摩尔线程：国产全功能GPU卡位选手，专注于通用GPU芯片设计及系统级算力解决方案。公司围绕自研MUSA统一架构，构建“芯片+软件+平台”全栈体系，产品覆盖AI计算、图形渲染及视频编解码等核心场景，并实现云端智算、专业图形、桌面图形及端侧SoC的跨场景部署。目前，公司产品已在智算中心、数字孪生及云渲染等领域实现落地，AI智算业务成为主要增长来源。2022-2026Q1营业收入增长迅速，2025年实现收入15.06亿元，同比增长达 243%，产品放量加速利润端转正。 26Q1实现收入7.38亿元，同比增长达 155%，利润端扭亏为盈。

摩尔线程-U（688795）

盈利预测与估值

2024A

2025A

2026E

2027E

2028E

营业总收入(百万元)

438.46

1,505.53

3,274.31

5,546.62

8,311.11

同比(%)

253.65

243.37

117.49

69.40

49.84

归母净利润(百万元)

(1,618.29)

(1,000.79)

(330.70)

345.88

1,414.75

同比(%)

4.97

38.16

66.96

204.59

309.03

EPS-最新摊薄(元/股)

(3.44)

(2.13)

(0.70)

0.74

3.01

P/E(现价&最新摊薄)

(178.04)

(287.89)

(871.23)

832.99

203.65

全功能GPU领军企业，自研MUSA统一架构搭建全栈体系

增持（首次）

投资要点

盈利预测与投资评级：考虑到公司作为国产全功能GPU的稀缺标的，且受益于AI智算中心建设浪潮，我们预计公司2026-2028年将实现营业收入33/55/83亿元，对应PS倍数分别为88/52/35倍，高于行业可比公司平均水平，横向对比寒武纪等GPU行业领军企业过往PS水平，我们认为公司PS水平符合行业发展的正常趋势，看好公司从“投入期”向“兑现期”跨越的长期价值。首次覆盖，给予“增持”评级。

风险提示：市场需求不及预期风险，市场竞争加剧风险，因技术升级导致的产品迭代风险。

行业：算力腾飞，全功能GPU需求高启。模型训练与推理需求持续释放，推动智算中心建设进入高景气周期，GPU作为AI计算核心载体，长期需求明确。同时，美国高端GPU出口限制强化国产替代逻辑，产业安全诉求提升。相较单一GPGPU或图形GPU，全功能GPU兼具AI计算、图形渲染与视频编解码能力，可覆盖智算、专业图形、云渲染、端侧智能等多元场景，具备更强生态迁移与商业化价值。

MUSA架构支撑硬件高频迭代，智算核心&消费领域协同并进。（1）架构层：自研MUSA统一GPU架构，兼容CUDA生态。公司以MUSA架构为底层基石，通过统一指令集、驱动体系和软件栈，实现不同代际、不同形态GPU产品间的灵活迁移，并适配主流AI框架与图形API，降低开发与迁移成本；（2）智算核心：全功能GPU一年一更迭，超节点与万卡集群构筑系统级竞争力。公司已完成五代GPU架构迭代，平湖架构下MTTS5000支持FP8-FP64全精度计算，下一代“华山”芯片基于花港架构支持FP4-FP64全精度计算；围绕AI训推，公司构建GPU芯片、板卡、服务器到KUAE智算集群的一体化体系，并规划MTTC256超节点、联合发布OISA方案，强化系统级交付能力；（3）消费进展：公司基于“花港”架构规划“庐山”图形芯片，3A游戏渲染性能提升15倍，并以“长江”SoC布局AIBOOK、AICUBE、E300模组等端侧产品，赋能具身智能、工业、交通、教育等场景，形成“云端训练一边缘推理一终端执行”的协同闭环。

2026年07月19日

证券分析师 陈海进

执业证书：S0600525020001

chenhj@dwzq.com.cn

证券分析师 李雅文

执业证书：S0600526010002

liyw@dwzq.com.cn

股价走势


市场数据

收盘价(元)

612.98

一年最低/最高价

503.06/941.08

市净率(倍)

25.01

流通A股市值(百万元)

18,527.62

总市值(百万元)

288,117.90

基础数据

每股净资产(元,LF)

24.51

资产负债率(%，LF)

25.63

总股本(百万股)

470.03

流通A股(百万股)

30.23

相关研究


内容目录

1. 摩尔线程：国产 GPU 全功能生态开拓者 ...4

1.1. 公司概况：“通用 GPU+算力平台”系统级解决方案提供商 ...4

1.2. 股权结构：股权结构集中，创始人为实际控制人 ...6

1.3. 财务分析：AI 智算驱动高增长，经营亏损加速收窄 ...7

1. 行业：算力腾飞，全功能 GPU 需求高启 ...9

2.1. 美国出口限制叠加算力需求爆发，国产芯片替代空间广阔 ...9

2.2. GPU：AI 智算正当时，桌面&边缘未来可期 ...10

1. MUSA 架构支撑硬件高频迭代，智算核心&消费领域协同并进 ...12

3.1. 底层架构：自研 MUSA 统一 GPU 架构，兼容 CUDA 生态，支撑产品快速迭代 ...12

3.2. 智算核心：全功能 GPU 一年一更迭，超节点与万卡集群构筑系统级竞争力 ...14

3.2.1. S5000 旗舰产品支持 FP8，下一代“庐山”性能再迭代支持 FP4 ...15

3.2.2. 规划超节点方案，系统级算力密度大幅提升 ...17

3.2.3. 夸娥万卡集群，树立国产智算效率标杆 ...17

3.3. 消费进展：基于自研 SoC，构筑 ToC 领域核心竞争优势 ...18

3.3.1. 图形加速产品：从云端渲染到桌面消费的全覆盖 ...19

3.3.2. 终端设备：基于自研“长江”SoC，个人家庭场景全覆盖 ...20

3.3.3. 物理 AI 侧：布局 MT Lambda 全栈具身智能仿真平台 ...21

1. 盈利预测与投资建议 ...23

4.1. 盈利预测 ...23

4.2. 投资建议 ...24

1. 风险提示 ...24


图表目录

图 1: MUSA 架构示意图 ...4

图 2: 公司基于 MUSA 架构的云边端产品布局 ...5

图 3: 公司股权结构图（截至 25 年末） ...6

图 4: 公司高管团队拥有丰富行业经验 ...7

图 5: 公司营业收入及同比增长率 ...7

图 6: 公司归母净利润及同比增长率 ...7

图 7: 公司营收拆分（亿元） ...8

图 8: 公司分业务毛利率 ...8

图 9: 公司费用情况（亿元） ...8

图 10: 同行业可比公司毛利率 ...8

图 11: 公司研发投入及占比 ...9

图 12: 可比公司研发费用率比较 ...9

图 13: 2020-2029 年中国算力规模（单位：EFLOPs） ...9

图 14: 中国 AI 计算加速芯片市场规模（亿元） ...10

图 15: GPU 类型及其功能定位 ...10

图 16: 2020-2029 年中国 GPU 市场规模 ...11

图 17: 2020-2029 年中国 AI 智算 GPU 市场规模 ...12

图 18: CUDA 生态系统 ...13

图 19: MUSA SDK 示意图 ...13

图 20: 摩尔线程全功能 GPU 技术路线 ...14

图 21: 国内外重点企业系统架构对比 ...14

图 22: 第一到第五代芯片架构发布时点及关键技术优化 ...15

图 23: “花港”新架构及其性能参数 ...15

图 24: MTT S5000 产品介绍 ...16

图 25: “华山”芯片示意图 ...16

图 26: MTT C256 超节点规划 ...17

图 27: OISA 超节点规划 ...17

图 28: KUAE 万卡智算集群核心能力 ...18

图 29: 2024-2025H1AI 智算分业务收入（亿元） ...18

图 30: 2024-2025H1AI 智算分业务收入占比 ...18

图 31: 英伟达提前介入游戏开发流程，强化驱动适配能力 ...19

图 32: S80 规格参数 ...20

图 33: “庐山”芯片示意图及其技术参数 ...20

图 34: “长江”SoC 芯片技术参数 ...21

图 35: AI 算力本：AI BOOK ...21

图 36: 家庭 AI 中枢：MTT AICUBE ...21

图 37: 物理 AI 侧产品布局 ...22

图 38: 摩尔线程盈利预测 ...23

图 39: 可比公司估值表 ...24


1. 摩尔线程：国产GPU全功能生态开拓者

1.1. 公司概况：“通用 GPU+算力平台”系统级解决方案提供商

全功能GPU计算领域少有的具备从底层芯片到全栈软件自研能力的公司。基于自研的MUSA统一架构，摩尔线程构建了完整产品矩阵，为前沿领域提供算力支撑。MUSA架构是驱动全功能GPU产品的核心技术基石，融合统一的硬件与软件栈，集成多种加速能力，支持国内外主流AI框架与图形API。基于MUSA架构，产品在功能完备性、计算精度完整性与生态兼容性上具备优势，保障了应用程序在公司各代GPU与计算平台间的灵活迁移与高效运行，为多样化的高性能计算场景提供了稳定可靠的底层支持。

图1：MUSA架构示意图


数据来源：公司官网，东吴证券研究所

公司基于MUSA架构，已构建起覆盖“云、边、端”的全栈GPU产品矩阵，并以五代芯片架构的持续迭代为核心驱动力，形成从基础算力到系统集群、从专业图形到智能终端的完整布局。

在芯片架构层面，公司已完成四代GPU架构迭代，并规划了新一代AI智算与图形渲染芯片。继“苏堤”（2021）、“春晓”（2022）、“曲院”（2023）、“平湖”（2024）之后，公司于2025年正式发布第五代架构“花港”，支持FP4至FP64全精度计算，算力密度提升 50%，运算效能提升10倍。基于该架构，公司计划推出面向高性能AI训推一体的“华山”芯片，以及在浮点算力、访存带宽及互联等方面对标国际主流产品；同时推出专注图形渲染的“庐山”芯片，可实现3A游戏渲染提升15倍、AI性能提升64倍、光追性能提升50倍。


在AI智算产品线层面，公司提供从板卡、服务器到万卡集群的完整解决方案。核心算力单元涵盖AI训练与推理，针对MoE、多模态等前沿模型优化设计；服务器层面推出AI超节点服务器，支持单节点多卡高密度协同；集群层面拥有专线（KUAE）智算集群，可扩展至万卡规模，并配套RDMA网络、分布式存储及KUAE Platform管理平台。2025年，公司进一步发布MTTC256超节点架构规划，采用计算交换一体高密设计，联合中国移动研究院、之江实验室发布OISA超节点方案，可实现单机柜128卡、双机柜并联256卡，持续提升智算系统的集成度与能效水平。

在专业图形与桌面级产品方面，公司已形成覆盖企业级与消费级的多元产品系列。专业图形加速产品面向工业设计、数字孪生、AI云电脑等场景，代表型号包括MTTS3000/S2000/S1000系列；桌面级产品面向AIPC、游戏及办公场景，包括MTTS80/S70/S50等系列，广泛支持Windows、麒麟、统信等操作系统及Intel、AMD、海光、飞腾等CPU平台。

在边缘与终端智能领域，公司基于自研“长江”SoC推出MTTAIBOOK、家庭AI中枢MTTAICUBE，并以E300模组等产品形态拓展工业、教育、交通等场景，构建云边端一体化能力。

在AI应用与模型侧：摩尔线程已构建覆盖图文视频创作、语音交互场景的全栈产品矩阵，打造端云协同的差异化AI服务能力。

图2：公司基于MUSA架构的云边端产品布局

分类

定位

芯片

板卡/模组

示意图

服务器级

AI智算

企业级

云端

第五代 GPU“花港”

-

-

第四代 GPU“平湖”

S5000

专业图形加速

企业级

第三代 GPU“曲院”

S4000

第二代 GPU“春晓”

S3000

企业级

边缘与终端

第二代 GPU“春晓”

S80（游戏显卡）

桌面级图形加速

企业级

第二代 GPU“春晓”

X300（专业视觉加速卡）

第一代 GPU“苏堤”

S50（专业视觉加速卡）

第一代 GPU“苏堤”

S10/S30/X100

智能 SoC 类

企业级

第一代 SoC“长江”

AI模组-E300

消费级

A140（AI算力本）

-

AI BOOK（AI算力本）

AI CUBE（家庭AI中枢）

数据来源：公司招股说明书，公司官网，公司官方公众号，公司财报，东吴证券研究所


1.2. 股权结构：股权结构集中，创始人为实际控制人

公司股权结构相对集中，创始人张建中为实际控制人。张建中是摩尔线程董事长兼总经理，自公司2020年10月注册成立以来，一直实际控制公司的经营管理，系公司的控股股东及实际控制人。截至25年末，张建中通过南京神傲、杭州华傲直接持股+间接持股 27.52% ，是持股最多的股东，股权比例明显高于其他股东。公司的产业资本布局采用“北京母公司+区域子公司”架构，通过摩尔线程智能科技（北京）股份有限公司作为核心平台，向下辐射上海、成都、杭州、无锡等地的多家子公司，业务涵盖GPU及相关产品的研发、设计和销售。

图3：公司股权结构图（截至25年末）


数据来源：iFinD，公司招股说明书，东吴证券研究所

公司管理团队经验丰富，拥有优秀的技术背景。公司董事长兼总经理张建中先生曾任英伟达全球副总裁兼大中华区总经理，具有超20年的行业经验，管理团队具备丰富的技术研发经验。


图4：公司高管团队拥有丰富行业经验

姓名

职务

背景

张建中

董事长、总经理

硕士研究生学历，高级工程师。曾先后担任冶金自动化研究设计院国家计算机实验室部门高级研究员；中国惠普有限公司产品总经理；戴尔（中国）有限公司全球客户部总经理；英伟达全球副总裁、大中华区总经理；2020年10月至今，以实控人身份参与公司经营管理。

周苑

联合创始人、职工董事

曾先后担任中国惠普有限公司渠道经理；PHOENIX TECHNOLOGIES LTD.大客户总监；英伟达市场生态高级总监；2020年10月至今，以联合创始人身份参与公司经营管理。

张钰勃

联合创始人、董事、副总经理

博士研究生学历。曾先后担任英伟达GPU架构师；Pony AI Inc.基础架构部门主任工程师；2020年至今历任摩尔线程监事、董事、副总经理。

王越

董事

硕士研究生学历。曾先后担任海通证券股份有限公司监事会秘书；上海国盛资本管理有限公司任董事总经理；2021年10月至今，于摩尔线程任董事。

房巧玲

独立董事

博士研究生学历，教授。1999年7月至今，于中国海洋大学任教授；曾先后担任三角轮胎股份有限公司独立董事；青岛银行股份有限公司独立董事；成都能通科技股份有限公司独立董事；2024年12月至今，任摩尔线程独立董事。

武永卫

独立董事

博士研究生学历，教授。2002年9月至今，于清华大学计算机系任教授；2025年3月至今，任摩尔线程独立董事。

汪国平

独立董事

博士研究生学历，教授。曾先后于燕山大学数理系任助教、讲师；于清华大学计算机系任博士后；1999年7月至今，于北京大学计算机系先后任副教授、教授、博雅特聘教授；2025年3月至今，任摩尔线程独立董事。

数据来源：iFinD，公司招股说明书，东吴证券研究所

1.3. 财务分析：AI智算驱动高增长，经营亏损加速收窄

乘AI算力东风，摩尔线程营收实现爆发式增长，26Q1由亏转盈。由于全球GPU市场长期由国际巨头垄断且国产替代周期较长，公司2022年营业收入仅0.46亿元，归母净利润为-18.94亿元。公司通过拓展专业图形加速等非消费领域业务，对整体收入形成一定支撑，因此2022年营收基数虽低但为后续增长奠定基础。2023年得益于数字孪生、AI云电脑等高端应用场景需求提升，营业收入达1.24亿元，同比大幅增长 169%。 2024年来随着大模型训练与推理算力需求激增，24全年营业收入实现4.38亿元，同比增长 253%。25全年营业收入实现15.06亿元，同比增长 243%。26Q1营业收入实现7.38亿元，同比增长 155%，归母净利润为0.29亿元，实现由亏转盈。

图5：公司营业收入及同比增长率


数据来源：公司招股说明书，东吴证券研究所

图6：公司归母净利润及同比增长率


数据来源：公司招股说明书，东吴证券研究所


业务重心转移，营收结构多元化。公司营收主要来源于三大板块：一是面向AI训练的智算产品，二是用于高端场景的专业图形加速产品，三是面向消费级的桌面图形加速及SoC产品。公司的营收结构发生显著变化：早期以桌面级图形加速为主，2022年该业务收入占比高达 71.44%。近两年公司将资源聚焦于高毛利、高性能的AI智算与专业图形加速领域，营收构成彻底重塑。2024年AI智算产品已成为绝对主力，收入占比提升至 77.63%，2025年上半年达到 94.85%，而桌面级图形加速收入占比则在2024年收缩至 2.48%，至2025年上半年仅有 0.49%。

费用结构持续优化，盈利能力逐年提升。销售费用、管理费用逐年下降，展现出较好的成本控制能力。公司毛利率从2022年的-70.08%大幅提升至2025年的 66%，超越多家同行业公司，这主要得益于成功的业务结构调整，高毛利的AI智算与专业图形加速业务成为了公司盈利的核心支柱。

图7：公司营收拆分（亿元）


数据来源：公司招股说明书，东吴证券研究所

图8：公司分业务毛利率


数据来源：公司招股说明书，东吴证券研究所

图9：公司费用情况（亿元）


数据来源：公司招股说明书，东吴证券研究所

图10：同行业可比公司毛利率


数据来源：公司招股说明书，东吴证券研究所

高强度投入研发，夯实全功能GPU技术根基。摩尔线程持续加大对GPU芯片架构及软硬件生态的底层技术攻关，研发范围已覆盖AI智算、专业图形渲染、桌面计算及智能SoC等全栈产品矩阵。截至2025年12月31日，摩尔线程的研发人员已破千人。 2025年度，公司研发费用高达13.05亿元。与同行业可比公司相比，公司的研发费用率始终维持较高水平。


图11：公司研发投入及占比


数据来源：公司招股说明书，东吴证券研究所

图12：可比公司研发费用率比较


数据来源：公司招股说明书，东吴证券研究所

注：纵轴为对数刻度

2. 行业：算力腾飞，全功能GPU需求高启

2.1. 美国出口限制叠加算力需求爆发，国产芯片替代空间广阔

中国智能算力建设迎来政策与市场双轮驱动，国产替代是算力体系建设的重要抓手。大语言模型和多模态生成式AI的兴起正快速提升训练与推理的算力需求，使智算中心成为战略新型基础设施的重要组成部分。弗若斯特沙利文统计结果显示中国算力规模 2020-2024年复合年均增长率为 45.9% ，并预计2025-2029年复合年均增长率仍达 40%。同时智能算力占比不断提升，智算应用正成为AI技术产业化突破的关键方向，GPU是智算中心的主要算力载体和产业核心环节。美国对高端GPU技术的出口限制加剧了国内算力供需矛盾，产业安全诉求提升，推动高性能GPU的国产化需求迅速外溢。摩尔线程作为国内少数具备全功能GPU研发能力的厂商，已在智算领域获得主流客户导入验证。随着政企应用大模型加速落地，国产GPU厂商在性能迭代与生态兼容方面的持续突破，将引导国产替代进入放量阶段。

图13：2020-2029年中国算力规模（单位：EFLOPs）


数据来源：弗若斯特沙利文，公司招股说明书，东吴证券研究所


中国AI芯片市场持续扩容，GPU主导地位依旧。根据弗若斯特沙利文预测，到 2029年，中国的AI芯片市场规模将从2024年的千亿级激增至万亿元，2025年至2029年期间年均复合增长率为 53.7%。从细分市场上看，GPU的市场增长速度最快，其市场份额预计将从2024年的 69.9%上升至2029年的 77.3%，为国产GPU产品提供了长期需求支撑。智算基础设施投资的系统化推进将持续拉动国内GPU厂商渗透率提升，为公司提供了显著成长空间。

图14：中国AI计算加速芯片市场规模（亿元）



数据来源：弗若斯特沙利文，公司招股说明书，东吴证券研究所

2.2. GPU: AI智算正当时，桌面&边缘未来可期

根据功能定位的不同，GPU可分为全功能GPU、图形GPU和GPGPU三类，其中全功能GPU凭借兼具计算与图形渲染的完备能力，实现了最广阔的场景适配。（1）图形GPU：专为图形渲染和PC游戏应用设计，主要针对高清显示及高性能2D/3D图形计算优化；（2）GPGPU：省去图形显示与渲染相关功能，专注于利用GPU架构执行通用并行计算任务；（3）以英伟达、摩尔线程为代表的全功能GPU：具备功能完备、计算精度完整的优势，在工作效率、生态完整性与兼容性上更具竞争力，可适配世界模型、具身智能、物理AI等广泛场景，在AI图像处理、视频制作等领域优势凸显，其强迁移性可承接多场景需求，降低系统集成与商业化的不确定性，尤其适配国产GPU生态的搭建。

图15：GPU类型及其功能定位

GPU类型

功能定位

全功能GPU

具备功能完备性与计算精度完整性，在生态完整多样性以及兼容性等方面更具优势

图形GPU

专为图形渲染和PC游戏应用而设计，针对高清显示及高性能2D/3D图形计算进行了优化

GPGPU

省去了与图形显示和渲染相关的功能，专注于利用GPU架构执行通用并行计算任务

数据来源：弗若斯特沙利文，公司招股说明书，东吴证券研究所


GPU产业下游可分为AI智算产品与桌面级产品两大板块，其中AI智算产品已成为核心增长引擎，2024年占整体市场份额达 61%，桌面级产品占比 39%。

AI智算GPU：算力需求驱动，数据中心为核心赛道。AI智算GPU市场规模从2020年的142.86亿元迅猛增长至2024年的996.72亿元，2020-2024年CAGR高达 62.5%显著高于整体市场增速。根据弗若斯特沙利文预测，到2029年，市场规模将达到10333.40亿元，2025-2029年CAGR为 56.7% ，智算产品占整体GPU市场的份额将持续提升。

(1) 数据中心 GPU：为AI智算市场的核心细分领域，2020-2024年市场规模从 82.00亿元增至687.22亿元，CAGR达 70.1%，是2020-2024期间增速最快的板块，2024年占整体 GPU市场份额 42%。根据弗若斯特沙利文预测，2025-2029年将以 55.7%的 CAGR持续增长，2029年市场规模将达6639.16亿元，仍是市场的核心需求支柱。

(2) 其他AI智算产品（含边缘计算、云计算产品）：2020-2024年市场规模CAGR为 50.2% ，2024年占整体市场份额 19%。根据弗若斯特沙利文预测，未来增速将进一步提升，2025-2029年CAGR预计达 58.8% ，2029年市场规模有望达到3694.24亿元，成为AI智算领域的重要补充增长极。

桌面级GPU：周期压力下逆势回暖，长期增长确定性明显。桌面级GPU市场规模从2020年的241.91亿元增长至2024年的641.45亿元，2020-2024年CAGR为 27.6%低于整体市场增速。尽管受全球PC出货量下滑影响，但高性能游戏显卡受益于电竞、 AIPC等需求拉动，已展现出逆势增长的韧性。根据弗若斯特沙利文预测，2029年桌面级GPU市场规模将增至3302.38亿元，2025-2029年CAGR将提升至 38.1%，高于前五年水平，有望成为继AI智算之后的又一重要增长极。

图16：2020-2029年中国GPU市场规模


数据来源：弗若斯特沙利文，公司招股说明书，东吴证券研究所


图17：2020-2029年中国AI智算GPU市场规模


数据来源：弗若斯特沙利文，公司招股说明书，东吴证券研究所

3. MUSA架构支撑硬件高频迭代，智算核心&消费领域协同并进

3.1. 底层架构：自研MUSA统一GPU架构，兼容CUDA生态，支撑产品快速迭代

摩尔线程的核心稀缺性来自其在国产厂商中独有的全功能GPU技术路线，MUSA是面向其自主通用GPU打造的全栈式并行计算开发平台，以高度兼容的架构设计，实现了对行业内CUDA生态的高度兼容。MUSA架构以统一ISA、统一驱动与统一调度为核心，实现云端智算卡、专业图形卡、桌面级图形卡与端侧SoC在统一软件栈下运行，显著降低适配成本，具备跨场景一致性优势。多引擎协同、智能调度与统一内存体系为多模态AI、数字李生和科学仿真等多领域复杂任务提供系统级支撑。

MUSA软件栈包括丰富的加速库与一体化开发工具，助力开发者降低开发门槛。 MUSA软件栈的编程模型与接口高度兼容CUDA生态，从底层编译器、Runtime库到上层开发工具链，均提供了与CUDA高度兼容的实现，开发者无需大幅重构代码，即可自主将按照CUDA生态编写的程序顺利应用至MUSA平台。依托这一特性，开发者可直接复用CUDA生态下积累的知识、经验与成熟源码，大幅降低跨平台适配的学习成本与开发周期，为AI训练、高性能计算等场景提供了高效可靠的国产通用算力解决方案。


图18：CUDA生态系统


数据来源：英伟达官网，东吴证券研究所

图19：MUSASDK示意图


数据来源：摩尔线程官网，东吴证券研究所

MUSA实现全形态GPU的统一架构部署的核心是“异构融合+软硬协同”，显著降低了算力迁移成本并放大生态价值。MUSA被定义为“一体化的全功能GPU计算加速架构”，在单芯片中集成四大引擎，配合统一驱动和跨OS的兼容层，形成云端智算卡、图形渲染卡与端侧AISoC的完整产品体系。同时，通过MCCL等分布式通信库及FP8动态混合精度等技术提升大模型训练效率，为智算中心场景提供可扩展的系统级算力。在此基础上，MUSA以统一ISA、统一编程模型和一致执行调度实现软硬耦合，让同一软件栈在云-边-端多形态硬件上无差异运行，显著降低适配与维护成本，提升模型在云上训练、在边端推理的贯通效率。相较传统GPU体系中“云、图形、端侧多套架构并行”的高复杂度部署模式，MUSA实现“一次开发，多端部署”。


图20：摩尔线程全功能GPU技术路线


数据来源：摩尔线程官网，东吴证券研究所

MUSA的商业价值在于通过高兼容性降低客户迁移成本，从而实现快速市场切入。 MUSA在战略上采用“先兼容、后拓展”路径：既保留自主指令与软件栈，又通过工具链与迁移方案实现对CUDA语义的高兼容，从而把客户的技术迁移成本显著压缩，利于在国产化窗口期快速获得行业客户认可并形成初始生态，长期则需在驱动稳定性、库成熟度、行业合作与量产能力上持续投入以稳固竞争位置。

图21：国内外重点企业系统架构对比

公司名称

架构

类别

功能

精度

兼容性

摩尔线程

MUSA

GPU

AI计算加速、图形渲染、物理仿真和科学计算、超高清视频编解码等

FP64/FP32/TF32/FP16/BF16/FP8/INT8

高

国际龙头企业

英伟达

CUDA

GPU

AI计算加速、图形渲染、物理仿真和科学计算、超高清视频编解码等

FP64/FP32/TF32/FP16/BF16/FP8/FP6/FP4/INT8

高

AMD

CDNA、RDNA

GPGPU、图形GPU

AI计算加速、图形渲染、科学计算等

FP64/FP32/TF32/FP16/BF16/FP8等

较高

高通

ARM

SoC

边缘计算、图形渲染、AI计算加速等

FP16/INT8等

中

数据来源：公司招股说明书，东吴证券研究所

摩尔线程的优势在于体系化能力的稀缺性。全功能覆盖驱动更广市场空间，五代 GPU（苏堤、春晓、曲院、平湖、花港）覆盖AI训练、数字孪生、图形渲染、PC图形与端侧智能设备，产品矩阵完整度高于多数国产竞争者。统一架构强化客户黏性，一次开发、多端部署大幅降低客户TCO，统一架构的软硬协同带来规模化部署效率优势。兼容性与自主性并存，构筑可持续演进空间。在降低迁移成本的同时，保留自主指令集与软件栈，具备走向独立生态的潜在路径。摩尔线程在国产GPU市场中已形成“稀缺+全栈+可规模化”的体系性竞争力。

1. 2. 智算核心：全功能GPU一年一更迭，超节点与万卡集群构筑系统级竞争力


3.2.1. S5000旗舰产品支持FP8，下一代“庐山”性能再迭代支持FP4

全功能GPU逐年更新，从MUSA架构奠基走向FP4-FP64全精度支持。 $ \textcircled{1} $ “苏堤”（2021）：内置AI计算加速、图形渲染、物理仿真和科学计算、超高清视频编解码引擎，奠定产品基础； $ \textcircled{2} $ “春晓”（2022）：面向云计算与GPU虚拟化进行针对性优化，并实现对DirectX11/12的支持，将能力边界拓展至数字孪生、工业设计等图形应用场景； $ \textcircled{3} $ “曲院”（2023）：进一步加强AI训练与推理能力，支撑公司千卡集群智算中心建设，产品重心向智算场景倾斜； $ \textcircled{4} $ “平湖”（2024）：引入FP8精度支持，提升AI算力与工程效率，并面向Deepseek前沿大模型预训练需求提供万卡级集群智算中心的算力底座，产品形态走向集群化交付与规模化训练。 $ \textcircled{5} $ “花港”（2025）：支持FP4到FP64的全精度计算，新增MTFP6/MTFP4及混合低精度支持，密度提升 50%，效能提升10倍。

图22：第一到第五代芯片架构发布时点及关键技术优化

序号

芯片架构

流片成功/发布时间

基本情况

第一代

苏堤

2021年

内置AI计算加速、图形渲染、物理仿真和科学计算、超高清视频编解码引擎

第二代

春晓

2022年

针对云计算以及GPU虚拟化的能力进行大幅优化；率先支持DirectX11和DirectX12，实现多款图形引擎的高性能适配，支持数字孪生以及工业设计、元宇宙等应用

第三代

曲院

2023年

加强AI训练和推理能力，搭建千卡集群智算中心

第四代

平湖

2024年

增加FP8精度支持，支撑面向DeepSeek类前沿大模型预训练的万卡集群智算中心解决方案

第五代

花港

2025年

支持FP4到FP64的全精度计算，密度提升50%，效能提升10倍

数据来源：公司招股说明书，公司2025年财报，东吴证券研究所

图23：“花港”新架构及其性能参数


数据来源：公司官方公众号，东吴证券研究所

旗舰芯片-S5000：基于第四代“平湖”架构，提供FP8-FP64全精度算力支持，单卡AI算力最高可达1000TFLOPS（Dense稠密）。作为摩尔线程面向智算中心场景推出的新一代训推一体全功能GPU，S5000的核心看点在于“高算力+全精度+全功能”三位一体：一方面覆盖AI训练、推理、高性能计算等多类负载，另一方面通过原生FP8能


力承接大模型低精度计算趋势，在显存占用、吞吐效率和模型部署成本之间取得更优平衡。结合官网产品矩阵，S5000位于摩尔线程智算中心产品线核心位置，并与MUSASDK、 AI训练/推理套件、GPU虚拟化、KUAE云原生套件等软件生态形成协同，体现公司从单卡硬件向“芯片+软件栈+集群化部署”延伸的战略方向。

S5000携手智源FlagOS：基于原生FP8引擎，Day-0适配DeepSeek-V4等前沿大模型。S5000联合智源众智FlagOS社区，已在DeepSeek-V4-Flash发布初期实现Day-0适配，并完成核心算子优化与部署支持，显示其在前沿模型快速迁移和工程化落地上的能力。DeepSeek-V4-Flash采用MoE架构，参数规模达284B、激活参数13B，并支持百万token上下文，对芯片精度支持、显存效率和SparseAttention等算子优化提出更高要求。FlagOS围绕FP8算子、SparseAttention、混合精度路径转换等关键环节进行适配，叠加S5000原生FP8硬件能力，有助于提升国产GPU对新一代大模型的承载效率和生态兼容性。

图24：MTT S5000产品介绍

产品规格

液冷

风冷

AI算力(Dense稠密)

1000TF1ops

920TF1ops

显存容量

80GB

80GB

显存宽带

1.6TB/s

1.6TB/s

卡间互联MT1ink(8卡全互联)

784GB/s

784GB/s

数据来源：公司官网，东吴证券研究所

下一代“华山”芯片基于“花港”架构，专注AI训推一体与超大规模智能计算。集成新一代异步编程与全精度张量计算单元，支持从FP4至FP64的全精度计算，为万卡级智算集群提供稳定高效的算力支撑，是构建下一代“AI工厂”的坚实底座。

图25：“华山”芯片示意图


数据来源：公司官方公众号，东吴证券研究所


3.2.2. 规划超节点方案，系统级算力密度大幅提升

摩尔线程持续推进超节点研发。（1）公司面向下一代超大规模智算中心，25年12月在首届MUSA开发者大会上已提出MTTC256超节点架构，重点围绕高密度硬件形态、卡间高速互联与集群级协同效率进行优化，以提升大模型训练和推理场景下的算力利用率与扩展能力；（2）公司依托OISA协同创新平台，26年3月与中国移动研究院、之江实验室等产业伙伴联合发布《OISA高密超节点参考设计技术规范》，在主流32卡至64卡互联基础上，实现标准单宽机柜128卡全互联，并支持并柜扩展至256卡部署，配合OISA2.0原生内存语义、报文重构、液冷散热与高密供电设计，进一步推动国产AI算力基础设施向高密度、高带宽、低时延和标准化方向演进。

图26：MTT C256 超节点规划


数据来源：公司官方公众号，东吴证券研究所

图27：OISA超节点规划


数据来源：公司官方公众号，东吴证券研究所

3.2.3. 夸娥万卡集群，树立国产智算效率标杆

基于MTT S5000打造的夸娥万卡智算集群，在大模型训练与推理能力上展现出领先的系统级性能。该集群具备全精度、全功能通用计算能力，万卡规模下浮点运算能力达10Exa-Flops，Dense大模型训练MFU达 60%、MoE大模型达 40%，有效训练时间占比超过 90%，训练线性扩展效率达 95%，并与国际主流生态高度兼容。（1）训练侧：公司依托MTT S5000原生FP8能力完整复现顶尖大模型训练流程，Flash Attention算力利用率超过 95%，并突破FP8累加精度等关键瓶颈，充分释放国产GPU训练性能潜力；（2）推理侧：摩尔线程联合硅基流动完成系统级工程优化，在DeepSeekR1671B全量模型上实现性能突破，MTT S5000单卡Prefill/Decode吞吐分别突破4000/1000tokens/s，进一步验证国产GPU在大模型场景的规模化落地能力。


图28：KUAE万卡智算集群核心能力


数据来源：公司官方公众号，东吴证券研究所

算力集群逐渐成为公司AI智算主要业务模式。2024年公司AI智算业务收入为3.35亿元，其中集群、一体机、板卡收入分别为1.83/1.24/0.28亿元，占比分别为 55%/37%/8%，业务结构相对均衡。2025H1公司AI智算收入快速提升至约6.65亿元，其中集群收入达 5.55亿元，占比提升至 83%，成为收入增长的核心驱动；板卡收入0.98亿元，占比 15%，一体机收入占比降至 2%。整体来看，公司AI智算业务正由多形态产品销售，逐步向高价值、规模化的算力集群交付模式集中。

图29：2024-2025H1AI智算分业务收入（亿元）


数据来源：iFinD，招股说明书，东吴证券研究所

图30：2024-2025H1AI智算分业务收入占比


数据来源：iFinD，招股说明书，东吴证券研究所

3.3. 消费进展：基于自研 SoC，构筑 ToC 领域核心竞争优势

边缘与终端产品线目前主要包括桌面图形加速显卡、专业视觉加速卡、边缘AI计


算模组以及个人/家庭智算终端设备。

3.3.1. 图形加速产品：从云端渲染到桌面消费的全覆盖

图形GPU市场空间广阔，国产化替代机遇清晰。JPR预计2025年全球PC独立显卡市场规模达88亿美元，全球超35亿游戏玩家持续推动硬件升级，同时4K/8K内容创作、云游戏、AR/VR及汽车智能座舱等新兴场景，对图形渲染与高清媒体处理能力形成刚性需求。当前市场仍由英伟达、AMD等国际巨头主导，核心壁垒不仅在硬件性能，更在于软件生态、驱动稳定性及行业认证体系。随着供应链安全需求提升及国产软硬件生态逐步完善，国内GPU厂商有望从特定行业、专业应用及消费级场景切入，推动图形GPU国产化突破。

图31：英伟达提前介入游戏开发流程，强化驱动适配能力


数据来源：英伟达官网，东吴证券研究所

MTT S80：国内首款支持Windows操作系统及DirectX11/12图形API的消费级显卡。产品面向大众用户提供3A游戏、日常娱乐与多媒体处理能力；硬件侧配备4096个MUSA核心、16GBGDDR6显存、448GB/s显存带宽及PCIe Gen5x16接口，具备较强图形渲染和数据吞吐能力。同时，S80支持最高8K分辨率输出，并覆盖3D渲染、高清视频、AI计算等多元应用场景。依托摩尔线程MUSA统一系统架构，S80不仅强化了国产GPU在消费级市场的产品化能力，也为后续驱动适配、游戏兼容和应用生态拓展奠定基础。


图32：S80规格参数

参数

规格

核心数量

4096

GPU 核心频率

1.8GHz

FP32 算力

14.7 TFLOPS

显存大小

16GB

显存类型

GDDR6

显存位宽

256 位

显存带宽

448GB/s

总线接口

PCIe Gen5 x16

显示接口

3 × DisplayPort 1.4a；1 × HDMI 2.1

最大分辨率

7680 × 4320

最大功耗

255W

尺寸

285mm × 112mm × 49mm

数据来源：摩尔线程官网，东吴证券研究所

下一代“庐山”芯片专攻高性能图形渲染。性能实现全面跨越：几何处理性能提升 16倍，AI计算性能提升64倍，光线追踪性能提升50倍，并显著增强纹理填充、原子访存能力及显存容量。集成AI生成式渲染、UNITE渲染架构及全新硬件光追引擎，为 3A游戏、高端图形创作提供强大算力支持。

图33：“庐山”芯片示意图及其技术参数


数据来源：量子位，东吴证券研究所

3.3.2. 终端设备：基于自研“长江”SoC，个人家庭场景全覆盖

终端智能领域：公司还基于自研“长江”SoC推出AI算力本AIBOOK以及家庭 AI中枢AI CUBE，构建云边端一体化能力。MTTAIBOOK，面向AI学习与开发者场景，深度集成智能体运行与开发环境，实现端侧大模型推理与云侧模型服务的协同调用。该系列产品可广泛赋能边缘智能、具身智能、智能汽车、低空经济等场景，与公司AI智算产品形成云端训练-边缘推理-终端执行的完整闭环，满足多元化AI训推需求；MTTAICUBE，以全域智能体“小麦”为核心，以端侧本地算力为引擎，以全闪存私有云为


数据底座，以全栈自研OS为系统支撑，将“端云一体”的能力首次完整带入家庭场景，为千家万户量身打造原生的家庭AI中枢。

图34： “长江” SoC芯片技术参数


数据来源：公司官方公众号，东吴证券研究所

图35：AI算力本：AI BOOK


数据来源：公司官方公众号，东吴证券研究所

图36：家庭AI中枢：MTTAICUBE


数据来源：公司官方公众号，东吴证券研究所

3.3.3. 物理AI侧：布局MTLambda全栈具身智能仿真平台

面向物理AI，公司发布MTLambda全栈具身智能仿真平台，该平台构建了从底层算力、核心引擎到上层框架及工具的完整解决方案。底层依托全功能GPU实现渲染、物理与AI计算一体化，中层融合自研物理、渲染、AI三大引擎，上层提供MTLambda-Lab具身策略开发与训练平台及MTLambda-Sim高保真物理仿真与渲染平台，构建数据合成、策略训练、仿真验证的高效工作流。整体来看，公司正从内容创作与语音交互，延伸至“云端训练一仿真模拟一端侧部署”的应用闭环，强化全功能GPU在具身智能、机器人及多场景AI落地中的平台价值。


图37：物理AI侧产品布局


数据来源：公司官方公众号，东吴证券研究所


4. 盈利预测与投资建议

4.1. 盈利预测

我们预测公司2026-2028年营业收入32.74/55.47/83.11亿元，增速分别为 117%/69%/50%，综合毛利率 67%/67%/67%。分业务假设如下：

(1) 云端产品：由于全球GPU市场长期由国际巨头主导且国产替代周期较长，公司早期营收基数较低。2025年起，乘AI算力需求东风，以及公司“GPU芯片-夸娥集群”全系列产品迭代放量，公司营收进入高速增长通道。2025年，营收增长至15.06亿元。2026年，随着花港架构升级及华山芯片的量产、夸娥集群以及超节点业务的持续突破，芯片及系统级产品有望驱动收入进一步增长，预测公司2026-2028年云端产品收入同比增长 120%/70%/50%至32.14/54.64/81.96亿元。考虑到云端产品成熟放量后毛利率或将逐渐稳定，我们预计公司2026-2028年云端产品毛利率为 68%/68%/67%。

(2) 边缘与终端产品： $ \textcircled{1} $图形加速产品：是公司“全功能”技术能力的重要组成与生态延伸，2026年花港架构升级并推出庐山芯片，目标性能是S80的2-3倍，图形渲染能力大幅提升。叠加AI应用深化，AIPC、游戏PC及办公PC等需求有望爆发，图形加速产品业务有望迎来快速增长； $ \textcircled{2} $个人/家庭SoC类产品：AI应用深化带动需求从云侧向端侧爆发，公司持续布局各终端场景：个人端AIBOOK、家庭端AICUBE，此类产品销量未来有望伴随模型进阶&应用深化浪潮逐渐提升。综合考虑以上因素，我们预测公司2026-2028年边缘与终端产品收入同比增长 50%/50%/50%至0.38/0.57/0.86亿元。考虑到25年公司布局多元终端场景导致的毛利率偏低，未来随着产品放量以及稼动率提升，我们预计公司2026-2028年边缘与终端产品毛利率为 45%/46%/47%。

图38：摩尔线程盈利预测

688795.SH

单位

2025

2026E

2027E

2028E

营收

亿元

15.06

32.74

55.47

83.11

云端产品

14.61

32.14

54.64

81.96

边缘与终端产品

0.26

0.38

0.57

0.86

其它

0.19

0.22

0.25

0.29

营收同比

243%

117%

69%

50%

云端产品

120%

70%

50%

边缘与终端产品

50%

50%

50%

其它

15%

15%

15%

毛利率

66%

67%

67%

67%

云端产品

70%

68%

68%

67%

边缘与终端产品

40%

45%

46%

47%

其它

-264%

-100%

5%

15%

数据来源：公司公告，东吴证券研究所预测


4.2. 投资建议

我们选取以芯片产品为主业的寒武纪、龙芯中科、沐曦股份、东芯股份为可比公司。考虑到公司作为国产全功能GPU的稀缺标的，且受益于AI智算中心建设浪潮，公司业绩拐点明确，亏损持续收窄，盈利改善显著，我们预计公司将在2026-2028年实现营业收入33/55/83亿元，对应PS倍数分别为88/52/35倍，高于行业可比公司平均水平，横向对比寒武纪等GPU行业领军企业过往PS水平，我们认为公司PS水平符合行业发展的正常趋势，看好公司从“投入期”向“兑现期”跨越的长期价值。首次覆盖，给予“增持”评级。

图39：可比公司估值表

单位：亿元

总市值

营业收入

PS(X)

2025

2026E

2027E

2028E

2025

2026E

2027E

2028E

688256.SH

寒武纪

7,480

65

157

285

453

115

48

26

17

688047.SH

龙芯中科

458

6

9

11

14

72

53

40

33

688802.SH

沐曦股份

3,121

16

35

61

87

190

90

51

36

688110.SH

东芯股份

517

9

21

24

27

56

24

21

19

平均值

108

54

35

26

688795.SH

摩尔线程

2,881

15

33

55

83

191

88

52

35

数据来源：iFinD，东吴证券研究所预测

注：除摩尔线程采用东吴预测外，其他上市公司均采用iFinD一致预期。以上信息截至 2026年7月17日。

5. 风险提示

市场需求不及预期风险：公司核心增长引擎已全面转向云端业务，其收入爆发性增长高度依赖于国内大模型训练与推理算力需求的持续释放，以及国产化替代政策的落地节奏与力度。若宏观经济或行业政策变化导致智算中心等新型基础设施建设进度放缓，或下游大型互联网企业、运营商等主要客户的资本开支不及预期，可能使行业整体需求增速下行。同时，公司目前盈利仍处爬坡期，业绩对收入规模高度敏感，需求波动将直接对公司营收增速及扭亏进程构成挑战。

市场竞争加剧风险：GPU行业竞争壁垒呈现“硬件性能、软件栈、开发生态”三位一体的全栈体系化特征。公司虽凭借MUSA统一架构及全功能产品矩阵在国产厂商中形成差异化，并逐步切入政企与智算市场，但长期面临国际巨头（英伟达、AMD）凭借绝对生态优势的压制，以及国内同业在特定细分领域（如纯计算卡）的追赶。若公司不能在性能快速迭代、驱动稳定性提升、主流框架深度优化及行业解决方案落地等方面持续取得突破，构建起坚实的客户粘性与生态护城河，则可能在激烈的市场竞争中面临产品定价压力、市场份额扩张不及预期的风险，进而影响长期盈利能力。

因技术升级导致的产品迭代风险：公司所处的GPU与AI计算赛道属于典型的技术与资本双密集型行业，架构演进、制程迭代与软件范式革新极为迅速。公司虽已进行多


代产品（苏堤、春晓、曲院、平湖、花港）的研发布局，并持续保持高强度的研发投入，但若在下一代芯片架构（如更先进Chiplet集成）、关键计算精度（如FP4、FP8支持）、高速互联技术或新兴AI算法硬件适配等方面进展滞后，将导致产品性能与能效比落后于行业主流水平。同时，技术路线押注本身存在不确定性，一旦与市场主流技术路径或客户实际需求出现偏离，可能导致研发资源错配及产品商业化周期延长，致使前代产品快速贬值或新产品市场接受度未达预期，对公司技术领先性及市场份额构成侵蚀。


摩尔线程-U三大财务预测表

资产负债表(百万元)

2025A

2026E

2027E

2028E

流动资产

14,400

14,847

15,442

17,144

货币资金及交易性金融资产

9,355

9,875

9,641

10,704

经营性应收款项

2,216

1,566

1,913

2,103

存货

1,332

1,822

2,288

2,729

合同资产

0

0

0

0

其他流动资产

1,497

1,583

1,600

1,608

非流动资产

939

1,248

1,493

1,704

长期股权投资

26

26

26

26

固定资产及使用权资产

452

676

925

1,142

在建工程

0

0

0

0

无形资产

56

51

46

41

商誉

0

0

0

0

长期待摊费用

3

3

3

3

其他非流动资产

401

492

492

492

资产总计

15,339

16,095

16,935

18,848

流动负债

2,384

3,432

3,926

4,424

短期借款及一年内到期的非流动负债

1,451

1,727

2,027

2,327

经营性应付款项

204

364

407

462

合同负债

22

426

499

540

其他流动负债

708

915

993

1,095

非流动负债

1,495

1,504

1,504

1,504

长期借款

1,486

1,486

1,486

1,486

应付债券

0

0

0

0

租赁负债

5

5

5

5

其他非流动负债

5

13

13

13

负债合计

3,880

4,935

5,430

5,928

归属母公司股东权益

11,459

11,159

11,505

12,920

少数股东权益

0

0

0

0

所有者权益合计

11,459

11,159

11,505

12,920

负债和股东权益

15,339

16,095

16,935

18,848

利润表(百万元)

2025A

2026E

2027E

2028E

营业总收入

1,506

3,274

5,547

8,311

营业成本(含金融类)

518

1,093

1,831

2,775

税金及附加

5

5

6

6

销售费用

233

327

416

540

管理费用

385

409

444

499

研发费用

1,305

2,030

2,773

3,324

财务费用

45

(223)

(230)

(216)

加:其他收益

36

49

55

58

投资净收益

55

3

4

4

公允价值变动

1

0

0

0

减值损失

(115)

(15)

(20)

(23)

资产处置收益

0

0

0

0

营业利润

(1,008)

(331)

346

1,422

营业外净收支

0

0

0

0

利润总额

(1,008)

(331)

346

1,422

减:所得税

(7)

0

0

7

净利润

(1,001)

(331)

346

1,415

减:少数股东损益

0

0

0

0

归属母公司净利润

(1,001)

(331)

346

1,415

每股收益-最新股本摊薄(元)

(2.13)

(0.70)

0.74

3.01

EBIT

(1,013)

(553)

117

1,206

EBITDA

(900)

(382)

357

1,527

毛利率(%)

65.57

66.61

66.99

66.61

归母净利率(%)

(66.47)

(10.10)

6.24

17.02

收入增长率(%)

243.37

117.49

69.40

49.84

归母净利润增长率(%)

38.16

66.96

204.59

309.03

现金流量表(百万元)

2025A

2026E

2027E

2028E

经营活动现金流

(2,956)

732

9

1,364

投资活动现金流

(1,777)

(492)

(501)

(551)

筹资活动现金流

9,014

281

258

251

现金净增加额

4,280

520

(234)

1,064

折旧和摊销

113

171

241

320

资本开支

(637)

(405)

(505)

(555)

营运资本变动

(2,182)

845

(636)

(439)

重要财务与估值指标

2025A

2026E

2027E

2028E

每股净资产(元)

24.38

23.74

24.48

27.49

最新发行在外股份(百万股)

470

470

470

470

ROIC(%)

(9.82)

(3.84)

0.79

7.56

ROE-摊薄(%)

(8.73)

(2.96)

3.01

10.95

资产负债率(%)

25.29

30.66

32.06

31.45

P/E(现价&最新股本摊薄)

(287.89)

(871.23)

832.99

203.65

P/B(现价)

25.14

25.82

25.04

22.30

数据来源：Wind，东吴证券研究所，全文如无特殊注明，相关数据的货币单位均为人民币，预测均为东吴证券研究所预测。


免责声明

东吴证券股份有限公司经中国证券监督管理委员会批准，已具备证券投资咨询业务资格。

本研究报告仅供东吴证券股份有限公司（以下简称“本公司”）的客户使用。本公司不会因接收人收到本报告而视其为客户。在任何情况下，本报告中的信息或所表述的意见并不构成对任何人的投资建议，本公司及作者不对任何人因使用本报告中的内容所导致的任何后果负任何责任。任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效。

在法律许可的情况下，东吴证券及其所属关联机构可能会持有报告中提到的公司所发行的证券并进行交易，还可能为这些公司提供投资银行服务或其他服务。

市场有风险，投资需谨慎。本报告是基于本公司分析师认为可靠且已公开的信息，本公司力求但不保证这些信息的准确性和完整性，也不保证文中观点或陈述不会发生任何变更，在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。

本报告的版权归本公司所有，未经书面许可，任何机构和个人不得以任何形式翻版、复制和发布。经授权刊载、转发本报告或者摘要的，应当注明出处为东吴证券研究所，并注明本报告发布人和发布日期，提示使用本报告的风险，且不得对本报告进行有悖原意的引用、删节和修改。未经授权或未按要求刊载、转发本报告的，应当承担相应的法律责任。本公司将保留向其追究法律责任的权利。

东吴证券投资评级标准

投资评级基于分析师对报告发布日后6至12个月内行业或公司回报潜力相对基准表现的预期（A股市场基准为沪深300指数，香港市场基准为恒生指数，美国市场基准为标普 500指数，新三板基准指数为三板成指（针对协议转让标的）或三板做市指数（针对做市转让标的），北交所基准指数为北证50指数），具体如下：

公司投资评级：

买入：预期未来6个月个股涨跌幅相对基准在 15%以上；

增持：预期未来6个月个股涨跌幅相对基准介于 5%与 15%之间；

中性：预期未来6个月个股涨跌幅相对基准介于-5%与 5%之间；

减持：预期未来6个月个股涨跌幅相对基准介于-15%与-5%之间；

卖出：预期未来6个月个股涨跌幅相对基准在-15%以下。

行业投资评级：

增持：预期未来6个月内，行业指数相对强于基准 5%以上；

中性：预期未来6个月内，行业指数相对基准-5%与 5%；

减持：预期未来6个月内，行业指数相对弱于基准 5%以上。

我们在此提醒您，不同证券研究机构采用不同的评级术语及评级标准。我们采用的是相对评级体系，表示投资的相对比重建议。投资者买入或者卖出证券的决定应当充分考虑自身特定状况，如具体投资目的、财务状况以及特定需求等，并完整理解和使用本报告内容，不应视本报告为做出投资决策的唯一因素。

东吴证券研究所

苏州工业园区星阳街5号

邮政编码：215021

传真： （0512）62938527

公司网址： http://www.dwzq.com.cn