《科創(chuàng)板日報》12月20日訊（記者 黃心怡）在今日舉行的首屆MUSA開發(fā)者大會上，摩爾線程發(fā)布新一代全功能GPU架構“花港”，以及基于“花港”架構的AI訓推一體芯片“華山”和專攻高性能圖形渲染的芯片“廬山”。

同時，摩爾線程正式推出了夸娥萬卡智算集群，搭載自研“長江”智能SoC 芯片的AI算力本 MTT AIBOOK。

《科創(chuàng)板日報》記者在現(xiàn)場看到，當虹科技、中望軟件等多家科創(chuàng)板上市公司與摩爾線程開展合作。其中，當虹科技BlackEye多模態(tài)空間大模型基于摩爾線程GPU，滿足超高清直播實時轉(zhuǎn)碼、離線視頻增強等等高性能需求；中控技術的時間序列大模型與摩爾線程的GPU完成了適配；中望軟件與摩爾線程推出了全棧國產(chǎn)化三維CAD一體化解決方案，適配多種國產(chǎn)CPU與操作系統(tǒng)。

▍新一代GPU架構“花港”發(fā)布

摩爾線程創(chuàng)始人、董事長兼CEO張建中介紹，新發(fā)布的GPU架構“花港”， 基于新一代指令集，算力密度提升50%；支持從FP4到FP64的全精度端到端計算，新增MTFP6/MTFP4及混合低精度支持。集成新一代異步編程模型，優(yōu)化任務調(diào)度與并行機制；通過自研MTLink高速互聯(lián)技術，支持十萬卡以上規(guī)模智算集群擴展。

基于“花港”架構，摩爾線程公布了未來將發(fā)布的兩款芯片技術路線：

“華山”專注AI訓推一體與超大規(guī)模智能計算。集成新一代異步編程與全精度張量計算單元，支持從FP4至FP64的全精度計算，為萬卡級智算集群提供算力支撐。

“廬山”專攻高性能圖形渲染。在圖形性能方面，AI計算性能提升64倍，幾何處理性能提升16倍，光線追蹤性能提升50倍。集成AI生成式渲染、UniTE統(tǒng)一渲染架構及全新硬件光追引擎，為3A游戲、高端圖形創(chuàng)作提供算力支持。

本次大會正式發(fā)布了夸娥萬卡智算集群，浮點運算能力為10Exa-Flops，訓練算力利用率（MFU）在Dense大模型上達60%，MOE大模型上達40%，有效訓練時間占比超過90%，訓練線性擴展效率達95%，與國際主流生態(tài)高度兼容。

摩爾線程公布了MTT C256超節(jié)點的架構規(guī)劃。該產(chǎn)品采用計算與交換一體化的高密設計，旨在系統(tǒng)性提升萬卡集群的訓練效能與推理能力，支撐下一代超大規(guī)模智算中心建設。

在具身智能方面，摩爾線程推出MT Lambda具身智能仿真訓練平臺，推出基于智能SoC芯片“長江”、AI模組MTT E300和夸娥智算集群“端云結(jié)合”的MT Robot具身智能解決方案，并宣布將于2026年第一季度開源關鍵仿真加速組件Mujoco-warp-MUSA，以助力機器人產(chǎn)業(yè)研發(fā)效率提升。

此外，摩爾線程發(fā)布會上還發(fā)布面向開發(fā)者的AI算力本 MTT AIBOOK，搭載自研“長江”智能SoC，提供高達50TOPS的端側(cè)AI算力。同時預告了基于“長江”SoC打造的迷你型計算設備MTT AICube。

▍國產(chǎn)GPU芯片要實現(xiàn)生態(tài)自立

英偉達CUDA軟件系統(tǒng)生態(tài)被業(yè)內(nèi)普遍認為是其最大護城河，也是國產(chǎn)GPU廠商的薄弱之處。

中國工程院院士、清華大學計算機系教授鄭緯民表示，國產(chǎn)GPU芯片要實現(xiàn)生態(tài)自立，實現(xiàn)從“能跑”到“愿意用。

“真正決定主權AI生態(tài)成敗的，在于是否有足夠多的開發(fā)者愿意長期在這套棧上寫代碼。開發(fā)者是生態(tài)的核心資源，國產(chǎn)平臺需要解決遷移成本太高、工具鏈不成熟，文檔/社區(qū)與支持不足。實現(xiàn)從‘能用’到‘愿用’的根本性轉(zhuǎn)變，關鍵在于開發(fā)體驗。”

目前，摩爾線程對MUSA 軟件架構升級到5.0版本，兼容 TileLang、Triton 等編程語言，核心計算庫muDNN實現(xiàn)GEMM/FlashAttention效率超98%，通信效率為97%，編譯器性能提升3倍，并集成高性能算子庫。后續(xù)，計劃逐步開源計算加速庫、通信庫及系統(tǒng)管理框架在內(nèi)的核心組件，向開發(fā)者社區(qū)開放底層能力。

摩爾線程創(chuàng)始人、董事長兼CEO張建中還透露，即將推出兼容跨代GPU指令架構的中間語言MTX、面向渲染+AI融合計算的編程語言muLang、量子計算融合框架MUSA-Q，以及計算光刻庫muLitho。

對于國產(chǎn)AI芯片軟件生態(tài)存在的“內(nèi)卷”與碎片化問題，鄭緯民認為，多家廠商各自構建軟件棧與接口標準，下游開發(fā)者需要為不同平臺重復適配。同時，缺乏統(tǒng)一的加速器接口與部分關鍵組件的開源標準，實現(xiàn)互操作難度大。在生態(tài)資源有限的前提下，容易陷入低水平重復建設與“內(nèi)卷”競爭。

鄭緯民表示，應建立面向國產(chǎn)加速器的統(tǒng)一或高度兼容的接口標準，減少軟件層的無謂分裂。通過產(chǎn)業(yè)聯(lián)盟機制推動芯片廠商、框架團隊、系統(tǒng)廠商與頭部應用方開展聯(lián)合優(yōu)化。在關鍵基礎軟件比如通信庫、編譯器框架、異構調(diào)度系統(tǒng)等上形成共享的開放底座。

鄭緯民呼吁，產(chǎn)業(yè)團結(jié)與協(xié)同對于緩解“應用不足、生態(tài)薄弱”尤為關鍵，只有當國產(chǎn)AI卡在真實業(yè)務中被大規(guī)模使用生態(tài)才會具備自我強化的正反饋。

▍“萬卡甚至十萬卡集群”是必選項

會上發(fā)布的摩爾線程新一代GPU架構“花港”，支持十萬卡以上規(guī)模智算集群擴展。

鄭緯民在演講中提到， 從國產(chǎn)萬卡至十萬卡系統(tǒng)很難，但從主權AI基建角度，是不得不走的一步。因為模型時代的基本單位是集群總算力，不是單卡性能。預訓練超大規(guī)模模型、服務國民級推理需求，需要持續(xù)可用的萬卡級訓練集群。

“目前在工程上的主要挑戰(zhàn)在于，在沒有專有封閉互連的情況下，基于以太網(wǎng)等通用網(wǎng)絡實現(xiàn) All-Reduce 與低延遲通信是關鍵難點。可靠性與運維有待提升，萬卡集群單點故障是常態(tài)，需要斷點續(xù)訓、容錯訓練算法、自動化運維與監(jiān)控?！编嵕暶穹Q。

在能耗與供電散熱方面，十萬卡規(guī)模對應的是百兆瓦級電力需求，需要機房、園區(qū)級綜合設計。

鄭緯民表示，國產(chǎn)集群實踐表明，在“通用網(wǎng)絡+自研通信庫+軟硬件”協(xié)同設計下，仍然可以構建“可用”的大規(guī)模系統(tǒng)，但需要長期持續(xù)的工程投入。