2025 年 12 月 20 日，摩尔线程首届 MUSA 开发者大会（MDC 2025）于北京中关村国际创新中心正式开幕。本次大会上，摩尔线程集中发布了一系列技术与产品进展：
新架构“花港”亮相：发布全功能 GPU 架构“花港”，支持 FP4 到 FP64 的全精度计算，密度密度提升 50%，效能提升 10 倍。未来将基于该架构推出高性能 AI 训推一体“华山”芯片与专攻高性能图形渲染的“庐山”芯片。
“夸娥”万卡高效训练：发布夸娥万卡智算集群，展示了其支撑万亿参数模型训练的工程化能力与可靠性，在多项关键精度指标上达到国际主流水平。
推理性能实现飞越：摩尔线程联合硅基流动，在 DeepSeek R1 671B 全量模型上实现性能突破，MTT S5000 单卡 Prefill 吞吐突破 4000 tokens/s、Decode 吞吐突破 1000 tokens/s，树立国产推理性能新标杆。
超节点架构前瞻：分享面向下一代超大规模智算中心的 MTT C256 超节点架构规划，着眼高密硬件架构，将实现极致智算性能。
全新个人智算平台：正式发布搭载智能 SoC 芯片“长江”的 AI 算力本 MTT AIBOOK，赋能“摩尔学院”20 万开发者与学习者。
图形进化与前沿探索：实现硬件级光线追踪加速与自研 AI 生成式渲染技术，具身智能、科学智能（AI4S）、AI for 6G 等前沿领域的深度布局，进一步印证了全功能 GPU 技术路线的广度与面向未来的可扩展性。
摩尔线程创始人、董事长兼 CEO 张建中在主题演讲中强调了 MUSA 架构作为全功能 GPU 基石的先进性与技术引领性，并表示：“生态体系是 GPU 行业的核心护城河与价值所在，依托 MUSA 架构的优势，我们持续加大研发投入，致力于攻克从硬件到软件的核心技术挑战，以开放创新不断深化与生态伙伴的协同，共同构建自立自强的国产计算产业生态。
中国工程院院士、清华大学计算机系教授郑纬民在大会上发表了题为《中国主权的 AI 计算引擎构建研究——以国产 GPU 为代表的自主可控路径观察》的主题演讲，为国产 GPU 及主权 AI 的发展提供了系统性思路。
郑纬民指出，我们所处的时代正在经历深刻变革。过去，芯片产业高度依赖全球化分工：架构设计、设备制造、代工与封装由不同国家和地区分工完成。然而，近年来全球环境发生了变化，“主权 AI”已从学术讨论逐步成为国家必须正面回答的现实问题。针对这一背景，郑纬民提出了构建主权 AI 的五大关键点，并结合摩尔线程的实践进行了深入解析。
主权 AI 的三大支柱：算力自主、算法自强与生态自立
郑纬民强调，主权 AI 需要构建系统性工程框架，其中最核心的三大支柱为：算力自主、算法自强以及生态自立。算力自主是物理层面的安全底座，包括三项核心能力：芯片设计自主可控、制造与供应链风险可控、系统与集群交付能力强。摩尔线程的国产全功能 GPU 正是这一理念的代表，通过整合 AI、3D 渲染与 HPC 功能，构建可独立运行、稳定可靠的算力体系。
在算法自强方面，郑纬民指出，GPU 不仅要支持大模型训练，还要能实现大模型的优化与适配。这意味着硬件与算法必须深度协同，以充分发挥芯片潜力。摩尔线程针对大模型训练提供了完整的软件与硬件配套方案，使得国产 GPU 在训练效率和性能上与国际同类产品接近甚至部分超越。
生态自立则更具战略意义。郑纬民强调，硬件能力虽重要，但生态是否成熟决定了平台能否被广泛采纳。真正的生态建设不仅是厂家提供硬件，更要让开发者“愿意用”。
摩尔线程通过类 CUDA 的生态实践、开源项目以及开发者工具链建设，使国产 GPU 平台从“能跑”走向“好用”，最终让开发者主动选择国产生态。这一点在 Mooncake 大模型推理架构及 KTransformers 等开源项目中得到体现，实现了软硬件生态的有机融合。
AI+3D+HPC 一体化架构：全功能 GPU 的实践
郑纬民在演讲中提出，物理 AI 与世界模型的计算需求呈现三位一体特征：支持 AI 运算、3D 渲染能力和 HPC 高精度计算能力。摩尔线程通过全功能 GPU，将这三方面能力集成于单芯片，实现从 AI 驱动的新一代渲染平台，到数字孪生、工业仿真、视频生成与实时交互等多场景的覆盖。
发布会上，摩尔线程展示了其新一代 GPU 在 AI 模型训练、3D 场景渲染以及 HPC 高精度计算上的性能指标，并演示了在视频生成、工业仿真及多模态 AI 应用中的实际效果。郑纬民指出，这种一体化设计不仅提升了性能，更为国产芯片的主权可控奠定了基础。
从单卡到万卡、十万卡集群：算力自主的基石
大模型训练需要极大算力支撑。郑纬民强调，国产 GPU 的万卡乃至十万卡集群建设极具挑战，不仅需要解决互联网络与拓扑设计问题，还需保证可靠性与运维能力，以及供电与散热系统的高效运作。他指出：“十万卡系统不是简单叠加电源和机架，而是一个高度复杂的系统工程。”
摩尔线程在大会上展示了其大规模 GPU 集群方案，涵盖互联网络设计、容错机制、自动运维系统以及散热供电优化等全链条技术。郑纬民表示，这些工程实践标志着国产算力平台从“能用”向“好用”迈出了关键一步，为大模型训练和主权 AI 的落地提供了可靠保障。
开发者与类 CUDA 生态建设：从“能用”到“愿意用”
在郑纬民看来，真正决定国产主权 AI 成败的关键，是开发者生态。国产平台需要解决迁移成本高、工具链不成熟、社区支持不足等问题。
他强调，“从能用到好用，再到愿意用”，是生态建设的三个阶段。摩尔线程 MUSA 平台便是类 CUDA 的国产实践，通过完善的工具链、开源项目支持以及社区建设，使开发者能够低成本、高效率地在国产 GPU 上完成大模型训练和推理。
开源在生态建设中扮演重要角色。郑纬民以清华大学团队的 Mooncake 和 KTransformers 项目为例，展示了开源如何助力国产 GPU 在大模型推理与混合 CPU/GPU 使用场景下实现优化，同时降低了开发成本。这也符合后 CUDA 时代的趋势，即模型使用者更多依赖开源项目而非单一商业闭源方案。
产业协同：从碎片化走向合力
郑纬民指出，当前国产 GPU 产业仍面临碎片化问题。不同厂商提供不同接口、不同系统环境增加了开发者负担。为实现主权 AI 的全面落地，产业协同、软硬件协同设计以及应用生态统一标准至关重要。他呼吁产业界与开发者团结一心，共同解决生态薄弱、应用不足等问题。
摩尔线程在发布会上也提出了多项产业协同举措，包括与高校和科研院所合作推进 GPU 算力开放实验室、与软件开发商协同优化算法性能、以及推动产业联盟建立统一接口标准，旨在形成国产生态“百花齐放”的发展局面。
随着国产 GPU 技术逐步成熟、开发者生态逐步完善以及产业协同不断推进，中国主权 AI 的落地路径日益清晰。摩尔线程的新一代全功能 GPU 发布会，结合郑纬民院士对算力、算法与生态的系统阐述，为国产 GPU 及主权 AI 产业提供了重要的实践指南。未来，随着大规模 GPU 集群的建设和多模态 AI 应用的推广，国产主权 AI 的创新能力与国际竞争力都将得到进一步验证。
