WAIC 2026深读：摩尔线程三大“AI工厂”如何重构国产算力生态？

2026年7月，上海世博展览馆见证了国产算力发展史上的一个重要节点。在2026世界人工智能大会（WAIC）的分论坛上，摩尔线程首次公开了其在训练与推理领域的多项实践成果。这并非一次简单的产品发布，而是一场关于算力基础设施如何适配“词元时代”需求的技术宣言。

中国工程院院士郑纬民提出，算力基建的核心在于将每一份算力高效转化为高质量词元。在这一宏观背景下，摩尔线程提出的三大“AI工厂”——模型训练工厂、词元生产工厂、智能体生产工厂，不再仅仅是算力中心的简单堆砌，而是被定义为算力基础设施演进的必然形态。这种从单一计算资源向垂直化、场景化智能工厂的转变，标志着国产AI基础设施正在从“可用”走向“好用”与“专用”。

在人工智能大模型迭代速度达到每两个月一次的当下，算力需求的指数级增长对底层基础设施提出了极高要求。摩尔线程打造的“模型训练工厂”，其核心目标是解决超大规模模型训练中的扩展性、精度与稳定性三大难题。

以夸娥智算集群为例，该集群基于摩尔线程全功能GPU构建，其在关键维度上实现了显著突破。首先是高扩展性，随着集群规模的扩大，摩尔线程能够保持高达95%的线性扩展效率。这意味着随着计算节点的增加，算力并非线性简单叠加，而是能够高效协同，减少通信开销带来的性能损耗。其次是高精度与高稳定性，训练精度与国际主流计算卡持平，且集群支持断点续训功能，使得有效训练时长占比超过90%。这一指标对于动辄需要连续训练数月的超大规模模型而言，是决定项目成败的关键因素。

在此基础之上，摩尔线程完成了一系列具有标志性的“国芯训国模”实践。例如，从零起步完整训练了MoE-236B基础模型，以及实现北京大学5D世界模型EvoPhys-World的全栈原生训练。这些案例不仅验证了国产芯片在技术层面的可行性，更证明了其在超长连续稳定训练上的全链路闭环能力。极佳视界与EvoPhys.ai的合作案例进一步表明，在驾驶世界模型、具身世界模型等物理AI领域，软硬协同优化已成为提升模型效率的核心路径。

如果说训练工厂关注的是“炼”的过程，那么“词元生产工厂”则聚焦于“用”的效率。在推理阶段，算力成本与响应延迟是制约大模型规模化应用的主要障碍。摩尔线程通过深度适配主流推理框架及推出创新的异构方案，试图在这一环节寻找最优解。

目前，摩尔线程高性能推理套件已覆盖大语言模型、视觉、语音及多模态生成等多种场景，并实现了对DeepSeek、Kimi、Qwen等主流模型的“发布即适配”。这种广泛的兼容性极大地降低了部署门槛。更值得关注的是其推出的基于MTT S5000的PD分离异构推理方案。

在传统架构中，Prefill（预填充）和Decode（解码）阶段往往在同一算力池中运行，导致资源错配。摩尔线程将高算力需求的Prefill计算池与高带宽需求的Decode生成池进行异构分离。具体而言，使用MTT S5000处理高算力需求的Prefill阶段，而将Decode阶段部署在具备高带宽优势的国际主流GPU上。这种分池部署策略，巧妙地利用了不同硬件特性的互补优势，大幅提升了整体推理的性价比。趋境科技的实际应用数据表明，这种深度融合方案能够实现日均万亿级高品质词元的供应，真正让国产算力转化为可计量的规模化产能。

随着代理式AI（Agentic AI）的兴起，AI不再仅仅是内容的生成者，更是任务的执行者。摩尔线程提出的“智能体生产工厂”，旨在解决智能体在数字世界与物理世界之间的连接问题。

这一工厂的核心产出包括自研全域数字智能体“小麦”和全栈具身智能仿真平台MT Lambda。“小麦”智能体掌握了60余项技能，支持38款APP的跨应用控制，通过前端多模型与丰富知识库的配置，实现了更精准的用户意图理解。这不仅是软件层面的优化，更依赖于底层算力的实时响应能力。

与此同时，MT Lambda平台构建了从底层算力、核心引擎到上层框架及工具的完整解决方案，专门服务于物理世界的智能体生产。无问芯穹分享的Infini-AIOps运维智能体案例，展示了智能体在算力基础设施运维中的闭环能力，从问题发现到辅助处置，体现了智能体在复杂系统中的自动化潜力。

三大“AI工厂”的落地，离不开底层架构与生态系统的支持。摩尔线程基于MUSA架构搭建的开源开放生态，通过MusaCoder代码大模型和MUSACODE编程智能体等工具，显著降低了开发者使用国产算力的门槛。这种“工具赋能”的策略，加速了产学研用的融合进程。

此外，摩尔线程通过打造AI算力本MTT AIBOOK和家庭AI中枢MTT AICUBE两款AI原生终端，构建了“云-边-端”协同的全场景智算矩阵。这一布局使得算力不再局限于数据中心，而是延伸至边缘侧和终端侧，为智能体的随时随地运行提供了硬件保障。

产业伙伴的广泛参与是这一生态活力的体现。京东云通过JoyAI大模型联合攻坚，致力于让国产算力不仅能跑好模型，更能跑好业务；MiniMax则通过多芯片适配达成极致性能。这些合作表明，国产算力正在从独立的硬件供应商角色，转变为深度嵌入产业价值链的核心伙伴。

摩尔线程在WAIC 2026上展示的三大“AI工厂”，实质上是对未来AI算力基础设施的一种重新定义。它不再单纯追求硬件参数的极致，而是强调算力在特定场景下的整体效能、成本优势与生态兼容性。

从模型训练的全栈原生支持，到词元生产的异构优化，再到智能体生产的云端协同，摩尔线程通过系统化布局，展示了全功能GPU在代理式AI与物理AI浪潮中的核心价值。随着生态伙伴的不断加入与更多行业场景的落地验证，国产算力正在经历从“跟随”到“并行”甚至“引领”的转变。这一过程不仅是技术的突破，更是中国人工智能产业基础设施自主可控进程中的重要一步。未来，随着词元消耗量的持续增长与智能化需求的深化，像“AI工厂”这样精细化、垂直化的算力供给模式，将成为推动万物智能时代到来的关键引擎。