单卡突破1000TFLOPS！摩尔线程旗舰GPU参数首曝光：对标H100，训练性能大涨30%

芯东西（公众号：aichip001）
作者 ZeR0
编辑 漠影

芯东西2月12日报道，今日，摩尔线程发文宣布旗舰级AI训推一体全功能GPU MTT S5000率先完成对GLM-5大模型的适配，并首次曝光MTT S5000的硬件参数。

MTT S5000支持FP8到FP64的全精度计算，FP8精度下单卡AI算力最高可达1000TFLOPS，配备80GB显存，显存带宽达1.6TB/s，卡间互联带宽达784GB/s。

根据业内人士消息，MTT S5000实测性能对标H100，在多模态大模型微调任务中，部分性能甚至超越H100。

MTT S5000由摩尔线程在2024年推出，专为大模型训练、推理及高性能计算而设计。

据接近测试项目的行业人士透露，S5000在产品精度上已超越H100，更接近英伟达Blackwell架构。

在近期一次数千亿参数模型的全流程训练验证中，该卡表现出了与H100集群极高的结果一致性，最终模型关键指标误差仅维持在千分之几的范围内，整体训练效果甚至实现小幅超越。

另据来自互联网厂商场景的实测信息反馈，S5000在典型端到端推理及训练任务中，性能可达竞品H20的2.5倍左右。

摩尔线程官网也已上线MTT S5000的详情页面。

产品形态上，S5000遵循OAM标准设计，提供两种计算模组形态：

• 液冷版：专为高密度绿色数据中心打造，释放极致算力密度的同时，显著降低PUE与能耗；
• 风冷版：适配标准通用服务器，部署灵活便捷，有效降低运维门槛与长期持有成本。

同时，摩尔线程推出面向AI和高性能计算的MGX 8-GPU模块化平台：8颗MTT S5000 OAM计算模组通过MTLink高速互联，可为大模型训练、推理及科学计算等应用场景提供超大规模算力。

MCCX D800 X2服务器是搭载8颗MTT S5000 OAM计算模组的一体化AI服务器，提供计算、存储、网络的高端配置，可支撑千亿、万亿参数大模型高效运行。

该服务器在散热、供电、I/O 扩展性等方面充分优化，支持风冷和液冷两种机型，可预装优化训练、推理软件栈，实现软硬件一体化交付，开箱即用。

一、基于第四代MUSA架构，原生支持FP8精度，训练性能提升30%

在大模型参数持续扩张的趋势下，FP8计算精度的支持已成为训练与推理的核心精度标准。相比传统的BF16/FP16，FP8可将数据位宽减半，显存带宽压力降低50%，理论计算吞吐量翻倍。

MTT S5000是国内最早一批原生支持FP8精度的训练GPU，配置了硬件级FP8 Tensor Core加速单元。其FP8引擎全面支持DeepSeek、Qwen等前沿架构，在实测中可提升30%以上训练性能。

S5000采用第四代MUSA架构“平湖”，专为大规模AI训练优化，依托MUSA全栈软件平台，原生适配PyTorch、Megatron-LM、vLLM及 SGLang等主流框架，让用户能够以“零成本”完成代码迁移，兼容国际主流CUDA生态。

这款AI计算卡深度优化了Prefill阶段的处理效率，在超长序列输入场景下，能显著加速Prompt预处理过程，提供更快的上下文理解与首Token响应速度，有效解决大规模知识库检索及长文档分析中的延迟瓶颈。

在16k长序列输入测试中，S5000单卡Prefill吞吐量是H20的2.5倍。这意味着在处理长文本Prompt时，国产算力具备更快的上下文理解速度。

这主要得益于其高达1000TFLOPS的单卡算力。在绝大多数计算密集型场景中，该卡不仅能提供更强劲的算力输出，也在整体性价比上展现出显著优势。

基于FSDP2框架，MTT S5000已率先完成Wan2.1视频生成全模型训练验证，2节点16卡配置下训练吞吐量达61.83samples/s，模型算力利用率（MFU）达51%，生成效果在视频逻辑、画质细腻度、动态一致性上均对齐行业基准。

二、10EFLOPS万卡集群已落地，下游任务评测得分优于H100

基于S5000构建的夸娥万卡集群已经落地，其浮点运算能力达到10EFLOPS，在Dense模型训练中MFU达60%，在MoE模型中维持在40%左右，有效训练时间占比超过90%，训练线性扩展效率达95%。

依托原生FP8能力，它能够完整复现顶尖大模型的训练流程，其中Flash Attention算力利用率超过95%，多项关键指标均达到国际主流水平。

在集群通信层面，S5000采用独创的ACE技术，将复杂通信任务从计算核心卸载，实现计算与通信的零冲突并行，大幅提升MFU。

实测显示，从64卡扩展至1024卡，其系统保持90%以上的线性扩展效率，训练速度随算力增加几乎同步倍增。

第三方验证方面，2026年1月，智源研究院基于S5000千卡集群，完成了前沿具身大脑模型RoboBrain 2.5的端到端训练与对齐验证。

结果显示，与英伟达H100集群的训练结果高度重合，训练损失值（loss）差异仅为0.62%。

根据摩尔线程官网，在S5000集群上训练DeepSeek-236B，前3万步训练过程中，Loss曲线与H100集群的相对精度误差仅为0.6%。同等数据量下，其下游任务评测得分优于H100，验证了万卡集群的高精度。

GPU集群的可靠性、可用性和可维护性（RAS）是支撑大规模AI训练任务持续稳定运行的核心基础设施能力。

S5000从芯片级到系统级构建了完整的RAS体系，支持故障感知、上报与错误隔离，可快速定位并替换故障节点、慢节点及静默数据损坏节点，并具备主动检测与修复功能，长期守护集群健康，确保性能稳定与结果正确。

三、刷新国产GPU大模型推理纪录，科学计算性能完胜H100

S5000在推理场景同样表现优异。2025年12月，摩尔线程联合硅基流动，基于S5000完成对DeepSeek-V3 671B满血版的深度适配与性能测试，实测单卡Prefill吞吐超4000tokens/s，Decode吞吐超1000tokens/s，刷新了国产GPU的推理纪录。

针对Agent间的高频通讯与复杂代码块的瞬时生成需求，S5000在DeepSeek等前沿模型的推理实测中，实现了远超行业基准的token生成速率。

S5000针对文生视频模型进行了深度优化，基于原生FP8硬件加速能力，在大幅提升推理速度的同时，确保生成内容精度无损，单机性能达到H100的64%-79%，兼顾高性能输出与高投入产出比（ROI）。

同时，S5000凭借原生FP64双精度计算能力，通过与国家级实验室的深度合作与调优，在关键科学计算领域实现性能提升。在SPONGE模拟引擎中，其性能达到H100的1.7倍；在分子对接工具DSDP的实测中，其计算效能展现出压倒性优势，性能达到H100的8.1倍。

此外，作为一款全功能GPU，S5000集成了高性能的多媒体编解码引擎，硬件原生支持H264、H265、VP9、AV1、AVS2、AVS+、VP8等格式。

结语：国产GPU已经扛起大模型训练的重任

根据摩尔线程官网披露信息，无论是构建万卡级超大规模训练集群，还是部署高并发、低延迟的在线推理服务，MTT S5000均展现出对标国际主流旗舰产品的卓越性能与稳定性。

作为目前国内少数具备完整大模型训练能力的AI计算卡之一，MTT S5000提供了一套可行的国产算力替代方案，从FP8精度支持、单卡1000EFLOPS算力等参数到经过万卡集群实训、第三方机构验证的实战成绩，都证明了国产GPU不仅能做好推理，而且已经能支撑起大规模模型训练的计算需求。