摩尔线程：2026年半年度报告

公司简称：摩尔线程 摩尔线程智能科技（北京）股份有限公司2026年半年度报告 重要提示 一、本公司董事会及董事、高级管理人员保证半年度报告内容的真实性、准确性、完整性，不存在虚假记载、误导性陈述或重大遗漏，并承担个别和连带的法律责任。 二、重大风险提示 详见本报告第三节“管理层讨论与分析”之“四、风险因素”所述内容，请投资者予以关注。 三、公司全体董事出席董事会会议。 四、本半年度报告未经审计。 五、公司负责人张建中、主管会计工作负责人薛岩松及会计机构负责人（会计主管人员）赵媛媛声明：保证半年度报告中财务报告的真实、准确、完整。 六、董事会决议通过的本报告期利润分配预案或公积金转增股本预案 不适用 七、是否存在公司治理特殊安排等重要事项 □适用√不适用 八、前瞻性陈述的风险声明 √适用□不适用本报告所涉及的公司未来计划、发展战略等前瞻性陈述，不构成公司对投资者的实质承诺，请投资者注意投资风险。 九、是否存在被控股股东及其他关联方非经营性占用资金情况否 十、是否存在违反规定决策程序对外提供担保的情况否 十一、是否存在半数以上董事无法保证公司所披露半年度报告的真实性、准确性和完整性否 十二、其他□适用√不适用 目录 第一节释义........................................................................................................................4第二节公司简介和主要财务指标........................................................................................9第三节管理层讨论与分析.................................................................................................12第四节公司治理、环境和社会..........................................................................................35第五节重要事项...............................................................................................................37第六节股份变动及股东情况.............................................................................................72第七节债券相关情况........................................................................................................78第八节财务报告...............................................................................................................79 第一节释义 在本报告书中，除非文义另有所指，下列词语具有如下含义： 第二节公司简介和主要财务指标 一、公司基本情况 二、联系人和联系方式 三、信息披露及备置地点变更情况简介 四、公司股票/存托凭证简况 (一)公司股票简况 (二)公司存托凭证简况 □适用√不适用 五、其他有关资料 □适用√不适用 六、公司主要会计数据和财务指标 (一)主要会计数据 公司主要会计数据和财务指标的说明√适用□不适用 1、营业收入较上年同期大幅增长，主要系报告期内得益于人工智能产业的蓬勃发展及市场对全功能GPU的强劲需求，叠加公司夸娥智算集群商业化加速，产品性能获得客户高度认可，并实现稳定供货，公司市场竞争优势进一步扩大，推动收入快速增长。 2、利润总额、归属于上市公司股东的净利润、归属于上市公司股东的扣除非经常性损益的净利润较上年同期实现亏损大幅收窄，主要系报告期内营业收入较上年同期大幅增长所致。 3、经营活动产生的现金流出净额较上年同期增加，主要系本期为扩大产品生产规模，经营性采购支出增加所致。 4、加权平均净资产收益率及扣除非经常性损益后的加权平均净资产收益率较上年同期改善主要系一方面公司本期亏损相比于上年同期大幅收窄，另一方面公司于2025年12月完成首次公开发行股票净资产规模有所扩大所致。 5、基本每股收益、稀释每股收益、扣除非经常性损益后的基本每股收益较上年同期亏损情况大幅改善，主要系报告期内归属于上市公司股东的净利润较上年同期亏损大幅收窄，叠加公司于2025年12月完成首次公开发行股票股本规模有所扩大所致。 6、公司保持了较高强度的研发投入，研发投入占营业收入的比例较上年同期有所降低，主要系报告期内营业收入较上年同期大幅增长所致。金额层面，研发投入同比增长38.16%。 七、境内外会计准则下会计数据差异 □适用√不适用 八、非经常性损益项目和金额 √适用□不适用 对公司将《公开发行证券的公司信息披露解释性公告第1号——非经常性损益》未列举的项目认定为非经常性损益项目且金额重大的，以及将《公开发行证券的公司信息披露解释性公告第1号——非经常性损益》中列举的非经常性损益项目界定为经常性损益的项目，应说明原因□适用√不适用 九、存在股权激励、员工持股计划的公司可选择披露扣除股份支付影响后的净利润 √适用□不适用 单位：元币种：人民币 十、非企业会计准则业绩指标说明 □适用√不适用 第三节管理层讨论与分析 一、报告期内公司所属行业及主营业务情况说明 （一）所属行业情况 1、行业的发展阶段、基本特点、主要技术门槛 （1）行业发展阶段及基本特点 在国家“人工智能+”战略的推动下，人工智能正加速跨越技术中试阶段，全面赋能千行百业。当前，算力行业正呈现出由不同技术演进路径驱动的三大核心发展阶段与特点： 人工智能模型的持续迭代引领大规模第一代智算中心需求不断提升。大模型技术正经历从单一文本语言模型向多模态模型，再向具备物理世界理解能力的“世界模型”演进的范式转移。这种演进要求系统具备海量时空数据的时序处理能力，直接驱动了底层算力需求呈指数级增长。根据弗若斯特沙利文预测，中国AI芯片市场规模将由2024年的1,425亿元增至2029年的1.3万亿元，2025~2029年的复合增速高达54%。伴随大模型训练集群的规模化建设与推理需求的全面放量，第一代智算中心的扩容与升级正迎来确定性的高速增长空间。 以具身智能和AI4S（AIforScience）为目标的产业发展，正带领新一代通用超智算中心兴起。随着机器人产业的蓬勃发展，具有自主感知、决策与执行能力的具身智能产业步入快车道，实现从“数字空间”向“物理空间”的跨越；同时，AI4S在生命科学、材料科学等领域的广泛应用，也对复杂系统的物理仿真与计算提出了极高要求。这些前沿领域高度依赖于极高逼真度的物理世界仿真、大规模复杂场景的实时3D渲染以及端侧实时交互。在多模态与空间计算深度融合的背景下，单一的AI张量加速已无法满足复杂的应用落地需求，兼具强大AI并行计算、复杂图形渲染及物理仿真能力的全功能GPU，成为构建新一代通用超智算中心的核心底座。 人工智能代理系统的发展，正引领个人智算领域快速兴起。具备自主工作和演进能力的AIAgent系统正逐步改变人机交互与生产力组织方式。随着AI应用的深度普及，人工智能正加速向边缘侧与终端设备渗透。为了实现Agent的本地化部署、隐私保护与低延迟交互，市场催生了对高能效、高集成度异构算力的海量需求，推动了AI算力向消费侧的全面下沉，智能体终端与边缘计算设备正成为智算行业新的强劲增长极。 （2）行业主要技术门槛 集成电路设计属于高度技术密集型行业，而随着人工智能演进路径的多元化发展，底层算力芯片在三大核心方向上面临着极高的多重技术门槛。 在支撑大模型迭代的第一代智算中心方向，算力竞争已从单卡性能演进为系统级的大规模集群能力，构建万卡甚至十万卡级别智算集群及全栈人工智能底层基础架构（AIInfra）形成了极高的核心壁垒。这不仅需要跨越超大规模无损组网、高带宽低延迟通信互联的技术鸿沟，保障超大集群在长周期、高负载下的系统级容错与稳定运行；更高度依赖底层软件栈的统筹调度，企业需具备深度优化复杂的并行计算策略和显存管理的能力。同时，随着大模型参数规模的爆炸式增长，底层硬件对FP8、FP4等低精度混合计算格式的硬件级加速支持变得至关重要，这是在千亿或万亿级参数大模型训练及推理时，突破内存墙瓶颈、实现极致能效比与极高集群算力利用率（MFU）的关键门槛。 在面向具身智能与AI4S的新一代通用超智算中心方向，单芯片层面的研发是一项极端复杂的系统工程，要求企业必须具备“全功能”架构的设计能力。这种架构要求芯片在同一套硬件底层和软件生态上，无缝协同处理高强度的AI张量计算、极高逼真度的物理世界仿真以及大规模复杂场景的实时3D渲染。在此场景下，不仅要求硬件具备支持复杂科学计算的FP64双精度浮点运算能力，还要求底层微架构必须原生支持AI生成式渲染与硬件级光线追踪等先进图形技术。这种跨越计算与图形边界的指令集定义及资源动态调度分配，要求企业必须全面掌握从前沿图形学到深度学习的大量底层关键技术，任何单一路径的技术积累都难以支撑这种复合型算力需求。 在面向AIAgent的个人智算与边缘计算方向，技术门槛集中体现在异构计算的高度集成与极致的能效比控制上。为了实现复杂智能体在端侧的本地化部署与低延迟交互，芯片必须在极度受限的功耗与散热条件下，将高性能CPU、全功能GPU与高能效NPU等异构算力单元进行深度融合。这不仅要求企业具备先进的SoC模块化设计与封装能力，还需要配套强大的轻量化推理软件 栈，以实现在端侧设备上流畅运行百亿级参数大模型，这对软硬件协同优化的颗粒度提出了苛刻要求。 2、公司所处的行业地位分析及其变化情况 （1）行业地位 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。 面向未来AI基础设施演进趋势，公司在原有“AI工厂”的基础上，进一步提出并构建“三个工厂”能力体系。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。 在大模型与智算基础设施领域，公司旗舰级训推一体全功能GPU智算卡MTTS5000单卡性能处于行业第一梯队，且实现了大规模集群产品商业化加速。该产品基于公司第四代芯片架构“平湖”打造，专为生成式AI时代的大模型训练、推理及高性能计算而生。MTT S