上市后首战即指生态，摩尔线程想拿什么挑战英伟达CUDA护城河？

界面新闻记者 | 徐美慧
界面新闻编辑 | 文姝琪

12月20日至21日，摩尔线程首届MUSA开发者大会（MDC 2025）在北京开幕。这是其上市后的首次公开亮相。摩尔线程创始人、董事长兼CEO张建中把从架构到集群的全栈技术等“全家桶”摆到台前，集中发布了一系列以自主MUSA统一架构为核心的全栈技术成果。

其中，最受关注的是摩尔线程新一代全功能GPU架构“花港”。界面新闻记者了解到，花港支持FP4到FP64的全精度计算，算力密度提升50%，效能提升10倍，可支持十万卡以上规模的智算集群。

图片来源：摩尔线程

在张建中给出的路线图里，花港被定义为下一代全功能GPU架构的底座。未来，摩尔线程将推出两款基于该架构的GPU芯片，包括高性能AI训推一体的“华山”芯片和专攻高性能图形渲染的“庐山”芯片。

同步发布的还有夸娥万卡智算集群（KUAE2.0）。张建中披露了其在万卡规模下的关键效率指标，包括训练算力利用率MFU在Dense大模型上达60%、在MoE大模型上达40%，有效训练时间占比超过90%，训练线性扩展效率达到95%。

在推理侧，摩尔线程联合硅基流动，基于MTT S5000运行DeepSeek R1 671B全量模型，单卡Prefill吞吐突破4000 tokens每秒、Decode吞吐突破1000 tokens每秒。

此外，张建中还发布了面向下一代超大规模智算中心的MTT C256超节点架构规划，并提及在具身智能、科学智能（AI4S）、AI for 6G等领域的深度布局计划。

图片来源：摩尔线程

更贴近开发者日常的变化，来自一台算力笔记本。

摩尔线程这次还发布了一款面向开发者的AI算力笔记本MTT AIBOOK。该笔记本搭载摩尔线程自主研发的智能SoC芯片“长江”，提供50 TOPS异构AI算力，支持混合精度计算，运行基于Linux内核的MT AIOS操作系统，具备多系统兼容能力，预置完整AI开发环境与工具链。

界面新闻记者了解到，目前，这款笔记本已在京东开放预售，32GB、1TB的版本预售价为9999元。

一名摩尔线程研发人员向界面新闻记者表示，这款面向AI开发者的算力本，同时也是把端侧产品化跑通的全链路验证。

“如果新芯片出来，连自家都没有从头到尾验证一遍，合作伙伴往往也会谨慎使用，我们用AIBOOK把硬件、驱动、软件栈、工具链与系统打包到一台设备里，让合作伙伴看到‘证明是可以用的’，导入节奏也会更稳。”研发人员向界面新闻记者表示。

对摩尔线程这类的GPU厂商而言，开发者与个人市场的入口，往往也是更容易推进生态扩张的一条路。

图片来源：界面新闻记者摄

硬件之外，软件栈与开发者习惯往往决定生态扩张速度。

英伟达将CUDA定义为并行计算平台与编程模型，围绕它形成了长期积累的工具链和开发者社区。公开信息显示，截至去年6月，全球CUDA开发者规模约为500万人。英伟达官网信息显示，CUDA累计下载量已超过5300万次。

与之对标，MUSA覆盖从芯片架构、指令集、编程模型到运行库与驱动框架的全栈体系，本次升级到5.0版本。

张建中给出了更具体指标，muDNN的GEMM与FlashAttention效率超过98%，通信效率达到97%，编译器性能提升3倍，并计划逐步开源计算加速库、通信库与系统管理框架等组件。

“生态体系是GPU行业的核心护城河与价值所在，依托MUSA架构的优势，我们会持续加大研发投入，攻克从硬件到软件的核心技术挑战，深化与生态伙伴的协同，共同构建自立自强的国产计算产业生态。”张建中说。

图片来源：摩尔线程

实际上，摩尔线程这条全栈路线本质上是用软件生态去放大硬件竞争力。

TrendForce在2025年10月的分析中预计，全球AI服务器出货量在2026年仍将保持两位数增速，供给与生态继续向头部集中。IDC的相关信息也显示，2025年上半年中国加速服务器市场规模约160亿美元，并保持增长态势。

随着推理负载占比上升，算子、通信与编译器的工程化能力开始与芯片峰值参数同等重要，这也是厂商把软件栈与集群工程放到同一张路线图上的原因。

在需求上行与供给约束并存的环境下，国产GPU公司更需要用可持续的软件栈、规模化交付与工程能力进入主流产业链。

此外，张建中还披露了目前摩尔学院的发展进度，截至今年12月，其AI开发者社区与学习者规模接近20万人，覆盖200多所高校，并吸引超过10万名学子参与，“我们希望聚集所有的能力能够共同去打造国产GPU的生态。”

图片来源：摩尔线程

多位摩尔线程的合作伙伴在接受界面新闻记者采访时都提到，接入生态的第一关仍是适配与工程细节。

一位合作伙伴向界面新闻记者表示，张建中在台上谈差距“很坦诚”，现实里大家最直接的体感是，与国际主流产品相比，国内在性能与生态上大约还差“1到2代”。

其向界面新闻记者表示，实际的推理场景未必需要追到最顶配的配置，现阶段“够用”和“划算”这两点对不少客户更重要。

另一位合作伙伴则在接受界面新闻记者采访时表示，CUDA生态“几十万人用了很多年”，迁移到MUSA时，业务方最希望的是工具链更顺、适配覆盖更广，但这类工作极其消耗人力，需要厂商持续投入。

无论是合作伙伴的现场反馈，还是张建中的公开表述，大家并不避讳公开谈现实问题——与国际主流产品相比，国内在性能、生态与工程积累上仍存在差距。

张建中表示，希望利用全功能GPU建立这样的基础设施，“为各行业的科研工作者和科技开发者，让他们有条件做得更好。”

对摩尔线程而言，上市只是走到了国产GPU赛道的前列。接下来，如何把技术路线图转化为交付能力，并在生态构建上直面国际巨头与国内日趋激烈的市场竞争，依然是一场硬仗。