摩尔线程攻占客厅：统一家庭AI入口，仅需要一台AICUBE

5月18日，摩尔线程在北京中关村举办了一场规模不小的年度发布会，主题定为“词元时代，万物智能”。整场活动下来，一个清晰的信号被释放出来：这家国产GPU企业的野心，早已不局限于数据中心，而是试图将其能力边界，全面推向从云端到桌面、乃至家庭全场景的每一个角落。

发布会上，从夸娥智算集群到MTT AIBOOK，从具身智能仿真平台MT Lambda到持续进化的MUSA生态，一套覆盖“云-边-端”的全栈智算矩阵被集中展示。然而，在众多参数亮眼的产品中，最值得玩味的，或许并非那些为云端设计的大型集群，而是一款面向家庭场景的“小盒子”——MTT AICUBE。

图源：雷科技

原因何在？过去几年，行业为AI硬件寻找落地入口的尝试从未停止，手机、PC、音箱乃至路由器都曾被寄予厚望。但结果往往是，它们只承载了AI能力的某一个片段，体验割裂，难以形成合力。AICUBE的出现，则提供了一种新的思路：它试图将智能体、AI PC和AI NAS这三类核心能力，整合进同一台设备。这让它看起来，是目前最接近“家庭AI中枢”这一终极构想的产品。

从定位上看，AICUBE既非传统小主机，也非单纯的数据存储器。它的核心，是一个名为“小麦”的内置全域智能体。通过这个交互入口，结合端侧本地算力、全闪存私有云以及MTT AIOS系统，AICUBE的目标是将家庭中分散的数据、应用和算力资源统一管理起来。其设计理念很明确：未来的家庭AI，不应只是一个能聊天的语音助手，而应是一个能理解需求、执行任务，并在本地完成关键计算的“家庭大脑”。

图源：雷科技

这正是AICUBE试图解决的行业痛点。回顾以往，家庭智能设备往往各自为政：智能音箱能控制家电，但算力孱弱；NAS能存储数据，却缺乏主动智能；PC性能强大，却不适合7x24小时作为家庭数据中心运行。AICUBE的思路，正是将这些割裂的能力收拢合一，让一台设备同时扮演家庭大脑、私有云管家和桌面级AI计算终端的多重角色，协助处理生活与工作中的繁杂事务。

图源：摩尔线程

发布会上亮相的“小麦”智能体，便是这个中枢的“管家”。它预装了超过60项技能，支持跨36款以上APP进行控制，并接入了90余项CLI系统工具，能够执行从影音点播到多步骤出游规划等复杂任务。关键在于，“小麦”并非完全依赖云端反馈，而是能借助本地智能SoC、MTT AIOS及MTClaw智能体框架，在端侧进行任务编排与工具调用。

图源：雷科技

对于家庭场景而言，本地化能力至关重要。家庭数据天然具有极强的隐私属性——照片、视频、个人文档、家庭日程、孩子的学习资料、长辈的健康信息，这些都不适合全部上传至云端处理。AICUBE提供的，正是一个在享受AI便利的同时，将核心数据与计算保留在本地的可行性方案。

硬件是体验的基石。AICUBE搭载了摩尔线程自研的“长江”智能SoC，提供50TOPS的异构AI算力，配备32GB高速统一内存，带宽达120GB/s，并标配1TB全闪SSD，支持免拆机扩容。单看配置，它本身已是一款高性能个人PC。而在家庭AI中枢的定位下，这些性能则转化为支撑“长期在线、本地推理、集中管理、多人共享”等实际需求的可靠保障。

图源：雷科技

换句话说，许多AI硬件瞄准的是解决“某个具体问题”；而AICUBE的野心更大，它想成为的是家庭端侧AI的“底座”。端侧AI硬件之所以被视为未来家庭的中枢，主要由三个核心需求驱动：首先，AI必须更贴近个人数据，才能实现深度理解与个性化服务；其次，家庭场景要求低延迟与稳定响应，不能所有任务都受制于网络；最后，家庭成员间存在天然的共享需求，一个中心化的智能设备，更能提供统一、连贯的体验。

因此，AICUBE作为一款通用型设备，展现了足够的灵活性：用户可以将其连接电视或显示器，作为客厅的娱乐与办公中心；也可以将其作为全家照片、视频和文件的本地存储枢纽；同时，还能依赖“小麦”智能体进行跨应用控制与主动服务。一机多能，或许才是家庭AI设备的正确打开方式。

图源：雷科技

回顾AI硬件的发展，很长一段时间都停留在“功能叠加”的阶段。厂商们习惯于在现有的手机、PC或家电中嵌入AI模块，试图以最小成本引导用户。想法虽好，但成效有限。AICUBE代表的则是另一种路径：先定义“原生端侧AI中枢”这个新品类，再围绕智能体、操作系统、存储、算力和应用生态，去重新构建硬件形态。

这种思路的转变，远比单纯将一个大模型塞进设备里更具意义。可以预见，未来智能家庭生态的竞争，核心将是智能中枢的争夺。谁能够率先占据家庭数据入口、应用调度权和本地算力节点，谁就有机会定义下一代家庭智能生活的底层规则。

当然，现阶段的MTT AICUBE未必是家庭AI中枢的最终形态，但它无疑朝着这个方向迈出了关键一步，并且是目前市场上，距离这个构想最近的一款设备。它的出现，至少让我们看到了家庭智能从“功能碎片化”走向“能力一体化”的一种可能。