摩爾線程，不想只做AI「賣鏟人」

作者| 丁卯

編輯|張帆

封面來源|視覺中國

2月3日，摩爾線程正式推出AI Coding Plan智能編程服務(wù)，實現(xiàn)了國產(chǎn)芯片與國產(chǎn)大模型在AI編程領(lǐng)域的首次深度耦合。

長期以來，軟件生態(tài)的匱乏是制約國產(chǎn)算力滲透的主要壁壘。此次摩爾線程AI Coding Plan服務(wù)的推出，標志著國產(chǎn)AI芯片實現(xiàn)了從“能用”的算力補充，向“好用”的實戰(zhàn)生產(chǎn)力工具的關(guān)鍵進化，有望打通算力國產(chǎn)化替代進程中最關(guān)鍵的場景閉環(huán)。

那么，摩爾線程的AI Coding Plan優(yōu)勢是什么？會對摩爾線程帶來怎樣的影響？

全棧國產(chǎn)化的AI編程軟件

摩爾線程全新推出的AI Coding Plan，是全球首個基于國產(chǎn)全功能GPU算力底座構(gòu)建的智能開發(fā)解決方案。簡言之，這是一套“軟硬一體、全棧國產(chǎn)化”的AI輔助編程引擎。它通過四個維度的深度協(xié)同，試圖重構(gòu)國產(chǎn)AI生態(tài)的敘事邏輯：

在算力層，該服務(wù)以摩爾線程MTT S5000強勁的全精度計算能力為核心驅(qū)動，通過軟硬件協(xié)同架構(gòu)實現(xiàn)了算力效能的倍增，為AI編程提供穩(wěn)健的算力底層支撐。

在框架層，摩爾線程與硅基流動聯(lián)合開發(fā)，通過高效算子融合及框架極致優(yōu)化，在確保代碼生成質(zhì)量的同時顯著降低了響應(yīng)延遲。

在模型層，系統(tǒng)搭載了智普GLM-4.7頂尖代碼模型，該模型在Code Arena（全球百萬用戶參與盲測的專業(yè)評估系統(tǒng)）中位列開源及國產(chǎn)第一，在函數(shù)補全、漏洞檢測等場景的表現(xiàn)超越同級，甚至優(yōu)于 GPT-5.2。

在生態(tài)層，摩爾線程AI Coding Plan實現(xiàn)與Claude Code、Cursor、OpenCode等多款主流編程工具的即插即用適配，開發(fā)者無需改變習慣，即可在不同開發(fā)環(huán)境中實現(xiàn)無縫切換。

整體來看，AI Coding Plan實現(xiàn)了從芯片、框架到算法全棧自主可控的安全閉環(huán)。在地緣政治環(huán)境復雜化的背景下，這套方案相當于為國內(nèi)開發(fā)者提供了一個高性能且安全的“技術(shù)避風港”，是國產(chǎn)算力從“幕后支撐”向“臺前賦能”的重要標志。

盡管AI Coding Plan在理論上展現(xiàn)出了一定的競爭力，但不可否認的是，該服務(wù)目前仍處于早期推廣階段，面對開發(fā)者的路徑依賴以及國際巨頭成熟的生態(tài)壓力，未來能否實現(xiàn)大規(guī)模商業(yè)化，仍需要經(jīng)受市場的檢驗。

重塑國產(chǎn)算力生態(tài)敘事

隨著國產(chǎn)芯片性能的持續(xù)迭代，硬件指標已不再是國產(chǎn)算力遷移的主要障礙，真正的挑戰(zhàn)在于英偉達CUDA生態(tài)長期構(gòu)建的習慣圍墻。開發(fā)者對既有工具鏈的路徑依賴，持續(xù)制約著國產(chǎn)算力的滲透。

摩爾線程AI Coding Plan的核心價值，在于其通過AI輔助編程與自動化遷移技術(shù)，降低了國產(chǎn)架構(gòu)的學習曲線和算力切換的沉沒成本。

這無疑讓國產(chǎn)算力在AI核心生產(chǎn)力工具領(lǐng)域打破了現(xiàn)有的瓶頸，具備了支撐高復雜度應(yīng)用開發(fā)的實戰(zhàn)能力，打通了算力國產(chǎn)化替代進程中最關(guān)鍵的場景閉環(huán)。

這一邏輯的轉(zhuǎn)變，恰逢AI競速進入商業(yè)化變現(xiàn)的“下半場”。

進入AI后時代，巨頭們比拼的重心從模型性能、萬卡集群轉(zhuǎn)換為商業(yè)化變現(xiàn)能力，這背后AI原生應(yīng)用的落地至關(guān)重要。AI Coding作為AI后時代的“賣鏟人”，有望催化國內(nèi)原生應(yīng)用的放量。

背后的邏輯在于，傳統(tǒng)編程模式高度依賴開發(fā)者的個人精力上限，煩瑣的樣板代碼與文檔查閱占據(jù)了大量帶寬；而引入AI編程工具后，相當于程序員與AI協(xié)作編程，實質(zhì)上是將程序員從低維的“體力勞動”中解放出來，使其能將精力聚焦于高維度的邏輯設(shè)計。

這種開發(fā)門檻的降低與效率的提升，有望催化中國本土AI應(yīng)用的爆發(fā)，從而助力中國企業(yè)在AI應(yīng)用層取得先發(fā)優(yōu)勢。

更深遠的意義在于，應(yīng)用端的爆發(fā)將觸發(fā)國產(chǎn)AI鏈條的整體進化。當越來越多的開發(fā)者基于國產(chǎn)算力底座與工具鏈完成日常開發(fā)任務(wù)時，真實場景產(chǎn)生的優(yōu)化反饋將源源不斷地回流，這將更好地反哺底層的模型迭代與算力芯片架構(gòu)優(yōu)化，從而實現(xiàn)從芯片、模型到應(yīng)用協(xié)同進化的正向循環(huán)。

估值邏輯變了？

對于摩爾線程而言，AI Coding Plan 的推出不僅僅是上線軟件工具，更象征著其身份實現(xiàn)了從“芯片硬件商”向“軟硬一體生態(tài)平臺商”的關(guān)鍵轉(zhuǎn)型。

一方面，AI Coding Plan 扮演了硬件銷售的“加速器”。如前文所述，AI Coding Plan降低了開發(fā)門檻，有望在AI時代激發(fā)出開發(fā)需求，而AI應(yīng)用的爆發(fā)又會反過來提振市場對底層算力芯片的需求。

摩爾線程憑借先發(fā)優(yōu)勢和全棧國產(chǎn)化帶來的系統(tǒng)穩(wěn)定性，成功卡位AI編程入口，有望進一步提升用戶對公司整個生態(tài)系統(tǒng)的黏性，帶動硬件業(yè)務(wù)實現(xiàn)進一步擴張。

另一方面，AI Coding Plan 的推出，象征著摩爾線程成功拓展了高毛利、高黏性的軟件服務(wù)業(yè)務(wù)。

以傳統(tǒng)芯片銷售為代表的硬件生意，受制于供應(yīng)鏈成本、庫存周期、產(chǎn)能波動和市場需求的綜合影響，收入增長需要持續(xù)高強度的資本投入驅(qū)動，具有周期性強、資產(chǎn)模式重、毛利率波動劇烈的特點。

但AI Coding Plan這種軟件業(yè)務(wù)，是根據(jù)開發(fā)者的不同需求采取階梯式訂閱制來獲取收入，這種收費模式對外部環(huán)境的依賴較低。盡管前期也需要大規(guī)模的研發(fā)和成本投入，但收入的可裂變性強，一旦形成規(guī)模效應(yīng)，邊際成本會快速遞減無限趨近于零，帶動毛利率持續(xù)走高，同時現(xiàn)金流也更穩(wěn)定。

綜上所述，AI Coding Plan服務(wù)的推出，不僅強化了摩爾線程在國產(chǎn)芯片硬件領(lǐng)域的領(lǐng)先優(yōu)勢，更拓展了其征收“生態(tài)稅”的能力。意味著其從一個上游AI芯片供應(yīng)商轉(zhuǎn)變?yōu)椤癆I硬件+生態(tài)系統(tǒng)+軟件服務(wù)”的國產(chǎn)頭部AI平臺主導者。通過軟硬件的深度協(xié)同，摩爾線程持續(xù)拓寬收入邊界，改善利潤結(jié)構(gòu)，有效平滑了芯片行業(yè)的周期性風險。

而這種身份的轉(zhuǎn)變可能會引發(fā)資本市場對其長期價值的重估。在此前《英偉達，不想一輩子賣芯片》一文中，曾經(jīng)提到，相比于硬件公司明顯的天花板限制，軟件公司收入邊界更廣、現(xiàn)金流更穩(wěn)定、毛利空間更高，在資本市場可以拿到更好的估值溢價。

從這個角度來看，參考英偉達和蘋果的進化路徑，軟件服務(wù)能力的提升直接拔高了標的公司的增長天花板，提振了公司的長期估值中樞。回到摩爾線程的角度，以AI Coding為代表的軟件業(yè)務(wù) 落地，有望使摩爾線程在“國產(chǎn)AI芯片龍頭”的稀缺性溢價之外，進一步獲得“生態(tài)平臺商”角色賦予 的高估值溢價。

*免責聲明：

本文內(nèi)容僅代表作者看法。

市場有風險，投資需謹慎。在任何情況下，本文中的信息或所表述的意見均不構(gòu)成對任何人的投資建議。在決定投資前，如有需要，投資者務(wù)必向?qū)I(yè)人士咨詢并謹慎決策。我們無意為交易各方提供承銷服務(wù)或任何需持有特定資質(zhì)或牌照方可從事的服務(wù)。

點擊圖片即可閱讀