11月4日，摩尔线程披露了近期机构调研的相关内容，足足有40家机构参加了这一轮调研——长江、广发、国金、国泰海通、中信建投、中信、UBS、Point72、IDG、华夏、嘉实、中欧、泰康……。

三季报的爆发，是摩尔线程引爆机构关注的核心：第三季度单季归母净利润0.5亿元，扣非同样扭亏。但到场机构真正深挖的，不止账面利润——增长逻辑如何持续、客户结构发生哪些变化、下一代芯片迭代节奏、近60亿存货背后的备货规划，才是本次调研会上的核心拷问。

这些问题，比财报上的数字更能说明摩尔线程现在站在什么位置。把它们拆开，是六个关键词。

一、狂飙：1773.9%还不是最值得看的数字

2026年前三季度，摩尔线程实现营收32.9亿元，同比增长319.1%；其中第三季度15.5亿元，同比增长1773.9%。接近18倍的单季增速，放在A股半导体里也是最陡的曲线之一。但比增速更值得琢磨的是结构：32.9亿里的15.5亿，是一个季度贡献的。

三个季度，一个季度占了近一半——放量不是匀速的，是加速的。

钱从哪来？纪要点得很清楚：以MTTS5000为代表的智算产品，在互联网及云服务商、词元服务商、AI创新企业、运营商及智算中心、科研院所及政企单位加速落地。

还有一个容易被忽略的质量指标：前三季度应收账款周转天数只有59天。对一家做硬件、做大集群的公司来说，这个数字意味着货卖出去，钱回来得快。

二、拐点：盈利大幅提前

前三季度归母净利润0.4亿元，同比扭亏。第三季度归母净利润0.5亿元，同样同比扭亏。但更惊喜的是，摩尔线程第三季度扣非净利润为2007万元，把政府补助这些非经常性损益剔掉，主业账面首次转正，是真金白银的赚到了钱。这比公司此前指引的2027年盈亏平衡提前一年。

同时，在费用端：销售费用率、管理费用率都已降到个位数，并且还在往下走。

三、扩容：客户名单扩张

这份纪要被低估的一段，是客户结构。

过去谈国产GPU，客户画像基本是"智算中心+政府项目"。而摩尔的客户包括了CSP（互联网及云服务商）、TSP（词元服务商）、AI创新企业、运营商及智算中心、科研院所及政企单位。

关键在TSP。这是个新物种：卖Token，按实际词元产出结算。

翻译一下：以前客户买卡，买的是"算力"，付的是硬件钱；现在客户买的是"每秒能吐出多少可用的词元"，付的是产出钱。

采购逻辑也跟着变了。传统云厂商看的是硬件规模、总算力池；TSP看三件事——真实业务负载下的推理吞吐、服务稳定性、单位Token产出成本。

这对芯片厂商意味着什么？意味着你不能只交硬件，还得对"跑起来好不好"负责。摩尔的解法是联合合作伙伴打造AI Token工厂，用PD分离的异构推理方案，把预填充和解码两个阶段拆到不同算力上跑。这套方案已经承接头部模型厂商的实际业务流量，跑通了商业化验证。

11月初，摩尔线程拉上智谱、趋境科技，一起搞了个"国产AI Token工厂"方案，直接把"模型—推理—芯片"这条链给打通了。

另一条线是CSP：已向核心客户批量出货，并联合京东云推进十万卡级全功能GPU集群落地，覆盖大模型训练、推理和具身智能。

四、新一代：华山+庐山即将登场

摩尔线程前三季度研发费用13.4亿元，同比增长55.7%，已经超过2025年全年水平。第三季度单季5.7亿元，同比增长87.9%。

钱花在哪？"花港"架构。按公司的说法，这个架构在计算密度、能效水平、精度支持、互联能力、图形技术上都是全方位升级。

架构之下，规划了两颗芯片：

华山——聚焦AI训推一体化，适配超大规模智能计算集群；

庐山——侧重高性能图形渲染与高性能AI推理，计划2026年底推出。

庐山的这个时间点要记住。今年年底，公司会拿一颗"图形+推理"的芯片，去接端侧和消费级的市场。

精度上有个细节值得划重点：公司率先推出FP8原生计算精度，并且已经在花港架构里设计了FP4。FP4是这一轮AI芯片竞争的下一个身位——谁先把精度降下来、把吞吐提上去，谁的单位Token成本就更低。这条线上，硬件和软件是绑在一起跑的。

五、备货充足：33.6亿存货和26亿预付款

三季度末，存货33.6亿元，预付款项26.0亿元。两项加起来59.6亿元，而前三季度营收是32.9亿元。

这两个数字放在一起，很容易被读成"压货"。但在GPU这个行业，它更像"粮草"。

纪要的说法是：供应链关键环节已实现自主可控，通过提前备货平滑供货节奏；原材料储备处于行业第一梯队。

为什么必须提前备？因为先进制程、存储、封装产能都不是"下单就有"，交付周期以季度计。要接十万卡级的单子，先得有十万卡级的料。

所以存货和预付款，本质是"用现金换确定性"。风险也在这里——如果需求节奏变了，这些料会变成库存压力。这是后面每个季度都该盯的一条线。

六、物理AI：全功能GPU的天下

最后一个问题，也是最有想象力的一个：具身智能和物理AI。

物理AI要做的是"感知—理解—决策"在物理世界的闭环，链条很长：合成数据生成、仿真、模型训练、推理、强化学习、虚实迁移。摩尔线程全功能GPU的路线是——一块芯片同时扛。这也是"全功能"三个字最实的地方：单芯片同时支持AI训推、图形渲染、物理仿真与科学计算，覆盖云、边、端。

为什么这事在自动驾驶和机器人上特别重要？因为真车真机去跑，安全、成本、效率三道坎都过不去。行业主流路径就是先在虚拟环境里做仿真、生成数据、验证策略，再推进虚实迁移。

摩尔的打法是两端打通：云端用KUAE集群支撑具身智能主流模型训练，端侧用长江SOC芯片做部署。

写在最后

六个词连起来看，其实是三条线。

第一条，生意变好了。营收狂飙、单季扭亏，从"讲路线"进入"交答卷"。

第二条，生意要求变了。公司自己的判断是：市场竞争会从单纯的供货，转向比拼产品价值——算力、效率、算法协同。这对所有厂商的产品定义能力，都是一次重新洗牌。

第三条，下一场已经开场。花港、华山、庐山、FP4、物理AI，都是为2027年之后的竞争埋的伏笔。加上80万开发者、MUSA软件栈致力于100%兼容CUDA的路线，生态这张牌打得很明确。

GPU这场仗，从来不是比谁某一年跑得快，而是比谁在需求突然砸下来的时候，手里有货、有架构、有生态。摩尔线程现在交出的，是一份"我准备好了"的答卷。至于这份答卷值多少分，答案交给未来！

免责声明：本文基于公司法定披露内容和已公开的资料信息，展开评论，但作者不保证该信息资料的完整性、及时性。

另：股市有风险，入市需谨慎。文章不构成投资建议，投资与否须自行甄别。