摩爾線程，走英偉達的路，也走自己的路

圖片來自AI生成

在完成資本市場的關鍵一躍之后，摩爾線程要回答更大的問題。

在摩爾線程首屆MUSA開發者大會（簡稱：MDC 2025）上，摩爾線程創始人、董事長兼首席執行官張建中拿出了一連串的“硬貨”，全功能GPU架構“花港”，夸娥萬卡智算集群，下一代超節點架構，搭載智能SoC芯片“長江”的AI算力本MTT AIBOOK等。

如果只看產品名、參數和發布節奏，這場MDC 2025很容易被誤解成一次例行升級。但把張建中兩個多小時的演講完整聽下來，會發現摩爾線程想傳遞的并不只是國產GPU又快了多少，而是一個核心趨勢：國產GPU，終于像一家真正的基礎設施公司那樣思考問題了。

摩爾線程素來被視為“中國版英偉達”，這體現在它的方方面面，張建中曾任英偉達全球副總裁、中國區總經理，在GPU行業深耕近二十年，團隊并不缺少英偉達履歷的人，公司行事風格和英偉達很像，譬如MDC就對標英偉達的GTC。

之所以摩爾線程選擇全功能GPU，也和英偉達“通用并行計算”的思路一致，不做AI-only 加速器，圖形、AI、HPC、視頻共存，他們認為，下一代應用一定是混合計算，而不是單一模型推理。

英偉達最被低估的，不是芯片，而是 CUDA 生態，摩爾線程最容易被忽略的也是 MUSA。英偉達真正完成質變，是從 GPU 公司變成算力基礎設施公司，摩爾線程這兩年的變化也非常明顯，從單卡到萬卡集群，從追求性能到追求穩定性、線性度、MFU等系統級指標。

但，若只看到“像英偉達”，就會得出一個錯誤結論，摩爾線程是在“復刻英偉達”，其實不然，英偉達成長在一個高度全球化、低摩擦的產業環境里，摩爾線程則要面對供應鏈不確定性、技術封鎖、國產生態薄弱等難題，這是英偉達當年不需要做的題目。

更確切的說法是，摩爾線程在用英偉達的方法論，解決中國自己的算力問題，在中國現有產業條件下，重走一遍GPU的必經之路。

為什么是全功能GPU?

在張建中演講的開始，首先闡釋了摩爾線程為何要做全功能GPU。“全功能GPU的創新，就是一部算力進化史。”他說。

如果回顧 GPU 的發展史，會發現它并不是為某一類應用而生，而是在持續拓展自身的計算邊界。早期 GPU 主要承擔圖形與 3D 渲染任務；進入本世紀后，隨著可編程能力的引入，GPU 開始向通用并行計算平臺演進。其后，GPU 在科學計算和深度學習中的廣泛應用，使其逐步成為人工智能時代的核心算力載體。

隨著 Transformer 架構推動生成式 AI 爆發，人工智能正從感知 AI、生成式 AI 邁向 Agentic AI，并進一步走向與現實世界深度融合的物理 AI 階段。未來五到十年，具身智能等新形態應用，要求算力平臺同時具備計算、仿真、圖形與感知能力，這并非單一功能加速器可以勝任。

張建中表示，從更長周期來看，未來五到十年的關鍵應用形態，很可能集中體現在具身智能領域。具身智能通過將人工智能能力嵌入真實世界的物理實體之中，推動虛擬世界、數字世界與物理世界的深度融合，而這背后所依賴的，正是能夠支撐復雜計算形態的物理 AI 基礎設施。

在這一演進過程中，“3D + AI + HPC” 并非偶然組合，而是全功能 GPU 自然演進的結果。隨著 GPU 在圖形、計算與仿真等多個維度能力的不斷融合，其逐步演化為支撐新一代科技發展的核心基礎設施。實踐已經反復證明，

在張建中看來，基于全功能 GPU 構建的算力基礎設施，更有能力支撐技術體系的持續演進與長期領先。

從技術架構角度看，全功能 GPU 的核心在于其內部集成的多類計算引擎，實現對多樣化計算需求的統一支撐。當前，全功能 GPU 主要包含四類核心計算引擎：

首先是 AI 計算引擎，覆蓋模型訓練、推理以及訓推一體等典型場景，是支撐大模型與各類 AI 應用的基礎能力。

其次是 3D 圖形渲染引擎，為數字內容生產、數字孿生、仿真可視化等場景提供高性能圖形處理能力。

第三是 高性能計算與物理仿真引擎。這一能力在科學計算和 AI for Science 場景中具有重要價值，能夠支撐復雜物理過程模擬與大規模科學計算任務。

第四是 智能視頻編解碼引擎。盡管這一能力往往容易被低估，但在云端計算成為主流的背景下，視覺仍是人類感知計算結果的主要方式。高效的視頻編解碼能力，決定了云端算力成果能否被穩定、低成本地傳遞至終端用戶。

MUSA 才是“第一產品”

MUSA（Meta-computing Unified System Architecture）是摩爾線程自主研發的元計算統一計算架構，覆蓋從芯片架構、指令集、編程模型到軟件運行庫及驅動程序框架等的全棧技術體系。

一個完整MUSA的統一系統架構，最底層是摩爾線程全功能GPU，可以去處理各種行業、不同精度、不同類型和不同格式的數據。

在全功能GPU之上，是硬件系統，摩爾線程的智算集群叫作夸娥。夸娥智算集群可大可小，小到一個小的系統，大到一個萬卡集群，十萬卡集群，甚至更大的超大規模。

在硬件基礎之上，摩爾線程搭建所有的軟件棧。首先是MUSA全套軟件棧，包括所有的加速庫，所有的開發者調試工具和開發者的應用案例和實例，利用全套MUSA體系結構能夠在基礎之上去搭建夸娥的基礎軟件。

在這一基礎上，摩爾線程繼續建設MUSA生態，可以看出，MUSA是一個從芯片到生態的完整系統。

本次MUSA 升級至5.0，標志著架構步入成熟。原生MUSA C，深度兼容 TileLang、Triton 等編程語言，核心計算庫muDNN實現GEMM/FlashAttention效率超98%，通信效率達97%，編譯器性能提升3倍，并集成高性能算子庫，顯著加速訓練與推理全流程。

摩爾線程計劃逐步開源計算加速庫、通信庫及系統管理框架在內的核心組件，向開發者社區開放深度優化的底層能力。據悉，摩爾線程即將推出兼容跨代GPU指令架構的中間語言MTX、面向渲染+AI融合計算的編程語言muLang、量子計算融合框架MUSA-Q，以及計算光刻庫muLitho，持續拓展全功能GPU的算力邊界。

“MUSA不光是支持國際上通用的CPU系統，同時也支持國產的CPU操作系統和國內的開發環境。利用我們國產的生態，結合國際的生態，能夠完美支撐AI、3D圖形和科學計算應用當中的方方面面。“張建中表示，摩爾線程統一軟件棧能夠覆蓋全系列產品，覆蓋“云邊端”三個系列，這些產品都可以用同一套軟件來支撐不同的硬件產品。

“花港”新架構、兩款芯片和夸娥萬卡集群

過去幾年，國產GPU廠商最容易被問到的問題只有一個：“你們性能追到哪一代了？”摩爾線程給出了自己的答案，基于MUSA統一體系，摩爾線程揭曉新一代全功能GPU架構“花港”，該架構在計算密度、能效、精度支持、互聯能力及圖形技術等方面實現全面突破，其核心特性包括：

計算性能顯著提升：基于新一代指令集，算力密度提升50%，能效大幅優化；支持從FP4到FP64的全精度端到端計算，新增MTFP6/MTFP4及混合低精度支持。

異步編程與超大規模互聯：集成新一代異步編程模型，優化任務調度與并行機制；通過自研MTLink高速互聯技術，支持十萬卡以上規模智算集群擴展。

圖形與AI深度融合：內置AI生成式渲染架構，增強硬件光線追蹤加速引擎，完整支持DirectX 12 Ultimate，實現圖形渲染與智能計算的高度協同。

全棧自研與安全可信：架構基于全棧自主研發，擁有扎實的專利壁壘（截至2025年6月30日，公司累計授權專利514項，其中發明專利468項），具備全棧自研與自主可控的核心能力。通過四層硬件安全架構，提供從芯片到系統的可驗證安全守護。

基于“花港”架構，摩爾線程公布了未來將發布的兩款芯片技術路線：

“華山”專注AI訓推一體與超大規模智能計算。集成新一代異步編程與全精度張量計算單元，支持從FP4至FP64的全精度計算，為萬卡級智算集群提供穩定高效的算力支撐，是構建下一代“AI工廠”的堅實底座。

“廬山”專攻高性能圖形渲染。其圖形性能實現全面跨越：AI計算性能提升64倍，幾何處理性能提升16倍，光線追蹤性能提升50倍，并顯著增強紋理填充、原子訪存能力及顯存容量。集成AI生成式渲染、UniTE統一渲染架構及全新硬件光追引擎，為3A游戲、高端圖形創作提供強大算力支持。

人工智能基礎設施的邊界早已突破芯片的邊界，摩爾線程也將自己的能力拓展到集群系統層面。

本次大會，摩爾線程正式發布了夸娥萬卡智算集群。該集群具備全精度、全功能通用計算能力，在萬卡規模下實現高效穩定的AI訓練與推理。其核心突破包括：浮點運算能力達到10Exa-Flops，訓練算力利用率（MFU）在Dense大模型上達60%，MOE大模型上達40%，有效訓練時間占比超過90%，訓練線性擴展效率達95%，與國際主流生態高度兼容，并在多項指標上具備顯著能效優勢。

在訓練側，基于原生FP8能力完整復現頂尖大模型訓練流程，并在多項關鍵精度指標上達到國際主流水平。技術層面實現關鍵優化：Flash Attention算力利用率超95%，并突破FP8累加精度等關鍵技術瓶頸，充分釋放國產GPU在大模型訓練中的性能潛力。

在推理側，摩爾線程聯合硅基流動，經過系統級工程優化與FP8精度加速，在DeepSeek R1 671B全量模型上實現性能突破：MTT S5000單卡Prefill吞吐突破4000 tokens/s、Decode吞吐突破1000 tokens/s，樹立國產推理性能新標桿。

面向未來，發布了MTT C256超節點的架構規劃。該產品采用計算與交換一體化的高密設計，旨在系統性提升萬卡集群的訓練效能與推理能力，為下一代超大規模智算中心構建兼具超高密度與極致能效的硬件基石。

摩爾線程這場大會，更像是一種國產算力進入長期主義階段的宣言。這條路不會快，也不會輕松，但至少，從這次MDC開始，它不再是零散的點，而是一條能被復述、被理解、被跟隨的路線。（本文作者 | 張帥，編輯 | 蓋虹達）