王炸连发！摩尔线程入局物理AI赛道，要做全栈高性能AI算力底座

就在5月18日晚，摩尔线程在北京海淀中关村召开了新品发布会。

这是摩尔线程去年底IPO上市之后的第二场产品发布会，也是今年摩尔线程第一场产品发布会。

这次，“国产英伟达”摩尔线程想讲的新故事：不只是全功能GPU，而是重点逐渐转型升级的全栈物理AI赛道，比如包括爆火的“具身智能”。

我在现场看到，摩尔线程与光轮智能、北京智源人工智能研究院等机构合作，构建了仿真、训练、运控、大脑交互等全栈物理AI平台，也让宇树的四足机器人实现了“国产化”能力。

总体来说，两个小时演讲中，摩尔线程创始人兼CEO张建中“饱和式”发布了以下产品：

1、云端算力：MTT KUAE万卡集群发布，尤其在大模型训练、推理、AI Coding、AIGC等领域实现GPU加速。

2、全域智能体：数字人“小麦”升级为智能体，搭载自研Agent开源框架MTClaw。

3、MTT AICUBE：智能家庭新体验，成为家庭智能中枢，搭载摩尔线程首颗自研的端侧SoC芯片，也是摩尔线程第一颗全国产芯片，将AI个体+AI NAS+AI家庭中枢结合在一起。

4、全新AIBOOK算力笔记本，内置“龙虾”，能力全面升级，最多可以跑12个Skill，拥有90多个工具调用，智能体说干就干，7*24小时持久在线，内置原生Linus内核，预置本地模型，内置各种Skill，并实现安卓游戏生态兼容，整体流畅度提升30%、GPU驱动性能提升17%。

5、Physical AI（物理AI）方向，摩尔线程首个全栈具身智能仿真平台MT Lambda发布，成为国内极少打通“大模型训练—仿真模拟—端侧部署”全链条的GPU企业。而且，摩尔线程打破了传统具身智能研发中“开发、仿真、训练”各环节割裂的痛点，大幅度提升具身智能研发效率。

6、MUSA开发生态：驱动运行时层761API，核心加速库层100%；算子层55类，覆盖核心AI算子；PyTorch算力兼容100%，框架层100%；MUSA编译器技术演进。

总结来说，当前在Agentic AI（AI智能体）和万物智能（硬件）背景下，摩尔线程正在加速转型升级，希望能讲这样一个新故事：

摩尔线程从一家GPU芯片公司，成长为一家以系统级方案交付为核心的全栈式AI基础设施提供商，全面支撑“云-边-端”全场景。

但这给外界很多行业人士带来了一堆疑问：

为什么摩尔要发布这些硬件产品？为什么摩尔要做端侧AI？为什么摩尔要做高性能AI算力工厂？

在我看来，原因就三点：

1、国内云端GPU算力芯片厂商开始打“价格战”，成本下跌，而且数据中心不是无限建设、无限替代需求，一旦商业模式非“永久”，摩尔线程一方面通过走高端算力路线避免红海竞争，另一方面同步需要寻找市场规模更大的“端侧AI算力”故事和商业化前景。

2、国内全自研本土芯片当前能量产的产能主要集中在端侧AI芯片领域，这也是天数智芯、摩尔线程等厂商纷纷加码端侧 AI 芯片布局的核心原因。

3、“龙虾”让消费级Agent、具身智能等算力需求爆发，未来模型、Token将如同水电煤一样便宜，而机器人AI大脑的需求只增不减。

所以，摩尔线程需要率先抢占国产高性能AI基础设施，在这一轮热潮中不掉队、持续迎战国产算力第一梯队。

Token时代万物智能：云端+AI PC

发布会开始，摩尔线程创始人兼CEO张建中就讲了一个Token词元时代的故事。

AI智能体引爆了算力短缺、算力荒，几乎无处不在。

基于Tokens+AI Factory，将逐步形成三个趋势愿景：模型训练工厂、词元生产工厂、智能体生产工厂。

本质上，云端AI算力芯片能够做的是To G/B的生意，构建算力集群、与互联网大厂做联动；但“龙虾”引发了对端侧AI算力的需求，如Mac Mini，这也需要大量的Factory（工厂）。

在摩尔线程看来，在模型、词元、智能体爆发式需求中间，市场需要高性能AI基础设施。

因此，这就引出了一个摩尔线程的重要转型点：这家GPU公司正在从云端算力，往端-云-边整个全栈高性能AI基础设施方向发展。

下面，摩尔线程围绕六个新品讲起。

首先，张建中谈了云端GPU算力基础设施。

训练部分，摩尔线程的夸娥（KUAE）万卡智算集群已经成功落地，多项关键指标达到国际主流水平，在Dense大模型训练中的模型算力利用率（MFU）达60%，在MoE大模型上达40%，有效训练时长达90%，训练线性扩展效率达95%。

软件栈上，摩尔线程构建了包括训练框架、AI框架及训练辅助工具等核心组件，专门优化了对强化学习的支持，兼容业界主流的VeRL训推一体与Slime训推分离框架，并完成了对多项微调框架的适配。

这标志着摩尔线程已具备支撑超大规模模型稳定训练的硬核实力。

在推理端，摩尔线程已全面适配DeepSeek、GLM、MiniMax、Kimi、Qwen等国内头部大模型，SGLang主线代码并开源了vLLM-MUSA，以及主流的语音、视觉理解及多模态模型。

值得一提的是，摩尔线程还自研语音生成引擎摩语精灵，并利用夸娥集群驱动短剧工业化全流程智能生产。

第二个新品是全域智能体：

摩尔线程升级数字人，形成以“小麦”智能体为核心的端侧AI产品。

其中，基于情景感知决策、长上下文历史检索、自主任务编排、多模态情绪识别以及跨端协同、端云一体的能力，“小麦”可以提供有温度的专属人格体验。

而且，“小麦”运行于AI原生操作系统MTT AIOS，采用独特的二维拓扑记忆系统，搭载自研Agent开源框架MTClaw。另外，全新“小麦”智能体可实现跨应用调度，无缝交互；多技能，60+复杂操作，真正助手执行任务，并基于自研MTClaw，高频工具调用成功率超过95%，任务执行提速7倍，而且还建立智能体能力评测体系MTClaw Eval，这套智能体性能领先于龙虾。

第三个产品：

摩尔线程发布了全新智能家庭AI中枢——MTT AICUBE，深度整合了“智能体 + AI PC + AI NAS”三大核心能力矩阵，内置的“小麦”智能体预装60余项技能（Skills），支持超36款APP的跨应用控制，提供智慧化的主动服务；全闪存AI NAS模块则为家庭数据提供了安全、高效的本地存储与智能管理。

此外，AICUBE还具备完整的桌面AI PC能力，可轻松满足家庭用户的观影娱乐、高效办公、在线学习、云游戏以及本地大模型运行等全方位需求。

第四个新品：安装龙虾的MTT AIBOOK。

会上，摩尔线程宣布 MTT AIBOOK 全面升级，在MTT AIOS原生Linux系统下，预装原生“龙虾”智能体，提供90+工具调用接口，降低开发配置成本，并支持多智能体协作，为智能体应用的开发、调试与部署提供完整的闭环解决方案。

在这些能力背后，都是基于摩尔线程的全新端侧AI芯片SoC产品--长江。

面向端侧和边缘场景，摩尔线程以“长江”智能SoC为核心构建多维产品矩阵：除AICUBE与AIBOOK外，还专为嵌入式边缘场景设计的MTT E300 AI模组，为工业质检、能源巡检、智慧教室、具身智能、智能汽车及低空经济等典型场景，提供边缘AI能力。

Token时代万物智能：全栈构建具身智能

第五个新品：具身智能。

摩尔线程重磅发布其首个全栈具身智能仿真平台MT Lambda，旨在赋能用户构建数据合成、策略训练、仿真验证的高效工作流。该平台构建了从底层算力、核心引擎到上层框架及工具的完整解决方案。

现场，摩尔线程展示了基于宇树四足机器狗本体，搭载MT Lambda等国产化仿真、动捕、训练等技术能力，实现四足机器狗的翻跟头、运动等场景。

第六个新品是MUSA生态。

MUSA已全面实现对英伟达CUDA生态的深度兼容。最新发布的MUSA SDK 5.1.0，对标CUDA 12.8。

从驱动与运行时新增248个API，兼容接口数达到761，到核心数学库的100%对齐，从覆盖55类核心AI算子，到完整支持PyTorch全部3194个算子。

MUSA软件栈全链路覆盖了底层驱动、编译器、算子加速库、训练与推理框架，让国产GPU真正具备“即插即用”的开放能力。

而且，MUSA正引入AI技术加速生态的自我演进。依托 Automusify 智能迁移工具的“零干预”自动化转化，MUSA 实现了对 Top 100 人工智能与 Top 100 科学计算两大领域加速仓库的 100% 自动迁移。

同时，摩尔线程还发布了全新升级的 MUSACODE AI 编程助手，通过大模型智能体协同，已成功开发并交付超10000个Kernel算子，基于TileLang自动调优Group GEMM算子实现60%性能提升。

总结

看完5月18日摩尔线程整场发布会，我最大的感受就是这家企业早已不再是单纯追赶进度的国产GPU芯片厂商。

过去我们提起摩尔线程，只会联想到对标海外的算力芯片、服务器集群、算力替代这些单一标签，但本次饱和式的全品类产品发布，让我清晰看到它的彻底蜕变。

从云端万卡算力集群，到端侧自研SoC芯片、AI算力本、家庭智能中枢，再到AI智能体、具身智能全栈平台。

摩尔线程跳出了传统芯片硬件的单一赛道，真正完成了从硬件芯片到全栈AI基础设施的战略升级。

这也让我意识到，国内AI产业的竞争，早已不是单一算力的比拼，而是全场景、全链路智能化能力的角逐，摩尔线程的转型，恰恰踩中了万物智能时代的核心风口。

单纯依靠To B、To G的云端算力生意，已经难以支撑企业长期增长。

而“万物智能”时代的核心增量，一定在广阔的端侧、边缘场景，在AI智能体、物理AI、家庭智能、工业智能等细分领域。

摩尔线程主动跳出同质化竞争，依托自研MUSA完整生态，实现对主流AI框架、算子的全面兼容，同时布局全栈端侧硬件与智能方案，不仅补齐了国产AI产业链的短板，也为自己开辟了更大的商业化空间。

这场发布会让我深刻感受到，国产AI算力产业正在告别单一硬件替代的初级阶段：软硬一体、全栈布局、场景落地，才是未来万物智能时代国产企业的核心竞争力。