以及：
新一代自主计算架构。
官方强调：
自主GPGPU架构和指令集
大容量高带宽显存
MetaXLink
MetaXLink-E
以及：
MXMACA软件生态。
X302主要用于：
气候模拟
计算流体力学
分子动力学
材料科学
生命科学
以及其他高性能科学计算。
这意味着沐曦的产品体系正在从：
扩展到：
二十八、科学计算为什么要求FP64？
AI训练很多时候可以使用：
FP16
BF16
FP8
甚至INT8。
但是传统科学计算往往需要：
FP64。
也就是：
双精度浮点运算。
例如：
气候模拟
流体力学
天体物理
工程计算
量子化学。
这些领域非常关注：
Numerical Accuracy。
所以一家GPU公司如果希望进入真正的：
HPC
市场，
不能只做低精度AI算力。
还需要更完整的：
多精度计算体系。
这也是曦索X系列的重要意义。
二十九、沐曦已经开始从GPU进入服务器
沐曦现在也不只是卖：
GPU板卡。
公司已经与合作伙伴推出：
N260服务器
N300服务器
C500服务器
C550服务器
C588服务器
C600服务器
X206服务器
以及：
X302服务器。
例如：
C600服务器可以安装：
8块C600 OAM GPU。
这意味着沐曦正在向：
System-Level Solution
发展。
三十、下一步就是GPU超节点
比普通8卡服务器更进一步的是：
GPU Supernode。
目前沐曦已经推出：
C550 Shanghai Cube液冷整机柜
C500X光链超节点
以及：
C550 3D Mesh超节点。
超节点最大的意义就是：
让大量GPU看起来越来越像：
一台巨大的计算机。
AI模型不再关心：
而是把整个高速互连系统作为一个：
Compute Fabric。
三十一、这也是为什么互连越来越重要
现代AI服务器的性能瓶颈正在发生变化。
过去最关注：
GPU FLOPS。
现在越来越关注：
Memory Bandwidth
Network Bandwidth
以及：
Collective Communication。
于是未来GPU公司必须同时懂：
显存
互连
网络
通信软件
以及集群调度。
沐曦发展MetaXLink和超节点，正是这个方向。
三十二、沐曦的商业化速度正在明显提高
根据沐曦2025年年度报告：
公司2025年实现营业收入约：
16.44亿元人民币
同比增长：
121.26%。
归属于上市公司股东的净利润仍然亏损约：
7.89亿元。
这说明沐曦还处于：
高研发投入 + 快速商业化
阶段。
三十三、GPU板卡销量已经快速增长
2025年：
训推一体GPU板卡销售量达到：
33,649片
同比增长：
147.31%。
智算推理GPU板卡销量达到：
4,946片
同比增长：
866.02%。
这组数据比单纯谈“国产替代”更重要。
因为它表明沐曦已经从：
研发和样片
进入：
实际规模出货。
三十四、研发投入仍然巨大
2025年，沐曦研发投入约：
10.27亿元人民币。
同比增长：
14.04%。
研发投入相当于营业收入的：
62.49%。
这说明高性能GPU仍然是一个极其烧钱的产业。
原因非常简单：
GPU企业必须同时开发：
架构
驱动
编译器
AI软件
数学库
高速互连
服务器
集群
以及下一代产品。
三十五、到2025年底已经拥有大量知识产权
截至2025年底，
沐曦拥有境内授权专利和软件著作权：
401项。
其中：
发明专利：
350项。
对于GPU企业来说，
知识产权尤其重要。
因为GPU涉及大量：
计算架构
缓存
互连
编译器
虚拟化
内存管理
以及并行执行技术。
三十六、沐曦和壁仞有什么区别？
壁仞科技同样重点发展：
高性能GPU
以及数据中心。
因此两家公司是非常直接的同行。
不过从目前公开产品路线来看：
沐曦已经建立：
N
C
G
X
多条产品线，
覆盖：
推理
训推
图形
以及科学智能。
同时非常强调：
MXMACA软件平台
和：
MetaXLink互连。
壁仞则同样重点攻击：
高性能GPGPU
以及大规模AI计算。
两家公司未来真正的竞争，不会只发生在：
单卡峰值算力。
更加关键的是：
软件生态
集群
供应链
客户规模
以及产品迭代速度。
三十七、沐曦和天数智芯有什么区别？
它长期重点布局：
训练
推理
以及数据中心AI。
沐曦起步稍晚，
但团队拥有非常深的GPU量产背景，并迅速形成：
GPGPU
Graphics
Science
多条GPU产品线。
两家公司都属于：
Data Center GPU
的重要国产竞争者。
三十八、沐曦和摩尔线程最大的区别
这两个公司经常被放在一起。
可以这样理解：
更加突出：
全功能GPU。
目标同时进入：
PC
游戏
图形
数据中心。
沐曦
更加突出：
高性能GPGPU。
重点市场是：
AI训练
AI推理
数据中心
科学计算
以及超大规模GPU集群。
所以：
摩尔线程更加宽。
沐曦更加集中。
至少从目前商业化方向看：
沐曦最核心的战场是数据中心。
三十九、沐曦真正对标的长期方向仍然是NVIDIA和AMD
从技术结构上来看，
沐曦最终面对的全球对手仍然包括：
和：
AMD。
因为现代数据中心GPU已经形成一个完整产业体系：
GPU Architecture
HBM
High-Speed Interconnect
Compiler
Runtime
Communication Library
Server
Cluster。
沐曦正在逐渐补齐这些层次。
但是必须看到：
尤其是NVIDIA的：
CUDA
以及开发者生态，
仍然具有非常大的领先优势。
因此：
拥有国产GPU
和：
建立成熟GPU生态
是两个完全不同的阶段。
四十、沐曦最大的优势之一：团队经验
沐曦最大的优势之一就是：
核心团队有真正的高端GPU量产经验。
GPU不是只画完RTL就结束。
真正困难的是：
Tape-Out
Bring-Up
Driver
Compiler
Performance Tuning
Yield
Board
Server
以及大规模量产。
拥有实际国际GPU量产经验的团队并不多。
这是沐曦非常重要的技术基础。
四十一、第二个优势：GPU产品已经实现商业化
高性能GPU创业企业很多。
但真正困难的是：
量产。
更困难的是：
大量卖出去。
沐曦2025年的GPU销量和营业收入都出现大幅增长。
这说明公司已经跨过了一个非常重要的阶段：
从：
“能不能做出GPU？”
进入：
“能不能规模化部署GPU？”
四十二、第三个优势：软硬件一起做
沐曦并不是只卖：
Silicon。
它还开发：
MXMACA
MetaXLink
服务器
超节点
科学计算平台
以及各种行业解决方案。
这代表公司正在逐渐向：
Full Stack Computing Platform
发展。
而AI时代真正有价值的往往正是：
整个平台。
四十三、第四个优势：AI与HPC开始融合
曦索X系列是沐曦一个非常值得关注的新方向。
因为未来AI GPU和HPC GPU之间的边界可能越来越模糊。
传统科学计算需要：
FP64。
AI需要：
FP8
BF16
INT8。
未来一颗GPU可能需要同时支持：
FP64 → FP32 → FP16 → BF16 → FP8 → INT8
完整精度体系。
这使它既可以运行：
科学模拟，
又可以运行：
AI模型。
这正是：
AI for Science
正在推动的GPU架构变化。
四十四、沐曦面临的最大挑战：软件生态
沐曦第一个长期挑战仍然是：
CUDA。
GPU软件生态具有很强的网络效应。
开发者越多，
软件越多；
软件越多，
客户越愿意购买；
客户越多，
开发者又越愿意开发。
所以MXMACA最大的任务不是：
“做出一个CUDA的名字对应物。”
而是：
真正做到：
兼容
稳定
性能好
开发方便
迁移成本低。
这可能需要非常长时间。
四十五、第二个挑战：大规模集群稳定性
一张GPU稳定运行并不等于：
10000张GPU可以稳定运行。
大型GPU集群必须解决：
故障GPU
网络故障
通信异常
节点掉线
任务恢复
训练Checkpoint
集群调度
以及长期运行稳定性。
所以到了：
千卡、万卡时代
GPU公司实际上越来越像：
大型系统公司。
这也是沐曦未来真正需要证明的能力之一。
四十六、第三个挑战：制造工艺和供应链
高性能GPU高度依赖：
先进制程
HBM
先进封装
高速互连
服务器
PCB
高速网络
以及整个半导体供应链。
所以GPU性能并不只取决于：
Architecture。
现代GPU实际上是：
芯片设计能力 × 制造能力 × 封装能力 × 内存能力 × 软件能力。
任何一个环节出现瓶颈，
最终都会限制整张GPU。
四十七、第四个挑战：国际GPU企业迭代速度太快
GPU市场另外一个困难是：
新架构不断提高：
Tensor算力
显存带宽
互连
低精度计算
以及集群性能。
所以国产GPU真正的任务不是：
追上某一张旧GPU。
而是：
建立自己的：
持续架构迭代体系。
C500之后有：
C600。
N260之后有：
N300。
现在又增加：
X206 / X302。
这说明沐曦正在逐步形成自己的产品迭代节奏。
四十八、沐曦未来最值得关注的是C600
未来几年，第一个值得重点观察的产品就是：
曦云C600。
因为C600代表沐曦：
新一代架构
国产先进工艺
OAM 2.0
MetaXLink-E
以及：
最高128卡Scale-up超节点
等新技术方向。
真正重要的问题不是：
发布了没有。
而是：
能不能大规模量产？
能不能形成真实客户部署？
大模型训练性能如何？
128卡Scale-up效率如何？
这些才是真正决定其产业价值的问题。
四十九、第二个值得关注的是MXMACA
未来沐曦真正能不能形成GPU生态，
核心要看：
MXMACA。
但：
软件
工具
API
Library
以及开发者
具有更长生命周期。
如果未来越来越多中国AI软件可以直接运行在：
MXMACA
之上，
沐曦真正的护城河才会越来越深。
五十、第三个值得关注的是科学智能
曦索X系列可能代表沐曦新的增长市场。
传统GPU产业最赚钱的方向包括：
HPC
Cloud
以及Scientific Computing。
现在AI和科学计算正在融合。
如果：
X206
X301
X302
能够进入：
高校
研究机构
气象
材料
药物研发
生物计算
以及工程仿真，
沐曦的市场就不再只有：
大语言模型训练。
而会进一步进入：
超级计算。
五十一、沐曦在中国GPU产业中的位置
如果把中国主要GPU企业简单划分，可以这样理解：
沐曦——高性能GPGPU + AI + 科学计算 + 超节点
芯原——Vivante GPU IP
从这个角度看：
沐曦的位置非常明确：
中国高性能数据中心GPU代表企业之一。
五十二、如何看待沐曦股份？
如果只把沐曦理解成：
“一家国产AI卡公司。”
已经不够准确。
它目前真正构建的是：
GPU Architecture
GPGPU Instruction Set
N / C / G / X GPU产品
MXMACA Software Stack
MetaXLink
GPU Server
GPU Supernode
Scientific Computing Platform
最终形成：
完整高性能计算平台。
结论
沐曦成立于2020年。
到了2023年，C500已经开始量产。
2024年，公司宣布全年落地算力集群规模超过万卡。
2025年，营业收入达到约：
16.44亿元
并正式登陆科创板。
到了2026年，公司又进一步推出：
曦索X系列科学智能GPU
并继续推进：
C600新一代通用GPU。
所以沐曦现在真正面对的问题已经不再是：
“中国能不能设计GPGPU？”
而是更加困难的下一阶段：
能不能建立成熟软件生态？
能不能让几千、几万张GPU稳定协同？
能不能进入真正的大规模AI训练？
能不能进入HPC和AI for Science？
能不能不断推出下一代GPU？
如果这些问题能够逐步解决，
沐曦的角色就可能从：
进一步升级成为：
中国高性能GPU计算平台的重要基础设施企业。
而这，才是沐曦股份未来最值得长期观察的地方。