<mark id="oztn4"></mark>
0
| 本文作者： 陳悅琳 | 2026-05-26 15:05 |
算力荒的焦慮已無需渲染。
5月的一個北京夜晚，創(chuàng)始人、董事長兼首席執(zhí)行官張建中在摩爾線程2026年產(chǎn)品發(fā)布會現(xiàn)場透露一組數(shù)據(jù)：當(dāng)前國內(nèi)每天僅某一款應(yīng)用的Token消耗量就已突破140萬億——而此前的預(yù)測，是整個市場總消耗量在30萬億到180萬億之間。
為抗住這源源不斷的算力需求，一個可靠的人工智能基礎(chǔ)設(shè)施必不可少。但算力只是故事的一半?！皥鼍白詈筮€是要通過筆記本、手機(jī)或者其他終端來實(shí)現(xiàn)。”一位投資人告訴雷峰網(wǎng)(公眾號：雷峰網(wǎng))。
從云端到終端，從算力到生態(tài)——這場發(fā)布會上，摩爾線程展示了一張完整的版圖。
從“小麥”到具身智能，摩爾線程補(bǔ)齊物理AI版圖
試問token消耗的第一來源，自然是當(dāng)下備受關(guān)注的AI Agent。
IDC預(yù)測，到2030年全球活躍AI智能體將達(dá)22.16億。中國企業(yè)AI智能體數(shù)量將在2031年突破3.5億規(guī)模，年復(fù)合增長率達(dá)到135%以上。
國內(nèi)的熱情更是傳導(dǎo)至政策端。2026年政府工作報(bào)告首次把“智能體”三個字寫了進(jìn)去——2027年普及率目標(biāo)超70%，2030年超90%。
但不可忽視的是，當(dāng)前市面上不少智能體在主動服務(wù)、長期記憶等能力上仍有短板，而摩爾線程本次首發(fā)的全域智能體“小麥”，可謂恰逢其時。
比OpenClaw的分?jǐn)?shù)高出20%左右、綜合評分遠(yuǎn)超其他國產(chǎn)同類型產(chǎn)品——摩爾線程推動建立的可視化測評系統(tǒng)MTClaw Evaluation System給到了多維度的評估，張建中重點(diǎn)介紹了其中三個特性：
“事辦得全”——在7×24小時服務(wù)里，“小麥”基于原生Linux環(huán)境支持超36種APP的控制，具備60多種復(fù)雜skill，可無縫銜接90個以上CLI工具。
“事辦得好”——借由二維拓?fù)溆洃浵到y(tǒng)，小麥在融合短時和長時記憶的基礎(chǔ)上不斷歸納總結(jié)習(xí)得的知識。
“事辦得快”——基于摩爾線程自研架構(gòu)MTClaw，小麥在調(diào)用高頻工具時，成功率已超過95%，端到端任務(wù)執(zhí)行效率相比使用框架前提升了7倍。
“我們希望‘小麥’迅速落地到千家萬戶?！睆埥ㄖ兄毖?。
于是，摩爾線程首款面向家庭的消費(fèi)級產(chǎn)品——MTT AICUBE，成了小麥的第一個“家”。在現(xiàn)場，張建中用“三位一體”——AI Agent、AI PC、AI NAS——來定義這塊迷你智能立方體。
支撐這款家庭AI中樞的算力底座，其實(shí)在去年摩爾線程首屆MUSA開發(fā)者大會上早有預(yù)告。內(nèi)置CPU、GPU、NPU和VPU，摩爾線程首顆自研智能SoC芯片“長江”實(shí)現(xiàn)了50TOPS異構(gòu)算力，內(nèi)存可達(dá)32GB。
而用戶對超群記憶力、數(shù)據(jù)不上云的安全需求則有賴于標(biāo)配的1TB全閃SSD以及12TB的可擴(kuò)展空間。
以家庭照片和視頻為例，AICUBE可自動整理相冊、生成紀(jì)念視頻、實(shí)時視頻超分，滿足家庭“存得下、找得到、用得起來”的需求。
如果說AICUBE把“小麥”留在了家里，那么MTT AIBOOK則把它裝進(jìn)了背包。直面當(dāng)下OPC（個人公司）風(fēng)口，這款此前同樣官宣過的AI PC，能在本地能同時跑12個以上智能體，直連90多款工具，協(xié)同完成全鏈路工作。
穩(wěn)定運(yùn)行背后，是摩爾線程打造的原生AI操作系統(tǒng)在做支撐——相對Windows更輕量、更實(shí)時、更可靠。
雷峰網(wǎng)注意到，開箱即用是MTT AIBOOK的另一大亮點(diǎn)。出廠預(yù)裝OpenClaw的同時，也為用戶準(zhǔn)備了可一鍵切換的MTClaw。此外，內(nèi)置的PES應(yīng)用市場方便用戶隨時下載新應(yīng)用；提供的Windows虛擬機(jī)和安卓預(yù)置容器，讓用戶可以在不同系統(tǒng)環(huán)境中無縫運(yùn)行各類軟件。
為了免除消費(fèi)者的后顧之憂，摩爾線程還聯(lián)合趨境科技，為每位AIBOOK用戶提供7×24小時遠(yuǎn)程技術(shù)支持。
從AICUBE到AIBOOK，“小麥”學(xué)會了處理數(shù)字事務(wù)。但張建中想更進(jìn)一步——讓智能體走進(jìn)物理世界，真正動手干活。
他指出，訓(xùn)練一個能在物理世界中自主行動的智能體，面臨真實(shí)數(shù)據(jù)稀缺且采集成本高、真機(jī)訓(xùn)練風(fēng)險(xiǎn)大和場景難以泛化的挑戰(zhàn)。要解決這些問題，不能靠真機(jī)硬摔，而需要一個高保真的仿真環(huán)境。
MT Lambda由此而生。作為國內(nèi)首個全棧國產(chǎn)化具身智能仿真平臺，它硬件上依托支持光線追蹤的S5000 GPU和夸娥集群，軟件上融合開源MujoCo、Newton及自研AlphaCore引擎，最終實(shí)現(xiàn)多物理場的統(tǒng)一求解與更快更逼真的渲染速度?，F(xiàn)場機(jī)器狗靈活的一舉一動，便是最直觀的注腳。
據(jù)張建中介紹，當(dāng)前摩爾線程已經(jīng)聯(lián)合光輪智能、智源研究院和光線云等合作伙伴，打通從數(shù)據(jù)合成到模型訓(xùn)練再到策略部署的閉環(huán)。同時，他也呼吁更多同行者加入其產(chǎn)業(yè)生態(tài)圈“PES聯(lián)盟”，共同推進(jìn)具身智能仿真與訓(xùn)練。
夸娥萬卡集群與MUSA生態(tài)，支撐算力爆發(fā)的洪流
支撐智能體和仿真平臺的，正是摩爾線程的云端底座——在S5000基礎(chǔ)上搭建的夸娥萬卡集群。而它的核心考驗(yàn)同樣在于夠不夠穩(wěn)定和高效。
以大模型訓(xùn)練需求為例，張建中指出，客戶不愿換用國產(chǎn)智算集群，根源并非軟件或兼容問題，而是集群能不能“7×24小時不停機(jī)”。
摩爾線程用具體測評數(shù)據(jù)給出了答案：有效訓(xùn)練時長占比超過90%，稠密模型MFU超40%，MoE模型MFU超60%。
交出可靠答卷的同時，摩爾線程還啃下“精度”和“擴(kuò)展穩(wěn)定性”這兩塊硬骨頭，確保每一個訓(xùn)練步驟跟國際主流產(chǎn)品保持精度對齊，在萬卡規(guī)模下保持95%左右的線性擴(kuò)展率。
預(yù)訓(xùn)練只是第一步。后訓(xùn)練，尤其是強(qiáng)化學(xué)習(xí)階段，模型需要反復(fù)生成回答、接收反饋、迭代更新，對推理吞吐量和穩(wěn)定性的要求極高。
為此，摩爾線程在訓(xùn)練框架中集成了SGLang和vLLM兩大開源推理引擎，保障數(shù)據(jù)的高效生成。在此基礎(chǔ)上，摩爾線程還嘗試使用訓(xùn)推分離Slime方案和訓(xùn)推一體VeRL方案，兩者的提升效果均肉眼可見。
轉(zhuǎn)向需求更火爆的推理場景，夸娥集群的“強(qiáng)悍”在AI漫劇和短劇創(chuàng)作上體現(xiàn)得淋漓盡致。張建中直言，“以前只有好萊塢導(dǎo)演花大價錢才能制作的大片，現(xiàn)在短時間就能生成?！?/span>
這背后依托的，正是摩爾線程在夸娥集群上部署的全流程智能生產(chǎn)流水線——涵蓋文生視頻、語言理解、劇本創(chuàng)作等模型，配合自研語音生成引擎“摩語精靈”，能夠精準(zhǔn)復(fù)刻或轉(zhuǎn)換聲音。
無論是訓(xùn)練還是推理性能的充分發(fā)揮，都需要軟件棧做支撐，而這恰恰是摩爾線程近年來持續(xù)加碼的方向。目前，MUSA已完整支持700多個核心API，驅(qū)動與運(yùn)行時全部免費(fèi)開放。
算子層面，摩爾線程的核心數(shù)據(jù)庫實(shí)現(xiàn)100%兼容，55類算子覆蓋所有核心AI算子，MuDNN性能與原生態(tài)基本持平；PyTorch算子層做到100%兼容，SDK升級至5.1版本；針對大語言模型最常用的FlashAttention，摩爾線程將其算子效率優(yōu)化至95%，大幅縮短了Transformer和MoE用戶的適配時間。
聚焦國內(nèi)算子開發(fā)社區(qū)，摩爾線程一方面將國產(chǎn)AI編程語言TileLang集成至開源主線，GEMM算子效率超95%，Attention效率超90%；另一方面還與智源研究院合作，推進(jìn)基于Triton的算子開發(fā)。
值得注意的還有摩爾線程的AI編程神器MUSACODE。張建中表示，開發(fā)者無需學(xué)習(xí)MUSA代碼，直接用自然語言就能與其交互，或通過與“小麥”的對話生成MUSA Kernel或算子。據(jù)張建中透露，MUSACODE已原生集成在AIBOOK的VSCode中。
此外，MUSA還新增了對編譯器Fortran的支持，便于傳統(tǒng)代碼的遷移。
夜色漸深，發(fā)布會結(jié)束后的展區(qū)里，有人對著“小麥”說話，有人翻看MUSA教學(xué)書籍，有人圍觀多智能體協(xié)同演示……人潮久久未散。
算力焦慮還在，但國產(chǎn)的答案，一年比一年具體了。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
