國產GPU訓出世界模型，登上國際榜單，首提三大AI工廠

芯東西（公眾號：aichip001）
作者 ZeR0
編輯 漠影

芯東西7月19日報道，在世界人工智能大會WAIC 2026期間，摩爾線程創始人、董事長兼CEO張建中提出建設三大AI工廠，展示兩個AI原生終端、一個MUSA生態，勾勒出一張從AI算力基礎設施到智能體應用落地的全景圖。

• 三個AI工廠：模型訓練工廠、詞元生產工廠、智能體生產工廠，均基于夸娥智算集群。
• 兩個AI原生終端：MTT AICUBE家庭AI中樞和MTT AIBOOK AI算力本。
• 一個MUSA生態：MusaCoder代碼大模型、MUSACODE AI編程智能體、摩爾學院。

值得一提的是，依托夸娥智算集群，摩爾線程成功跑通了“國芯訓練國模”技術路徑，實現全鏈路訓練閉環。北京大學團隊基于摩爾線程MTT S5000和MUSA軟件棧訓練出的全球首個5D世界模型EvoPhys-World，登頂斯坦福WorldScore世界模型基準測試榜單。

摩爾線程自研MUSA架構實現了在單芯片上同時支持AI計算加速、3D圖形渲染、物理仿真和科學計算、超高清視頻編解碼四大引擎，使摩爾線程全功能GPU具備了國內稀缺的“算、渲、仿”一體化通用算力優勢。

在WAIC 2026期間，作為國內唯一同時深耕B端、C端市場的全場景GPU廠商，摩爾線程開啟世博展覽館與張江科學會堂雙展區聯動，全面展示其三大AI工廠、覆蓋“云-邊-端”的全場景智算能力。

一、三大AI工廠：包攬從大模型訓練到智能體落地

進入智能體時代，詞元消耗量迅速增長。AI的消耗方式正在從”人調用AI”轉向”AI調用AI”，一個用戶指令可能觸發幾十上百個子任務并行執行，每個子任務都在持續消耗詞元。

今年3月，我國詞元日調用量突破140萬億，兩年增長超過1000倍。消耗量的爆發，直接穿透到算力基礎設施這一層。算得夠不夠快、夠不夠穩、單位詞元成本能不能持續下降，影響了AI經濟的天花板。

這正是摩爾線程”三大AI工廠”框架所要回答的問題。

• 模型訓練工廠：專注于大模型的高效訓練與持續迭代，打造高性能、可擴展的萬卡級智算集群。
• 詞元生產工廠：聚焦于推理規模化部署，實現卓越的性價比與吞吐表現，讓詞元生產更高效、更穩定；
• 智能體生產工廠：致力于智能體的孵化與端側承載，推動代碼生成、內容創作、流程自動化等任務的高質量完成。

支撐三大“AI工廠”高效運轉的，是摩爾線程自研的先進MUSA架構。依托MUSA架構，摩爾線程構建了從芯片、計算卡、服務器、超節點與萬卡級集群，到邊緣與智能終端的完整硬件矩陣，并以軟硬協同推動全場景智算落地。

值得注意的是，摩爾線程此次首次展示了MTT C256超節點。如果說夸娥智算集群回答的是”如何讓萬卡協同訓練”，那么C256回答的是”如何把萬卡集群搭得更高效”。

摩爾線程MTT C256超節點首創一層Scale-up網絡，實現標準單寬機柜128卡全互聯，并柜擴展可達256卡極速互聯，攻克傳統多層網絡的帶寬損耗與高延遲痛點，在2U空間內釋放極限的單位面積算力。MTT C256采用計算與交換一體化的高密設計，將大幅提高智算中心GPU部署密度，為萬卡乃至十萬卡級超大規模長穩訓推集群打造堅實算力底座。

依托全功能GPU的通用算力平臺化優勢，摩爾線程通過不同形態的算力載體，實現了全場景智能應用的無縫覆蓋：

• 云端：萬卡級智算集群，全面支撐大模型高效訓練與極致推理，并面向物理AI、具身智能、世界模型等提供高精度物理仿真與系統級算力。
• 邊緣：高性能AI模組，深入工業質檢、智能駕駛及低空經濟等典型場景，提供高效、低延遲、強可靠的邊緣AI算力。
• 終端：通過家庭AI中樞MTT AICUBE與AI算力本MTT AIBOOK，推動端云算力與智能體深度融合，加速端側應用創新，讓“端側承載力”真實落地。

模型訓練的技術壁壘非常高。讓成千上萬張GPU卡高效協同，是一道極苛刻的工程題。

摩爾線程構建的夸娥智算集群，具備單集群萬卡級AI算力（高達10EFLOPS），基于特色訓練優化技術，能將Kimi K2 1T大模型的預訓練性能實現接近翻倍提升。

其MFU（訓練算力利用率）在稠密大模型上達60%、MoE模型上達40%，有效訓練時間占比超過90%，訓練線性擴展效率達95%，訓練精度與國際主流計算卡一致。

夸娥智算集群已實戰跑通Wan2.1開源多模態模型的千卡長穩訓練。除了大語言模型外，該集群還能支撐具身智能、物理AI以及世界模型等高精度物理仿真與大規模訓練需求。

摩爾線程與合作伙伴聯合建設的國產萬卡GPU集群，已實現從零起步完整訓練MoE-236B基礎模型。該模型基于25T+高質量訓練語料，訓練全程由摩爾線程夸娥AI訓練套件提供支持，有效訓練時長占比超90%，在萬卡規模下展現出與國際同類集群相當的系統穩定性與訓練效率。

北大EvoPhys團隊研發的全球首個5D世界模型EvoPhys-World在斯坦福WorldScore“世界生成”維度位列全球第一，并連續37天蟬聯榜首。這款模型的原生訓練全程在基于摩爾線程MTT S5000的夸娥智算集群完成，由MUSA軟件棧全棧支撐，訓練穩定性、擴展性與生成質量均達國際主流水平。

面向具身智能場景，基于FlagOS-Robo框架，依托摩爾線程MTT S5000千卡智算集群，智源成功完成通用具身大腦RoboBrain 2.5的全流程訓練，實現“訓得穩、訓得快”。

對行業主流BEV感知模型BEVFormer的訓練實測顯示，基于夸娥智算集群及MUSA軟件棧，單機與雙機訓練吞吐均達國際主流訓練GPU的1.56–1.67倍。

這些成果均在摩爾線程WAIC 2026展臺上首次展示，展現出對標國際主流水平的高性能，并驗證了國產芯片在超大規模、超長連續穩定訓練上的全鏈路閉環能力。

三、詞元生產工廠：PD異構分離大降算力成本，可支撐高精度物理仿真

訓練是”把模型做出來”，而推理是”讓模型持續用起來”。在詞元經濟時代，推理成本直接決定AI應用的商業化天花板。

基于旗艦級AI訓推一體智算卡MTT S5000與全棧自研MUSA架構，摩爾線程構建了從底層算子庫到上層推理框架的完整推理生態。在跑GLM-5.1、DeepSeek-V4-Flash、Hunyuan Video等國產前沿模型時，MTT S5000的推理性能比肩國際水平。

很多企業手里已有大量歷史算力資產，通過將不同代際、不同架構、不同品牌的計算卡合理組合，能在維持高質量推理輸出的同時大幅攤薄成本。

摩爾線程針對大語言模型推出的PD異構分離方案，通過將高算力需求的Prefill計算池（MTT S5000）與高帶寬的Decode生成池（國際主流GPU）異構分離、分池部署，獨家支持KV Cache FP8與1M超長上下文，實現高性價比詞元生產。

實際測試顯示，通過PD異構分離，3臺MTT S5000加2臺Hxx，效能已經堪比9臺Hxx。這一方案將幫助企業以更低成本，用國產卡和現有資產混搭，就能花更少的錢、辦更高效的事。

作為一款全功能GPU，MTT S5000除了能跑AI訓練與推理外，還支持自研3DGS基礎庫LiteGS和3D語義理解技術UniSem，甚至支持光線追蹤，能加速3D/4DGS場景重建與仿真閉環。

例如在智能駕駛場景，運行極佳視界前饋3DGS閉環仿真模型時，MTT S5000的單卡推理性能可達到國際高端Hxxx的64.3%，8卡性能可達到其68.2%。

四、智能體生產工廠：推動端云算力與智能體融合，32GB內存算力本能跑80B大模型

智能體生產工廠靠近應用側，要解決的問題是：智能體如何從云端走向本地，如何在算力相對受限的端側真實運行起來？

摩爾線程依托通用全功能GPU算力，推動“智能體生產工廠”全面運轉，在WAIC展臺展示了全棧國產化具身智能仿真平臺MT Lambda及面向工業場景的MT Lambda for Factory解決方案，以助力生產物理世界的智能體。

在邊緣側，MTT E300 AI模組搭載摩爾線程自研智能SoC芯片“長江”芯片，具備50TOPS異構AI算力，支持混合精度計算，具備低延遲、高可靠的實時響應能力，可應用于工業、能源、教育、交通、醫療等行業。

在終端側，兩款搭載“長江”芯片的AI終端產品MTT AIBOOK和MTT AICUBE均在展區開放體驗。

MTT AIBOOK是一款面向AI學習與開發者的AI算力本，可在原生Linux系統（MTT AIOS）下預裝OpenClaw智能體，單機支持最多12個智能體高效并行，實現了從開發、調試到部署的完整閉環。該設備還能打通夸娥云端算力，靈活部署各類大模型，通過端云協同為數字員工團隊提供AI能力支撐。

該算力本搭載32GB高速統一內存，結合AI加速分區與智能推理軟件系統，通過AISSD自適應緩存管理機制，集中調度MoE專家權重、長文本KV緩存與智能體內存數據，無需升級硬件即可在原生32GB內存上流暢運行80B大模型推理與智能體編程。

MTT AICUBE是一款面向未來AI家庭場景的核心中樞，整合“智能體+AI PC+AI NAS”核心能力，內置基于Linux內核的MTT AIOS操作系統及智能體“小麥”，能支撐端側智能體、超高清視頻播放以及3D游戲等家庭應用場景，并在AI NAS模式下配備全閃SSD高速存儲，支持免拆機擴容。

摩爾線程自主研發的AI編程智能體MUSACODE能協助開發者通過自然語言指令，快速完成代碼生成、調試與重構等任務，讓MUSA開發更簡單、更高效。

其背后的專用代碼大模型引擎MusaCoder，完整后訓練流程均在夸娥智算集群上完成，專注MUSA原生Kernel自動生成與優化，在權威評測中性能達行業領先水平，是業內首個基于國產GPU算力底座完成全鏈路訓練與驗證的開源代碼大模型。

目前，摩爾線程旗下開發者平臺“摩爾學院”已匯聚超過45萬開發者和學習者，并將前沿技術與產業實踐帶入全國200多所高校。

結語：建設三個AI工廠，推動詞元算力底座自主可控

摩爾線程提出的三個AI工廠，分別對應算力消耗鏈路的三個關鍵節點：訓練生產模型能力，推理規模化輸出詞元，智能體承載最終交付。

模型訓練工廠驗證“國芯訓練國模”的可行性，意味著中國大模型訓練不再受制于單一算力來源；詞元生產工廠把推理成本壓進商用區間，意味著國產算力具備了規模化輸出智能的經濟性；智能體生產工廠打通云邊端，意味著算力走進了工廠、家庭和每個人的終端。

進入詞元時代，算力底座的自主性愈發緊迫。以摩爾線程為代表的AI芯片企業正挑起大梁，聯同生態伙伴一起，推動國產詞元生產基礎設施的發展與全鏈路自主可控。