刚从 WAIC 回来，脚板还隐隐作痛。
今年的 WAIC 有多夸张？展览面积首次突破 10 万平方米，1100 多家企业带来了 3000 多项展品，超过 300 款产品全球首发。世博、张江、徐汇三大片区四馆联动，老狐在世博从 H1 逛到 H4，微信步数直接干到几万步。
室外体感温度逼近 40 度，有人说“上海弥补了人不能进空气炸锅的遗憾”。但最热的还得是 WAIC，一张 168 元的单日票被黄牛炒到 1300 元，三日通票喊出 3000 元。就这么热、这么大、这么挤，还是挡不住大家往里涌。
说实话，这届 WAIC 看点太多了。
华为把 1024 卡的昇腾 950 超节点真机搬到了现场，宇树的载人变形机甲 GD01 秀翻全场，H1 馆的 AI 手机展台和 H3 的机器人馆被挤得水泄不通。
但我却想从 H2 馆拎出摩尔线程跟大家聊聊。即便它不是“镇馆之宝”，也没有机器人的热闹。
但当大家都在关注“AI能干什么”时，老狐想的却是：AI 的算力从哪来，怎么来，怎么才能更便宜地来？
摩尔线程恰好是一个值得观察的样本。
就像一个淘金热现场，所有人都在炫自己淘到了多大的金子，而有人还在给他们埋头造铲子。
WAIC上“最不炫技”的展台
老狐在之前的文章里提到过，H2 馆的摩尔线程重点以概念展示为主。所以他们的展台，画风看起来不太像一家芯片公司。
摩尔线程把展台分成三个区域：模型训练工厂、词元生产工厂、智能体生产工厂，并展示了十万卡的算力集群 MTT C256。
这三大工厂，听起来像概念的东西，其实就是摩尔线程在 WAIC 上摆出来的整套解决方案。可以把它们理解为摩尔线程“ AI工厂”的具体形态：三条串在一起的智能生产线。
去年 WAIC 上，摩尔线程就提过“AI工厂”这个概念，但当时更像一个宏大的概念。
一年过去，这次他们带来了实打实的成果——从零训练的 MoE-236B 基础模型、5D 世界模型全栈原生训练跑通、DeepSeek 等主流大模型“发布即适配”。概念落到了地上。
但“AI工厂”这个词，不是摩尔线程发明的。
黄仁勋最早在 2022 年就提出了“AI工厂”概念，他说“AI工厂的建设是人类历史上最大规模的基础设施扩张”。华为也在讲“AI工厂”，去年昇腾的展台标语就是“AI工厂，算力底座”。
但不同阶段、不同位置的公司，讲出来的内涵却不一样。
英伟达的“AI工厂”：核心是算力基础设施本身，围绕能源、芯片、基础设施、模型、应用，构建从芯片到系统到生态的完整闭环。黄仁勋说“AI工厂”是基础设施，本质上还是在卖他的 GPU 和集群方案。
摩尔线程作为追赶者，它的“AI工厂”说的是“如何在现有基础上把算力转化为智能的生产效率”——从芯片设计、集群搭建、软件优化到模型训练，一整套方法论。
摩尔线程提出“AI工厂”不是跟风，而是基于一个深层变化：AI 产业正在从“造模型”进入“造智能”的时代。或者说，从对话框走向真实应用，从实验室走向社会化大生产。
这不是摩尔线程一家的事，是整个产业正在发生的变化。
摩尔线程的三大工厂，就是这个趋势下的具体落地：
模型训练工厂好比“炼钢厂”，产出智能的“粗坯”（大模型本身）。这个环节门槛很高，动辄数万块 GPU，非常烧钱。华为昇腾的典型代表，去年昇腾 384 超节点已累计商用 750 多套。沐曦、燧原也在做同样的事情。
词元生产工厂好比“零件厂”，把“粗坯”加工成可计量的Token。这个环节拼的是成本和效率，谁能把每百万 Token 的成本打下来，谁就能掌握定价权。
三大运营商、阿里百度等云厂商都在疯狂建这类工厂。趋境科技已经能做到日均万亿级词元供应。
智能体生产工厂好比“组装厂”，把 Token 装进会干活的 AI 里。这是离用户最近的一环，也是创业公司最有机会的战场。
阶跃星辰做了智能体手机，百度做了“百度搭子”，形态各异，但本质都是把模型能力封装成可执行具体任务的智能体。
三座工厂串起来，就是一座“AI工厂”里一条完整的“智能生产线”。这不是 PPT，运营商已经在从卖流量转向卖 Token，华为 Atlas 950 的卖点也换成了“Token 产出效能”，整个行业都在往这个方向走。
而摩尔线程在全链条上都有布局，这在国产 GPU 厂商里是独一份。
三大工厂，到底做出了什么？
概念讲清楚了，来看看摩尔线程在 WAIC 上拿出来的真东西。
先说一个背景：这届 WAIC 上，算力展区最大的变化不是谁发布了新芯片，而是超节点几乎成了标配。华为、沐曦、燧原、中兴、阿里、摩尔线程，每家都在展示自己的超节点方案。
这意味着，行业已经形成共识：单颗芯片性能再强也没用，集群能力才是真正的护城河。
摩尔线程在展台上的核心展示，是围绕三大工厂的主线来组织的。
模型训练工厂：国芯训国模，不再是口号
这是摩尔线程最硬的一张牌。
他们展示了从零起步完整训练 MoE-236B 基础模型。236B 参数，大概什么量级？GPT-3 是 175B。也就是说，摩尔线程用自己的 GPU 完整训练了一个比 GPT-3 还大的模型，不是跑推理，是从头训练。在国产 GPU 里，能做到这个的并不多。
更牛的是，北大 EvoPhys 团队用摩尔线程的 GPU，完成了全球首个5D世界模型的全栈原生训练，连续37天登顶WorldScore“世界生成”维度。所谓“世界模型”，就是让AI理解物理世界运行规律的模型，是自动驾驶、具身智能的核心底座。
用国产芯片训练出全球第一的世界模型。这句话放几年前，没人敢说。
支撑这一切的，摩尔线程的是夸娥万卡集群——10240 张 GPU、10EFLOPS 算力，Dense 模型利用率 60%，有效训练时长超 90%。
这些数字看起来平常，但懂行的人知道，万卡集群最难的不是把卡连起来，而是让它们持续稳定地跑下去不出错。
词元生产工厂：把 Token 的价格打下来
展台现场，摩尔线程展示了基于 MTT S5000 的高性能推理方案。
MTT S5000 的 FP8 算力是1000 TFLOPS，单卡推理吞吐能做到Decode 1000 tokens/s、Prefill 4000 tokens/s。
对 DeepSeek、GLM、Kimi、Qwen 等主流大模型实现了“发布即适配”。可以说，模型一发布，当天就能跑。
更重要的是他们推出的“PD分离异构推理”方案。什么意思？大模型推理有两个阶段：Prefill（计算密集）和Decode（带宽密集）。摩尔线程的方案是把Prefill放在自己的GPU上，把Decode放在国际主流GPU上，混合部署，性价比大幅提升。
趋境科技在摩尔线程分论坛上透露：他们用摩尔线程的全功能 GPU 与国际主流 GPU 深度融合，已具备日均万亿级高品质词元的供应能力。
1 万亿 Token 是什么概念？粗略算一下，如果每个用户每天消耗 5000 个 Token，那就是 2000 万用户一天的用量。
智能体生产工厂：从数字到物理
这一块可能是普通用户最能感知到的。
摩尔线程展出了自研数字智能体“小麦”，掌握 60 多项技能，支持 38 款 APP 的跨应用控制。
还有全栈具身智能仿真平台 MT Lambda，给机器人开发者提供从仿真训练到真机部署的全链条工具。现场也开放了家庭 AI 中枢 AICUBE 和 AI 算力本 AIBOOK 的体验。
写在最后
华为秀超节点、沐曦秀超节点、燧原秀超节点，摩尔线程秀三大工厂，清微智能秀可重构架构。每家都在展示自己的系统能力，而不是单颗芯片。
DeepSeek V4 发布当天同时适配华为昇腾、摩尔线程、沐曦、昆仑芯等八大国产算力平台，智谱 GLM-5.2 开 源首日就完成与八大平台的全适配。
这不是某一家公司的胜利，是整个国产算力产业链第一次集体亮相、协同作战。
所以老狐觉得，今年 WAIC 最大的信号，不是哪家 AI 公司发布了什么产品，而是国产算力从“有没有”进入了“能不能规模化落地”的新阶段。摩尔线程只是这个变化的一个切片。
撰稿：ZXS
