摩尔线程首度公开多项训推成果 布局三座“AI工厂”

先说几个关键点。在2026年WAIC的“词元时代 万物智能”主题论坛上，摩尔线程创始人张建中首次系统性地披露了三大“AI工厂”的落地部署情况。这可不是什么概念炒作，而是实打实的产业级进展。

行业内的共识是：前沿基础模型平均每两个月就要迭代一次，词元消耗量还在指数级增长，算力需求自然水涨船高。张建中在演讲中明确指出，基于夸娥（KUAE）智算集群打造的三大“AI工厂”——模型训练工厂、词元生产工厂、智能体生产工厂，凭借全场景通用优势，正在支撑从训练到推理、从数字世界到物理世界的多元算力需求。

模型训练工厂：从训到推的全链路闭环

在模型训练工厂层面，夸娥智算集群在关键维度上都有实质性突破。比如高扩展性，随着集群规模扩大，线性扩展效率能稳定保持在95%以上；高精度方面，训练精度与国际主流计算卡持平，损失曲线几乎重合；高稳定性上，断点续训是标配，有效训练时长占比超过90%。

基于这些能力，摩尔线程已经完成了几项标志性实践：从零起步完整训练MoE-236B基础模型，还有北京大学5D世界模型EvoPhys-World的全栈原生训练。这些案例验证了国产芯片在超大规模、超长连续稳定训练上的全链路闭环能力，意义不小。

词元生产工厂：推理适配与异构方案

词元生产工厂这边，摩尔线程的高性能推理套件深度适配了SGLang、vLLM等主流推理框架，覆盖大语言模型、视觉、语音、DiT、视频生成等多模态推理场景。公司能做到对DeepSeek、MiniMax、GLM、Kimi、Qwen等主流大模型“发布即适配”，这节奏相当快。

值得关注的是，他们还推出了基于MTT S5000的PD分离异构推理方案。简单说，就是把高算力需求的Prefill计算池（用MTT S5000）和高带宽的Decode生成池（用国际主流GPU）分开部署，异构分离，大幅提升性价比。这是一个很务实的思路。

智能体生产工厂：从数字人到物理世界

智能体生产工厂方面，摩尔线程自研了全域数字智能体“小麦”，掌握60多项技能，能跨应用控制38款APP。同时，全栈具身智能仿真平台MT Lambda，构建了从底层算力、核心引擎到上层框架及工具的完整解决方案，目标就是生产物理世界的智能体。

为了承载“小麦”的智慧进化，摩尔线程还打造了两款AI原生终端——AI算力本MTT AIBOOK和家庭AI中枢MTT AICUBE，形成“云—边—端”协同的全场景智算矩阵。而支撑这一切的，是基于MUSA架构搭建的开源开放生态。通过MusaCoder代码大模型、MUSACODE编程智能体等AI工具，他们正在降低开发者使用国产算力的门槛，这步棋走得很实。

超节点：MTT C256首次亮相

今年的WAIC上，超节点无疑是最受关注的领域之一。摩尔线程展会现场首次展出了MTT C256超节点。据现场工作人员介绍，这款产品首创一层Scale-up网络，实现了标准单宽机柜128卡全互联，并柜扩展可达256卡极速互联，直接攻克了传统多层网络的带宽损耗与高延迟痛点。MTT C256采用计算与交换一体化的高密设计，能大幅提高智算中心的GPU部署密度，为万卡乃至十万卡级的超大规模长稳训推集群夯实算力底座。