告别“硬堆料”时代：摩尔线程全功能GPU的技术路线图与生态突围样本

“全功能GPU的创新，就是一部算力进化史。”

在近日摩尔线程首届MUSA开发者大会（MDC 2025）的开场演讲中，摩尔线程创始人、董事长兼CEO张建中用这样一句话定义了过去几十年的GPU技术变革。这句话的潜台词是清晰的：在国产GPU赛道上，单纯比拼硬件参数的“硬堆料”时代正在过去，架构的通用性与软件生态的成熟度，正成为衡量技术护城河的新标尺。

从地下的盾构机大脑到指尖的眼科手术机器人，从气象大模型的云端推演到挖掘机的边缘计算，大会现场覆盖AI大模型&Agent、具身智能、科学计算、空间智能等前沿技术领域，延伸至工业智造、数字孪生、数字文娱、智慧医疗等领域的几十款创新应用，外加20+场专题论坛，将“软件生态”这个略显抽象的概念，具象化为可触摸的实体。

大会上，摩尔线程不仅展示了万卡集群的肌肉，更系统性地披露了其底层技术底座的演进逻辑——从MUSA架构的持续迭代到全新“花港”架构的亮相。这不仅是一次产品的更新，更是一次对国产GPU技术路线的“实地验证”：摩尔线程正试图通过架构层面的软硬协同，让国产算力从“可用”变为“好用的生产力”。

“花港”架构与“华山”芯片：以指令集重塑算力密度

在摩尔线程的技术路线图中，“花港”被定义为新一代全功能GPU架构。与以往单纯追求制程红利不同，“花港”架构的核心突破在于通过微架构设计来“榨取”性能。

据大会披露的数据，基于新一代指令集架构，“花港”在同等工艺下实现了算力密度提升50%，能效提升10倍。这种设计并非空中楼阁，而是为了承载即将面世的AI训推一体芯片——“华山”。

在计算精度方面，“华山”芯片展现了对大模型时代需求的精准响应。它不仅支持从FP4到FP64的全精度端到端计算，还新增了MTFP6和MTFP4及混合低精度计算技术。这直接回应了当前大模型量化推理的主流趋势——通过降低精度损耗来换取更高的吞吐量。

架构层面的另一大革新在于互联与调度。面对万卡乃至十万卡集群的扩展需求，“华山”集成了自研的MTLink高速互联技术和新一代异步编程模型。

对于这一复杂的底层技术，张建中在演讲中给出了一个极具开发者视角的解释：

“我们希望利用异步编程模型，让开发者无感去操作芯片，让芯片自动为你服务。”

这种“无感”的背后，是硬件级对任务与资源调度机制的重构，旨在减少流水线中的“气泡”，提升并行执行效率。

架构的先进性最终需要通过集群来验证。基于“华山”的前序技术积累，摩尔线程发布的夸娥（KUAE）万卡智算集群已经交出了工程化的答卷：在Dense大模型上MFU（模型算力利用率）达到60%，训练线性扩展效率达95%。特别是在DeepSeek V3模型的复现中，摩尔线程通过自研FP8 GEMM的精细化优化，不仅突破了FP8累加精度的瓶颈，更实现了算力利用率高达90%的成绩。这证明了其架构在大规模工程实践中的可靠性。

MUSA 5.0软件栈：生态是核心护城河

如果说架构是骨架，软件栈则是灵魂。长期以来，CUDA生态的壁垒是国产GPU难以逾越的高墙。

“生态体系是GPU行业的核心护城河与价值所在。”张建中在大会上强调，摩尔线程致力于攻克从硬件到软件的核心技术挑战，目的就是“共同构建自立自强的国产计算产业生态”。

发布的MUSA 5.0软件栈，采取了一条“兼容主流+原生创新”的双轨策略。

兼容性方面，MUSA 5.0不仅原生支持MUSA C，还深度兼容TileLang、Triton等新兴编程语言。这种广泛的兼容性旨在降低开发者的迁移成本。

性能优化方面，为了解决兼容带来的性能折损，MUSA 5.0在底层计算库上进行了极致优化。数据显示，其核心计算库muDNN在HGEMM和FlashAttention等关键算子上的效率超过98%，通信效率达到97%。

软件栈的成熟度，最终要看它能否跑通真实的业务逻辑。在MDC 2025的展区，MUSA软件栈支撑下的多元化图景变得鲜活：

• 在大模型推理端，摩尔线程与硅基流动的合作就是一个典型样本。通过深度适配MUSA软件栈，双方在DeepSeek R1 671B全量模型上实现了性能突破：S5000单卡Prefill吞吐突破4000 tokens/s，Decode吞吐突破1000 tokens/s。这一数据不仅树立了国产推理性能的新标杆，也验证了MUSA软件栈在处理复杂大模型时的从容。

  
  

• 在硬核工业端，雪浪云展示的盾构机大脑，利用全功能GPU的算力打通了盾构机七大控制系统；柳工的CLG922E挖掘机则通过板载的GPU模组实现了边缘侧的故障诊断与自动驾驶模型运行。

• 在精准医疗端，微眸医疗的眼科手术机器人，依托端侧算力实现了毫秒级的RGBD图像处理与微米级的手术操作。

• 在科学计算端，摩尔线程联合北京大学高毅勤课题组，基于国产SPONGE软件，摩尔线程的全功能GPU正在加速分子动力学模拟，推动生命科学的底层突破。

这些横跨千行百业的实体展示，证明了摩尔线程已经把生态落实到一行行代码和一台台设备上。

此外，针对特定领域的痛点，MUSA 5.0还推出了差异化的工具链，如联合量子领域生态伙伴打造“QPU+GPU”智算融合平台，以及携手51SIM利用“图形+计算”能力加速自动驾驶世界模型的生成。

而随着AI计算的个人化，摩尔线程也在企业级市场之外完成了个人智算平台的关键拼图——MTT AIBOOK。与传统笔记本电脑不同，MTT AIBOOK针对开发者群体，在50TOPS异构算力基础上提供了开源计算加速库、通信库等核心组件的底层支撑，预置了VS Code、PyTorch、vLLM等全套开发环境，支持Linux/Windows/Android多环境切换，实现了AI学习与开发的开箱即用。配合摩尔学院20万开发者学习资源，AIBOOK或许可成为个人开发者接入国产AI生态的“入口级”载体。

谈及未来规划时，张建中表示，摩尔线程将在明年上半年开放中间语言MTX 1.0，并逐步开源计算加速库（MATE）、通信库（MT DeepEP）及系统管理框架。前者类似于CUDA的PTX，允许高阶开发者绕过上层封装，直接对GPU硬件资源进行细粒度的调度和优化，后者则有助于构建一个更具活力的开发者社区，驱动生态体系从“可用”向“好用”进化。

全功能GPU的“物理AI”拼图

在AI计算之外，“花港”架构并未放弃图形能力，反而通过“庐山”芯片强化了“图形+AI”的物理融合。

“庐山”芯片专注于高性能图形渲染，AI性能提升64倍，光线追踪性能提升50倍，并完整支持DirectX 12 Ultimate。这种设计思路试图利用AI算力来加速图形渲染流水线，从而实现从传统的“计算渲染”向“生成式渲染”的范式转变。这对于数字孪生、具身智能等“物理AI”场景至关重要。

正如张建中所预判的，未来的AI将从数字世界走向物理世界。无论是51SIM的自动驾驶仿真，还是光轮智能的具身智能数据合成，都需要一颗既懂AI又懂图形的“全功能GPU”。

结语

回顾摩尔线程过去五年的发展历程，从累计投入43亿元研发费用，到获批500多项授权专利，这家公司正在用实际行动构建一条完整的国产技术栈。展区那些正在运行的实体设备则证明，这个技术栈已经具备了解决实际问题的能力。

然而摩尔线程并不满足于此，大会发布的架构路线图，固然是一份面向未来的“预告”，但它更多是向全体开发者发出的一份“协同邀请函”，一起为国产GPU“好用”添加柴火。

“中国科技的自立自强应该会走得更快、走得更好，我们也希望摩尔线程持续为美好世界加速。”

张建中结束演讲的话语，既是对摩尔线程未来的期许，也是对中国计算产业的信心。MDC 2025展示的不仅仅是“花港”架构或MUSA 5.0软件栈的技术细节，更是一种构建自主计算生态的决心。在全功能GPU这条拥挤且艰难的赛道上，摩尔线程正试图通过架构的底层创新和软件生态的开放共建，为中国计算产业提供一个可行的、具备技术深度与演进潜力的替代方案。