在AI時代，芯片公司如果缺乏成體系的知識產(chǎn)權(quán)布局，很難被視為真正掌握核心技術(shù)。

文｜胡嘉琦

ID | BMR2004

近日，國產(chǎn)GPU廠商摩爾線程（688795.SH）對外披露，正式推出AI Coding Plan智能編程服務(wù)。這一新產(chǎn)品依托MTT S5000 的全精度計算能力，通過軟硬件協(xié)同架構(gòu)實(shí)現(xiàn)算力效率倍增，把原本偏底層的GPU能力，直接轉(zhuǎn)化為面向開發(fā)者的生產(chǎn)力工具。這一步標(biāo)志著國產(chǎn)GPU企業(yè)開始從單純的硬件供應(yīng)商，走向完整計算平臺的構(gòu)建者。

摩爾線程成立于2020年6月，于2025年底登陸科創(chuàng)板，以88天的科創(chuàng)板IPO最快過會紀(jì)錄引發(fā)市場關(guān)注。它的目標(biāo)并不止于填補(bǔ)算力缺口，而是試圖搭建面向全球的加速計算基礎(chǔ)設(shè)施和一站式解決方案，為各行業(yè)數(shù)智化轉(zhuǎn)型提供底層支撐。

如果說算力是入場券，那么體系化能力才是能否長期留在牌桌上的關(guān)鍵。圍繞這一更深層的競爭維度，《商學(xué)院》記者采訪了摩爾線程相關(guān)負(fù)責(zé)人及行業(yè)專家，試圖還原一個更少被外界看到的部分：國產(chǎn) GPU企業(yè)如何在專利體系與底層架構(gòu)層面，搭建屬于自己的“護(hù)城河”。

01

從產(chǎn)品的角度布局專利

在專利策略上，摩爾線程不是單純追求數(shù)量增長，而是強(qiáng)調(diào)高價值專利的培育。

《商學(xué)院》記者從摩爾線程相關(guān)負(fù)責(zé)人處了解到，截至 2025 年 6 月，摩爾線程已累計獲得授權(quán)專利 514 項，其中發(fā)明專利 468 項，數(shù)量在國內(nèi)GPU企業(yè)中位居前列。值得注意的是，這些專利并非零散分布，而是高度圍繞AI計算的核心鏈條展開，覆蓋處理器架構(gòu)設(shè)計、AI應(yīng)用加速與并行計算優(yōu)化、驅(qū)動與底層軟件系統(tǒng)，以及GPU算力集群與高性能互聯(lián)等關(guān)鍵方向，逐步形成系統(tǒng)化布局。

在專利策略上，摩爾線程不是單純追求數(shù)量增長，而是強(qiáng)調(diào)高價值專利的培育。

高價值專利指GPU研發(fā)中，集中于處理器架構(gòu)設(shè)計、并行計算優(yōu)化、內(nèi)存管理機(jī)制、高速互聯(lián)協(xié)議、編譯器與驅(qū)動優(yōu)化、能效控制及AI計算加速等關(guān)鍵環(huán)節(jié)，這些技術(shù)直接影響性能、能效和兼容性，容易形成技術(shù)壁壘。

2024年，摩爾線程在兩項全國性高價值專利賽事中斬獲佳績：夸娥智算集群項目榮獲中國海淀高價值專利培育大賽一等獎，全功能GPU項目獲得中國雄安高價值專利大賽金獎，體現(xiàn)了其在核心技術(shù)研發(fā)和專利管理上的深度積累。

資深產(chǎn)業(yè)經(jīng)濟(jì)觀察家梁振鵬在接受《商學(xué)院》采訪時指出，擁有高價值專利能夠增強(qiáng)企業(yè)技術(shù)話語權(quán)，支持硬件適配和軟件開源等生態(tài)合作，并在全球競爭中防御侵權(quán)風(fēng)險、提升許可議價能力，助力構(gòu)建自主可控的產(chǎn)業(yè)鏈。

梁振鵬認(rèn)為，GPU企業(yè)對專利的關(guān)注點(diǎn)，應(yīng)該轉(zhuǎn)向?qū)Ξa(chǎn)業(yè)落地和商業(yè)應(yīng)用的整體支撐能力，即專利是否能夠支撐完整的技術(shù)體系和產(chǎn)業(yè)解決方案。

在專利組合評估與商業(yè)化落地方面，企業(yè)需要綜合考量技術(shù)覆蓋度、法律穩(wěn)定性、市場關(guān)聯(lián)度以及競爭對手規(guī)避難度，分析專利對產(chǎn)品功能、成本控制和生態(tài)兼容性的實(shí)際支撐作用。關(guān)鍵指標(biāo)包括專利引用率、權(quán)利要求范圍、地域覆蓋、訴訟歷史以及標(biāo)準(zhǔn)化貢獻(xiàn)。企業(yè)應(yīng)平衡數(shù)量與質(zhì)量，在核心領(lǐng)域布局高價值專利，同時輔以外圍專利形成保護(hù)網(wǎng)，避免盲目追求數(shù)量。

在這一背景下，摩爾線程的知識產(chǎn)權(quán)管理也實(shí)現(xiàn)了系統(tǒng)化轉(zhuǎn)變。通過國家級知識產(chǎn)權(quán)貫標(biāo)認(rèn)證，公司將管理重心從單一法務(wù)事務(wù)擴(kuò)展至研發(fā)、管理和技術(shù)轉(zhuǎn)化的全流程體系。專利布局開始前置參與產(chǎn)品規(guī)劃、技術(shù)路線選擇及市場策略制定，成為企業(yè)長期發(fā)展的基礎(chǔ)設(shè)施，而非事后補(bǔ)救手段。

這些動作背后，是摩爾線程在認(rèn)知層面的轉(zhuǎn)變。在 AI 時代，芯片公司如果缺乏成體系的知識產(chǎn)權(quán)布局，很難被視為真正掌握核心技術(shù)。GPU早已不再只是單一硬件產(chǎn)品，而是由指令系統(tǒng)、編譯器、驅(qū)動、算子庫、調(diào)度系統(tǒng)和集群架構(gòu)共同構(gòu)成的復(fù)雜計算平臺。每一個環(huán)節(jié)都對應(yīng)著可沉淀為專利的技術(shù)創(chuàng)新，每一個技術(shù)節(jié)點(diǎn)，都可能在未來的商業(yè)合作與產(chǎn)業(yè)博弈中成為關(guān)鍵籌碼。

02

硬件差異化空間正在被壓縮

晶體管密度提升的成本呈指數(shù)級增長，而性能提升幅度卻不斷收窄，制程紅利明顯遞減。

對于GPU這類對晶體管密度、能效和頻率高度依賴的芯片而言，制程工藝仍是決定性能密度與功耗表現(xiàn)的關(guān)鍵因素。

摩爾線程目前多款產(chǎn)品主要采用成熟的中高端工藝節(jié)點(diǎn)制造。例如，2022年面向信創(chuàng)市場的MTTS50 即基于12nm制程實(shí)現(xiàn)量產(chǎn)。這一節(jié)點(diǎn)在圖形產(chǎn)品上是一種穩(wěn)健可靠的選擇，有利于快速實(shí)現(xiàn)量產(chǎn)與成本控制。

從行業(yè)整體來看，目前，主流高性能GPU已逐步向更先進(jìn)的工藝節(jié)點(diǎn)演進(jìn)，先進(jìn)制程通常意味著更高的晶體管密度與更優(yōu)的能效表現(xiàn)?！渡虒W(xué)院》記者從業(yè)內(nèi)人士處了解到，目前行業(yè)普遍采用的是基于7nm的制程工藝。

相比之下，國際領(lǐng)先GPU廠商如英偉達(dá)在頂級產(chǎn)品上多采用臺積電的4nm節(jié)點(diǎn)執(zhí)行先進(jìn)制造，這帶來了更高的性能密度與能效優(yōu)勢。國內(nèi)晶圓代工在先進(jìn)節(jié)點(diǎn)方面受到全球供應(yīng)鏈與設(shè)備限制的制約，目前最先進(jìn)節(jié)點(diǎn)的成熟度和良率仍有提升空間，這也直接影響國產(chǎn)GPU在高性能和低功耗方面的極限表現(xiàn)。

在當(dāng)前階段，摩爾線程主要通過在設(shè)計層面優(yōu)化架構(gòu)與調(diào)度策略，同時結(jié)合成熟工藝節(jié)點(diǎn)，使其產(chǎn)品在能耗和性能之間取得市場折衷，并控制成本與供貨穩(wěn)定性。這種策略不僅適用于現(xiàn)階段產(chǎn)品快速落地，也為未來隨著國內(nèi)先進(jìn)制程能力的逐步提升留出迭代空間。

在中南財經(jīng)政法大學(xué)知識產(chǎn)權(quán)研究中心教授曹新明看來，這一變化，首先源于硬件層面的物理邊界正在逼近。隨著先進(jìn)制程逐步邁入3nm甚至2nm節(jié)點(diǎn)，晶體管密度提升的成本呈指數(shù)級增長，而性能提升幅度卻不斷收窄，制程紅利明顯遞減。同時，全球先進(jìn)制程產(chǎn)能高度集中在少數(shù)廠商手中，英偉達(dá)、AMD、高通等企業(yè)在制造端普遍依賴臺積電、三星和英特爾等代工體系，硬件差異化空間被進(jìn)一步壓縮。

03

統(tǒng)一架構(gòu)與軟件生態(tài)

當(dāng)今GPU產(chǎn)業(yè)的競爭重心正經(jīng)歷一場結(jié)構(gòu)性遷移，IP體系與開發(fā)者生態(tài)成為關(guān)鍵。

如果說硬件物理極限壓縮了依靠制程拉開差距的空間，那么軟件生態(tài)的成熟，則顯著抬高了產(chǎn)業(yè)競爭的門檻。

曹新明指出，當(dāng)今GPU產(chǎn)業(yè)的競爭重心正經(jīng)歷一場結(jié)構(gòu)性遷移。制程工藝（摩爾定律）與原始算力指標(biāo)（FLOPS）仍然是進(jìn)入這一行業(yè)的基礎(chǔ)門檻，但真正決定企業(yè)長期盈利能力與產(chǎn)業(yè)地位的因素，正越來越多取決于專利壁壘構(gòu)成的IP體系，以及由軟件棧支撐的開發(fā)者生態(tài)。

《商學(xué)院》記者從摩爾線程負(fù)責(zé)人處獲悉，摩爾線程圍繞自主研發(fā)的MUSA（Meta-computing Unified System Architecture）構(gòu)建起其技術(shù)與生態(tài)的核心支撐。

MUSA架構(gòu)是摩爾線程自主研發(fā)的融合GPU硬件和軟件的全功能GPU計算加速統(tǒng)一系統(tǒng)架構(gòu)。該架構(gòu)涵蓋從芯片架構(gòu)、指令集、編程模型到軟件運(yùn)行庫及驅(qū)動框架的全棧技術(shù)體系，旨在為各類并行計算場景提供高性能計算能力，基于MUSA架構(gòu)能夠高效支持AI計算、圖形渲染、物理仿真、科學(xué)計算以及超高清視頻編解碼等多元高性能計算場景。

經(jīng)過五年深度研發(fā)與持續(xù)迭代，全新升級的MUSA 5.0 標(biāo)志著這一統(tǒng)一架構(gòu)進(jìn)入相對成熟的新階段，在全棧統(tǒng)一性、計算效能與生態(tài)開放性方面均取得關(guān)鍵突破。在編程生態(tài)上，MUSA不僅原生支持MUSA C，還深度兼容TileLang、Triton等現(xiàn)代并行編程語言，為開發(fā)者提供更靈活高效的全棧開發(fā)體驗(yàn)，從而降低遷移與適配成本。在計算性能方面，核心計算庫 muDNN在GEMM和FlashAttention等關(guān)鍵算子上實(shí)現(xiàn)接近理論上限的效率，通信效率也大幅提升，同時編譯器性能獲得成倍優(yōu)化，并集成高性能算子庫，顯著加速模型訓(xùn)練與推理全流程。

與此同時，MUSA的生態(tài)策略進(jìn)一步延伸至開放體系建設(shè)。據(jù)悉，摩爾線程正計劃逐步開源包括計算加速庫、通信庫以及系統(tǒng)管理框架在內(nèi)的核心組件，將深度優(yōu)化的底層能力向開發(fā)者社區(qū)開放，以此吸引更多合作伙伴參與生態(tài)共建。

此外，曹新明認(rèn)為，在軟件生態(tài)背后，專利正在發(fā)揮越來越基礎(chǔ)性的制度支撐作用。

GPU的軟件棧并非簡單的工程堆砌，而是包含大量底層創(chuàng)新，例如編譯優(yōu)化技術(shù)、并行計算調(diào)度策略、驅(qū)動與硬件協(xié)同機(jī)制，以及對主流 AI 框架的深度適配能力等，這些都涉及可以專利化的核心技術(shù)。缺乏知識產(chǎn)權(quán)體系支撐的軟件能力，很難在跨企業(yè)合作和產(chǎn)業(yè)分工中獲得充分信任，也難以形成穩(wěn)定的生態(tài)聯(lián)盟。

04

后來者的競爭

未來GPU專利競爭將更加聚焦異構(gòu)計算、AI融合、軟硬件協(xié)同優(yōu)化以及新興應(yīng)用場景。

在GPU產(chǎn)業(yè)中，對后來者而言最明顯的變化，就是進(jìn)入門檻被顯著抬高了。

后來者往往要在看不到市場回報的情況下，先投入巨額資金完成芯片研發(fā)與流片。但硬件做出來只是第一步，如果缺乏成熟的編譯工具、驅(qū)動支持和主流AI 框架適配能力，開發(fā)者很難高效使用這顆芯片，用戶也不會輕易遷移平臺。沒有用戶規(guī)模，生態(tài)無法形成；沒有生態(tài)，產(chǎn)品就難以落地。這種循環(huán)，使 GPU行業(yè)的起步難度遠(yuǎn)高于多數(shù)半導(dǎo)體細(xì)分賽道。

今天的開發(fā)者早已深度綁定英偉達(dá)的CUDA及其工具鏈，訓(xùn)練流程、算子優(yōu)化、工程經(jīng)驗(yàn)都建立在既有平臺之上。除非新平臺能提供數(shù)量級的性能或能效優(yōu)勢，否則很難說服開發(fā)者重寫代碼、重建流程。這也是為什么不少AI芯片公司并未選擇完全自建生態(tài)，而是優(yōu)先強(qiáng)調(diào)對CUDA或主流框架的兼容，本質(zhì)上是借助現(xiàn)有體系降低進(jìn)入難度。

摩爾線程的策略同樣體現(xiàn)出這種務(wù)實(shí)取向。一方面推進(jìn)自有編程模型和底層庫建設(shè)，試圖形成可控的技術(shù)底座；另一方面又強(qiáng)調(diào)對主流圖形接口和AI框架的適配，在“自主體系”與“現(xiàn)實(shí)兼容”之間找到平衡點(diǎn)。

與生態(tài)壁壘并行存在的，是越來越難以回避的專利與法律風(fēng)險。曹新明向《商學(xué)院》記者分析，GPU關(guān)鍵技術(shù)經(jīng)過多年積累，核心領(lǐng)域早已布滿專利布局。新進(jìn)入者在產(chǎn)品上市前，往往需要進(jìn)行復(fù)雜而昂貴的專利排查，以確認(rèn)自身方案是否存在侵權(quán)隱患。一旦卷入與頭部企業(yè)的專利糾紛，漫長的訴訟周期和高額成本，足以給資金并不充裕的公司帶來沉重壓力。

曹新明認(rèn)為，在這樣的環(huán)境下，對于后來者更現(xiàn)實(shí)的路徑，是聚焦特定垂直場景，在相對封閉的應(yīng)用環(huán)境中建立針對性優(yōu)化的技術(shù)棧，例如自動駕駛推理、邊緣計算或工業(yè)視覺等領(lǐng)域。在這些場景里，系統(tǒng)功耗、時延或環(huán)境適應(yīng)性往往比通用算力更重要，后來者有機(jī)會通過“場景深耕”形成差異化能力，而不是全面復(fù)制通用GPU生態(tài)。

從更長遠(yuǎn)看，GPU產(chǎn)業(yè)格局也并非完全固化。開源硬件和開源軟件的興起，正在為行業(yè)帶來新的變量。RISC-V向量擴(kuò)展等路線，為構(gòu)建不同于傳統(tǒng)體系的高性能計算平臺提供了技術(shù)基礎(chǔ)；PyTorch、TensorFlow等框架的開源化，也讓硬件廠商有機(jī)會圍繞通用軟件生態(tài)做優(yōu)化，而不必完全依賴單一廠商的專有平臺。這些變化暫時難以撼動既有格局，但在長期維度上，為后來者保留了一些進(jìn)入空間。

梁振鵬認(rèn)為，未來GPU專利競爭將更加聚焦異構(gòu)計算、AI融合、軟硬件協(xié)同優(yōu)化以及新興應(yīng)用場景，如元宇宙和自動駕駛。同時，軟件生態(tài)建設(shè)的趨勢將向開源開放發(fā)展，企業(yè)可通過標(biāo)準(zhǔn)必要專利與開源協(xié)議的結(jié)合，擴(kuò)大自身技術(shù)和市場影響力。對于后來者而言，可采取的策略包括專注于細(xì)分技術(shù)突破以形成專利優(yōu)勢，積極參與開源社區(qū)積累生態(tài)影響力，通過合作許可快速獲取關(guān)鍵技術(shù)，并注重國際化布局與風(fēng)險預(yù)警，從而在激烈的全球競爭中爭取立足空間。