国产算力迈入万卡时代：中科曙光与摩尔线程发布新一代GPU架构
经济观察报记者 郑晨烨
12月20日，北京中关村国际创新中心，摩尔线程（688795.SH）举办了首届MUSA开发者大会，在现场，这家刚登陆A股市场的国产GPU公司，发布了其最新的全功能GPU架构“花港”，以及基于该架构的芯片路线图。
就在这场开发者大会举办的两天前，12月18日，另一家老牌国产算力系统厂商中科曙光（603019.SH），对外发布了名为“scaleX”的万卡超集群系统。
在2025年即将结束时，国产算力产业链拿出了两份有实质性突破的新成果，同时也不难看出，国产算力的竞争焦点，已经从单纯比拼单张显卡的参数，转移到了如何构建一个能稳定运行的万卡级系统上。
对于正在训练万亿参数大模型的下游客户来说，单张芯片的性能早已不是唯一的考量标准。
当模型参数量突破万亿，单一芯片的物理性能触及瓶颈，算力的提升只能依靠规模堆叠。行业面临的核心问题，变成了如何让一万张计算卡像一张卡一样协同工作。
在12月20日的发布会上，摩尔线程试图从底层的芯片架构层面解决这个问题。
根据现场信息，其最新的“花港”架构，最核心的变化在于计算密度的提升与对低精度的支持，摩尔线程最新数据显示，相较于上一代产品，新架构的算力密度提升了50%，效能提升了10倍。
此外，“花港”架构还支持从FP4到FP64的全精度计算，并新增了对MTFP6、MTFP4及混合低精度的支持。
基于这一新架构，摩尔线程公布了两款未来芯片的规划，“华山”与“庐山”。
“华山”定位为AI训推一体芯片，专攻大规模智算，旨在为万卡级智算集群提供算力支撑。“庐山”则专注于高性能图形渲染，最新数据显示，“庐山”的AI计算性能较前代提升64倍，光线追踪性能提升50%。
从对下一代产品的规划上看，摩尔线程依然继续坚持走“全功能GPU”的技术路线，即同时覆盖图形渲染与人工智能计算两个市场。
就在摩尔线程发布新架构的前两天，中科曙光也发布了scaleX万卡超集群系统，这是国产万卡级算力集群首次以真机形式公开亮相。
与芯片厂商侧重于微观架构的视角不同，中科曙光解决的是算力堆叠后的物理与工程难题。
构建一个万卡集群，最大的挑战不仅在于软件，还需要解决散热、供电与物理空间限制等多重挑战。
当上万张高功率的算力芯片集中在一个数据中心时，产生的热量和消耗的电力是惊人的。
中科曙光12月18日发布的scaleX万卡集群系统，由16个scaleX640超节点通过scaleFabric高速网络互连而成，总计可部署10240块AI加速卡。
为了解决高密度带来的散热问题，该系统采用了浸没相变液冷技术。
最新数据显示，scaleX万卡集群系统单机柜算力密度相比业界提升了20倍，PUE（能源使用效率）值降至1.04。
这意味着，在同等的物理空间和电力供给下，液冷技术能够容纳更多的算力密度。对于寸土寸金的数据中心而言，这直接关系到运营成本和算力部署的上限。
在解决了“热”和“电”的问题后，横亘在万卡集群面前的另一道墙，是“网”。
在分布式计算中，当GPU数量增加到一定规模时，节点间的通信延迟会成为拖累整体性能的短板，如果网络带宽不够，计算卡计算得再快，也得停下来等待数据传输，这就是业内常说的“通信墙”。
两家公司也都拿出了针对这一问题的解决方案。
摩尔线程在“花港”架构中集成了新一代异步编程模型，并通过自研的MTLink互联技术，宣称支持十万卡以上规模的智算集群扩展；而中科曙光则发布了scaleFabric网络，基于国内首款400G类InfiniBand的原生RDMA网卡与交换芯片，实现了400Gb/s的带宽与低于1微秒的端侧通信延迟。
除了训练端的竞赛，大模型应用落地带来的推理需求，也成为两大厂商关注的另一个重点。
随着DeepSeek等国产大模型的参数量达到671B（6710亿）级别，如何在国产硬件上跑通这些“庞然大物”，成为检验硬件厂商成色的试金石。
摩尔线程在现场展示了其与硅基流动合作的测试数据：在DeepSeek R1 671B全量模型上，其MTT S5000单卡Prefill（预填充）吞吐量突破4000 tokens/s，Decode（解码）吞吐量突破1000 tokens/s。
简单来说，国产GPU在应对千亿参数大模型的复杂推理任务时，已经具备了跑通全流程的吞吐能力。
硬件的堆叠终究只是基础，算力的释放最终依赖于软件生态的成熟度。
摩尔线程在大会上宣布其MUSA统一架构升级至5.0版本，并披露了核心计算库muDNN在GEMM（通用矩阵乘法）与FlashAttention（闪电注意力机制）上的效率超过98%。
在硬件规格逼近国际主流水平后，国产厂商的研发重心正在向软件栈的优化转移，试图修补长期以来在CUDA生态面前的短板。
与此同时，中科曙光方面也强调了其系统的兼容性。
scaleX万卡超集群支持多品牌加速卡，并已完成400余个主流大模型的适配优化，这种开放架构的策略，亦反映了系统厂商在多芯片共存时代的生存逻辑，不绑定单一芯片，而是提供一个能够兼容不同国产算力的底座。
（作者 郑晨烨）
免责声明：本文观点仅代表作者本人，供参考、交流，不构成任何建议。
郑晨烨
深圳采访部记者 关注新能源、半导体、智能汽车等新产业领域，有线索欢迎联系：zhengchenye@eeo.com.cn，微信：zcy096x。
相关攻略
科技板块近期出现回调，分析指出这主要受短期因素影响，人工智能等产业的中期趋势未变。投资布局可关注“算力”与“复苏”双主线，算力方向包括AI、光模块、PCB、存储芯片等核心环节；复苏方向则涉及电网设备、人形机器人及部分传统周期板块。中报业绩将成为验证各细分领域景气度的关键指标。
算力租赁市场持续升温，行业格局悄然生变 4月15日，资本市场上的算力租赁板块表现相当活跃，反复走强。午后，协创数据（300857 SZ）、宏景科技（301396 SZ）的股价涨幅超过了10%，利通电子（603629 SH）更是逼近涨停板，股价续创历史新高。与此同时，恒润股份（603985 SH）、亿
OpenAI内部备忘录曝光：直指竞争对手Anthropic算力规模“不在一个量级” AI领域的竞争，火药味越来越浓了。就在本周，OpenAI向投资者发送的一份内部备忘录被曝光，内容直指其主要竞争对手Anthropic。OpenAI在文件中毫不客气地指出，双方的“规模体量完全不在一个量级”，并称Ant
高端GPU缺货、存储价格上涨、AI项目交付延迟。过去几个月，算力供给的收紧，正在从上游快速传导至整个IT产业链。多位渠道商近日对第一财经记者表示，AI算力需求的爆发已明显拉长关键设备的交付周期。“高
走进上海智能算力科技有限公司（下称“智算科技”）位于上海松江区的国产万卡集群智算中心，刚踏入机房大门，浑厚而持续的风扇轰鸣声便扑面而来。目光所及，数万张GPU在机柜里整齐排列、鳞次栉比；高速网络线缆
热门专题
热门推荐
在流量日益分散的今天，把鸡蛋放在同一个篮子里，风险不言而喻。多平台推广，早已不是“要不要做”的选择题，而是“如何做好”的生存题。它的核心价值，可以概括为两点：实现“流量风险对冲”，以及构建“品牌触点全覆盖”。通过在不同生态位——无论是搜索、短视频、图文还是电商——建立内容矩阵，企业不仅能有效缓冲单一
DeepSeek知识库的核心，是运用RAG（检索增强生成）技术，将DeepSeek强大的大语言模型推理能力，与您的私有文档资源——包括PDF文件、内部代码库、标准操作流程（SOP）等——深度融合。其最终目标是实现基于特定垂直领域数据的精准智能问答，让AI的回答不再是通用泛化，而是具备专业依据、内容详
三大运营商推出Token套餐，将大模型调用量包装为类似流量包的产品，以降低AI使用门槛。中国电信推出个人与企业多档套餐，最低月费9 9元；上海移动推出1元购40万Tokens服务；联通则提供个人与团队版套餐。运营商凭借用户渠道和支付优势，推动算力消费向大众市场普及，可能重塑AI服务消费模式。
HermesAgent本地运行缓慢常因未量化的大语言模型占用资源过多。可通过AWQ量化模型、llama cpp后端加载GGUF模型、配置vLLM引擎提升并发吞吐、禁用非必要工具降低上下文开销，以及调整SQLite记忆检索阈值等方案优化。这些方法能显著降低延迟，提升响应速度。
随着AI智能体能力的持续增强，确保其行为始终符合预设目标与安全边界，已成为行业亟待解决的核心挑战。然而，当前主流的治理方案在防止智能体“失控”或“脱轨”方面，仍面临显著的实践瓶颈。 在之前的探讨中，我们分析了主流治理思路：部署多样化的对抗性验证器，构建一个多层次的安全审查网络。该方案的核心逻辑并非限