老黄喝豆汁「破防」背后，国产GPU正在填上CUDA护城河

新智元报道

【新智元导读】老黄在北京喝豆汁「翻车」，全网笑疯了。但真正值得警惕的，是他背后那个正在长出来的「中国版CUDA生态」。从万卡集群到机器狗，从SGLang主线到AI Agent自动迁移，这家公司这次不只是秀芯片，而是在重写国产GPU的游戏规则！

这几天，老黄喝豆汁的表情包，已经在全网刷屏了。

他穿着黑色皮衣，端着炸酱面，站在方砖厂69号门口边拌边吃。

有人递过来一碗豆汁，他喝了一大口，眉头瞬间拧成一团，周围一片哄笑。

但他这次来北京，显然不只是来吃面的。

老黄自己说过一句话，「不要低估中国的实力和竞争力，那是愚蠢的。」

5月18日晚，炸酱面热搜还没凉，摩尔线程在北京开了年度产品发布会。

但所有这些硬件背后，有一条贯穿全场的主线——MUSA生态。

CUDA最硬的地方，是开发者的肌肉记忆

CUDA统治AI算力十五年，靠的不是芯片快，靠的是生态锁定。

几百万开发者的代码、习惯、工具链，甚至手指敲键盘的肌肉记忆，都长在CUDA上面。

换平台？重写代码、重学工具、重新踩坑。硬件采购只是一张订单，工程迁移是一场组织动员。

你能造出神兵利器，但很难改变几百万人的生活习惯——这才是卡脖子卡得最见血的地方。

所以国产GPU的竞争，到了今天，已经从「硬件替代」推进到「生态替代」。

硬件替代解决的是有没有卡，生态替代解决的是开发者愿不愿意来、模型能不能跑、行业敢不敢规模化采购。

如今，MUSA已经实现了芯片架构、指令集、编程模型、软件运行库、驱动框架和上层应用工具链的全面覆盖。

从云端万卡集群到个人算力本再到边缘SoC模组，跑的都是同一套MUSA。大模型训练、推理服务、智能体、机器人仿真，全部长在这同一个底座上。

这意味着他们卖的不是某一颗芯片、某一张卡，而是一整套国产全功能GPU的底层生态。

四级跃迁，MUSA开始从兼容走向自进化

具体来说，MUSA生态的进展可以拆成四个台阶。

兼容，原生，开放，自进化。

每往上一层，MUSA的角色就发生一次变化。

前两层解决迁移和性能，第三层解决开发者入口，第四层开始改变生态建设的成本结构。

第一层是兼容：先把开发者的旧代码吃下来

国产GPU应用最大的障碍之一，是迁移成本。

开发者已经习惯CUDA、PyTorch、cuDNN、Triton、vLLM、SGLang这一整套工具链。如果换一张卡就要重写工程、重新调试、重新踩坑，再漂亮的硬件指标也很难变成采购决策。

MUSA SDK 5.1.0直接对标CUDA 12.8，驱动及运行时API兼容数干到761个。

核心数学库Blas、Sparse、Rand、FFT，100%功能兼容。

AI算子库muDNN覆盖55类核心AI算子，额外扩展230多个。

PyTorch全量3194个算子，100%兼容，不是「大部分能凑合跑」，是全量。

绝大多数CUDA程序不改一行代码，直接在摩尔线程的卡上跑通。开发者凭肌肉记忆写出来的代码，MUSA全吃下了。

迁移成本越低，试用意愿越强。原有代码越能复用，组织内部推进国产算力，出错的风险和投入的成本都会大大降低。

第二层是原生：光能跑还不够，关键路径必须跑得快

兼容解决的是「能不能迁」，原生性能解决的是「迁过来值不值」。如果关键路径上性能拉胯，客户最后还是会把你放在备用方案的位置。

MATE加速库直接对着大模型最吃算力的几个算子开刀。FlashAttention3、Sage Attention、DSA、GDN、DeepGEMM，全是硬骨头。

FA3在摩尔线程GPU上效率飙到95%，热点算子覆盖率突破90%，Attention类算子全场景覆盖。

大模型训推的瓶颈从来不在「所有功能都支持」，而在Attention、GEMM、MoE通信、KV Cache这几条高频路径上。这几条路卡住，整套系统就被拖住。FA3到95%，意味着MUSA在最要命的环节上跟CUDA的差距已经是个位数。

此外，MUSA还新增了Fortran编译器，VASP等科学计算软件可以直接迁移。

TileLang-MUSA已经合入开源主线，GEMM类算子实现95%以上的汇编级性能效率，Attention类算子达到90%以上。

Triton-MUSA升级支持到Triton 3.6最新版本。

这些工具看起来离普通读者很远，但它们决定了硬核开发者愿不愿意在这个平台上写底层算子。

客户不会为情怀长期付费，只会为效率、稳定性和确定性付费。MUSA如果能在关键路径上持续接近原生效率，它的身份就会从「兼容层」变成「高性能开发平台」。

第三层是开放：进主线，才算真正上桌

整场发布会里，这一层的战略分量可能最重。

全球顶级推理引擎SGLang，已经将MUSA合入官方主线，并列入2026 Q2官方硬件支持矩阵，和GB200/GB300、AMD、TPU并列。

截至5月12日，摩尔线程在SGLang上提交47个PR，合并41个。

在vLLM那边，MUSA同样拿到官方后端身份。TileLang-MUSA也已经合入开源主线。

开发者在使用时，直接调用的就是框架。

框架支持谁，代码就能跑在谁的卡上。框架不支持，芯片再猛也是孤岛。

现在代码进入SGLang和vLLM主线，开发者在官方文档里就能看到MUSA后端。后续新模型、新工具、新推理策略的适配成本，会明显下降。

模型适配层也是同一个逻辑。

摩尔线程MTT S5000目前已完成DeepSeek V4、GLM-5.1、Qwen3.5、MiniMax M2.7、Kimi K2.6等大语言模型的深度适配。视觉理解和多模态模型也覆盖了Qwen3-VL-235B/8B和Wan 2.2。

重点在于Day-0。模型发布当天，MUSA算力就已经就位。

在大模型一个月一迭代的今天，客户关心的不只是某个历史模型能不能跑，而是下一个热门模型出来时，自己的算力底座能不能及时变成可用服务。

Day-0适配能力，本质上是在争夺模型时代的时间窗口。

更深一层看，中国最头部的大模型和国产算力底座同步就位，意味着从算法到硬件的完整链路正在变厚。

这条内循环一旦跑起来，每一次模型迭代都会给生态添一层土，而不是把已有系统再冲散一次。

第四层是自进化：让Agent替生态搬砖

前三层讲的都是「MUSA能做什么」。这一层讲的是「MUSA怎么越滚越快」。

如果生态建设一直靠工程师手工适配，摩尔线程永远会被全球开源社区的版本节奏推着跑。CUDA的护城河本质上是十五年的时间积累，手工追赶注定辛苦，而且很难越追越轻松。

要击穿这道时间壁垒，得改变积累速度本身。

MUSACODE是摩尔线程给出来的答案。自研AI编程工具，自然语言直接生成MUSA代码，覆盖Python、C++、Rust、Go，代码完全本地运行。

30天，自动生成并测试PP库12015个算子。基于TileLang自动调优Group GEMM算子实现60%性能提升。

Automusify Skill则是一个零人工干预的AI Agent，它的任务就是全自动代码搬家。Top 100人工智能加速库、Top 100科学计算加速库，100%自动平移到MUSA上。

过去建生态靠刀耕火种，工程师熬夜一行行手写适配。现在直接跨入工业革命，AI Agent、编译器、自动测试、在线仓库串成流水线，别人每多发布一个框架、一个库、一个模型，MUSA就能更快完成迁移和优化。

这才是真正改变游戏规则的地方。生态建设不再是人海战术，而是一台自带加速度的飞轮。

MUSA服务AI，AI反向加速MUSA。飞轮一旦转起来，十几年的时间差可以被压到一个完全不同的量级。

从万卡集群到机器狗

发布会后半段，MUSA开始见真章。

云端，夸娥万卡集群商业化落地，Dense模型MFU干到60%，MoE达到40%，有效训练时长超过90%。

根据官方介绍，S5000集群训出来的模型精度能跟国际先进水平对齐，大模型公司不用再担心国产集群训练质量。

一段两分钟的AI短片「地球最后一朵算力花朵」在大屏幕上播出来，用Wan模型跑在夸娥上，一个人短时间搞定，台上说以前这是好莱坞导演花大价钱才能拍的东西。

端侧，AICUBE把智能体、AI PC和AI NAS塞进一个巴掌大的铝合金立方体，6月18日京东预售。

AIBOOK预装OpenClaw，可以同时跑12个智能体。

现场，研究员直接拉起5个数字员工，几分钟就交出了一整套新品企划。

用 摩尔线程创始人、董事长兼CEO张建中 的话说就是，「任何一个年轻人创业，有一台AIBOOK就可以开一人公司。」

压轴的是一只叫「小飞」的机器狗，只见它一个干拔，做了个侧空翻，然后稳稳落地，纹丝不动。

别小看这个跟斗——它背后藏着MUSA在具身智能场景里真正的杀手锏。

具身智能跟大模型训推不一样。

它需要物理仿真、图形渲染、AI推理、端侧部署同时跑。传统方案把这些任务扔给不同硬件，数据反复搬运，延迟拉满。

摩尔线程的全功能GPU在MT Lambda仿真平台里，把物理引擎AlphaCore、光子引擎MT Photon、3DGS渲染和Torch-MUSA放在同一套链路里。

「物理+渲染+AI」三大引擎同一颗芯片，数据零拷贝。

今年3月摩尔线程开源了MuJoCo Warp MUSA，首个国产GPU加速的物理仿真后端。

和智源研究院合作的RoboBrain 2.5端到端训练，结果跟H100集群误差小于0.62%。机器狗训练任务中，MT Lambda比CPU方案快40倍。

小飞身上跑的运动策略，在Lambda平台训好后，零调参直接下发到「长江」SoC执行。

所有这些，不管是拍短片、开一人公司，还是训模型或机器狗，虽然跑在不同规模的硬件上，但用的是同一条技术脊柱。

当生态开始自我加固

一套从底到顶跑通了的生态，和一堆零散的兼容能力，是完全不同的东西。

前者会产生网络效应。开发者越多，生态越厚；用得越久，迁回去的成本也越高。口子一旦撕开，就合不上了。

从100%兼容到SGLang官方合入，从Day-0模型适配到Agent自动搬家，从全功能GPU三引擎合一到机器狗零调参落地，摩尔线程这场发布会展示的是从软件栈、开发者生态到物理世界应用的全链路贯通。

更关键的是，这套生态跑通全链路，依托的还是当前第四代「平湖」架构。

去年12月，摩尔线程已经发布第五代「花港」架构，算力密度再升50%，能效提升10倍，支持FP4到FP64全精度，可撑起十万卡互联。基于花港的AI芯片「华山」，在有序推进中。

换句话说，MUSA生态打通全链路时，还没用上摩尔线程最强的那张牌。

方砖厂69号店门口，现在挂着「皮衣战神同款套餐」的招牌。

但CUDA同款生态的招牌，已经不再是唯一选择。