国产GPU训出世界模型，登上国际榜单，首提三大AI工厂

国产GPU训出世界模型，登上国际榜单，首提三大AI工厂图1

首次展示MTT C256超节点。

作者 | ZeR0

编辑 | 漠影

芯东西7月19日报道，在世界人工智能大会WAIC 2026期间，摩尔线程创始人、董事长兼CEO张建中提出建设三大AI工厂，展示两个AI原生终端、一个MUSA生态，勾勒出一张从AI算力基础设施到智能体应用落地的全景图。

三个AI工厂：模型训练工厂、词元生产工厂、智能体生产工厂，均基于夸娥智算集群。

两个AI原生终端：MTT AICUBE家庭AI中枢和MTT AIBOOK AI算力本。

一个MUSA生态：MusaCoder代码大模型、MUSACODE AI编程智能体、摩尔学院。

值得一提的是，依托夸娥智算集群，摩尔线程成功跑通了“国芯训练国模”技术路径，实现全链路训练闭环。北京大学团队基于摩尔线程MTT S5000和MUSA软件栈训练出的全球首个5D世界模型EvoPhys-World，登顶斯坦福WorldScore世界模型基准测试榜单。

摩尔线程自研MUSA架构实现了在单芯片上同时支持AI计算加速、3D图形渲染、物理仿真和科学计算、超高清视频编解码四大引擎，使摩尔线程全功能GPU具备了国内稀缺的“算、渲、仿”一体化通用算力优势。

在WAIC 2026期间，作为国内唯一同时深耕B端、C端市场的全场景GPU厂商，摩尔线程开启世博展览馆与张江科学会堂双展区联动，全面展示其三大AI工厂、覆盖“云-边-端”的全场景智算能力。

01.

三大AI工厂：

包揽从大模型训练到智能体落地

进入智能体时代，词元消耗量迅速增长。AI的消耗方式正在从"人调用AI"转向"AI调用AI"，一个用户指令可能触发几十上百个子任务并行执行，每个子任务都在持续消耗词元。

今年3月，我国词元日调用量突破140万亿，两年增长超过1000倍。消耗量的爆发，直接穿透到算力基础设施这一层。算得够不够快、够不够稳、单位词元成本能不能持续下降，影响了AI经济的天花板。

这正是摩尔线程"三大AI工厂"框架所要回答的问题。

模型训练工厂：专注于大模型的高效训练与持续迭代，打造高性能、可扩展的万卡级智算集群。
词元生产工厂：聚焦于推理规模化部署，实现卓越的性价比与吞吐表现，让词元生产更高效、更稳定；
智能体生产工厂：致力于智能体的孵化与端侧承载，推动代码生成、内容创作、流程自动化等任务的高质量完成。

支撑三大“AI工厂”高效运转的，是摩尔线程自研的先进MUSA架构。依托MUSA架构，摩尔线程构建了从芯片、计算卡、服务器、超节点与万卡级集群，到边缘与智能终端的完整硬件矩阵，并以软硬协同推动全场景智算落地。

值得注意的是，摩尔线程此次首次展示了MTT C256超节点。如果说夸娥智算集群回答的是"如何让万卡协同训练"，那么C256回答的是"如何把万卡集群搭得更高效"。

摩尔线程MTT C256超节点首创一层Scale-up网络，实现标准单宽机柜128卡全互联，并柜扩展可达256卡极速互联，攻克传统多层网络的带宽损耗与高延迟痛点，在2U空间内释放极限的单位面积算力。MTT C256采用计算与交换一体化的高密设计，将大幅提高智算中心GPU部署密度，为万卡乃至十万卡级超大规模长稳训推集群打造坚实算力底座。

依托全功能GPU的通用算力平台化优势，摩尔线程通过不同形态的算力载体，实现了全场景智能应用的无缝覆盖：

云端：万卡级智算集群，全面支撑大模型高效训练与极致推理，并面向物理AI、具身智能、世界模型等提供高精度物理仿真与系统级算力。

边缘：高性能AI模组，深入工业质检、智能驾驶及低空经济等典型场景，提供高效、低延迟、强可靠的边缘AI算力。

终端：通过家庭AI中枢MTT AICUBE与AI算力本MTT AIBOOK，推动端云算力与智能体深度融合，加速端侧应用创新，让“端侧承载力”真实落地。

02.

模型训练工厂：万卡级集群高效训练

支撑全球首个5D世界模型

模型训练的技术壁垒非常高。让成千上万张GPU卡高效协同，是一道极苛刻的工程题。

摩尔线程构建的夸娥智算集群，具备单集群万卡级AI算力（高达10EFLOPS），基于特色训练优化技术，能将Kimi K2 1T大模型的预训练性能实现接近翻倍提升。

其MFU（训练算力利用率）在稠密大模型上达60%、MoE模型上达40%，有效训练时间占比超过90%，训练线性扩展效率达95%，训练精度与国际主流计算卡一致。

夸娥智算集群已实战跑通Wan2.1开源多模态模型的千卡长稳训练。除了大语言模型外，该集群还能支撑具身智能、物理AI以及世界模型等高精度物理仿真与大规模训练需求。

摩尔线程与合作伙伴联合建设的国产万卡GPU集群，已实现从零起步完整训练MoE-236B基础模型。该模型基于25T+高质量训练语料，训练全程由摩尔线程夸娥AI训练套件提供支持，有效训练时长占比超90%，在万卡规模下展现出与国际同类集群相当的系统稳定性与训练效率。

北大EvoPhys团队研发的全球首个5D世界模型EvoPhys-World在斯坦福WorldScore“世界生成”维度位列全球第一，并连续37天蝉联榜首。这款模型的原生训练全程在基于摩尔线程MTT S5000的夸娥智算集群完成，由MUSA软件栈全栈支撑，训练稳定性、扩展性与生成质量均达国际主流水平。

面向具身智能场景，基于FlagOS-Robo框架，依托摩尔线程MTT S5000千卡智算集群，智源成功完成通用具身大脑RoboBrain 2.5的全流程训练，实现“训得稳、训得快”。

对行业主流BEV感知模型BEVFormer的训练实测显示，基于夸娥智算集群及MUSA软件栈，单机与双机训练吞吐均达国际主流训练GPU的1.56–1.67倍。

这些成果均在摩尔线程WAIC 2026展台上首次展示，展现出对标国际主流水平的高性能，并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。

03.

词元生产工厂：PD异构分离大降算力成本

可支撑高精度物理仿真

训练是"把模型做出来"，而推理是"让模型持续用起来"。在词元经济时代，推理成本直接决定AI应用的商业化天花板。

基于旗舰级AI训推一体智算卡MTT S5000与全栈自研MUSA架构，摩尔线程构建了从底层算子库到上层推理框架的完整推理生态。在跑GLM-5.1、DeepSeek-V4-Flash、Hunyuan Video等国产前沿模型时，MTT S5000的推理性能比肩国际水平。

很多企业手里已有大量历史算力资产，通过将不同代际、不同架构、不同品牌的计算卡合理组合，能在维持高质量推理输出的同时大幅摊薄成本。

摩尔线程针对大语言模型推出的PD异构分离方案，通过将高算力需求的Prefill计算池（MTT S5000）与高带宽的Decode生成池（国际主流GPU）异构分离、分池部署，独家支持KV Cache FP8与1M超长上下文，实现高性价比词元生产。

实际测试显示，通过PD异构分离，3台MTT S5000加2台Hxx，效能已经堪比9台Hxx。这一方案将帮助企业以更低成本，用国产卡和现有资产混搭，就能花更少的钱、办更高效的事。

作为一款全功能GPU，MTT S5000除了能跑AI训练与推理外，还支持自研3DGS基础库LiteGS和3D语义理解技术UniSem，甚至支持光线追踪，能加速3D/4DGS场景重建与仿真闭环。

例如在智能驾驶场景，运行极佳视界前馈3DGS闭环仿真模型时，MTT S5000的单卡推理性能可达到国际高端Hxxx的64.3%，8卡性能可达到其68.2%。

04.

智能体生产工厂：推动端云算力与智能体融合

32GB内存算力本能跑80B大模型

智能体生产工厂靠近应用侧，要解决的问题是：智能体如何从云端走向本地，如何在算力相对受限的端侧真实运行起来？

摩尔线程依托通用全功能GPU算力，推动“智能体生产工厂”全面运转，在WAIC展台展示了全栈国产化具身智能仿真平台MT Lambda及面向工业场景的MT Lambda for Factory解决方案，以助力生产物理世界的智能体。

在边缘侧，MTT E300 AI模组搭载摩尔线程自研智能SoC芯片“长江”芯片，具备50TOPS异构AI算力，支持混合精度计算，具备低延迟、高可靠的实时响应能力，可应用于工业、能源、教育、交通、医疗等行业。

在终端侧，两款搭载“长江”芯片的AI终端产品MTT AIBOOK和MTT AICUBE均在展区开放体验。

MTT AIBOOK是一款面向AI学习与开发者的AI算力本，可在原生Linux系统（MTT AIOS）下预装OpenClaw智能体，单机支持最多12个智能体高效并行，实现了从开发、调试到部署的完整闭环。该设备还能打通夸娥云端算力，灵活部署各类大模型，通过端云协同为数字员工团队提供AI能力支撑。

该算力本搭载32GB高速统一内存，结合AI加速分区与智能推理软件系统，通过AISSD自适应缓存管理机制，集中调度MoE专家权重、长文本KV缓存与智能体内存数据，无需升级硬件即可在原生32GB内存上流畅运行80B大模型推理与智能体编程。

MTT AICUBE是一款面向未来AI家庭场景的核心中枢，整合“智能体+AI PC+AI NAS”核心能力，内置基于Linux内核的MTT AIOS操作系统及智能体“小麦”，能支撑端侧智能体、超高清视频播放以及3D游戏等家庭应用场景，并在AI NAS模式下配备全闪SSD高速存储，支持免拆机扩容。

摩尔线程自主研发的AI编程智能体MUSACODE能协助开发者通过自然语言指令，快速完成代码生成、调试与重构等任务，让MUSA开发更简单、更高效。

其背后的专用代码大模型引擎MusaCoder，完整后训练流程均在夸娥智算集群上完成，专注MUSA原生Kernel自动生成与优化，在权威评测中性能达行业领先水平，是业内首个基于国产GPU算力底座完成全链路训练与验证的开源代码大模型。

目前，摩尔线程旗下开发者平台“摩尔学院”已汇聚超过45万开发者和学习者，并将前沿技术与产业实践带入全国200多所高校。

05.

结语：建设三个AI工厂

推动词元算力底座自主可控

摩尔线程提出的三个AI工厂，分别对应算力消耗链路的三个关键节点：训练生产模型能力，推理规模化输出词元，智能体承载最终交付。

模型训练工厂验证“国芯训练国模”的可行性，意味着中国大模型训练不再受制于单一算力来源；词元生产工厂把推理成本压进商用区间，意味着国产算力具备了规模化输出智能的经济性；智能体生产工厂打通云边端，意味着算力走进了工厂、家庭和每个人的终端。

进入词元时代，算力底座的自主性愈发紧迫。以摩尔线程为代表的AI芯片企业正挑起大梁，联同生态伙伴一起，推动国产词元生产基础设施的发展与全链路自主可控。