Token兩年暴漲千倍之后，摩爾線程開始“造工廠”｜甲子光年

一套架構(gòu)撐起三大AI工廠，市場該好好認識摩爾線程了。

作者｜劉楊楠

編輯｜王博

每年WAIC都是觀察中國AI產(chǎn)業(yè)重心遷移的一個窗口。

今年，機器人和模型、應用仍在百花齊放，而算力廠商卻默契地向“超節(jié)點”收斂。超節(jié)點成了各家芯片廠商展出的標配，推理成本、Token工廠、集群穩(wěn)定性這些工程詞匯，開始取代單純的規(guī)模較量，成為被討論最多的話題。

這種變化有明確的產(chǎn)業(yè)背景。Token消耗量持續(xù)指數(shù)級增長，Agent落地正在推動算力需求的增量重心向推理側(cè)傾斜，行業(yè)關(guān)心的問題變成：誰能以更低的成本、更穩(wěn)定的系統(tǒng)，持續(xù)生產(chǎn)高質(zhì)量智能。

當Token開始像電力一樣被計價、被調(diào)度，“工廠”正在成為一個比“實驗室”更貼切的產(chǎn)業(yè)隱喻。

這個隱喻下，摩爾線程成為今年WAIC上一個值得細看的樣本。

7月17日至20日，摩爾線程以“詞元時代 萬物智能”為主題，首次開啟上海世博展覽館與張江科學會堂雙展區(qū)聯(lián)動，展出C256超節(jié)點、夸娥萬卡智算集群，以及AICUBE、AIBOOK兩款AI原生終端。7月18日的主題論壇上，創(chuàng)始人、董事長兼CEO張建中給出了公司三大AI工廠的完整戰(zhàn)略框架。

摩爾線程創(chuàng)始人，董事長兼CEO張建中

一家芯片公司，選擇用“工廠”來定義自己的戰(zhàn)略核心。這個選擇本身，就是理解今年算力產(chǎn)業(yè)的一把鑰匙。

1.摩爾線程為何要造“AI工廠”？

2026年，Agent應用爆發(fā)后，Token消耗進入爆發(fā)式增長階段。

國家數(shù)據(jù)局局長劉烈宏早在2025年中就將Token的地位類比為“互聯(lián)網(wǎng)時代的流量”，其膨脹速度超出多數(shù)人的直覺。數(shù)據(jù)顯示，2024年初，中國日均詞元調(diào)用量為1000億；到2025年底，躍升至100萬億；到2026年3月，已突破140萬億，兩年增長超過1000倍。

摩爾線程創(chuàng)始人、董事長兼CEO張建中在論壇上解釋這種暴漲時，歸因很簡單：“已經(jīng)不是我們在用AI，是我們的Agent在用AI。”人的閱讀有極限，一目十行不過幾十個字；一個智能體可以在幾分鐘內(nèi)“讀”完一整面墻的書。

當Agent成為Token消耗的重要增量來源，調(diào)用量開始以十倍、百倍、千倍的量級跳漲。年初爆火的OpenClaw就是一個重要注腳。

而就在論壇前兩天，Kimi發(fā)布新模型K3，參數(shù)量2.8萬億。這個半年前還難以想象的天文參數(shù)，如今成了這場行業(yè)論壇的開場白。

過去一年，Token從技術(shù)指標變成計價單位，又變成基礎設施建設的動員令。摩爾線程三大“AI工廠”正是在這個背景下提出的。

5月18日，摩爾線程已在北京的發(fā)布會上系統(tǒng)闡述過模型訓練工廠、詞元生產(chǎn)工廠、智能體生產(chǎn)工廠的布局，主題同為“詞元時代 萬物智能”。而此次WAIC更像一次實物交付和成果展示，展臺動線按三大工廠分區(qū)，論壇議程同樣圍繞按三大工廠的主線展開。

外部的反饋同樣值得參考。

中國工程院院士、清華大學教授鄭緯民認為，算力基建的關(guān)鍵在于將每一份算力轉(zhuǎn)化為高質(zhì)量詞元，三大“AI工廠”是算力基礎設施的必然演進。

中國工程院院士、清華大學教授鄭緯民

國家信息中心大數(shù)據(jù)發(fā)展部副主任魏穎說得更為直白：“算力基礎設施是詞元生產(chǎn)的物理底座，GPU決定詞元生產(chǎn)的效率與成本?！?/p>

國家信息中心大數(shù)據(jù)發(fā)展部副主任魏穎

一家公司的戰(zhàn)略，能夠得到國家院士和國家級智庫的認可，也側(cè)面映射出這正是共識所向。

當Token成為一種新的工業(yè)原料，AI產(chǎn)業(yè)便從“實驗室邏輯”切換到“工廠邏輯”，企業(yè)真正比拼的核心能力轉(zhuǎn)向穩(wěn)定、高性價比、大規(guī)模生產(chǎn)智能的能力。

共識之下，越來越多的企業(yè)開始造自己的工廠。光是“Token工廠”，「甲子光年」就在WAIC展臺上看到二十多家。那么，摩爾線程造的工廠又有何不同？

2.三大工廠背后的三條“Scaling Law”

摩爾線程高級副總裁董龍飛將三大工廠與三條Scaling Law聯(lián)系起來。在他的解釋中，三大工廠面向不同市場，不存在簡單的先后順序，但模型訓練工廠構(gòu)成整個體系的能力源頭。

模型訓練工廠對應其中兩條Scaling Law。第一條是預訓練Scaling Law，即用更多算力和數(shù)據(jù)擴大模型規(guī)模、提升基礎能力；第二條是強化學習Scaling Law，即通過更多數(shù)據(jù)和算力，讓模型更好地遵循人類指令。兩者都發(fā)生在模型訓練階段。

模型訓練工廠是三大工廠的根基。

摩爾線程生態(tài)副總裁呂其恒的說法更有畫面感?！叭绻袮I比作女媧造人，產(chǎn)業(yè)界熱衷的應用落地是在造‘人’，訓練工廠造的是‘女媧’本身?！?/p>

可以想見，“造女媧”的門檻極高。訓練芯片是一場容不下短板的競賽，顯存、帶寬、可靠性、算力、通用性、精度，任一項出現(xiàn)短板，都會直觀反映在最終的模型性能上。

摩爾線程拿出的證據(jù)是一組硬指標。基于MTT S5000構(gòu)建的夸娥萬卡級集群，Dense模型MFU達到60%，MoE模型MFU達到40%。

比指標更重要的是訓練精度的對齊。

一直以來，業(yè)內(nèi)對于國產(chǎn)芯片的性能有一個極務實的評判標準，即同樣的模型、數(shù)據(jù)和參數(shù)，換到國產(chǎn)平臺上，訓出來模型性能是否會打折？

而在訓練精度方面，夸娥萬卡級智算集群可與國際主流計算集群對齊，覆蓋MoE、多模態(tài)、具身智能等前沿架構(gòu)，訓練Loss曲線與參照基準基本重合，收斂行為一致。

董龍飛透露，在DeepSeek這類MoE模型上與國際旗艦卡做訓練對比，在前3萬步訓練中，摩爾線程平臺的平均相對誤差可做到萬分之六以內(nèi)。此外，團隊用500B到5T不同規(guī)模數(shù)據(jù)反復實驗，Benchmark評測結(jié)果與參考平臺基本一致，部分指標甚至更高。

基于這種對齊能力，摩爾線程已經(jīng)真正實現(xiàn)了“國芯訓國模”的成果，并在MoE、世界模型、具身智能上跑通了標志性訓練閉環(huán)。

具體來看，摩爾線程與合作伙伴合作，在國產(chǎn)萬卡集群上完成MoE-236B基礎模型從零起步的完整訓練，覆蓋預訓練、持續(xù)預訓練到長窗口持續(xù)預訓練全鏈路。訓練全程由摩爾線程夸娥AI訓練套件（KUAE Training Suite）提供底層技術(shù)支持，有效訓練時長占比超90%，MMLU評測精度與國際主流計算卡持平。

在摩爾線程“燈塔計劃”支持下，北京大學EvoPhys團隊的全球首個5D世界模型EvoPhys-World，全程在基于S5000的夸娥集群完成原生訓練，連續(xù)37天登頂斯坦福WorldScore“世界生成”維度榜首。這是一個完全由中國科學家原創(chuàng)的前沿模型，且在基于MTT S5000的國產(chǎn)GPU集群上完成全棧原生訓練。

EvoPhys.ai創(chuàng)始人、首席執(zhí)行官譚樺杰認為，這標志著國產(chǎn)算力在支撐高水平AI研究方面取得重要進展；雙方后續(xù)還將聯(lián)合發(fā)布白皮書及EvoPhys-World技術(shù)報告。

EvoPhys.ai創(chuàng)始人、首席執(zhí)行官譚樺杰

合作伙伴的實際使用也提供了另一組驗證。京東集團技術(shù)委員會主席、京東云總裁曹鵬表示，京東與摩爾線程有深度合作；在京東模型工廠中，雙方圍繞MTT S5000開展模型訓練、適配和調(diào)優(yōu)，最新發(fā)布的一系列JoyAI大模型中，相當一部分訓練算力來自摩爾線程。

京東集團技術(shù)委員會主席、京東云總裁曹鵬

第三條擴展定律發(fā)生在推理側(cè)，即Test-time thinking：模型在推理階段投入更多思考步驟，通常能夠換取更高的任務表現(xiàn)，但同時也會消耗更多算力。它對應的生產(chǎn)場所，是詞元生產(chǎn)工廠。

這條定律發(fā)生的場所是詞元生產(chǎn)工廠，也是三個工廠中覆蓋用戶最廣的市場。每個人向豆包、DeepSeek或Kimi提問，本質(zhì)都是在向詞元工廠下訂單。

這也是規(guī)則最殘酷的市場。目前，模型深度思考后智能水平雖能高一截，但代價是每一步都在燒錢。

董龍飛點破了訓練與推理的商業(yè)邏輯差異。他指出，訓練對性價比不敏感，卡慢10%，無非30天的任務多訓3天；推理則不同，Token成本高10%，用戶便會用腳投票。

呂其恒給出一個更具沖擊力的對比：一次傳統(tǒng)搜索和一次大模型對話，算力消耗相差約10萬倍，而大眾級應用遠未完全爆發(fā)，“一旦人人都用，目前的算力和電力遠遠不夠”。

詞元工廠的競爭，由此成為一門極致的成本工程學。PD異構(gòu)分離方案是一個關(guān)鍵解法，摩爾線程也有相應布局。

當前長上下文推理的瓶頸正從Decode生成側(cè)轉(zhuǎn)向Prefill輸入側(cè)，前者吃顯存帶寬，后者吃算力，同構(gòu)部署無法兩全。摩爾線程把Prefill交給S5000計算池，Decode交給國際主流GPU生成池，分池部署、獨立優(yōu)化，獨家支持KV Cache FP8和1M超長上下文。

張建中算了一筆賬：3臺S5000加2臺國際主流計算卡的異構(gòu)組合，吞吐可頂9臺國際主流計算卡。

在推理側(cè)，曹鵬表示，京東自研xLLM推理引擎已經(jīng)與MTT S5000完成深度適配，支撐京東集團內(nèi)部大規(guī)模Token應用。

趨境科技創(chuàng)始人、首席執(zhí)行官艾智遠則從生產(chǎn)側(cè)給出了更直接的驗證。

趨境正與摩爾線程深度合作，基于MTT S5000與國際主流GPU的異構(gòu)方案構(gòu)建日均萬億級Token產(chǎn)能。艾智遠表示，S5000在計算能力、超長上下文、高穩(wěn)定與高并發(fā)、FP8支持和生態(tài)遷移等方面的能力，是趨境將其納入實際生產(chǎn)方案的重要原因。

趨境科技創(chuàng)始人、首席執(zhí)行官艾智遠

MiniMax副總裁薛子釗也表示，2026年是國產(chǎn)芯片走向真實線上訓練和推理的重要拐點，越來越多國產(chǎn)算力開始承擔實際業(yè)務；MiniMax也將推動大規(guī)模國產(chǎn)芯片推理集群上線。

MiniMax副總裁薛子釗

3.超節(jié)點：三大AI工廠的共同底座

再往上看，摩爾線程展出的MTT C256超節(jié)點并不只服務于詞元工廠，而是三大AI工廠共用的系統(tǒng)級底座。

MTT C256超節(jié)點

它通過一層Scale-up網(wǎng)絡，實現(xiàn)標準單寬機柜128卡全互聯(lián)、兩柜256卡高速互聯(lián)，將256張GPU組織成一臺數(shù)據(jù)中心級計算機；卡間通信延遲壓縮至亞微秒級，為大模型并行計算提供更大的優(yōu)化空間。

放到三大工廠的框架中，C256在訓練側(cè)可作為十萬卡集群的核心組件，支撐預訓練、后訓練和強化學習；在推理側(cè)面向大規(guī)模MoE與百萬級長上下文，以低延遲、高吞吐降低Token成本；在智能體側(cè)，則為AI Coding等高并發(fā)、低時延任務提供算力支撐。

相比單純增加卡數(shù)，C256更值得強調(diào)的壁壘在于工程化能力：2U節(jié)點設計兼容現(xiàn)有智算軟硬件生態(tài)，高效液冷、三盲插、RAS機制和集群管理系統(tǒng)，則共同保障了大規(guī)模部署下的穩(wěn)定性、可維護性，以及從萬卡向十萬卡集群平滑擴展的能力。

與超節(jié)點的Scale-up路線并行，PD異構(gòu)方案還體現(xiàn)了另一種思路：在開放架構(gòu)下兼容客戶已有的計算設備，讓存量資源繼續(xù)發(fā)揮價值。

目前，大量企業(yè)手里握著已采購的國際主流GPU，異構(gòu)推理讓存量設備繼續(xù)發(fā)揮價值，國產(chǎn)芯片得以用“搭班子”的方式進入推理市場。配合對GLM、DeepSeek、Qwen、Kimi、MiniMax等主流模型的Day-0適配，新模型發(fā)布當天即可部署。

某種程度上，詞元工廠的勝負手，已從單卡參數(shù)表轉(zhuǎn)向了整套軟件棧成熟度。

三條Scaling Law之外，還需要回答Token最終流向哪里。大量低成本、高質(zhì)量的Token生成后，最終要通過智能體轉(zhuǎn)化為現(xiàn)實場景中的生產(chǎn)力。

如果說詞元工廠負責“生產(chǎn)Token”，智能體生產(chǎn)工廠負責的就是讓Token轉(zhuǎn)化為行動：在電腦中操作Office和瀏覽器的是數(shù)字智能體，在物理世界中操縱設備的是機器人。智能體生產(chǎn)工廠由此成為詞元工廠向行動層的延伸。

摩爾線程選擇分兩條腿走路。

數(shù)字智能體一側(cè)，是自研的“小麥”，掌握60余項技能，支持38款APP跨應用控制。同時承載它的AIBOOK算力本，在MTT AIOS原生Linux系統(tǒng)下預裝OpenClaw智能體，單機支持12個智能體并行，把研發(fā)、設計、營銷、客服編成一支數(shù)字員工隊伍。

物理智能體一側(cè)，是全棧國產(chǎn)化具身智能仿真平臺MT Lambda，旨在賦能用戶構(gòu)建數(shù)據(jù)合成、策略訓練、仿真驗證的高效工作流。物理仿真、渲染、AI訓練三類負載在同一顆GPU內(nèi)完成，數(shù)據(jù)零拷貝。

染能力可以在數(shù)據(jù)生成、具身仿真等環(huán)節(jié)提供支持。這意味著，訓練、推理和物理智能不再只是三條相互獨立的產(chǎn)品線，而是開始在同一客戶的業(yè)務鏈路中形成閉環(huán)。

三個工廠講到這里，脈絡已經(jīng)清晰，訓練工廠創(chuàng)造智能，詞元工廠給智能計價，智能體工廠讓智能干活。背后的三條擴展定律各自狂奔，把算力需求拉向三個完全不同的方向。

客觀來看，若將這三大工廠的任意一環(huán)單拎出來，都足以作為一家公司攻克的戰(zhàn)略命題，為什么摩爾線程一家公司能夠同時做成三件事？

4.全功能GPU與統(tǒng)一軟件棧的先見之明

全功能GPU和統(tǒng)一軟件棧，是摩爾線程在創(chuàng)辦第一天就寫下的答案，給今天三大AI工廠的戰(zhàn)略以及云邊端生態(tài)布局打下了基礎。

目前，摩爾線程的三大工廠共用同一套MUSA架構(gòu)、同一套軟件棧，甚至同一顆芯片的技術(shù)源頭。董龍飛解釋道：“我們?nèi)齻€工廠不是說有不同的技術(shù)、不同的產(chǎn)品，整個技術(shù)體系從GPU芯片架構(gòu)到上面的系統(tǒng)，都是完整統(tǒng)一的。一套軟硬件方案支撐三個工廠，這也是我們的產(chǎn)品被稱為‘全功能GPU’的原因?！?/p>

“全功能”容易被聽成宣傳話術(shù)，其內(nèi)核卻是一場“通才”與“專才”的路線之爭。

專用芯片的邏輯，是賭定一個確定的計算范式，把效率和成本做到極致。這個賭注在范式穩(wěn)定時無疑能獲得回報豐厚，但AI是一個范式劇烈動蕩的行業(yè)，且模型的迭代速度和芯片的生產(chǎn)周期之間存在鮮明的張力。

芯片從設計到投產(chǎn)大致需要兩年，2024年設計的芯片很難預測今天中國大模型的模樣。同樣，也沒人能保證2028年的模型還在延續(xù)今天常見的結(jié)構(gòu)?！叭绻酒ㄓ眯圆粔?，今天投入幾十億建的智算中心，兩年后可能就沒法用了?！倍堬w表示。

GPU的價值，在于站在性能和靈活度的交界處。從CNN到Transformer，再到正在興起的世界模型，每次計算范式更迭，GPU都沒有出局。

MUSA架構(gòu)在這個邏輯上再加一層。單芯片同時集成AI計算、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。這條“算、渲、仿”一體化路線上，全球的對標者是英偉達，國內(nèi)此前沒有第二個玩家。

目前來看，全功能GPU在大語言模型時代或許看似有些功能“冗余”，但到物理AI時代，全功能便是更優(yōu)解。

呂其恒解釋了具身智能對算力的特殊要求。他表示，語言模型計算的是符號，具身智能計算的是世界本身，需要構(gòu)建1:1的數(shù)字孿生環(huán)境，要符合物理定律，要光追級的高保真渲染去覆蓋現(xiàn)實采集無法窮盡的極端場景，訓練完還要在仿真中做強化學習，才能Sim-to-Real。

還是以S5000為例，S5000不止能做訓練和推理，加上摩爾線程自研的AI生成式渲染（AGR）和Ray-Tracing（光線追蹤）技術(shù)，便能支持機器人企業(yè)在MT Lambda上做逼真的圖形仿真渲染，完成機器人的仿真訓練。

同時，統(tǒng)一架構(gòu)也為摩爾線程云邊端協(xié)同的生態(tài)布局提供了現(xiàn)實基礎。

AICUBE和AIBOOK搭載的都是摩爾線程自研智能SoC“長江”，具備50TOPS異構(gòu)算力，其中的GPU與S5000同出一項技術(shù)，只是做得更小。

一顆芯片既能撐起萬卡集群，也能塞進筆記本和電視盒子。計算產(chǎn)業(yè)“先做大、后做小”這條產(chǎn)業(yè)老路，正在智能體時代發(fā)生最新一輪重演。IBM的大機變成PC，成就了微軟和英特爾；互聯(lián)網(wǎng)的基建濃縮進手機，成就了移動互聯(lián)網(wǎng)。算力企業(yè)向終端滲透，在國外是常識，只是在中國市場，芯片公司做消費品，如今還顯得有些新鮮。

回到本章開頭的問題。全功能GPU和架構(gòu)統(tǒng)一是最關(guān)鍵的“1”，三個工廠是后面的“0”，如果缺了統(tǒng)一架構(gòu)，三個工廠就是三塊互不相干的業(yè)務；有了它，訓練、推理、智能體連成一條可以自我強化的流水線。

5.國產(chǎn)算力的牌桌上，摩爾線程不止當玩家

獨特的技術(shù)定位也塑造著摩爾線程獨特的生態(tài)位。

過去一年，能支撐推理任務的自主算力集群越來越多，推理價格戰(zhàn)已經(jīng)開打，但真正能夠被高效使用的算力集群依然屈指可數(shù)。

政策口徑印證了這一點。2026年1月7日，工信部等八部門正式印發(fā)《"人工智能+制造"專項行動實施意見》，明確提出要“推動智能芯片軟硬協(xié)同發(fā)展，支持突破高端訓練芯片、端側(cè)推理芯片、人工智能服務器、高速互聯(lián)、智算云操作系統(tǒng)等關(guān)鍵核心技術(shù)”。

而摩爾線程是國內(nèi)極少數(shù)建成萬卡集群、跑通“國芯訓國?！比溌?，且能夠支撐云邊端多元負載的芯片公司。

對于國產(chǎn)算力的市場潛力，摩爾線程也十分有信心。

盡管短期來看，資本市場對算力投資的態(tài)度難免波動，關(guān)于算力過剩的討論時有發(fā)生，但董龍飛從更高維度給出了判斷：“今天在中國建的算力，是為中國未來十年、二十年建的新基礎設施。就像修鐵路、修高速公路，第一天看永遠供不應求?！?/p>

其中，一個巨大的增量市場便是智能終端。目前，多數(shù)手機和PC仍未成為真正意義上的AI原生終端，相關(guān)增量市場仍處于早期階段，更不用說還有無數(shù)形態(tài)未定的AI設備正在涌現(xiàn)，長期來看，AI算力的市場需求仍未見頂。

事實上，市場的態(tài)度波動和摩爾線程這類基礎設施建設者的分歧往往來自于時間尺度，后者往往會選擇押注更長期的結(jié)果。

目前，摩爾線程正在大力建設生態(tài)，試圖組建一支“國家隊”。

國內(nèi)目前有許多優(yōu)秀的芯片公司，芯片架構(gòu)也越來越多元，異構(gòu)將長期存在，但從孕育一個產(chǎn)業(yè)生態(tài)的生態(tài)的視角來看，“我們不能讓開發(fā)者今天適配這家，明天適配那家，工具鏈五花八門，那樣成本太高?！备吡蛀愔毖?。

因此，各家在應對良性市場競爭，守住自身技術(shù)獨特性的同時，必須擰成一股繩，把整個生態(tài)的盤子做大，這是對國家產(chǎn)業(yè)與用戶最優(yōu)的路徑。

“我們的目的，是讓這支‘國家隊’代表中國，打造出世界一流的算力平臺。通過合作，在Token工廠里為不同層級的市場需求提供最優(yōu)性價比的產(chǎn)品?！备吡蛀惐硎尽?/p>

從產(chǎn)業(yè)發(fā)展視角出發(fā)，提升國產(chǎn)算力整體可信度這道命題，分量超過任何單一競爭者。摩爾線程希望通過每一次Day-0適配、每一次萬分之六量級的精度對齊、每一個在國產(chǎn)集群上跑通的前沿模型，給整個國產(chǎn)芯片陣營攢信譽。

只有信譽攢夠了，生態(tài)成熟了，客戶才敢把下一個SOTA模型，放心交給國產(chǎn)算力。

（封面圖來源：摩爾線程）