¿Ha superado la potencia de cálculo nacional de "disponible" a "útil"? ¿Las ganancias y pérdidas detrás de los informes financieros de las Cuatro Grandes?

nulo

De diciembre de 2025 a principios de 2026, en poco más de un mes, Mooresoft, MuXi Co., Ltd. se unieron sucesivamente a la Junta de Innovación Científica y Tecnológica, mientras que Biran Technology y TianShu Zhixin se listaron en Hong Kong. Cuatro empresas, todas con el título de las “Cuatro pequeñas dragones de GPU nacionales”, completaron colectivamente un salto en capitalización, con una recaudación total superior a mil millones de dólares de Hong Kong. En la pista de chips de computación nacionales, finalmente se ha pasado de la larga fase de “crear chips en PPT” a un “momento de entrega” que requiere la verificación de informes financieros.

El 2025 para la computación nacional fue un año dedicado a la “demostración” — demostrar que las GPU nacionales pueden producirse a escala, que los clústeres de miles de tarjetas pueden operar de manera estable, que el mercado de capitales está dispuesto a apostar por el futuro de la computación nacional, y que la computación nacional puede sostener un mercado de billones o incluso más alto.

Recientemente, varias empresas de chips nacionales publicaron sus primeros informes anuales tras la salida a bolsa. Según los datos, los ingresos operativos de todas las empresas aumentaron significativamente, pero la pérdida colectiva también revela la situación real de la industria. En un contexto donde la demanda de poder de cálculo en IA se traslada gradualmente del entrenamiento a la inferencia, ¿hasta qué punto ha avanzado la computación nacional?

La computación nacional presenta un “resultado perfecto”

En 2025, MuXi Co., Ltd. lideró las “Cuatro pequeñas dragones” con unos ingresos de 1.644 mil millones de yuanes, un aumento del 121.26%; la pérdida neta atribuible a los accionistas fue de 789 millones de yuanes, una reducción significativa del 43.97% respecto al año anterior. Los ingresos de la compañía en los últimos tres años pasaron de 0.053 mil millones en 2023 a 16.44 mil millones en 2025, creciendo más de 30 veces en ese período. La principal fuerza motriz del crecimiento de ingresos provino de un aumento en las ventas de productos GPU — en 2025, las tarjetas GPU integradas para entrenamiento y inferencia, principalmente de la serie Xiyun C, alcanzaron 33,649 unidades, un aumento del 147.31%; al cierre del período, las ventas acumuladas de productos GPU superaron las 55,000 unidades. Al mismo tiempo, MuXi mantuvo una alta inversión en I+D, con gastos de 1,027 millones de yuanes en 2025, un aumento del 14.04% respecto al año anterior, representando el 62.49% de los ingresos operativos.

Mooresoft (688795) logró en 2025 unos ingresos de 1,505 millones de yuanes, un aumento del 243.37%; el margen bruto alcanzó los 987 millones, un crecimiento del 218.43%; la pérdida neta atribuible a los accionistas y la pérdida neta ajustada por exclusión de partidas especiales se redujeron en un 38.16% y un 33.38%, respectivamente, respecto al año anterior. Excluyendo el impacto de la compensación en acciones, la pérdida neta en 2025 fue de 648 millones de yuanes, una reducción de 847 millones respecto al año anterior, con una tasa de reducción del 56.65%. Además, Mooresoft mantuvo una fuerte inversión en I+D, con gastos de 1,305 millones de yuanes, representando el 86.68% del total.

TianShu Zhixin en 2025 alcanzó unos ingresos de 1,034 millones de yuanes, un aumento del 91.6%; el margen bruto fue de 558 millones, un crecimiento del 110.5%, superando la tasa de crecimiento de los ingresos. La pérdida neta ajustada fue de aproximadamente 438 millones de yuanes, una reducción del 32.1% respecto al año anterior. La principal línea de negocio, GPU de uso general, generó ingresos de 923 millones, un aumento del 149.6%, representando el 89.3% del total. En detalle, la serie de entrenamiento TianGai generó 584 millones, un aumento del 116.7%; la serie de inferencia inteligente ZhiKai alcanzó 339 millones, un aumento del 238.2%, siendo uno de los aspectos más destacados en los informes financieros de 2025.

Biran Technology en 2025 reportó ingresos de 1,035 millones de yuanes, un aumento del 207.2%; el margen bruto fue de 557 millones, un crecimiento del 210.8%, con un margen bruto del 53.8%. Sin embargo, la pérdida anual fue de 16,493 millones de yuanes, una expansión del 972.3% respecto al año anterior — aunque esta cifra parece sorprendente, la compañía explicó que se debió principalmente a cambios en el valor contable de la deuda rescatada, gastos de compensación en acciones y costos de salida a bolsa; excluyendo estos factores, la pérdida ajustada fue de 874 millones de yuanes. La inversión en I+D fue de 1,476 millones, un aumento del 78.5%, principalmente para la actualización de la arquitectura de GPU de nueva generación y la plataforma de software de IA. En 2025, Biran completó la producción en masa y entrega a escala de sus productos estrella de GPU de uso general BR106 y BR166, siendo el BR166 la serie que comenzó a producirse en agosto de 2025 y que, en menos de medio año, logró una rápida implementación, convirtiéndose en el principal motor del crecimiento de ingresos.

Desde una perspectiva sectorial, en 2025, las cuatro empresas de GPU nacionales vieron un aumento significativo en sus ingresos, pero aún colectivamente registraron pérdidas. Mooresoft, MuXi, TianShu Zhixin vieron reducir sus pérdidas respecto al año anterior, mientras que Biran amplió su pérdida debido a mayores gastos en I+D. Según el consultor de Sullivan China, Chi Yu, en términos de etapa industrial, las GPU nacionales todavía están en una fase temprana de rápido desarrollo, y aunque algunas empresas están relativamente avanzadas, todavía existen diferencias evidentes con los fabricantes extranjeros maduros como Nvidia.

De “ser funcional” a “ser eficiente”, la computación nacional aún enfrenta desafíos

Los números en los informes financieros no pueden ocultar los desafíos profundos que enfrentan los fabricantes de computación nacional.

El más importante es mejorar la estabilidad del clúster y la capacidad de ingeniería. El entrenamiento de modelos grandes requiere una estabilidad extremadamente alta en los clústeres de cálculo. El responsable técnico de Mooresoft afirmó que, entre las principales preocupaciones de los usuarios al elegir computación nacional, la “estabilidad a largo plazo del clúster” ocupa el primer lugar, seguido por “compatibilidad de frameworks y costos de migración” y el rendimiento en entrenamiento y inferencia. Este orden refleja un hecho: para las empresas que hacen entrenamiento de modelos grandes, un rendimiento ligeramente inferior puede ser aceptable, pero interrupciones frecuentes en el entrenamiento y la necesidad de volver a checkpoints son verdaderas pesadillas.

“El clúster de miles de tarjetas basado en MTT S5000 de Mooresoft, con capacidad de cálculo en punto flotante de 10 Exa-Flops, logra un MFU del 60% en entrenamiento de modelos Dense y mantiene alrededor del 40% en modelos MoE, con una proporción de tiempo de entrenamiento efectivo superior al 90% y una eficiencia de escalado lineal del 95%,” explicó un responsable.

Pero en la práctica, gestionar la estabilidad de un clúster de miles de tarjetas sigue siendo un desafío difícil. Según informes del sector, los clústeres de IA de nivel mil tarjetas experimentan fallos una o varias veces al día, causados por errores en la memoria HBM de la GPU, fluctuaciones en las conexiones de alta velocidad, problemas de disipación de calor, e incluso fluctuaciones en los módulos de alimentación. Esto no solo es un reto para la computación nacional, sino también un problema común en la infraestructura de IA global — incluso los sistemas DGX SuperPOD de Nvidia no logran operar sin interrupciones en la práctica.

Las desventajas en estabilidad de los fabricantes nacionales se reflejan más en la profundidad de la experiencia en ingeniería. Nvidia ha desplegado cientos de grandes clústeres en la última década, acumulando una vasta experiencia en patrones de fallos y optimización, conocimientos que no se pueden adquirir simplemente con “más personal”. Los fabricantes nacionales a menudo logran que sus sistemas funcionen en laboratorio, pero en entornos de producción reales, con topologías de red complejas, cargas de trabajo mixtas y condiciones no ideales, surgen problemas imprevistos.

Además, la construcción del ecosistema sigue siendo un tema recurrente. Actualmente, los fabricantes de GPU nacionales optan por una estrategia pragmática de “compatibilidad ecológica”. El responsable técnico de Mooresoft afirmó que su arquitectura MUSA, desarrollada de forma independiente, tiene buena compatibilidad con CUDA de Nvidia, y mediante la herramienta de migración automática MUSIFY, los desarrolladores pueden trasladar aplicaciones de plataformas GPU internacionales a MUSA con costos mínimos, acelerando la migración y reduciendo los ciclos de desarrollo. Tanto TianShu Zhixin como Biran invierten mucho en la capa de software, asegurando que frameworks como PyTorch, TensorFlow y Megatron-LM funcionen eficientemente en sus hardware.

Sin embargo, la compatibilidad también trae un dilema estructural: los desarrolladores están acostumbrados a un ecosistema CUDA, y las plataformas nacionales permanecen en una posición de “dependencia ecológica”. El problema más profundo es que la estrategia de compatibilidad, aunque acorta el tiempo de entrada al mercado, puede convertirse en una trampa: los fabricantes nacionales deben tener cuidado con el riesgo de ser siempre “seguidores” del ecosistema.

La fortaleza de Nvidia no solo radica en el hardware, sino en los años de acumulación de millones de desarrolladores, miles de bibliotecas aceleradas y numerosos casos de aplicación en su ecosistema CUDA. Para pasar de “compatibilidad” a “liderazgo”, los fabricantes nacionales deben encontrar una forma de motivar a los desarrolladores a escribir código nativo y contribuir con bibliotecas de código abierto para plataformas nacionales, en lugar de simplemente usar estas plataformas como “plan B” de CUDA.

Mooresoft y MuXi ya han tomado conciencia de esto. Además de ofrecer la herramienta MUSIFY, Mooresoft ha abierto varias bibliotecas de software como Torch-MUSA y vLLM-MUSA, intentando cultivar gradualmente un ecosistema nativo MUSA. MuXi, por su parte, construye un ecosistema industrial con la estrategia “1+6+X”, centrada en la base de poder de cálculo digital y promoviendo la penetración profunda en seis industrias clave. Sin embargo, la construcción del ecosistema requiere años de inversión continua y una base de usuarios suficiente para generar un ciclo de retroalimentación positivo.

“Todos los caminos llevan a Roma”

Frente a los desafíos, los fabricantes de computación nacional buscan soluciones a su manera. Desde las estrategias divulgadas, la diferenciación se ha convertido en la tendencia principal en esta ronda de competencia. Aunque los caminos elegidos difieren, su objetivo común es mejorar la computación nacional.

La estrategia de Biran puede resumirse en “sistema primero, posicionamiento en inferencia”. En 2025, entregaron un clúster de supernodos GPU con 2,048 tarjetas de interconexión óptica. Sin embargo, la eficiencia operativa y la implementación comercial aún necesitan ser probadas en despliegues a mayor escala.

En cuanto a la iteración de productos, Biran planea lanzar en 2026 la próxima generación de chips BR20X y toda su línea de productos, optimizados para inferencia, con mejoras en densidad de cálculo, capacidad de memoria, ancho de banda y capacidades de interconexión, soportando cálculos de baja precisión como FP8/FP4. Al cierre de 2025, Biran tenía en caja 2,896 millones de yuanes en efectivo y activos financieros, y con los 5,631 millones recaudados a principios de 2026, cuenta con fondos relativamente abundantes. Sin embargo, para una empresa aún en fase de gran inversión en I+D, cuánto tiempo podrán estos fondos sostener su innovación tecnológica y expansión de mercado sigue siendo una incógnita.

TianShu Zhixin optó por una estrategia más agresiva. En enero, anunció su hoja de ruta para la cuarta generación de chips: en 2025, la arquitectura TianShu superó a Hopper de Nvidia; en 2026, TianShu TianXuan se comparará con Blackwell, y TianShu TianJi superará a Blackwell; en 2027, TianShu TianQuan superará a Rubin, y luego avanzará hacia diseños de chips de cálculo revolucionarios.

Esta hoja de ruta requiere que los productos reales cumplan con las promesas tecnológicas, pero aún no hay datos de pruebas independientes que verifiquen sus afirmaciones. En cuanto a la comercialización, TianShu Zhixin ha atendido a más de 340 clientes, con más de 1,000 implementaciones en internet, grandes modelos de IA, investigación científica, finanzas, medicina y educación. También lanzó la serie TongYang para robótica y terminales inteligentes. La publicación de la cuarta generación y la aparición de productos en el borde muestran su intención de competir en entrenamiento, inferencia y computación en el edge, aunque la dispersión de recursos también plantea dudas sobre si podrán construir barreras competitivas profundas en alguna de estas áreas.

La estrategia de MuXi se puede resumir en “producto de pila completa y ecosistema abierto”. La compañía ha desarrollado una matriz de GPU con cuatro líneas principales: Xiyun C (entrenamiento e inferencia integrados y cálculo general), Xisi N (inferencia IA), Xicai G (renderizado gráfico) y Xisuo X (ciencia inteligente).

En julio de 2025, lanzaron la serie Xiyun C600 basada en procesos totalmente nacionales, que entró en producción en masa a finales de 2025 y se espera que comience ventas en la primera mitad de 2026. Sin embargo, “totalmente nacional” generalmente se refiere a un nodo de proceso específico, y la diferencia de rendimiento con los procesos más avanzados sigue siendo un factor clave para la competitividad. La primera versión del producto Xisuo X206, con 128 GB de memoria, se lanzó en enero de 2026. MuXi planea avanzar en el desarrollo y la industrialización de Xisuo X206, C700 y otros productos en 2026. Los fondos recaudados, aproximadamente 3,899 millones de yuanes, se invertirán en tres a cuatro años en I+D y producción de GPU de alto rendimiento, pero esto también implica que los resultados completos no serán inmediatos, y la sincronización entre ritmo de innovación y ventanas de mercado será un desafío.

A diferencia de sus pares centrados en IA, Mooresoft apuesta por una GPU de funciones completas, que cubre desde tarjetas gráficas para juegos hasta cálculos de IA. Esta estrategia tiene ventajas en cobertura, pero también implica enfrentar a competidores más especializados en cada segmento.

Las GPU de Mooresoft soportan aceleración en IA, renderizado gráfico, simulación física, cálculo científico y codificación de video en ultra alta definición, y afirman ser uno de los pocos fabricantes nacionales que soportan desde FP8 hasta FP64 en precisión de cálculo. En ingeniería de clústeres, han lanzado la arquitectura “HuaGang”, capaz de soportar clústeres de más de 100,000 tarjetas. En áreas como cálculo científico y farmacéutica, muestran resultados destacados: en el motor de dinámica molecular SPONGE, el rendimiento de MTT S5000 alcanza 1.7 veces el de productos insignia internacionales; en la herramienta de acoplamiento molecular DSDP, alcanza 8.1 veces. Todos estos datos provienen de la propia compañía y aún no hay validaciones independientes en entornos de prueba estandarizados. La capacidad de convertir estas ventajas en un modelo de negocio sostenible aún está por verse.

Además de las “Cuatro pequeñas dragones”, Huawei Ascend y Cambrian también son actores importantes en el mapa de computación nacional. Según analistas, la cuota de mercado de tarjetas aceleradoras de IA en China de Nvidia cayó del 95% antes de las sanciones al 55% en 2025, con fabricantes nacionales entregando en total 1.65 millones de unidades, representando aproximadamente el 41%, liderados por Huawei con 810,2 mil unidades. Cambrian en 2025 reportó ingresos de 6,497 millones de yuanes, un aumento del 453%, y un beneficio neto de 2,059 millones. Estos datos muestran que la sustitución de la computación extranjera por la nacional se acelera, y la competencia entre los “Cuatro pequeños dragones” es más compleja de lo que parece: no solo deben ponerse al día con Nvidia, sino también competir con Huawei, Cambrian y otros actores locales.

Para 2026, la etapa de demostración puede dar paso a la de “superación” — no solo en términos de tecnología, sino también en la confianza del usuario en la computación nacional. Según datos de Frost & Sullivan, la participación de GPU generales nacionales podría pasar del 17.4% en 2024 a más del 50% en 2029. La transición en cuota de mercado será una competencia sistémica en tecnología, ecosistema, ingeniería y modelos comerciales.

Para las empresas cotizadas en computación nacional, los nuevos desafíos apenas comienzan tras la salida a bolsa: ¿cómo equilibrar la inversión en I+D con la rentabilidad sostenible? ¿Cómo trazar un camino propio entre compatibilidad ecológica y innovación autónoma? ¿Cómo aprovechar la transición entre entrenamiento y inferencia para ganar ventaja?

(Escrito por Leo Zhang, charla sobre ToB, autor: Zhang Shenyu, editado por Yang Lin)