首页 > 正文

全新架构、万卡集群、智算平台摩尔线程开发者大会还有哪些亮点？

2025年12月21日 00:10

来源：财联社

编辑：东方财富网

手机上阅读文章

提示：
微信扫一扫
分享到您的
朋友圈

大中小

　　国产GPU领军企业摩尔线程（688795.SH）的生态版图正在加速扩张。

　　12月20日，摩尔线程在北京举办首届“MUSA开发者大会”（MDC 2025），创始人、董事长兼CEO张建中介绍了公司研发历时五年的核心成果——新一代全功能GPU架构“花港”。

　　在长达数小时的主题演讲中，张建中将“全功能”视作摩尔线程的技术底座。

　　他认为，全功能GPU的创新本质是一部算力进化史，这意味着GPU芯片可以处理大部分的数据单元和格式。此次发布的“花港”架构采用新一代指令集，算力密度较上一代提升了50%，能效则提升了10倍，将于明年实现量产。

　　值得注意的是，“花港”架构实现了从FP4到FP64全精度的支持，并在图形技术上集成了第一代AI生成式渲染架构（AGR）和第二代光线追踪硬件加速引擎。

　　基于“花港”架构，摩尔线程同步公布了两款核心芯片规划。

　　主打AI训推一体、超智融合的“华山”以及专攻高性能图形渲染的“庐山”。

　　据现场披露的信息，“华山”芯片内置了新一代异步编程模型，具备高效线程同步和线程束特化特性，在张量计算方面，该芯片拥有全精度MMA，并配备了摩尔线程MTFP8/6/4混合低精度计算技术。

　　而另一款芯片“庐山”则重点优化了任务分配与平衡，其AI计算性能较前代提升了64倍，几何处理性能提升16倍，并完整支持DirectX 12 Ultimate。

　　芯片的迭代最终需落实到大规模工程化应用中。

　　在智算中心建设成为产业刚需的背景下，摩尔线程现场发布了“夸娥”万卡智算集群。

　　该集群的浮点运算能力达到10Exa-Flops，在实际运行表现上，该万卡集群在Dense大模型上的训练算力利用率（MFU）达到60%，在MOE大模型上为40%，有效训练时间占比超过90%。

　　针对当前市场关注度极高的推理性能，摩尔线程展示了其与硅基流动的合作成果。

　　在DeepSeek R1 671B全量模型上，摩尔线程MTT S5000单卡的Prefill吞吐量突破了4000 tokens/s，Decode吞吐量突破1000 tokens/s。这一数据意味着国产GPU在处理超大规模参数模型时，已在系统级工程优化上取得了实质性突破。

　　与此同时，摩尔线程还分享了面向下一代智算中心的MTT C256超节点架构规划，旨在通过高密硬件设计进一步提升集群能效。

　　软件生态的兼容性一直被视为国产GPU的命门。

　　张建中在会上宣布，公司自研的MUSA架构迎来全栈软件升级，升级后的MUSA 5.0在全栈统一性和效能上均有突破，其中，核心计算库muDNN的GEMM/FlashAttention效率超过98%，通信效率达97%。

　　摩尔线程还明确了开源计划，将逐步向开发者社区开放计算加速库、通信库及系统管理框架的核心组件。

　　此外，公司计划推出兼容跨代GPU指令架构的中间语言MTX，以及面向渲染与AI融合计算的编程语言muLang，以降低开发者的适配门槛。

　　在本次大会上，摩尔线程还做出了一项出乎市场预料的举动，正式进军个人智算终端硬件领域。

　　张建中在现场介绍了公司首款AI算力本MTT AIBOOK，售价为9999元（32GB+1TB版本），预计于2026年1月10日开售。

　　这款笔记本搭载了摩尔线程自主研发的智能SoC芯片“长江”，该SoC集成高性能全大核CPU及全功能GPU，异构AI算力达50TOPS。

　　从产品逻辑来看，MTT AIBOOK更像是摩尔线程为20万名开发者提供的“开箱即用”工具，该设备内置AI智能体和2D数字人“小麦”，支持0.5秒内生成数字人形象，并预装了Qwen3-8B大模型。

　　通过支持Windows、Linux、安卓容器及所有国产操作系统，摩尔线程试图将其MUSA生态从云端中心下沉到开发者的桌面端，实现代码调试与应用开发的闭环。

　　中国工程院院士郑纬民在大会现场指出，发展“主权AI”的核心在于算力自主、算法自强与生态自立。

　　他认为，虽然构建国产十万卡级别的智算系统存在极大挑战，但这是必须完成的产业基础设施任务，郑纬民特别强调，国产芯片平台必须构建起易用的开发环境，才能真正留住开发者社群。

　　在资本市场表现方面，作为“国产GPU第一股”，摩尔线程近期的股价呈现出明显的波动性。

　　受多重因素影响，公司股价在12月19日收报664.10元/股，跌幅为5.9%。相较于12月11日的高点，其股价累计跌幅已达29.4%，然而，若以发行价衡量，该股目前的涨幅仍超过481%，公司总市值依然维持在3121.46亿元的高位。

　　目前，全球算力市场正处于从单纯追求参数规模向追求推理效能和生态落地的转型期。