摩尔线程发布云边端一体化全栈智能计算解决方案
5月18日，摩尔线程在北京隆重召开年度产品发布会，以“词元时代，万物智能”为主题，深度洞察AI产业趋势。当前，由智能体（Agentic AI）驱动的词元（Token）需求正经历指数级增长，万物智能的临界点已然临近，这使得作为核心基础设施的智能算力变得前所未有的关键。
本次发布会，摩尔线程系统性地展示了其作为智能计算核心的战略布局与产品矩阵，一个贯通“云-边-端”的全栈智算体系清晰呈现：从支撑万卡级超大规模训练的夸娥（KUAE）智算集群，到由自研“长江”系列SoC驱动的智能终端设备MTT AICUBE和MTT AIBOOK；从具备人格化交互能力的数字世界智能体“小麦”，到加速物理AI落地的全栈具身智能仿真平台MT Lambda，以及持续迭代进化的MUSA软件生态。这不仅是一次核心技术与产品实力的集中展示，更标志着摩尔线程已成功构建从云端数据中心到边缘设备再到个人终端的完整智能算力闭环，为数字世界与物理世界深度融合的全场景AI应用提供了强大、可靠且自主的算力底座。
夸娥智算集群：全栈优化，赋能大模型训练与推理
在智算基础设施层面，摩尔线程以夸娥（KUAE）智算集群为核心，打造了一套面向词元时代、具备高性能与高扩展性的AI计算平台。目前，夸娥万卡级智算集群已实现规模化部署，多项关键性能指标达到业界领先水平。具体而言，在稠密（Dense）大模型训练中，其模型算力利用率（MFU）高达60%，在混合专家（MoE）模型上达到40%，集群有效训练时长稳定在90%，训练任务的线性扩展效率更是达到了95%。这些硬核数据充分证明了摩尔线程具备支撑万亿参数级别大模型长期、稳定、高效训练的综合实力。
大模型训练是一项涵盖预训练、持续预训练（CPT）、长文本扩展、指令微调（SFT）及基于人类反馈的强化学习（RLHF）等环节的复杂系统工程。为降低开发门槛，摩尔线程推出了夸娥训练套件，该套件覆盖大模型从预训练到后训练的全链路流程，集成了训练框架、主流AI框架及一系列训练辅助工具。套件特别强化了对强化学习流程的支持，兼容业界广泛采用的VeRL训推一体与Slime训推分离框架，并完成了对多种主流微调技术的适配。面对高达数十万亿Tokens的超大规模数据集，基于摩尔线程万卡集群训练的科学领域基础大模型，实现了全流程技术突破，在MMLU、C-Eval等权威评测基准上的表现持续优化。
在推理侧，摩尔线程展现了深厚的生态兼容性与快速响应能力。其产品已全面完成与DeepSeek、智谱GLM、MiniMax、月之暗面Kimi、通义千问Qwen等国内主流大模型的适配，同时支持领先的语音、视觉及多模态模型。尤为重要的是，摩尔线程的推理加速能力已获得开源社区认可，其技术被正式合入高性能推理框架SGLang的主线代码，并开源了vLLM-MUSA后端，使开发者能够原生调用摩尔线程GPU的算力，显著提升大模型推理吞吐量与效率。
夸娥云服务以“算力即服务”的模式，将顶尖大模型的推理能力快速转化为行业解决方案。发布会现场演示了基于GLM大模型的Vibe Coding应用，用户仅需用自然语言描述需求，即可自动生成功能完整的应用程序，整个过程由多智能体协同完成，无需编写代码。同时，通过AIGC微短剧智能制作工作流的展示，呈现了从剧本生成、分镜设计到视频合成与配音的全链路自动化创作，生动体现了夸娥平台在内容生成与AI应用落地方面的强大生产力。
“长江”SoC驱动：构建端侧全场景智能体验
发布会上，以人格化智能体“小麦”为核心的端侧AI产品系列正式登场。“小麦”智能体集成了情景感知决策、长上下文记忆检索、自主任务规划、多模态情绪识别以及跨端协同、端云一体等先进能力，旨在为用户提供有温度、个性化的专属AI伴侣。其技术底座由三大支柱支撑：运行于AI原生操作系统MTT AIOS之上，采用创新的二维拓扑记忆系统进行信息管理，并基于自研的Agent开源框架MTClaw构建。
为承载“小麦”智能体的持续进化，摩尔线程重磅发布了新一代智能家庭AI中枢——MTT AICUBE，这标志着智能体（Agentic AI）正式步入家庭场景。AICUBE深度融合了“人格化智能体 + 全能AI PC + 智能NAS存储”三大功能模块，提供一站式的家庭智能化解决方案。其内置的“小麦”智能体预置超过60项实用技能，支持跨36款以上常用APP的智能控制，可提供主动式场景化服务；全闪存架构的AI NAS模块为家庭数据提供了安全、高速的本地化存储与智能管理方案；同时，AICUBE具备完整的桌面级AI PC性能，可轻松满足家庭影音娱乐、移动办公、在线教育、云游戏及本地大模型运行等多元化需求。据悉，MTT AICUBE将于6月18日在京东摩尔线程官方旗舰店启动预售。
与此同时，摩尔线程宣布其MTT AIBOOK笔记本电脑迎来全面升级。这款“为智能体而生”的AI PC，在MTT AIOS原生Linux系统环境下，预装了原生“龙虾”智能体（OpenClaw），支持多智能体协作开发，为智能体应用的编码、调试与部署提供了完整的本地化闭环解决方案。AIBOOK具备“工具直达”特性，开放90+个工具调用接口，极大降低开发配置复杂度；并创新性地支持原生Linux、虚拟化Windows及容器化Android多系统并行，同时集成LLM/语音识别/语音合成/光学字符识别等模型的“端侧感知”能力，致力于以单一设备满足用户从开发到日常使用的全场景需求。
面向更广泛的边缘与端侧应用，摩尔线程以自研“长江”智能SoC为核心，打造了丰富的产品矩阵：除AICUBE与AIBOOK外，还推出了专为嵌入式边缘计算设计的MTT E300 AI模组。该模组支持混合精度计算，具备工业级可靠性，能在复杂严苛环境中稳定运行，为工业视觉检测、能源设施巡检、智慧教育、具身智能、智能座舱及低空经济等典型边缘AI场景提供高效、低延迟、高可靠的算力支持。
物理跨越：打造闭环生态，加速具身智能落地
摩尔线程首次发布了其全栈具身智能仿真平台MT Lambda，旨在帮助开发者与研究人员高效构建从合成数据生成、控制策略训练到高保真仿真验证的完整工作流。该平台提供了从底层算力、核心引擎到上层开发框架的全栈解决方案：其底层依托全功能GPU，实现图形渲染、物理模拟与AI计算在同一芯片内完成，达成数据“零拷贝”；中间层深度融合了自研的高性能物理引擎、渲染引擎与AI计算引擎；上层则提供了MT Lambda-Lab具身策略开发训练平台与MT Lambda-Sim高保真物理仿真渲染平台。发布会现场通过机器狗的实机演示，直观展现了该平台在复杂动作策略学习与训练方面的卓越性能。
当前，具身智能正从技术原型快速走向工程化与产业化应用。摩尔线程作为国内少数能够打通“大模型训练—仿真模拟—实体部署”全链路生态的GPU企业，已构建起全栈自主、端到端的软硬件技术体系，能够为具身智能的研发与落地提供一站式、安全可靠的国产化算力方案。
在具身智能领域，摩尔线程依托自研的夸娥智算集群、MT Lambda仿真平台及“长江”系列端侧SoC芯片，形成了云边端协同的产品与能力布局。同时，公司积极拓展生态合作，例如与光轮智能在合成数据生成等关键领域共建国产具身智能仿真底座，与光线云联合打造RaysTwins具身仿真平台等，通过强强联合，共同加速技术成果的产业化进程。
MUSA 100%兼容：开源共建，生态加速
作为连接摩尔线程全功能GPU硬件与全栈软件的核心统一架构，MUSA已实现对业界主流CUDA生态的深度兼容。最新发布的MUSA SDK 5.1.0版本，对标CUDA 12.8，从驱动与运行时层面新增248个API，兼容接口总数达到761个，实现了核心数学库的100%功能对齐，覆盖55类核心AI算子，并完整支持PyTorch框架全部3194个算子。MUSA软件栈实现了从底层驱动、编译器、加速库到训练推理框架的全链路覆盖，使得基于摩尔线程国产GPU的开发真正实现了“开箱即用”。
在开源生态与关键应用场景中，MUSA取得了多项里程碑式进展：在推理生态方面，MUSA不仅正式成为vLLM推理框架的后端支持之一，更成功获得SGLang框架的原生主线支持；在底层编译领域，TileLang-MUSA编译器成功合入开源主线，升级支持Trition 3.6最新版本，使得FlashAttention3等前沿算子在MUSA平台上的运行效率达到95%的极致水平；此外，其训练套件已能产品化支撑超大规模集群与复杂强化学习任务，推理套件全面适配主流框架。无论是前沿大模型训练，还是科学计算领域的VASP应用加速，MUSA均已交付成熟的解决方案。
更具前瞻性的是，MUSA正引入AI技术驱动生态的自我进化。通过Automusify智能迁移工具实现的“零干预”自动化代码转换，MUSA完成了对人工智能与科学计算领域各Top 100加速代码仓库的100%自动迁移。同时，全新升级的MUSACODE AI编程助手通过大模型智能体协同，已成功开发并交付超过10,000个高性能计算Kernel算子，并基于TileLang自动调优技术，在Group GEMM等关键算子上实现了高达60%的性能提升。
相关攻略
摩尔线程发布全栈智算产品矩阵，并与一眸科技深化合作。双方基于国产算力硬件，深度融合情感与认知智能技术，实现了从算力基座到前沿应用的全链路适配。此举旨在推动国产化AI解决方案在心理健康、智慧教育、智能座舱等多个场景的规模化落地。
从游戏显卡到家庭AI中枢，摩尔线程为何坚持深耕消费级市场？ 被誉为“国产GPU第一股”的摩尔线程近期公布了其最新的生态建设成果。值得注意的是，此次发布会的焦点并非全新芯片，而是基于现有量产硬件的全栈产品布局。 5月18日，摩尔线程在北京举办产品发布会。与去年底MUSA开发者大会密集推出多款芯片的策略
4月12日，摩尔线程宣布了一项重要进展：其旗舰级AI训推一体GPU——MTT S5000，已完成对MiniMax M2 7大模型的Day-0适配。这意味着，这款国产高性能GPU能够在第一时间为最新发布的MiniMax大模型提供全面的训练与推理支持。 MiniMax M2 7大模型之所以备受关注，在于
摩尔线程发布家庭AI中枢MTTAICUBE，以全域智能体“小麦”为核心，集成50TOPS本地算力、私有云与自研系统。它支持大模型运行、智能交互、AINAS存储及桌面级AIPC功能，实现跨应用控制、文件统一管理与高效娱乐办公，补全了从个人到工业的全场景算力布局。
摩尔线程近日发布了其“云边端”全栈智能计算产品矩阵。云端核心为夸娥万卡级智算集群，在Dense和MoE大模型训练中分别实现了60%与40%的算力利用率，有效训练时长和线性扩展效率表现突出。终端方面推出了智能家庭AI中枢MTTAICUBE，并同步更新了包括MUSASDK、Automusify迁移工
热门专题
热门推荐
人工智能正改变表格合并方式，大幅提升数据处理效率。例如，某电商平台借助AI将处理时间从48小时缩短至2小时，并减少人工错误。调查显示，超七成企业已部署AI工具且效率显著提升。AI不仅节约成本，还推动决策更科学。未来需在效率与数据安全间寻求平衡。
在数据爆炸时代，AI正为传统表格处理带来变革。通过自动生成图表、快速分析趋势等功能，AI显著提升了数据处理效率。然而，数据安全与隐私风险仍是企业关注的核心挑战。未来，表格将趋向智能化与自适应，成为更高效、用户友好的分析工具，为企业创造新的机遇。
AI技术正深度改变表格处理领域，通过自动化数据整理、智能预测分析和增强实时协作显著提升效率。然而，数据隐私安全与算法“黑箱”问题仍是主要挑战。企业需优先考虑数据保护与算法透明度，未来结合自然语言处理的新一代工具将进一步简化表格工作，带来更多可能性。
AI工具显著提升了表格制作效率与数据呈现效果。它能通过自然语言生成框架、自动分析趋势，将原本耗时的手工流程大幅压缩。不同工具各有侧重，需结合实际需求选择。未来，AI将与深度分析更紧密结合，实现智能洞察输出。主动拥抱技术革新，才能提升数据竞争力。
人工智能正革新表格处理，通过OCR与自然语言技术自动识别提取数据，大幅提升录入效率。实践显示，AI在订单处理等重复任务中效果显著，减轻人力负担。未来需兼顾数据安全与工具易用性，推动人机协同——AI负责规则性工作，人类聚焦创造性决策。