摩爾線程：五年“長考”，筑起全功能算力的硬核長城

在半導體行業(yè)，有一種共識：做出一顆芯片可能需要三年，但讓開發(fā)者愿意在這顆芯片上寫代碼，往往需要十年。英偉達CUDA的成功，本質(zhì)上是軟件棧與開發(fā)者生態(tài)的勝利。對于國產(chǎn)GPU而言，單純對標算力參數(shù)已不足以維系長期的競爭力，真正的挑戰(zhàn)在于如何建立起一套軟硬深度融合、且能讓全球開發(fā)者無感遷移的統(tǒng)一架構(gòu)。

在12月20日舉行的摩爾線程2025 MUSA開發(fā)者大會上，我們清晰地感受到了這種對生態(tài)突圍的共鳴。這不是一場閉門造車的技術(shù)發(fā)布，而是一場千人規(guī)模的“MUSA嘉年華”。 在大約1000平米的沉浸式展區(qū)內(nèi)，從AI大模型與 Agent 的智能交互，到具身智能的物理演進，再到空間智能與科學計算的深度融合，MUSA 生態(tài)的觸角已經(jīng)延伸至工業(yè)智造、智慧醫(yī)療、數(shù)字文娛等每一個真實的應用場景。

支撐這場“嘉年華”的，是摩爾線程過去五年交出的硬核成績單：5顆芯片，超43億元研發(fā)投入，高達77%的研發(fā)人員占比，超20萬的活躍開發(fā)者生態(tài)。這些數(shù)字共同印證了其在全功能GPU領(lǐng)域的技術(shù)厚度、產(chǎn)品完整度與生態(tài)影響力，不僅凸顯了摩爾線程在國內(nèi)該賽道中的稀缺地位，也為其持續(xù)引領(lǐng)自主算力進化奠定了扎實的體系化基礎(chǔ)。

MUSA：不止是一個軟件

很多人誤把MUSA僅僅認為是“一個軟件”，這其實低估了它的定位。

如同英偉達的CUDA一樣，CUDA 是英偉達圍繞自家GPU 打造的一整套并行計算平臺 + 編程模型 + 軟件棧 + 生態(tài)體系，它長得像軟件，但它和硬件能力是強綁定的。

MUSA也不僅僅是一個軟件包，MUSA（Meta-computing Unified System Architecture）是摩爾線程自主研發(fā)的元計算統(tǒng)一系統(tǒng)架構(gòu)，覆蓋從芯片架構(gòu)、指令集、編程模型到軟件運行庫及驅(qū)動程序框架等的全棧技術(shù)體系。這是一個可以讓開發(fā)者在摩爾線程 GPU 上“寫代碼、遷移代碼、跑框架、做調(diào)優(yōu)、規(guī)模化落地”的整套平臺。

再直觀一點的對比是，你不能把Android理解成“一個APK安裝器”；也不能把Windows 理解成“一個EXE啟動器”。它們都是平臺，生態(tài)在平臺之上長出來。

摩爾線程的所有軟硬件產(chǎn)品，均基于MUSA架構(gòu)，MUSA完整定義了從芯片設(shè)計到軟件生態(tài)的統(tǒng)一技術(shù)標準。

全功能GPU：

跨越范式更迭的“萬能算力底座”

回望過去三十年，GPU的創(chuàng)新史本質(zhì)上是一部算力范式的進化史。從上世紀末的圖形加速，到本世紀初可編程GPU的出現(xiàn)，走向通用計算，并推動我國“天河一號”超級計算機的誕生，再到深度學習浪潮中的AI爆發(fā)。今天，我們正從感知AI邁向生成式AI、Agentic AI，再到物理AI，在所有這些進化過程中，GPU始終處于計算革命的風暴眼。

這正是摩爾線程堅持“全功能GPU”的初衷——既踏攀登路，必闖最高峰。所謂“全功能GPU”，并非僅具備圖形渲染或AI訓練能力，而是同時實現(xiàn)圖形圖像處理、AI張量計算、物理仿真和超高清視頻編解碼等多種任務協(xié)同處理能力。這種架構(gòu)的芯片，不僅面向AI模型訓練、智算中心部署，也能支撐游戲圖形、視頻渲染等大眾級應用場景，具備高度通用性與生態(tài)承載力。

在計算范式的每一次迭代中——從CNN到Transformer，再到未來的世界模型，GPU始終能夠立于不敗之地，因為它是一個性能和靈活度的“甜點”。我們正處于一個高速發(fā)展的創(chuàng)新試驗場里，底層架構(gòu)哪怕大框架沒變，新型算子也在不斷出現(xiàn)。我們需要足夠的靈活度讓技術(shù)繼續(xù)演進。

全功能GPU的優(yōu)勢在于“圖算結(jié)合”。未來的世界將是多模態(tài)的，既需要AI計算理解世界，又需通過圖形渲染構(gòu)建世界，甚至需要支持超高清視頻傳輸。全功能GPU正是能夠跨域支持這些多樣化計算需求的核心技術(shù)。無論計算范式如何變遷，所有創(chuàng)新都將在GPU的靈活性中誕生。

五年五代架構(gòu)，

算力進化的“步進器”

自2022年起，摩爾線程保持著每年發(fā)布一代新架構(gòu)的驚人節(jié)奏：從解決信創(chuàng)PC GPU國產(chǎn)化關(guān)鍵問題的“蘇堤”S10，到首款國產(chǎn)消費級顯卡架構(gòu)“春曉”MTT S80，再到助力大規(guī)模AI訓推一體的智算卡、千卡集群的“曲院”S4000，乃至支持萬億參數(shù)規(guī)模的“平湖”MTT S5000。

而今，最新一代的“花港”架構(gòu)正式登場。

“花港”架構(gòu)基于新一代指令集架構(gòu)及MUSA處理器架構(gòu)，算力密度提升50%，計算能效實現(xiàn)10倍提升。在原有MTFP8的技術(shù)下，新增MTFP6/MTFP4及混合低精度端到端加速技術(shù)。該架構(gòu)提供了新一代的異步編程模型加速技術(shù)，全面優(yōu)化異步編程模型、任務與資源調(diào)度機制，提升并行執(zhí)行效率。通過自研高速互聯(lián)MTLink技術(shù)，可支持十萬卡以上規(guī)模智算集群。圖形方面，“花港”提供一種全新的AI生成式渲染架構(gòu)AGR，用AI加速圖形渲染流水線，集成全新光追硬件加速引擎，能夠完美支持DirectX 12 Ultimate。

摩爾線程在過去的5年中，持續(xù)不斷深耕架構(gòu)自研，“花港”架構(gòu)也是全棧自研，安全可控。截至今年6月30日，摩爾線程已經(jīng)申請專利1000余件，其中授權(quán)專利高達500余件，發(fā)明專利468件，專利數(shù)量在國內(nèi) GPU 企業(yè)中排名領(lǐng)先。

另外，“花港”架構(gòu)中，摩爾線程也自研并集成了完善的安全策略，通過4層安全架構(gòu)（安全域、信任域、保護域和功能域），時刻為芯片提供安全守護。

拳頭產(chǎn)品：

華山練AI，廬山繪世界

“一個好的架構(gòu)要有好的產(chǎn)品才能夠為更多的開發(fā)者服務。”張建中表示，基于“花港”架構(gòu)，摩爾線程正在研發(fā)兩款GPU芯片。

（一）華山，AI訓推一體芯片

第一款芯片——華山，是一款AI訓推一體、智算融合的GPU產(chǎn)品。華山芯片對標國外頂尖廠商的BXXX和HXXX芯片，在算力、通信和訪存帶寬等方面具有明顯優(yōu)勢。

為了解決傳統(tǒng)GPU任務分配不均導致的算力閑置問題，“華山”集成了新一代異步編程模型：通過 Persistent Kernel 及自動化調(diào)度機制，將負載智能平衡到每一個計算單元，同時賦予了開發(fā)者近乎“無感”的高效開發(fā)體驗。

此外，華山還集成了新一代Tensor Core，專為AI應用中的Tensor計算優(yōu)化。特別是在FP8、FP6和FP4等低精度設(shè)計單元的改良上，華山為特定應用場景創(chuàng)造了新的技術(shù)解決方案——TCE-PAIR。這種技術(shù)允許兩個Tensor計算引擎共享數(shù)據(jù)，避免重復數(shù)據(jù)調(diào)度，大幅提高算力效率。

更重要的是，華山芯片內(nèi)部集成了專為大語言模型（LLM）定制的加速引擎，針對 Transformer架構(gòu)及LLM的各個環(huán)節(jié)，摩爾線程將核心算法邏輯固化至硬件單元中。這種設(shè)計確保了每一個軟件模塊都有對應的硬件引擎驅(qū)動，使大模型訓練和推理的速度與效率達到極致。

為了滿足用戶對超大規(guī)模算力的需求，華山提供了超十萬卡級別的“AI工廠”技術(shù)，專注于Scale-up和Scale-out的擴展能力。在提升算力規(guī)模的同時，通過本地支持Scale-up，確保多GPU協(xié)同工作時的高效性能。

華山不僅支持摩爾線程的MTLink 4.0，同時開放支持多種以太網(wǎng)協(xié)議，使其能夠兼容國內(nèi)外各種硬件生態(tài)。通過對不同協(xié)議的支持，華山能夠適配更多的Scale-up Switch和應用場景，并通過支持SHARP協(xié)議，提高通信效率，確保數(shù)據(jù)傳輸?shù)母咚俸头€(wěn)定。

在集群能力方面，華山的Scale-up系統(tǒng)使得單個超節(jié)點能夠支持高達1024個GPU的擴展，為大規(guī)模計算提供了強大的帶寬和處理能力。此外，華山內(nèi)置的RAS2.0技術(shù)（包括ECC和SRAM校驗）保障了芯片底層的準確性與穩(wěn)定性。自動檢測、上報與隔離機制確保在集群中任何芯片出現(xiàn)問題時能夠及時處理，保證集群整體的安全性和穩(wěn)定性。

尤為值得一提的是，華山集成了ACE2.0異步通信引擎，這也是摩爾線程的一項獨特創(chuàng)新。與ACE1.0相比，ACE2.0通過在每個計算單元內(nèi)設(shè)計小型ACE引擎，實現(xiàn)通信與計算的高度并行化，大幅提升了整體效率。這一技術(shù)的引入，配合RAS2.0和新一代Scale-up系統(tǒng)，使得華山在大模型訓練中的集群能力更加出色，能夠滿足超大規(guī)模和高參數(shù)量的用戶訓練需求。

（二）廬山，高性能圖形渲染芯片

廬山，是一款專為專業(yè)圖形計算設(shè)計的芯片。得益于“花港”架構(gòu)，廬山在圖形計算和AI能力上展現(xiàn)了極大的優(yōu)勢。與S80相比，廬山在3A游戲性能上提升了15倍，AI計算性能提升64倍，幾何處理性能提升16倍，讓更復雜的圖形細節(jié)得以完美呈現(xiàn)。此外，廬山在紋理填充、光線追蹤和原子訪存方面分別提升了4倍、50倍和8倍，顯存容量也提升了4倍，這使得廬山不僅能夠應對3A級游戲，還能完美支持CAD、CAE等專業(yè)應用場景。

一個重要的創(chuàng)新是廬山內(nèi)置的AI生成式渲染功能，從幾何與網(wǎng)格著色、像素著色、光線追蹤、后處理乃至 MTSS 等環(huán)節(jié)，每一步渲染都由AI計算加速引擎支持，提升了圖形處理效率。此外，廬山獨創(chuàng)的統(tǒng)一任務引擎管理框架，使得GPU的每個計算單元都能實現(xiàn)高度并行計算。無論有多少核心或GPU，任務都能得到最優(yōu)分配，從而大幅提升整體工作效率。

夸娥十萬卡集群：

打造AGI時代的“AI工廠”

有了頂尖芯片，如何應對超大規(guī)模算力需求？在AI智算領(lǐng)域，摩爾線程正實現(xiàn)從千卡、萬卡向十萬卡集群的跨越。

如中國工程院院士、清華大學計算機系教授鄭緯民所說，打造國產(chǎn)萬卡或十萬卡系統(tǒng)非常困難，它不僅是將卡片連接起來并通電，更是要確保系統(tǒng)既能用，又好用。實現(xiàn)十萬卡系統(tǒng)面臨三大難題：一是如何連接這么多卡；二是如何保證系統(tǒng)在卡出現(xiàn)故障時仍能持續(xù)運行；三是如何解決大規(guī)模集群的能耗和散熱問題。

為此，摩爾線程推出了超十萬卡級AI工廠技術(shù)，突破了傳統(tǒng)GPU集群的瓶頸，支持Scale-up系統(tǒng)，可以擴展至1024個GPU，滿足大規(guī)模AI計算任務的需求：

新一代MTLink 4.0技術(shù)支持多種協(xié)議與設(shè)備的兼容，具備1314 GB/s的片間互聯(lián)帶寬，極大提升了數(shù)據(jù)傳輸效率；同時，ACE 2.0（異步通信引擎）進一步優(yōu)化了GPU之間的協(xié)同工作，提升了計算與通信的并行效率，支持更高效的任務調(diào)度與資源分配；RAS 2.0則增強了芯片的容錯能力和可靠性，提供了更強的錯誤檢測、調(diào)試能力以及ECC內(nèi)存保護，確保超大規(guī)模集群的高穩(wěn)定性和高可用性；此外，超節(jié)點解決方案MTT C256，支持256個GPU的超節(jié)點集群，能夠在億級拓撲互聯(lián)層下高效互通，進一步提升大規(guī)模訓練集群的效率。

MUSA 5.0：

全棧軟件棧的全面升級

如果說硬件是算力的骨架，軟件棧則是算力的靈魂。摩爾線程本次大會正式宣布MUSA 5.0 全面升級，這不僅是版本的更迭，更是其軟件棧邁向成熟期、全場景覆蓋的重要里程碑。MUSA 5.0通過對全功能GPU四大引擎的深度適配，實現(xiàn)了從AI訓練、3D圖形渲染到科學計算的無縫支撐，為全場景應用提供了統(tǒng)一的技術(shù)底座。

MUSA 5.0 的核心競爭力在于其“無邊界”的適配能力。它不僅完美兼容國際主流 CPU 操作系統(tǒng)，更實現(xiàn)了對國產(chǎn) CPU 及開發(fā)環(huán)境的深度優(yōu)化，這種“雙輪驅(qū)動”的策略，確保了 MUSA 能夠充分吸納國內(nèi)外生態(tài)優(yōu)勢，助力“云-邊-端”系列產(chǎn)品在統(tǒng)一的軟件棧下獲得一致的性能表現(xiàn)。

具體來說，MUSA 5.0的升級包括三個主要部分：

編程模型：MUSA C是核心編程模型，除了兼容擴展，還引入了TileLang，以支持更廣泛的AI軟件開發(fā)。此外，還集成了北京智源研究院的FlagOS和Triton框架，進一步提升開發(fā)效率。

性能優(yōu)化：在計算方面，MUSA 5.0大幅提升了芯片設(shè)計的集成效率，在HGEMM算子效率中達到了98%，通信效率達97%。這些優(yōu)化使得開發(fā)者能夠更加高效地利用GPU資源，獲得顯著的性能提升。

開源支持與工具：MUSA 5.0推出了多個開源工具，包括MT DeePEP（用于并行策略的自由搭建）、夸娥管理軟件（用于更高效的管理與調(diào)度），并計劃在明年上半年開放MTX，讓開發(fā)者能精細操作GPU資源。此外，特別為3D圖形與AI結(jié)合的應用場景推出了muLang編程語言，支持開發(fā)者更靈活地進行跨域編程。

MUSA 5.0的觸角正在向更前沿的領(lǐng)域延伸。針對量子計算，MUSA-Q 框架通過經(jīng)典計算與量子框架的耦合，探索混合計算的商業(yè)化落地；在半導體制造端，muLitho致力于通過 GPU加速OPC計算，為國產(chǎn)半導體工藝的迭代提速。

這一系列升級計劃于明年上半年正式規(guī)模化落地。MUSA 5.0 正在通過這種“全棧化、高性能、開放式”的軟件哲學，不僅大幅提升開發(fā)者的工程效率，更在加速補齊國產(chǎn) GPU 生態(tài)最后一塊拼圖。

入局具身智能：

以“長江”AI SoC構(gòu)筑物理AI基石

具身智能是摩爾線程開辟的又一戰(zhàn)略高地。據(jù)預測，到2050年全球機器人數(shù)量將達10億部，而這場變革的核心挑戰(zhàn)在于：如何構(gòu)建一套大型物理AI基礎(chǔ)設(shè)施，確保智能體能夠在復雜現(xiàn)實中安全、可靠地與人類交互。

在具身智能的開發(fā)邏輯中，Sim to Real（仿真到現(xiàn)實）的遷移效率決定了智能體的進化速度。對此，摩爾線程正式發(fā)布具身智能仿真訓練平臺 MT Lambda，它深度整合了物理、渲染與AI三大核心引擎，旨在為開發(fā)者提供一套從場景構(gòu)建、數(shù)據(jù)合成到仿真訓練的高效工作流。

此外，具身智能還需要一個強悍的邊緣側(cè)內(nèi)核。摩爾線程首顆AI SoC芯片“長江”正式亮相，這標志著摩爾線程算力布局從 GPU 延伸到了高度集成的芯片系統(tǒng)。“長江”集成了 CPU、GPU、NPU、VPU、DPU、DSP 和 ISP 等多維算力核心。無論是具身智能機器人，還是下一代 AIBOOK、AICube，均可通過“長江”獲得原生 AI 算力。

為了打通具身智能的最后一公里，摩爾線程推出了完整解決方案——MT Robot。其中，基于KUAE智算集群提供的強大云端算力作為“大腦”，處理大規(guī)模訓練與復雜決策；依托內(nèi)置“長江”芯片的 MTT E300模組作為敏捷“小腦”，實現(xiàn)端側(cè)的低延遲響應與實時避障。

摩爾線程在具身智能領(lǐng)域的入局，本質(zhì)上是其全功能GPU能力的向下延伸與橫向拓撲。通過MT Lambda仿真平臺解決“虛實遷移”的效率難題，憑借“長江”AI SoC在邊緣側(cè)構(gòu)筑強大的計算內(nèi)核，再通過MT Robot方案實現(xiàn)“云端大腦”與“端側(cè)小腦”的無縫協(xié)同——摩爾線程不僅提供了算力，更提供了一套從虛擬訓練到物理落地的全棧自主路徑，讓AI真正具備了行走于物理世界的行動力。

開發(fā)者，

才是國產(chǎn)GPU生態(tài)的“壓艙石”

英偉達CUDA的成功史證明了一個鐵律：真正決定芯片廠商生死存亡的，不是單純的算力參數(shù)，而是是否有足夠多的開發(fā)者愿意在你的架構(gòu)上寫代碼。

對于國產(chǎn)GPU而言，要跨越“生態(tài)鴻溝”，必須解決三大痛點：遷移成本高、工具鏈不夠成熟、社區(qū)與文檔不夠完善。但目標路徑也很清晰——從“能用”到“好用”，再到“愿意用”。開發(fā)者體驗做順了，生態(tài)才會自發(fā)增長。摩爾線程的MUSA，本質(zhì)上就是面向CUDA生態(tài)的一次國產(chǎn)化實踐。

摩爾線程的MUSA軟件棧也是圍繞“如何讓GPU既‘好用’又‘用得好’出發(fā)”。在圓桌論壇中，摩爾線程聯(lián)合創(chuàng)始人、CTO張鈺勃提到，“好用”和“用得好”看起來天然有張力：好用意味著更高層、更標準化、更貼近主流抽象；而要用得好、要突破，就必須把底層微架構(gòu)的創(chuàng)新發(fā)揮出來。對此，MUSA的思路是：先對齊主流生態(tài)的使用習慣——編程模型、編程方式、加速庫能力盡量與國際主流保持一致，讓開發(fā)者以最低學習成本、最低遷移成本把國產(chǎn) GPU 先“用起來”。同時，AIBOOK作為MUSA生態(tài)的核心入口，通過深度集成統(tǒng)一架構(gòu)和開發(fā)者工具鏈，為開發(fā)者提供了從本地開發(fā)到云端擴展的無縫體驗，進一步降低了生態(tài)參與門檻。

而真正的突破點在下一步：底層架構(gòu)創(chuàng)新怎么“露出來、用起來”。他們提出兩條路徑：

01

用更高層抽象的 DSL/編譯技術(shù)，把底層優(yōu)勢顯性化。例如通過支持 Triton，甚至未來基于 TAL 的編程方式，讓編譯器把細粒度的硬件創(chuàng)新轉(zhuǎn)化為開發(fā)者可直接獲得的性能收益；

02

生態(tài)共建。軟硬協(xié)同不是單打獨斗，僅靠一家廠商的軟件棧不夠，需要與開發(fā)者與平臺型伙伴深度協(xié)作。比如與硅基流動在平臺上做聯(lián)合優(yōu)化，通過通用 AI 基礎(chǔ)平臺推進軟硬件協(xié)同設(shè)計，形成“1+1＞2”的效果。這一協(xié)同已初見成效，例如在推理側(cè)。與硅基流動對MTT S5000深度優(yōu)化后，在DeepSeek 671B全量模型的實際推理中，MTT S5000單卡Prefill吞吐突破4000 tokens/s，Decode吞吐突破1000 tokens/s，樹立國產(chǎn)推理在低延遲和高吞吐的新標桿。

結(jié)語

“算力就是國力。” 在這場關(guān)于通用算力的長跑中，沒有捷徑可走。從MUSA架構(gòu)的底層深耕，到十萬卡集群的布局，再到具身智能的入局，摩爾線程正以全功能GPU為筆，在國產(chǎn)算力的長卷上，勾勒出一座屬于未來的“算力長城”。這座長城，不僅由硬核的半導體晶體管筑就，更由數(shù)十萬活躍開發(fā)者手中的每一行代碼匯聚而成。在這場AGI時代的進擊中，全棧自研的底氣，正是我們通往算力自由的最強脊梁。

*免責聲明：本文由作者原創(chuàng)。文章內(nèi)容系作者個人觀點，半導體行業(yè)觀察轉(zhuǎn)載僅為了傳達一種不同的觀點，不代表半導體行業(yè)觀察對該觀點贊同或支持，如果有任何異議，歡迎聯(lián)系半導體行業(yè)觀察。

今天是《半導體行業(yè)觀察》為您分享的第4268期內(nèi)容，歡迎關(guān)注。

加星標??第一時間看推送，小號防走丟

求推薦