摩尔线程发布云边端全栈智算矩阵全面布局Agentic AI时代

时间：2026-08-17 07:32

摩尔线程发布覆盖云、边、端的全栈智算矩阵，包括夸娥智算集群、长江SoC驱动的终端产品、MTLambda具身智能仿真平台及MUSA生态，旨在完善国产GPU软硬件体系，推动AI从数字空间走进物理世界。

数字化与智能化世界的底层逻辑正在被重新塑造。从云端算力到终端设备，再延伸到真实物理世界，一条覆盖全场景智能的完整闭环正加速形成。

5月18日，摩尔线程在北京举行了主题为“词元时代，万物智能”的年度产品发布会。在Agentic AI快速演进、Token需求持续爆发的背景下，摩尔线程发布了覆盖“云—边—端”的全栈智算产品矩阵。从夸娥智算集群、由长江SoC驱动的端侧产品，到具身智能仿真平台MT Lambda，再到持续升级的MUSA生态，这一系列布局共同指向同一个目标：进一步完善国产GPU软硬件体系，推动AI能力从数字空间真正延伸至物理世界。

云端筑基：夸娥智算集群，全链路加速大模型训推

在智能算力基础设施层面，摩尔线程的核心布局是夸娥（KUAE）智算集群。其定位非常明确：打造面向词元时代的高性能AI基础设施。目前，万卡级夸娥智算集群已经正式落地。关键指标方面，Dense大模型训练的模型算力利用率（MFU）达到60%，MoE大模型达到40%，有效训练时长稳定在90%，线性扩展效率则提升至95%。这意味着，这套智算集群已经具备支撑超大规模模型稳定训练与高效扩展的能力。

围绕大模型训练全流程，摩尔线程推出了夸娥训练套件。该方案覆盖预训练、持续预训练（CPT）、长文本训练、微调（SFT）以及强化学习（RL）等关键环节，同时兼容VeRL训推一体和Slime训推分离两种主流框架。值得关注的是，基于万卡集群训练的科学基础大模型，在MMLU等评测体系中的表现也在持续提升，展现出国产AI算力平台的训练实力。

在大模型推理生态方面，摩尔线程已完成对DeepSeek、GLM、MiniMax、Kimi、Qwen等主流国产大模型的适配，语音模型、视觉理解模型以及多模态大模型同样涵盖其中。尤其值得一提的是，SGLang主线代码已获得官方原生支持，vLLM-MUSA也已经开源，开发者可以直接调用摩尔线程GPU能力，进一步提升AI推理性能与部署效率。

基于夸娥云服务，算力即服务的应用案例也已进一步落地。例如，依托GLM模型推理服务的Vibe Coding，可以通过自然语言直接生成App，背后由多智能体协同完成开发流程。另一个典型案例是AIGC微短剧工作流，从剧本策划到视频合成实现全链路内容生成，直观体现了生成式AI在内容生产领域的实际价值。

终端进阶：长江SoC驱动，开启全场景智能

在端侧产品方面，摩尔线程的核心重点是小麦智能体。它具备情景感知与决策、长上下文历史检索、自主任务编排、多模态情绪识别以及跨端协同等能力，运行于AI原生操作系统MTT AIOS之上，底层则基于二维拓扑记忆系统与自研Agent开源框架MTClaw。

作为智能家庭AI中枢，MTT AICUBE无疑是本次发布会的一大亮点。这款设备融合了智能体 + AI PC + AI NAS三大能力，内置小麦智能体，预装60多项Skills，并支持超过36款APP的跨应用控制。同时，其全闪存AI NAS模块可提供本地数据存储与智能管理能力，并兼具完整的桌面AI PC功能。无论是影音娱乐、办公学习、云游戏，还是本地大模型运行，MTT AICUBE都能够实现覆盖。官方信息显示，AICUBE将于6月18日在京东摩尔线程旗舰店开启预售。

MTT AIBOOK也迎来了新一轮升级。这款为智能体而生的笔记本电脑，在MTT AIOS原生Linux系统下预装了龙虾智能体（OpenClaw），支持多智能体协作，并提供90多项工具调用接口。产品支持原生Linux、虚拟化Windows以及容器化Android多系统运行，同时集成LLM、ASR、TTS、OCR等模型能力，面向端侧AI的应用场景覆盖范围十分广泛。

面向边缘计算市场，摩尔线程还推出了基于长江智能SoC打造的MTT E300 AI模组。该产品支持混合精度计算，可在工业质检、能源巡检、智慧教室、具身智能、智能汽车以及低空经济等应用场景中，提供低延迟、高效率的边缘AI算力支持。

物理跨越：生态闭环，赋能具身智能训练与仿真

在具身智能领域，摩尔线程发布了首个全栈具身智能仿真平台MT Lambda。该平台构建了从数据合成、策略训练到仿真验证的完整工作流。底层采用渲染、物理与AI计算统一运行的全功能GPU，并支持数据零拷贝；中间层融合了自研物理、渲染和AI引擎；上层则由MT Lambda-Lab策略训练平台与MT Lambda-Sim高保真仿真平台组成。发布会现场，一台机器狗的演示也直观展示了该平台在动作训练与策略开发方面的实际效果。

截至目前，摩尔线程已经形成了大模型训练—仿真模拟—端侧部署的具身智能生态闭环。同时，公司还联合光轮智能、光线云等合作伙伴，共同推进国产具身智能仿真底座以及RaysTwins具身仿真平台建设，进一步夯实国产具身智能产业基础。

生态进化：MUSA 100%兼容，开源与开放共建

作为贯穿摩尔线程全功能GPU硬件与软件体系的底层架构，MUSA已经全面实现对主流CUDA生态的深度兼容。最新发布的MUSA SDK 5.1.0对标CUDA 12.8，新增248个驱动与运行时API，兼容接口总数达到761；核心数学库实现100%对齐，并支持PyTorch全部3194个算子以及55类核心AI算子。从驱动、编译器、算子加速库到训练与推理框架，MUSA已经打通完整技术链路。

在开源生态建设方面，MUSA已成为vLLM官方后端，并获得SGLang官方原生支持；TileLang-MUSA成功合入开源主线，同时支持Trition 3.6版本。FlashAttention3等热门算子在MUSA平台上的执行效率达到95%。训练套件目前已可支持超大规模集群与强化学习场景，推理套件则已全面适配主流框架，持续完善国产GPU软件生态。

值得关注的是，摩尔线程还把AI能力进一步引入生态迁移与开发流程。基于Automusify智能迁移工具，MUSA已经实现Top 100人工智能与Top 100科学计算仓库的100%自动迁移。升级后的MUSACODE AI编程助手，通过智能体协同累计开发交付超过10,000个Kernel算子，并基于TileLang自动调优Group GEMM算子，实现了60%的性能提升。