在过去的这个周末，我参加了摩尔线程开发者大会，总结起来就是“震撼且超预期”。
当国产GPU行业始终摆脱不了“对标英伟达”的叙事框架时，摩尔线程在上一个周末用一场堪比“消费产品发布会”的MUSA开发者大会，给出了完全不一样的答案。在这场聚焦全功能GPU的开发者盛会上，摩尔线程没有刻意渲染“国产替代”，而是以“花港”新一代GPU架构为核心，亮出了覆盖“芯、边、端、云”的全栈技术体系。
从2020年成立至今，五年时间里摩尔线程走出了一条独属于中国GPU产业的自主创新之路。在诸多质疑声中，它用全新GPU架构、暴增的算力与图形性能、万卡集群、端侧AI计算终端、完善的框架与软件栈等硬核成果给出了响亮的回击。并且再度证明——中国GPU的出路不是复刻别人的路径，而是走出自己的技术生态。
五年淬炼，从0到1的自主化征程
摩尔线程的诞生，本身就带着打破行业垄断和弥补中国芯片产业短板的使命。
2020年10月，曾带领英伟达中国区实现市占率从50%跃升至80%的张建中，携手一众来自英伟达、英特尔、AMD等巨头的核心工程师正式开启创业之路，并快速组建起一支经验丰富的核心技术团队。而彼时，国产GPU领域几乎一片空白，国际巨头凭借架构优势和生态壁垒占据绝对主导。但就是在如此艰难的背景之下，摩尔线程从一开始就确立了“全栈自研、自主可控”的核心方向，拒绝走简单模仿的捷径。
2022年，是摩尔线程的破局之年。成立仅19个月后，公司便推出首款全功能GPU芯片“苏堤”，同时发布全新的MUSA统一架构，以及面向PC、工作站和数据中心的系列显卡产品，一举实现国产全功能GPU从0到1的突破。同年11月，第二颗GPU 芯片“春晓”以及业内首款国产消费级显卡MTT S80亮相，让中国玩家首次用国产自主研发的高性能显卡玩上游戏，这也标志着摩尔线程完成了从芯片到终端产品的初步布局。
2023年，摩尔线程进入技术迭代与场景落地的加速期。从获批北京市专精特新企业，到发布新一代芯片“曲院”以及MTT S4000 AI训推一体计算卡，再到推出夸娥千卡智算集群，公司实现了从桌面级到数据中心级产品的全场景覆盖。这一年，MUSA架构完成1.0版本工具包迭代，代码移植工具MUSIFY也正式上线，为开发者生态建设奠定基础。
2024至2025年，摩尔线程再度迎来新一轮技术爆发期。“平湖”架构如同一道惊雷，率先震开了国产GPU芯片能效与算力突破的裂隙。而上个周末发布的新一代“花港”架构，更是完成了算力密度提升50%、能效提升10倍等壮举。而以花港为基石打造的高性能AI训推一体“华山”芯片与专攻高性能图形渲染的“庐山”芯片技惊四座，随后而来的“长江”智能SoC更是意外之喜。
五年时间，摩尔线程以每年一代架构的迭代速度，构建起覆盖芯、边、端、云全场景产品矩阵，用实际行动打破了“国产GPU难成气候”的偏见，也对近期涌现的质疑声给出了有力回击。
架构革新不止于性能，构建自主技术根基
MUSA开发者大会最让我印象深刻的是周围媒体同行不由自主发出的“还有？？！！”，简简单单两个字让这场芯片行业的发展会变得与众不同。
笔者参加过各种上有芯片厂商发布会，几乎没有哪一家能够做到摩尔线程这种“下饺子”式的发布。因为相比种类繁多的消费级产品而言，芯片发布会的定式就是架构-技术-产品型号与规格。摩尔线程不仅发布了架构、技术与产品型号，还发布了全新的软件栈、应用、生态计划、行业合作、算力集群等等不同体系和维度的新动向，让我在2个半小时的主题演讲中大脑CPU多次宕机，这庞大的信息量是摩尔线程五年技术积累的一次集中爆发，其力量足以冲破所有的质疑与偏见。
其实评判一家GPU公司的核心竞争力，架构自研能力是最硬的标尺。摩尔线程五年磨一剑的MUSA统一架构，早已跳出单纯的硬件设计范畴，形成了从芯片指令集、编程模型到软件运行库的全栈技术体系，这与英伟达依赖CUDA生态的路径其实有着本质区别。MUSA更加开源，未来潜力不容忽视。
而且伴随着新一代花港架构发布，更是将这种差异化创新凸显出来。新一代芯片算力密度提升50%、效能提升10倍的性能突破固然亮眼，但更值得关注的是全精度计算支持与生态兼容性的平衡。全精度数据覆盖，既满足了AI大模型低精度训练的效率需求，又兼顾了科学计算的高精度要求。同时，MT Link高速互联技术对十万卡级集群的支持，更是针对国内超大规模智算需求的定制化创新。这种全场景适配的设计思路，与英伟达当前侧重数据中心算力的路线形成鲜明对比。
在软件生态这个关键壁垒上，摩尔线程并没有陷入兼容CUDA这样的被动跟随状态。MUSA 5.0通过原生MUSA C语言与TileLang、Triton的深度兼容，构建了灵活的编程环境，核心计算库muDNN的GEMM/Flash Attention效率超98%，通信效率达97%，编译器性能提升3倍，这些指标已经实现了对主流生态的性能追平。更重要的是，其计划开源计算加速库、通信库等核心组件，以及即将推出的跨代GPU指令中间语言和渲染专用语言muLang，正在构建真正自主可控的软件生态，这种开源共建的模式与英伟达较为封闭的生态策略截然不同，也展现出了国产GPU发展路线的差异性。
产品全场景覆盖，打破单点突破困境
摩尔线程打造“全功能GPU”，并不是简单地对产品进行定位，而是从一开始确立起云、边、端全场景覆盖战略，而这种布局在MUSA开发者大会上得到更加完整地呈现。
在云端算力领域，夸娥万卡智算集群一方面交出了令人信服的答卷，另一方面也为摩尔线程自身构建起牢固的营收支点。10 Exa-Flops浮点运算能力、Dense大模型60%的MFU利用率、95%的训练线性扩展效率，这些指标不仅达到国际主流水平，更在能效比和生态兼容性上形成优势。特别是其零中断容错方案，通过DP组级故障隔离机制实现99%的有效训练时间占比，解决了大规模集群训练中最棘手的稳定性问题。而与硅基流动合作实现的DeepSeek-R1 671B模型推理突破，单卡Prefill4000 tokens/s、Decode1000 tokens/s，更是树立了国产推理性能的新标杆，证明国产GPU在大模型实战场景中已具备不错的竞争力。
在端侧市场，MTT AIBOOK的发布填补了国产AI算力笔记本的空白。它搭载的自研“长江”智能SoC芯片，本质上是对标英伟达Grace Blackwell的产品，能够提供50TOPS端侧AI算力，支持Linux、Windows等多系统无缝切换，预置完整AI开发环境与数字人智能体“小麦”，实现了专业开发与日常办公的场景融合。这种开箱即用的个人智算平台，让AI算力真正走进开发者日常。
图形计算领域的突破则展现了摩尔线程的技术广度。“庐山”芯片较MTT S80，也就是春晓，实现AI计算性能提升64倍、光线追踪性能提升50倍，显存容量提升4倍，不仅能支持更多3A游戏流畅运行，同时也能满足工业设计、数字孪生等专业场景需求。而硬件级光线追踪加速与AI生成式渲染技术的融合，标志着国产GPU在图形领域已摆脱追赶者身份，开始参与技术标准的拓宽。
开放协同，走出国产GPU特色之路
其实，GPU行业的竞争本质是生态竞争，这一点摩尔线程有着相当清醒的认知。毕竟张建中曾在英伟达工作近15年，他太熟悉如何利用生态共建去让芯片从实验室真正走向市场，真正有人去用。因此，“开放”成为摩尔线程的核心理念，而摩尔学院就是为此而生。
当前，摩尔学院已汇聚数十万名开发者，与200多所高校开展产教融合合作，通过多个开发者计划，形成了从学生到科研人员的全周期培育体系。这种扎根本土的人才培养模式，为生态建设提供了源源不断的内生动力。而MUSA生态中心的建立，以及核心技术组件的开源计划，更是降低了开发者的入门门槛，形成了从硬件到软件再到开发者的正向循环。
在产业协同方面，摩尔线程的生态已覆盖工业智造、智慧医疗、数字孪生、智慧农业等多个领域。与雪浪云合作打造工业智能解决方案，与推想医疗完成AI医疗软件国产化适配，与泛联院共建6G智能云基站算力底座，这些合作不是简单的硬件供应，而是基于MUSA架构的深度协同创新，形成了具有国产特色的算力加行业解决方案。这种生态扩张模式，避免了以硬件为主导的单一化发展模式，更能适应国内千行百业的数智化转型需求。
结语
自2020年诞生至今，摩尔线程一直被称作“中国英伟达”。但是从这场MUSA开发者大会之后，我认为是该改一改这样的认知了。摩尔线程就是摩尔线程，它有着独属于中国GPU产业的发展之路，是中国GPU自主可控的战略诉求，尤其是在开放、开源这一层面，与英伟达有着显著差异。摩尔线程趟出的是一条以全栈自研、全场景覆盖、全生态共建为核心的中国式GPU之路。
这条道路或许充满挑战，但已展现出更为清晰的发展前景，当夸娥集群支撑起万亿参数大模型训练，当MTT AIBOOK、MTT AICube在端侧赋能万千万开发者，当MUSA生态融入千行百业，摩尔线程其实并不再需要对标任何国际巨头。因为它已经用五年时间证明，中国GPU的未来，不是成为另一个谁，而是成为最好的自己。
