摩尔线程“云边端“全栈发布：国产GPU一个更大的故事

摩尔线程不想只做中国英伟达。

文｜Stargazer

编｜刘俊宏

一家国产GPU公司的产品跨度能有多大？5月18日，摩尔线程的2026产品发布会现场，出现了一幅颇具反差的画面。

舞台一侧展示的是夸娥万卡智算集群，另一侧是自研“长江”SoC驱动的智能终端MTT AICUBE和MTT AIBOOK。软件端，摩尔线程给的是从数字世界智能体“小麦”，到加速物理AI落地的首个全栈具身智能仿真平台MT Lambda，再到持续进化的MUSA生态。

从数据中心到客厅茶几，摩尔线程在同一场发布会上展示了截然不同产品矩阵。

显然，这不是一般芯片公司会做的事。它释放的信号很明确：摩尔线程不只想做“国产英伟达”，而是要做一个覆盖云边端的全栈算力基础设施提供商。“全功能GPU”加“统一架构”，是它押注的差异化路线。

从万卡集群到家庭中枢一套架构打穿

摩尔线程的产品矩阵看似跨度极大，实则共用同一套MUSA架构内核。这是“全功能GPU”路线首次在中国市场完成云边端的完整落地验证。

先看云端，这一次摩尔线程给出的是一套大模型训练的硬件基座。

基于MTT S5000构建的夸娥万卡智算集群已经商业化落地，几个硬指标值得关注：Dense大模型训练算力利用率（MFU）达到60%，MoE大模型达40%，训练线性扩展效率95%，有效训练时长占比超过90%。这几个数字合在一起的意思是——它不仅能跑起来，而且已经是能真实支撑行业应用的水平。

数据指标层面，MTT S5000单卡AI算力（稠密）为1000 TFLOPS，配备80GB显存和1.6TB/s显存带宽，作为国内最早原生支持FP8精度的训练GPU，在DeepSeek-V4、Qwen3.5、GLM-5.1等大模型上实现了“Day-0适配”。面向更大规模的智算需求，摩尔线程第五代“花港”架构已发布，支持十万卡级扩展。更大的算力集群，才能应对不断膨胀的大模型算力支出。

再看端侧，本次发布会的最大新品亮点是MTT AICUBE。

摩尔线程对MTT AICUBE的定义很清晰：不是AI PC，不是NAS，而是“家庭AI中枢”。产品形态上，AICUBE整合了“小麦”全域智能体、50TOPS异构本地算力和全闪存私有云，标配1TB SSD，支持7×24小时运行。小麦智能体集成了90余项CLI系统工具、60余项技能和36款以上APP的跨应用控制，依托摩尔线程自研的MTClaw开源框架，高频工具调用成功率超过95%。

摩尔线程AICUBE的战略意图，非常值得关注。

它搭载的“长江”SoC是摩尔线程自研芯片，集成8个2.65GHz全大核CPU、全功能GPU和高能效NPU，136GB/s内存带宽，最高支持64GB LPDDR5X。这颗芯片同时支撑AI计算、图形渲染和视频编解码——这正是“全功能GPU”理念在终端的延伸。摩尔线程把算力从智算中心推向家庭场景，本质上是在Token时代对端侧算力需求的提前卡位。从某种角度来说，MTT AICUBE有点像是对标谷歌音响。两者区别是谷歌能直连gemini，而MTT AICUBE对模型的支持更加开放。

最后是边缘侧AI产品，摩尔线程带来了MTT E300 AI模组，它具有50TOPS异构算力、-20°C至+65°C宽温设计，面向工业质检、能源巡检、具身智能、低空经济等场景。从全球范围来看，MTT E300 AI模组跟高通今年主推的跃龙系列有点像，都是主打工业领域的AI算力需求。

整体下来，E300与AIBOOK（AI算力本）、AICUBE共同构成“长江”SoC的落地三角，覆盖个人、家庭到行业。

结合云端万卡集群的配置，展示出摩尔线程“云边端”三层不是割裂的产品线，而是MUSA统一架构在不同算力密度下的三种形态。

全功能GPU路线摩尔线程在布局什么？

摩尔线程的真正差异化，不在于产品线全，而在于它选择了一条国内罕有的“全功能GPU”技术路线。这个选择背后，是摩尔线程对AI算力终局的一种判断。

什么是全功能GPU？简言之，它不是只做AI加速，也不是图形GPU（渲染），而是单一芯片同时支持AI计算、图形渲染、物理仿真和科学计算、超高清视频编解码的统一架构。换句话说，就是类似英伟达的GPU能力。其他大多数GPU厂商这边，其产品还是有些专门设计，例如AMD的AI芯片和图形芯片分属两套不同架构。

为什么摩尔线程要选择这条路线？因为，未来的AI不只是大模型训练，而是数字世界与物理世界的深度融合。

具身智能行业的发展，已经证明了这一点。在机器人的训练环节中，需要“算+渲+仿”三合一——AI计算训练大脑、图形渲染构建仿真环境、物理引擎模拟真实交互。这在传统架构中，各环节是分开不同设备执行的，这就意味着开发者不得不在异构平台间反复切换。而摩尔线程基于MUSA统一架构，用同一颗芯片就能完成全部任务，数据不再需要“传来传去”。

看到了这一机会，摩尔线程为具身智能专门推出了MT Lambda——国内首个全栈具身智能仿真平台，深度融合物理、渲染、AI三大引擎。今年3月，摩尔线程开源了MuJoCo Warp MUSA，为物理仿真平台MuJoCo提供了国产算力支持，在机器狗训练任务中相较CPU方案实现最高40倍加速。与智源研究院合作，基于千卡S5000集群完成了RoboBrain 2.5具身大脑模型的端到端训练，实测与国际主流GPU结果高度一致。与小马智行、光轮智能、五一视界的合作也在密集落地。

摩尔线程在这个赛道的卡位，本质上是在赌一个判断：物理AI时代，只有全功能GPU能同时支撑“思考”与“行动”两种计算范式。

最后，依然是老生常谈的国产GPU突破最重要的生态难题。在这一部分，摩尔线程也介绍了不少新的进展。

目前，MUSA SDK 5.1.0兼容CUDA 12.8，核心API兼容数达761，PyTorch全量3194个算子100%兼容。软件工具层面，摩尔线程获得了SGLang、vLLM、TileLang三大全球顶级推理框架的官方原生支持。这意味着国产GPU开始从“兼容可用”走向“被主流生态主动接纳”。在开发者社区层面，目前摩尔线程也拥有45万+的社区开发者和200+高校覆盖，这些也能为长期生态建设提供了基础。

但必须指出的是，生态建设没有捷径。从兼容CUDA到建立真正自主的MUSA原生生态，从跟随到引领，这才是真正的长征。

结语

国产GPU的竞争正在从“有没有”，进入“能不能打”的第二阶段。

根据IDC数据显示，2025年中国AI加速卡总出货量约400万张，其中国产厂商交付约165万张，国产份额达41%。这组数据已经证明，中国GPU不仅能用，而且已经开始承担AI算力市场的重要角色。

在这一变局中，摩尔线程作为对标英伟达的玩家，正在用统一架构打通云边端，用全功能GPU卡位物理AI时代。至于统一架构能否支撑摩尔线程从“国产替代”真正走向“国际竞争”？接下来AICUBE的京东预售数据和夸娥集群的订单增速，会在今年给出初步答案。

或许，摩尔线程的未来仍然是辛苦的。

根据公司财报显示，摩尔线程2025年营收15.06亿元、同比增长243%，2026年一季度营收7.38亿元、同比增长155%——高增速背后，是摩尔线程从“卖芯片”向“卖算力基础设施”的转型加速。

但无论如何，摩尔线程已经证明了一件事：国产GPU不仅可以追随，也可以尝试定义一条属于自己的技术路线。