國產GPU的敘事重心，正在從“造芯”轉向“造生態(tài)”。
作者｜王藝
摩爾線程上市后的首場大會來了。
2025年12月20日，摩爾線程首屆MUSA開發(fā)者大會（MDC 2025）于北京中關村國際創(chuàng)新中心正式開幕。
這是摩爾線程首次舉辦開發(fā)者大會，也是國內首個聚焦全功能GPU的開發(fā)者盛會。本次大會以自主計算創(chuàng)新與開發(fā)者生態(tài)共建為核心議題，吸引了2000多名來自產學研的專業(yè)人士和開發(fā)者參與。
本次大會上，摩爾線程不僅發(fā)布了全新的GPU架構“花港”、萬卡智算集群“夸娥”和搭載了智能SoC芯片“長江”的個人智算產品MTT AIBOOK（AI算力本），還分享了面向下一代超大規(guī)模智算中心的MTTC256超節(jié)點架構規(guī)劃；同時，摩爾線程還展示了自己在推理領域的最新成果，并公布了在具身智能、科學智能（AI4S）、AIfor6G、開發(fā)者生態(tài)建設等領域的全新進展。
這一系列成果的發(fā)布，標志著摩爾線程已成功構建起一套以自主統(tǒng)一架構為根基、貫穿“芯-邊-端-云”的完整技術棧，實現(xiàn)了從底層硬件到上層應用的系統(tǒng)化閉環(huán)。
1.硬核突破：“花港”架構與萬卡集群的算力答卷
如果說過去國產GPU常被詬病的點是“性能”和“能效”，那么此次摩爾線程新一代全功能GPU架構“花港”的發(fā)布，則用數(shù)據(jù)一舉打破了之前的刻板印象——該架構采用全新一代指令集，相比上一代架構，算力密度提升約50%，并通過深度架構優(yōu)化實現(xiàn)最高10倍的能效提升。
在AI計算方面，花港全面支持FP8、FP6、FP4等多種低精度計算單元，顯著提升大模型訓練與推理的效率；在系統(tǒng)層面，花港可支持10萬卡以上的超大規(guī)模計算集群，并引入新一代異步編程模型，以提升算力利用率。
同時，花港還在圖形領域引入新一代AI生成式渲染架構（AGR），并重構第二代硬件光線追蹤引擎，渲染和光追性能實現(xiàn)代際躍升。在安全性方面，花港構建了四級硬件安全防護體系，支持國密與機密算法，面向數(shù)據(jù)中心和關鍵行業(yè)應用。
基于花港架構，摩爾線程未來將發(fā)布AI芯片“華山”。該產品定位為AI訓練與推理一體化的高端算力芯片，同時具備強大計算能力，面向大模型和AI超級集群場景。
摩爾線程基于“花港”架構的AI訓推一體芯片“華山”圖源：「甲子光年」拍攝
在算力方面，華山的浮點計算能力對標國際先進GPU產品，能夠支撐主流大模型的訓練和推理需求；在系統(tǒng)設計上，華山配備高帶寬緩存和大容量存儲，并支持MTLink4.0及多種內嵌互聯(lián)協(xié)議，提升集群兼容性與擴展能力。
摩爾線程創(chuàng)始人、董事長兼CEO張建中表示：“一張卡的性能很重要，但真正決定AI訓練效率的，是能否穩(wěn)定、高效地Scale到成千上萬張卡。”
據(jù)介紹，華山單點最高支持1024顆GPU直連Scale-Up，并集成RAS2.0可靠性機制，支持錯誤檢測、隔離與恢復，提升大規(guī)模訓練的穩(wěn)定性和成功率。此外，華山還在硬件層面內置大語言模型關鍵算子的加速引擎，實現(xiàn)軟硬件深度協(xié)同。
同時亮相的廬山是一款面向高性能圖形渲染計算的GPU產品，適用于CAD/CAE、工業(yè)設計、建筑可視化以及高端內容創(chuàng)作等場景。相較上一代S80產品的架構，廬山整體圖形性能提升約15倍，AI算力提升64倍，幾何處理能力提升16倍。其硬件級光線追蹤性能相比S80提升約50倍，顯存容量提升至前代的4倍。
摩爾線程基于“花港”架構的高性能圖形渲染芯片“廬山”圖源：「甲子光年」拍攝
“廬山”內置AI原生能力，并原創(chuàng)AI生成式渲染技術（AGR），讓AI能力貫穿幾何、像素、光追和后處理等整個渲染流程。同時，全新的統(tǒng)一任務引擎（Unified Task Engine）可實現(xiàn)GPU內部計算資源的全面并行，大幅提升渲染效率。
“廬山不僅是一張能玩3A游戲的顯卡，更是一張面向專業(yè)設計和工業(yè)應用的生產力GPU?！睆埥ㄖ姓f。
在國產算力的語境里，“萬卡”從來不是把卡堆起來那么簡單。更難的部分，往往是“能跑多久、跑多穩(wěn)、跑多滿”。因此，摩爾線程全新發(fā)布的“夸娥萬卡”智算集群，成為了本次大會繼“花港”架構之后的第二個亮點。
張建中強調了“夸娥”萬卡智算集群在萬卡規(guī)模下的工程化能力與可靠性：能夠支撐萬億參數(shù)模型訓練，并在多項關鍵指標上對齊國際主流水平——浮點運算能力達到10Exa-Flops；Dense大模型MFU 60%、MOE大模型MFU 40%；有效訓練時間占比超過90%，訓練線性擴展效率達95%；
在訓練側，夸娥萬卡集群基于原生FP8能力，完整復現(xiàn)頂尖大模型訓練流程，并且在技術層面實現(xiàn)關鍵優(yōu)化：Flash Attention算力利用率>95%，并突破FP8累加精度等瓶頸。
在推理側，張建中同樣展示了全功能GPU單卡的超強實力：摩爾線程聯(lián)合硅基流動，在運行DeepSeekR1671B滿血版大模型時，MTTS5000單卡Prefill吞吐速度突破4000tokens/s、Decode吞吐速度突破1000tokens/s。
但在AI戰(zhàn)場，萬卡“能訓”只是起點，下一步要解決的是更高密度、更高帶寬、更低單位能耗的系統(tǒng)形態(tài)。在大會上，摩爾線程公布了面向下一代超大規(guī)模智算中心的MTTC256超節(jié)點架構規(guī)劃，主打高密硬件與極致智算性能。
并不是只有芯片和算力集群這樣的“鋼鐵巨獸”。面對更加C端與更廣大的開發(fā)者，摩爾線程也拿出了誠意。
此次大會上，摩爾線程了發(fā)布搭載智能SoC芯片“長江”的AI算力本MTT AIBOOK。其端側AI算力可達50 TOPS，實現(xiàn)從芯片、驅動到開發(fā)環(huán)境全棧整合，并構建了Agent的“工具集”，大幅降低AI開發(fā)的門檻，同時創(chuàng)新打通了Linux開發(fā)、Windows辦公與Android應用之間的場景壁壘，這使得AIBOOK不僅完整保留了傳統(tǒng)PC的功能，還可以實現(xiàn)高效的AI開發(fā)體驗。
這一創(chuàng)新工具，也成為開發(fā)者接入MUSA生態(tài)的關鍵入口。
2.軟件根基：MUSA5.0，從“能用”到“好用”的系統(tǒng)工程
如果說上述產品的發(fā)布是摩爾線程上市之后對外界的一次“秀肌肉”和“牛刀小試”，那么MUSA軟件棧，才是摩爾線程此次發(fā)布會祭出的真正“大殺器”。
國產GPU軟件棧，一直都是中國GPU產業(yè)的“阿喀琉斯之踵”。當前，英偉達的CUDA生態(tài)在AI和科研領域仍然是“事實標準”，壟斷著GPU開發(fā)的大半江山，而國產GPU多依賴開源方案（如OpenCL、Vulkan）或自研框架，工具鏈成熟度低、移植成本高、開發(fā)者意愿不足。
盡管部分國產GPU專注AI訓練/推理，但配套的編譯器、算子庫、模型優(yōu)化工具鏈仍需長期積累；此外，國產GPU的驅動程序的穩(wěn)定性、游戲兼容性、圖形API支持（如DirectX、Vulkan）也不完善，用戶體驗與國際產品有較大差距。
MUSA（Meta-computingUnifiedSystemArchitecture）是摩爾線程自主研發(fā)的元計算統(tǒng)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。MUSA不僅定義了統(tǒng)一技術標準，更是被摩爾線程賦予了長期“底層創(chuàng)新”的戰(zhàn)略意義，并服務于全功能GPU的多場景目標：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。
在大會上，張建中回顧了MUSA架構與產品的演進路徑：
“硬件可以一年一代，但軟件必須持續(xù)進化。”張建中表示。
在本次大會上，摩爾線程正式發(fā)布MUSA5.0。全新升級的MUSA5.0標志著架構步入成熟新階段，在全棧統(tǒng)一性、極致效能與生態(tài)開放性上取得關鍵突破：
編程生態(tài)全面升級：原生MUSA C，深度兼容TileLang、Triton等編程語言，為開發(fā)者提供靈活高效的全棧開發(fā)體驗。
計算效能極致優(yōu)化：核心計算庫muDNN實現(xiàn)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。
開源生態(tài)持續(xù)擴大：計劃逐步開源計算加速庫、通信庫及系統(tǒng)管理框架在內的核心組件，向開發(fā)者社區(qū)開放深度優(yōu)化的底層能力。
前沿特性拓展邊界：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(xù)拓展全功能GPU的算力邊界。
“MUSA5.0基本可以完整覆蓋今天用戶的全部應用場景，能夠完美支撐AI GPU的生態(tài)體系?！睆埥ㄖ姓f。
值得注意的是，MUSA并非只面向單一平臺或操作系統(tǒng)。MUSA5.0在兼容主流國際CPU與操作系統(tǒng)的同時，也全面支持國產CPU與國產操作系統(tǒng)，實現(xiàn)國產生態(tài)與國際生態(tài)的并行適配，統(tǒng)一支撐云、邊、端全系列GPU產品。
這意味著，無論是數(shù)據(jù)中心、工作站還是終端設備，摩爾線程均可通過同一套軟件體系進行部署和開發(fā)，大幅降低了開發(fā)與運維成本。
3.戰(zhàn)略轉身：從“造芯”到“造生態(tài)”的突圍戰(zhàn)
然而，僅有硬件和軟件還不夠。國產GPU更大的問題，是“不夠好用”。
硅基流動創(chuàng)始人兼CEO袁進輝在大會上表示，由于芯片細節(jié)太多、場景太雜，因此必須通過軟件棧一層層抽象，把復雜性隱藏起來。當抽象不夠時，開發(fā)者就不得不往下挖，“當開發(fā)者發(fā)現(xiàn)最上層的抽象不滿足需求的時候，他會再往下去發(fā)掘更底層的一些工具箱……一直到底層的芯片。”
這就國產芯片普遍有30-50%的理論性能釋放不出來的原因——要么是軟件棧的API太厚把特性藏起來了，要么就是太薄，讓開發(fā)者無從下手。
除了性能釋放得不夠極致、芯片不夠好用，北京智源人工智能研究院AI框架研發(fā)負責人敖玉龍也指出了國產GPU的另一個問題——當前大部分的大模型仍然是跑在CUDA上的，遷移到國產原生軟件棧的成本比較高。
“我們不能總在migration（遷移），怎么基于國產去原生的去做一些事情？大家缺的可能一方面是信心，另一方面產品質量和生態(tài)也很關鍵。”敖玉龍說。
怎么辦？眾人拾柴火焰高。
袁進輝舉了一個行業(yè)規(guī)律：即便是最主流的平臺，新芯片發(fā)布后也需要時間被真正“用順”——“通常過一年之后在上面跑的軟件能夠加速兩倍以上。”更重要的是，很多玩法并非芯片公司預設，而可能是“新的”，是原來那個芯片廠商也沒有預計到的。他期待在MUSA上也出現(xiàn)“開發(fā)者玩出來”的創(chuàng)新：“這就可能需要摩爾線程提供一些架構的資料手冊……讓更多開發(fā)者去hack?！?/p>
這是一種生態(tài)的打法：把底層能力向社區(qū)開放，讓優(yōu)化與創(chuàng)新不再只能由廠商完成。
摩爾線程聯(lián)合創(chuàng)始人兼首席技術官張鈺勃在大會上表示，在上一代“平湖”架構中，Attention算法的利用率就已經(jīng)能夠做到90%以上了，而同期的H100只能做到75%。“那剩下的東西怎么樣能夠暴露出來呢？我們就通過像支持Python，甚至是將來基于Tile的編程方式，通過編譯器的方式把它暴露出來。我們覺得光靠廠商自己的軟件棧還不夠，還需要跟開發(fā)者做深度的結合?！睆堚暡f。
因此，摩爾線程的策略是“雙軌制”：一方面在開發(fā)者使用習慣上“貼近主流”；另一方面，通過更高階抽象、DSL/編譯器與軟硬協(xié)同，而是通過與模型團隊、系統(tǒng)團隊的深度聯(lián)合優(yōu)化，把GPU的潛在性能釋放出來，確保國產平臺永遠能“跑滿”而不只是“能跑”。
換句話說，摩爾線程正在把敘事重心從“造芯”挪向“造生態(tài)”。
這一點，與鄭緯民院士在大會上的判斷形成了清晰呼應。在鄭緯民看來，主權AI并不是單點技術問題，而是一項系統(tǒng)工程，其核心由三根支柱共同支撐：算力自主、算法自強、生態(tài)自立。其中，生態(tài)的重要性往往被低估，卻恰恰決定了一項技術路線能否走得長遠。
鄭緯民把產業(yè)現(xiàn)實說得很直接：不同廠商接口不一，導致用戶經(jīng)常為同一軟件做重復適配。“你做出一個芯片固然很重要，但如果沒有足夠多的開發(fā)者愿意長期在上面寫代碼，那就是白生產?！编嵕暶癖硎?，真正決定國產算力成敗的，并不是有沒有一兩款性能亮眼的芯片，而是有沒有一個以開發(fā)者為中心、能夠持續(xù)演化的產業(yè)生態(tài)。“我希望用戶工作量的減少，不同芯片、不同系統(tǒng)，最后是一套東西?！?/p>
在大會上，摩爾線程聯(lián)合創(chuàng)始人兼首席技術官張鈺勃也表示，未來摩爾線程的GPU，從架構到上面的每一層軟件，全部都會堅持開源的路線，為發(fā)展好的國產計算生態(tài)貢獻自己的力量。
正如清華大學高性能計算所所長翟季冬在大會上所說，芯片性能可以在幾年內追趕，但生態(tài)系統(tǒng)需要十年、二十年的持續(xù)投入和積累。當前，國產GPU產業(yè)正站在一個關鍵的十字路口。一方面技術突破正在加速到來，另一方面,碎片化與內卷的隱患也在累積。這些問題如果不解決，國產GPU可能會陷入“有算力用不好、有芯片沒生態(tài)”的困境。
這正是摩爾線程此次MUSA大會最大的價值所在——它并沒有在宣告一場勝利，而是在吹響一場更艱苦戰(zhàn)役的號角——戰(zhàn)役的主角，是坐在臺下的每一位開發(fā)者。只有當足夠多的中國開發(fā)者開始在MUSA平臺上“hack”出新玩法，只有當?shù)谝粋€世界級SOTA模型誕生于國產的GPU軟件棧上，只有當國外團隊開始“反向移植”面向MUSA優(yōu)化的模型架構，那一天，我們或許才能說，屬于中國GPU的時代真正到來了。
（封面圖及文中未標注來源圖片均來自摩爾線程）
END.
