摩尔线程全方位展示了其作为智算底座的战略纵深，全面展示了“云-边-端”全栈智算矩阵。这不仅是摩尔线程核心技术和产品的集中亮相，更标志着其全面打通了“云-边-端”智能算力生态，赋能从数字世界到物理世界的全场景AI应用。
5月18日，摩尔线程在北京举办“词元时代，万物智能”年度产品发布会。在Agentic AI推动Token需求快速增长的背景下，摩尔线程集中展示了覆盖“云—边—端”的全栈智算矩阵，包括夸娥智算集群、“长江”SoC驱动的端侧产品、具身智能仿真平台MT Lambda，以及持续升级的MUSA生态，进一步完善其国产GPU软硬件体系，推动AI能力从数字世界延伸至物理世界。
·云端筑基：夸娥智算集群，全链路加速大模型训推
在智算基础设施领域，摩尔线程以夸娥（KUAE）智算集群为核心，构建面向词元时代的高性能AI基础设施。目前，夸娥万卡级智算集群已经落地，在Dense大模型训练中的模型算力利用率（MFU）达到60%，MoE大模型达到40%，有效训练时长达到90%，训练线性扩展效率达到95%，已具备支撑超大规模模型稳定训练的能力。
围绕大模型训练全流程，摩尔线程推出夸娥训练套件，覆盖预训练、持续预训练（CPT）、长文本训练、微调（SFT）与强化学习（RL）等环节，并兼容VeRL训推一体与Slime训推分离框架，同时完成多项主流微调框架适配。基于万卡集群训练的科学基础大模型，在MMLU等评测指标上的表现持续提升。
推理生态方面，摩尔线程已完成对DeepSeek、GLM、MiniMax、Kimi、Qwen等主流国产大模型，以及语音、视觉理解、多模态模型的适配。其中，SGLang主线代码已获得官方原生支持，vLLM-MUSA也已开源，可原生调用摩尔线程GPU能力，提升推理效率。
基于夸娥云服务，摩尔线程还展示了“算力即服务”的应用能力。例如依托GLM模型推理服务的Vibe Coding，可通过自然语言生成App，并由多智能体协同完成开发；AIGC微短剧工作流则实现从剧本策划到视频合成的全链路生成，展现AI内容生产能力。
·终端进阶：“长江”SoC驱动，开启全场景智能
发布会上，以“小麦”智能体为核心的端侧AI产品正式亮相。“小麦”具备情景感知决策、长上下文历史检索、自主任务编排、多模态情绪识别及跨端协同能力，运行于AI原生操作系统MTT AIOS之上，并采用二维拓扑记忆系统与自研Agent开源框架MTClaw。
作为智能家庭AI中枢，MTT AICUBE首次发布。产品整合“智能体 + AI PC + AI NAS”三大能力，内置“小麦”智能体，并预装60余项Skills，支持超过36款APP的跨应用控制。同时，其全闪存AI NAS模块可提供本地数据存储与智能管理能力，还具备完整桌面AI PC功能，可满足影音娱乐、办公学习、云游戏及本地大模型运行等需求。摩尔线程宣布，AICUBE将于6月18日在京东摩尔线程旗舰店开启预售。
与此同时，MTT AIBOOK也迎来升级。作为“为智能体而生”的笔记本电脑，AIBOOK在MTT AIOS原生Linux系统下，预装“龙虾”智能体（OpenClaw），支持多智能体协作，并提供90余项工具调用接口。产品还支持原生Linux、虚拟化Windows及容器化Android多系统运行，同时集成LLM、ASR、TTS、OCR等模型能力，覆盖更广泛的端侧AI应用场景。
针对边缘计算市场，摩尔线程还展示了基于“长江”智能SoC打造的MTT E300 AI模组。该产品支持混合精度计算，可在复杂环境下稳定运行，面向工业质检、能源巡检、智慧教室、具身智能、智能汽车及低空经济等场景提供低延迟边缘AI能力。
·物理跨越：生态闭环，赋能具身智能训练与仿真
在具身智能领域，摩尔线程发布首个全栈具身智能仿真平台MT Lambda，构建覆盖数据合成、策略训练与仿真验证的完整工作流。平台基于全功能GPU实现渲染、物理与AI计算统一运行，支持数据“零拷贝”；中间层融合自研物理、渲染与AI引擎，上层则包括MT Lambda-Lab具身策略训练平台与MT Lambda-Sim高保真仿真平台。发布会现场，摩尔线程还通过机器狗演示了平台在动作训练与策略开发方面的能力。
目前，摩尔线程已形成覆盖“大模型训练—仿真模拟—端侧部署”的具身智能生态闭环，并联合光轮智能、光线云等合作伙伴，共同推进国产具身智能仿真底座与RaysTwins具身仿真平台建设。
·生态进化：MUSA 100%兼容，开源与开放共建
作为贯穿摩尔线程全功能GPU硬件与软件体系的底层架构，MUSA已全面实现对主流CUDA生态的深度兼容。最新发布的MUSA SDK 5.1.0对标CUDA 12.8，新增248个驱动与运行时API，兼容接口数达到761；核心数学库实现100%对齐，并支持PyTorch全部3194个算子以及55类核心AI算子。当前，MUSA已覆盖驱动、编译器、算子加速库、训练与推理框架等完整链路。
在开源生态中，MUSA已正式成为vLLM官方后端，并获得SGLang官方原生支持；TileLang-MUSA成功合入开源主线，并支持Trition 3.6版本。FlashAttention3等热点算子在MUSA上的执行效率达到95%。此外，训练套件已可支持超大规模集群与强化学习场景，推理套件则全面适配主流框架。
值得关注的是，摩尔线程还将AI能力引入生态迁移与开发流程。基于Automusify智能迁移工具，MUSA已实现Top 100人工智能与Top 100科学计算仓库的100%自动迁移；升级后的MUSACODE AI编程助手则通过智能体协同，累计开发交付超过10,000个Kernel算子，并基于TileLang自动调优Group GEMM算子，实现60%的性能提升。
随着“云—边—端”全栈能力逐步完善，摩尔线程正从国产GPU厂商向AI基础设施与生态平台进一步延伸。在Agentic AI与具身智能快速发展的背景下，其围绕算力、终端、仿真与生态构建的全链路布局，也体现出国产智算产业持续走向成熟。
网友评论