全网首测！首款国产GPU「AI算力本」现场上手

---

  新智元报道  

等等，是不是起猛了？

我们好像真的见证了历史：市面上第一台真正基于国产GPU的AI笔记本，诞生了！

它叫MTT AIBOOK。

除了搭载首款国产全功能显卡，它最大的必杀技在于——这是一台彻头彻尾为AI而生的便携式AI PC。

搞过AI开发的都知道，环境配置是「劝退第一关」。

MTT AIBOOK主打一个开箱即用：Python、VS Code、Jupyter、PyTorch全家桶全部预装到位。

这种「保姆级」服务，彻底终结了「环境没配好，头发先掉光」的玄学。

不管是技术小白还是专业大牛，都能将精力全花在创意与算法上，而不是浪费在解决command not found这种琐事上。

更硬核的是，它还打破了系统壁垒——Linux、Windows、安卓三大生态全部奉上：

• 原生Linux：基于Linux底层的MT AIOS，为AI开发提供最纯粹、高效的环境。

• GPU虚拟化（Windows云桌面）：利用GPU虚拟化技术，无需重启即可流畅运行Windows系统。码代码、写PPT，顺便打开Steam开一局，无缝切换。

• 安卓容器：通过安卓容器，甚至连移动端生态也一并「吞」下。挂个手游、刷个短视频，电脑上全搞定。

AI+游戏+办公，这一台就够了！

它的背后，正是摩尔线程全栈自研的MUSA统一系统架构。

算力之争，软硬同等重要。

英伟达之所以难以撼动，核心在于其深耕二十年的CUDA生态。

对此，摩尔线程给出的答案就是——MUSA：

全名Meta-computing Unified System Architecture，元计算统一系统架构。

这绝非对CUDA的简单模仿，而是从指令集、编程模型到运行库的全栈自研。

MUSA不仅仅是芯片，而是一个从底层硬件到上层生态的完整系统，主要包含三个层级：

• 最底层： 摩尔线程全功能GPU（Universal GPU），内置四大引擎，能够处理各种行业、不同精度和类型的数据。

• 中间层： 夸娥智算集群。基于全功能GPU搭建的硬件系统，支持从单机到万卡、甚至十万卡超大规模集群。

• 最上层： MUSA全套软件栈。包含加速库、调试工具、应用案例以及AI训练和推理的整体系统框架。

MUSA 5.0软件栈在本次大会上全面升级，它涵盖了AI计算、图形渲染、物理仿真、超高清视频编解码等全场景的开发工具。

在AI框架层面，MUSA深度适配了PyTorch、PaddlePaddle，并新增了对Jax、TensorFlow以及TileLang的支持。

MUSA 5.0在性能层面实现了极致优化。

在计算方面，芯片设计的集成效率极大提升，HGEMM（半精度通用矩阵乘法）算子效率达到98%；

在通讯方面，效率发挥至97%。这些提升让开发者能更充分地利用MUSA GPU的算力。

对后来者而言，横亘在面前的不仅是算力高墙，更是英伟达构筑二十载的软件护城河。

全球数百万开发者早已习惯了CUDA的语言体系，海量的存量代码不仅是技术资产，更是牢不可破的生态闭环。

为了在这块铁板上撕开缺口，摩尔线程祭出了关键的战略棋子——MUSIFY。

在业界，它被形象地称为「跨界翻译官」。

其核心逻辑简单而直接：通过自动化移植工具，将原本绑定在国际主流平台上的C++源代码，转化为MUSA架构的C++源代码，让开发者以最小成本将国际主流GPU平台应用移植至MUSA GPU，最终运行在全功能GPU上。

这是一场效率与成本的赛跑。

MUSIFY的出现，试图让开发者以近乎「零成本」的代价实现应用迁移。

它不仅将开发者从枯燥的底层代码重写中解放出来，更在国产GPU生态的荒原上，迅速平整出一条通往商业落地的快车道。

MUSIFY能实现代码「一键搬家」，根源在于MUSA架构在设计之初就选择了与CUDA底层逻辑兼容。

它不仅是个翻译工具，更是MUSA架构兼容能力的具体体现。

这种「原生适配」让开发者几乎不用重写代码，就能顺滑地换上国产GPU，把迁移门槛降到了最低。

靠着这种极低的切换成本，摩尔线程精准接住了英伟达溢出的生态红利，成了打破封锁、抢占市场的利刃。

为了满足更广泛和前沿的开发需求，MUSA 5.0推出了面向AI和渲染融合的全功能编程语言——muLang。

它让开发者通过一套指令集即可完成3D图形和AI计算场景的编程。

此外，面向未来的量子计算领域，摩尔线程推出了MUSA-Q框架，让经典计算框架与量子框架结合，更好赋能量子计算应用。

同时，为了满足高端开发者对精细化控制的需求，摩尔线程还将在明年开放MTX，允许开发者利用汇编语言精准操控GPU资源。

MUSA的理念是统一性、开放性与完整性。

中国工程院院士郑纬民在演讲中指出：「真正决定主权AI成败的，在于是否有足够多的开发者愿意长期在这套栈上写代码。」

摩尔线程显然深谙此道。

大会上，摩尔线程宣布了一项庞大的开源计划：逐步开源计算加速库（MATE、MUTLASS）、通信库（MT DeepEP）以及系统管理框架。

这意味着，摩尔线程正在将底层的核心能力开放给社区，邀请全球开发者共同打磨MUSA生态。

如果说芯片是算力的心脏，那么架构就是芯片的灵魂。

英伟达之所以强大，在于其Hopper、Blackwell等架构的持续演进。

摩尔线程深知，要想在牌桌上拥有话语权，必须拥有自主可控且具备持续迭代能力的底层架构。

摩尔线程保持着一年一代架构的迭代速度：

摩尔线程架构演进历程

如今，摩尔线程正式揭晓了其第五代全功能GPU架构——「花港」。

这是一次从指令集到计算单元的深度重构。

根据官方披露的数据，基于新一代指令集架构及MUSA处理器架构，「花港」在算力密度上实现了50%的提升，而计算能效更是实现了惊人的10倍跃升。

在半导体工艺制程逼近物理极限的当下，单纯依赖工艺红利已难以为继，架构的优化成为了提升性能的关键。

摩尔线程的技术团队通过对计算单元的精细化设计，在单位面积内塞进了更多的算力，这直接回应了数据中心对于高密度算力的渴求。

· 精度革命：从FP64到FP4的全栈支持

在AI大模型时代，计算精度的选择至关重要。

英伟达在Blackwell架构中引入了FP4精度，而摩尔线程的「花港」架构同样敏锐地捕捉到了这一趋势。

「花港」实现了从FP4到FP64的全精度端到端计算支持。

特别是在低精度计算方面，新增了MTFP6、MTFP4以及混合低精度加速技术。

这已深入到了微架构层面。

在「华山」芯片的研发中，摩尔线程针对Attention算子中的SIMT（单指令多线程）部分进行了革新性升级，原生支持矩阵Rowmax计算，大幅提升了混合精度下的吞吐量。

更值得一提的是TCE-PAIR技术，在Tensor Core（张量核心）的设计中，创造性地让两个TCE（张量计算引擎）共享数据，减少了数据的重复调用，极大地提升了内部引擎的效率。

· 异步编程：榨干每一滴算力

在高性能计算中，最大的浪费往往来自于「等待」。

「花港」架构引入了新一代异步编程模型。

通过全面优化任务与资源调度机制，新的模型支持高效线程同步、线程束特化以及常驻核函数。

简单来说，这就像是一个经验丰富的交通指挥官，能够实时感知每一个计算单元的状态，将任务无缝地填入每一个空闲的间隙。

与那些只做GPGPU（通用计算GPU）的厂商不同，摩尔线程始终坚持「全功能」路线。

在张建中看来，未来的数字世界是物理与虚拟的深度融合。

因此，「花港」架构在图形渲染方面也进行了大刀阔斧的革新。

它集成了一种全新的AI生成式渲染架构（AGR），这是摩尔线程首创的技术，利用AI技术来加速图形渲染流水线。

同时，新二代的硬件光线追踪加速引擎被引入，使其能够完美支持DirectX 12 Ultimate标准。

这意味着，基于「花港」架构的GPU，不仅能跑大模型，还能流畅运行《黑神话：悟空》这样的3A大作。

· 华山：为「AI工厂」而生

AI旗舰GPU「华山」芯片，性能已介乎英伟达Hopper架构GPU（以H200为代表）和Blackwell架构GPU（以B200为代表）之间！

「华山」芯片专注于AI训推一体及高性能计算。

如果说「花港」是蓝图，那么「华山」就是摩尔线程为建设「AI工厂」打造的基石。

它的核心使命是解决大模型训练中的算力与通信瓶颈。

在算力层面，「华山」集成了新一代Tensor Core，支持FP4至FP64的全精度计算，特别是在低精度训练推理场景下，利用MTFP8和MTFP4的优势，加速Transformer模型中的Attention计算。

在通信层面，「华山」集成了ACE 2.0（异步通信引擎）。

这是一个摩尔线程的独创技术，旨在让通信与计算完全并行处理。

在ACE 2.0中，每一个计算单元内部都设计了一个小型的ACE，使得通信的颗粒度更细，效率更高。

此外，配合新一代Scale-up系统，单个超节点可以支持高达1024个GPU的直接互联，这为构建万卡甚至十万卡集群提供了强大的物理基础。

· 庐山：重塑国产图形巅峰

「庐山」芯片则主攻高性能图形渲染。

它的出现，是对「国产GPU性能羸弱」这一刻板印象的有力回击。

根据官方数据，「庐山」的图形性能实现了全面跨越：AI计算性能较前代S80提升64倍，几何处理性能提升16倍，光线追踪性能提升50倍，运行3A游戏的性能提升了15倍。

而S80的3A游戏性能已不容小觑：

上下滑动查看

「庐山」不仅是一张显卡，更是一个生产力工具。

它集成了AI生成式渲染、UniTE统一渲染架构及全新硬件光追引擎。

在工业软件国产化的大潮中，CAD、CAE等专业软件对GPU的几何处理能力和稳定性有着极高要求。

「庐山」的出现，填补了国产高性能专业显卡的空白，为建筑设计、影视后期、工业仿真等领域提供了自主可控的选择。

单卡性能的提升固然重要，但在大模型时代，真正的决胜点在于集群。

如何让成千上万张显卡像一个大脑一样协同工作，是摆在所有GPU厂商面前的一道天堑。

摩尔线程给出的答案是——「夸娥」（KUAE）万卡智算集群。

「夸娥」取自中国神话「愚公移山」中背负太行、王屋二山的大力神，寓意着摩尔线程要背负起中国算力的重任。

这是一个全栈式的智算解决方案，单集群可部署超过1000个计算节点，每节点集成8颗自研OAM模组化GPU。

发布会上披露的数据显示，「夸娥」集群在工程化能力上已经达到了国际主流水平：

• 浮点运算能力：达到10 Exa-Flops。

• 训练效率：在Dense大模型上，训练算力利用率（MFU）达到60%；在MoE（混合专家）模型上达到40%。

• 扩展性：训练线性扩展效率达95%。

这些数字的背后，是摩尔线程对网络拓扑、存储系统、散热供电以及调度软件的极致优化。

在万卡规模下，任何一个微小的延迟或故障都会被无限放大。

摩尔线程通过3D全互联拓扑，实现了亚微秒级的通信延迟，确保了数据在数万个计算核心之间的高速流转。

· 零中断容错：给训练装上「保险丝」

在大模型训练中，最令人崩溃的莫过于训练中断。

为了解决这一痛点，摩尔线程推出了「夸娥万卡训练容错系统」。

这套系统的目标是将ETTR（有效训练时间比率）提升至99%。

它支持训练异常的在线诊断，能够实时捕捉无响应、慢节点等问题。

更具创新性的是其「零中断」能力：当发生故障时，系统通过DP（数据并行）组级故障隔离机制，仅隔离受影响节点所在的组，其余组别继续训练。备机接入后，仅需重建对应链路，全程无需整体训练中断。

这就像是在高速行驶的列车上更换轮胎，保证了列车始终全速前进。

算力的价值在于应用。

在MDC 2025的展区里，我们看到了全功能GPU在各个行业的真实落地。这不再是PPT上的愿景，而是正在发生的产业变革。

 该图片疑似AI生成

摩尔线程全功能GPU行业应用案例全景

· DeepSeek实战：国产算力的试金石

任何技术指标都不如实战数据来得有说服力。

摩尔线程联合硅基流动，在当前最火热的开源大模型DeepSeek上进行了验证。

在训练侧，摩尔线程完整复现了DeepSeek V3的FP8训练流程。自研的FP8 GEMM算力利用率高达90%，并突破了FP8累加精度不足的业界难题。

在推理侧，基于摩尔线程MTT S5000智算卡，运行DeepSeek R1 671B全量模型，实现了单卡Prefill吞吐突破4000 tokens/s，Decode吞吐突破1000 tokens/s。

这一成绩树立了国产GPU推理性能的新标杆，证明了国产芯片完全有能力承载最前沿、最复杂的AI模型。

· 具身智能：从云端到指尖

在具身智能领域，摩尔线程展示了「云-边-端」的全栈布局。

在端侧，发布的「长江」智能SoC芯片集成了CPU、GPU、NPU等多种核心，提供50 TOPS的异构算力。

搭载「长江」芯片的MTT E300模组，被植入到机器狗、物流无人机中，使其具备了边缘侧的智能感知与决策能力。

摩尔线程还推出了MT Lambda具身智能仿真训练平台，整合了物理引擎（AlphaCore）、渲染引擎和AI引擎。

这使得机器人可以在虚拟世界中进行大规模的强化学习训练，极大地缩短了Sim-to-Real（从仿真到现实）的差距。

从「苏堤」的杨柳依依，到「花港」的鱼翔浅底，摩尔线程用一个个充满中国式浪漫的名字，书写了一段硬核的科技突围史。

这注定是一条孤独而艰难的道路。

在英伟达万亿市值的阴影下，摩尔线程像是一个无畏的攀登者，在悬崖峭壁间开辟出一条属于中国自己的路。

他们面对的，不仅仅是技术上的难题，更是生态的荒漠、市场的质疑以及地缘政治的寒风。

但他们坚持下来了。

因为他们深知，在智能时代，算力就是国力，芯片就是疆土。

MDC 2025不仅展示了技术，更展示了一种决心，一种不甘受制于人、敢于在核心领域亮剑的决心。

摩尔线程的万卡集群，就像是在比特的洪流中筑起的一座大坝，它不仅蓄积了中国AI产业发展的势能，更将源源不断地输出智能的电力，点亮千行百业的未来。

在这场关乎国运的科技长征中，没有捷径可走。

摩尔线程的每一步，都是在为中国科技的自立自强夯实地基。

正如张建中在演讲最后所说的那样，他们的愿景是「为美好世界加速」。

正在加速的，不仅是计算的速度，更是中国迈向科技强国的步伐。