摩爾線程的野心，不藏了

金磊 發自 凹非寺
量子位 | 公眾號 QbitAI

上市后的僅15天，摩爾線程

在這次首屆、也是國內首個聚焦全功能GPU的開發者大會中，圍繞著MUSA這個關鍵詞，新品可謂是目接不暇：

• 一個全新GPU架構：花港，密度提升50%，效能提升10倍。
• 三款新芯片：華山、廬山、長江，分別聚焦AI訓推一體、圖形渲染和智能SoC。
• 一個智算集群：夸娥萬卡集群（KUAE2.0），定位國產自主研發的AI Foundry。
• 兩款硬件產品：專為開發者打造的AIBOOK和AICube。

這并非零散的產品更新，而是摩爾線程用一套從云到端、從算力到生態的組合拳。

在長達2個多小時的發布中，最直觀的感受就是，摩爾線程，已經把國產GPU推向了下一個level。

接下來，我們就從最最最核心的全新GPU架構花港為起點，對此次開發者大會一探究竟。

MUSA，已經成了全功能GPU架構的代名詞

什么是MUSA？

它的全名叫做Meta-computing Unified System Architecture，是摩爾線程自主研發的元計算統一計算架構。

該怎么理解？可以說，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，都屬于MUSA的范疇。

歷經五年的發展，MUSA已經完整定義了全功能GPU從芯片設計到軟件生態的統一技術標準，并且支持AI計算、圖形渲染、物理仿真和科學計算、超高清視頻編解碼等全場景高性能計算。

若是縱觀MUSA硬件架構這幾年的迭代，從蘇堤、春曉、曲院，再到平湖，每一次的升級都是在探索著GPU算力的邊界。

最新發布的第五代全功能GPU架構花港，亦是如此：

• 算力密度提升50%：在同等芯片面積下，可部署更多計算單元；
• 計算能效提升10倍：單位瓦特性能大幅優化，為大規模智算集群提供綠色底座；
• 新增FP4計算：從FP4、FP6、FP8到FP16、BF16乃至FP64，實現全精度端到端計算，覆蓋AI、HPC、圖形等全場景需求；
• 支持十萬卡集群：通過MTLink高速互聯，為超大規模模型訓練鋪平道路。

尤為值得關注的是，花港在低精度計算上的深度優化。架構新增了MTFP6/MTFP4及混合低精度端到端加速技術，專為未來AI主流場景——低比特訓練與推理而生。

在Attention機制的關鍵路徑上，花港原生支持矩陣rowmax計算，大幅提升混合精度SIMT吞吐量，并內置在線量化/反量化、隨機舍入等硬件加速能力，為下一代Transformer引擎（如MT Transformer Engine）提供底層支撐。

如果說硬件架構是能力的基石，那么軟件棧，就是將這些能力交到開發者手中的具體路徑。

除了架構本身之外，摩爾線程這次還同步推出了MUSA軟件棧5.0，構建從編譯器、算子庫到AI框架的全棧工具鏈：

• AI框架廣泛適配：除PyTorch、PaddlePaddle外，新增對JAX、TensorFlow的支持；
• 訓練生態擴展：在Megatron、DeepSpeed基礎上，新增強化學習訓練框架MT VeRL；
• 推理引擎豐富：深度優化自研MTT推理引擎與TensorX，同時適配SGLang、vLLM、Ollama等新興推理框架；
• 核心庫極致優化：muDNN實現GEMM/FlashAttention效率超98%，通信效率達97%，編譯器性能提升3倍；
• 編程語言創新：推出面向AI+渲染融合的muLang，兼容TileLang、Triton，原生支持MUSA C，并發布GPU中間表示語言MTX 1.0，提升開發者調優自由度。

更關鍵的是，摩爾線程宣布將逐步開源MATE算子庫、MUTLASS、MT DeepEP通信庫、KUAE云原生工具包等核心組件，向開發者社區開放底層能力，加速生態構建。

不難看出，MUSA并未將自身定位為單純的AI加速器，而是以“全功能 GPU”為錨點，將 AI 能力深度嵌入圖形渲染、物理仿真、量子計算等高價值垂直場景。

這種從通用底座向產業縱深延伸的架構哲學，使其區別于純粹的大模型訓練卡，而更接近英偉達 CUDA 生態早期“以通用可編程性撬動多元應用”的戰略路徑。

可以說，MUSA 不僅是中國首個全功能GPU架構，更是對“下一代 AI 基礎設施應長什么樣”的一次系統性回答——

它不再只是算力的提供者，而是多模態智能、具身智能乃至物理AI時代的關鍵使能平臺。在這一意義上，摩爾線程的架構創新，已不僅是技術突破，更是對未來 AI 產業格局的一次主動定義。

而圍繞著新升級的MUSA，摩爾線程這次還祭出了更多重磅產品。

三個新芯片，兩個新硬件，一個萬卡集群

首先基于花港架構，摩爾線程發布了兩款芯片路線。

第一個便是聚焦在AI訓推一體及高性能計算的GPU——華山

它的核心亮點可以總結為：

• 全精度支持：從 FP4 到 FP64，覆蓋低精度訓練與高精度科學計算；
• MTFP4/MTFP6 混合低精度加速：Attention 計算從 BF16 向 FP8 甚至 FP6 演進，大幅提升 Transformer 吞吐；
• 硬件級優化：原生支持矩陣 rowmax 計算、在線量化/反量化、隨機舍入等算法，專為大模型訓練定制；
• 新一代異步編程模型：支持常駐核函數、線程束特化，極大提升并行效率。

并且從浮點算力、訪存寬帶、訪存容量和高速互聯寬帶等維度來看，華山正在追趕英偉達的系列產品。

華山的推出，標志著摩爾線程正式具備支撐萬億參數大模型訓練的能力，為國產AI基礎設施補上關鍵一環。

如果說華山主攻A 算力，那么接下來的GPU——廬山，則專為圖形計算而生。

相比上一代產品，其AI計算性能提升了驚人的64倍，3A游戲渲染性能提升15倍。

廬山引入了AI生成式渲染架構（AGR）和硬件光追引擎，支持DirectX 12 Ultimate。這意味著，國產顯卡正式邁入“光追+AI渲染”的新范式，不僅僅是“算”畫面，更是“生成”畫面。

除此之外，在端側，摩爾線程還首次推出了智能SoC芯片——長江

據了解，長江芯片不局限于傳統PC或服務器，而是面向具身智能、車載、AI計算終端等端側場景，提供50 TOPS的異構AI算力。

有了芯片，自然要有承載的載體。

基于長江芯片，摩爾線程這次還發布了兩個非常亮眼的硬件產品。

首先就是MTT AIBOOK

這個算力本是專門為AI學習與開發者打造的個人智算平臺，運行基于Linux內核的MT AIOS操作系統，具備多系統兼容能力，并預置完整AI開發環境與工具鏈，通過虛擬化和安卓容器，可無縫運行Windows與安卓應用。

如此一來，你就可以直接在上面跑大模型、搞Agent開發。

MTT AIBOOK內置的智能體小麥，還支持2K高清渲染、本地大模型（如 MUSAChat-72B）、端側 ASR/TTS，這就讓它從工具變成了超級個體助手。

并且MTT AIBOOK還預裝了智源悟界Emu3.5多模態模型，開箱即可文本生圖、編輯圖像。

除此之外，針對端側場景，摩爾線程還推出了桌面上的AI小鋼炮——AICube

它更像是一個高性能的AI計算魔方，讓開發者在桌面上就能輕松獲取算力支持，處理復雜的推理任務。

最后，也是最重磅的——夸娥（KUAE 2.0）萬卡智算集群；畢竟在大模型領域，萬卡集群是公認的入場券。

摩爾線程此次宣布，其萬卡集群在Dense大模型上的算力利用率（MFU）達60%，在MOE大模型上達40%，有效訓練時間占比超過90%。

最硬核的消息是：摩爾線程已完整復現了DeepSeek V3的FP8訓練。 依靠S5000對低精度算子的優化，其自研FP8 GEMM算力利用率高達90%。

在這次大會上，摩爾線程還前瞻性地披露了下一代高密硬件基石——MTT C256超節點。

這款產品采用了計算與交換一體化的高密設計。它的出現，是為了系統性地提升萬卡集群在超大規模智算中心里的能效比和訓練效能。

這個量級的表現，意味著它已經具備了正面硬剛國際主流Hopper架構AI GPU的底氣，是未來超大規模大模型訓練和實時推理的國產標準答案

并且就在最近，摩爾線程還和硅基流動（SiliconFlow）聯合宣布：

基于硅基流動高性能推理引擎，雙方已在摩爾線程MTT S5000 GPU上成功完成對DeepSeek V3 671B滿血版大模型的深度適配與性能驗證。

在FP8低精度推理技術加持下，MTT S5000單卡實測Prefill吞吐突破4000 tokens/s，Decode吞吐超1000 tokens/s，創下當前國產GPU在大模型推理場景下的新高。

這一成果不僅刷新了國產GPU的推理性能基準，更傳遞出一個關鍵信號：

在成熟軟件工程體系（如MUSA架構與硅基流動推理引擎）的協同優化下，國產算力硬件正從“能跑”邁向“跑得快、跑得穩、跑得值”。

換句話說：單位算力的有效利用率，正在成為國產AI芯片真正落地的關鍵指標——而摩爾線程，這次交出了一份高分答卷。

生態，生態，還得看生態

在全球算力競爭日益白熱化的今天，單一芯片的性能優勢已不足以構建護城河。

真正的壁壘，在于軟件生態、硬件協同、場景落地與開發者信任的綜合能力。

摩爾線程深諳此道，它的選擇也非常清晰：不走局部替代路線，而是以“MUSA架構+國產GPU+全場景產品”三位一體，打造一個從底層指令集到上層應用的完整生態閉環。

這不僅包括人才生態，更涵蓋繁榮的軟件開發生態——從自研編譯器、高性能算子庫，到對主流AI框架的廣泛適配，摩爾線程提供了釋放算力所需的全套軟件工具鏈；同時，通過AIBOOK等面向開發者的硬件入口產品，讓開發者能夠隨時隨地接入并高效使用MUSA算力，真正實現軟硬協同、端云一體的全場景覆蓋。

但除此之外，開發者和開發生態，亦是其中非常關鍵的一環。

這便是摩爾線程打造摩爾學院（MUSA開發者的成長平臺）的原因了。

截止2025年12月，摩爾學院已經匯聚了20萬名開發者。摩爾線程的目標更宏大：培育百萬規模的MUSA開發者社群。

為此，他們不僅提供了從入門到大師的專業課程，還把根扎到了人才源頭——走進全國200所高校。通過產教融合、聯合實驗室以及“繁星計劃”等競賽，摩爾線程正在從象牙塔開始，培養屬于自己的、懂國產架構的原生代開發者。

這也印證了中國工程院院士、清華大學計算機系教授鄭偉民的觀點：“國產GPU的關鍵，在于要從能跑到愿意用。”

整體來看，當別人還在爭論“國產 GPU 能不能用”時，摩爾線程已經通過從軟件棧工具、硬件入口到人才培育的全鏈路布局，讓開發者問出另一個問題：“我的下一個項目，能不能全在 MUSA 生態里完成？”

這，或許才是真正的突破。