WAIC 2026摩尔线程三大AI工厂落地，国产算力如何重塑词元经济？
随着2026世界人工智能大会（WAIC）在上海世博展览馆的启幕，人工智能产业的竞争焦点已从单一的算法模型迭代，全面转向底层算力基础设施的规模化落地与效能释放。在这一背景下，摩尔线程首次系统性地公开了其基于“夸娥”智算集群打造的三大“AI工厂”——模型训练工厂、词元生产工厂以及智能体生产工厂的落地实践。这一布局不仅标志着国产全功能GPU从技术研发走向规模化应用的新阶段，更为全球AI产业提供了一套可复制的算力基建范式。
算力作为数字经济时代的核心生产力，其本质在于将物理资源转化为高质量的“词元”。正如中国工程院院士郑纬民所言，算力基建的关键在于效率与质量的平衡。在代理式AI、物理AI等前沿技术加速爆发的当下，基础模型的迭代周期已缩短至两个月，词元消耗量呈指数级增长。面对这一挑战，传统的专用算力架构已难以满足多元化、全场景的算力需求。摩尔线程以全功能GPU为核心，通过三大“AI工厂”的精细化分工，旨在解决从训练、推理到智能体生成的全链路痛点，从而为千行百业的智能化升级筑牢基石。
模型训练工厂：突破规模化训练的性能瓶颈
在大型基础模型的研发过程中，训练的稳定性和扩展性是决定模型上限的关键因素。摩尔线程构建的“模型训练工厂”，依托夸娥智算集群，在高性能、高扩展、高精度和高稳定性四个维度上实现了显著突破。
高扩展性是衡量智算集群能力的核心指标。随着集群规模的扩大，通信开销往往成为性能提升的桎梏。数据显示，摩尔线程夸娥智算集群在规模持续增长的过程中，能够保持高达95%的线性扩展效率。这意味着算力资源的增加能够直接转化为训练速度的线性提升，极大地降低了超大规模模型训练的边际成本。
高精度与高稳定性则是确保训练成果可靠性的基础。在训练精度方面，基于摩尔线程全功能GPU的训练损失曲线与国际主流计算卡保持高度一致，证明了其数值计算能力的同等水准。更为关键的是高稳定性表现，集群支持断点续训功能，使得有效训练时长占比超过90%。在动辄数周甚至数月的长周期训练中，这种容错机制极大地提升了资源利用率，避免了因硬件故障导致的算力浪费。
这些技术突破已转化为具体的“国芯训国模”实践成果。例如，团队从零起步完整训练了MoE-236B基础模型，并成功实现了北京大学EvoPhys-World 5D世界模型的全栈原生训练。这些案例充分验证了国产芯片在支撑超大规模、超长连续稳定训练上的全链路闭环能力，打破了国外技术垄断。
词元生产工厂：重构推理成本与效率平衡
如果说训练是模型能力的源泉，那么推理则是将模型能力转化为实际服务的关键环节。当前，推理场景呈现出多模态、低延迟、高性价比的复杂需求。摩尔线程推出的“词元生产工厂”，旨在通过技术优化，实现推理性能与成本的最佳平衡。
在适配性方面，摩尔线程高性能推理套件深度适配SGLang、vLLM等主流推理框架，覆盖了大语言模型、视觉、语音、DiT及视频生成等多模态场景。值得注意的是，其对DeepSeek、MiniMax、GLM、Kimi、Qwen等主流大模型实现了“发布即适配”，极大降低了开发者的迁移成本，加速了应用落地。
针对推理过程中存在的算力瓶颈，摩尔线程创新性地推出了基于MTT S5000的PD分离异构推理方案。在大模型推理中，Prefill（预填充）阶段计算密集，而Decode（解码）阶段内存带宽密集。传统方案往往需要昂贵的统一算力池，导致资源浪费。摩尔线程的方案将高算力需求的Prefill计算池与高带宽的Decode生成池进行异构分离、分池部署。这种策略不仅大幅提升了性价比，还通过与国际主流GPU的深度融合，实现了高品质与低成本的优势互补，真正让国产算力转化为规模化的词元产能。
智能体生产工厂：连接数字与物理世界的桥梁
随着AI从内容生成向自主决策演进，智能体（Agent）成为新的竞争高地。摩尔线程布局的“智能体生产工厂”，致力于高效连接数字世界与物理世界，推动具身智能的发展。
在数字智能体方面，摩尔线程自研全域数字智能体“小麦”展现了强大的交互能力。该智能体掌握60余项技能，支持38款APP的跨应用控制，并通过多模型配置和丰富知识库的灵活调用，实现了更快、更准的用户意图识别与执行。此外，为承载“小麦”的智慧进化，摩尔线程还推出了两款AI原生终端：AI算力本MTT AIBOOK和家庭AI中枢MTT AICUBE，构建了“云-边-端”协同的全场景智算矩阵，让智能服务能够触达每一个终端用户。
在物理智能体方面，摩尔线程开发了全栈具身智能仿真平台MT Lambda。该平台涵盖了从底层算力、核心引擎到上层框架及工具的完整解决方案，旨在加速物理世界智能体的研发与迭代。通过提供逼真的仿真环境，开发者可以高效训练机器人的运动控制、环境感知等能力，从而缩短具身智能从实验室走向产业应用的时间周期。
生态共建：从技术单点到产业协同
三大“AI工厂”的落地，离不开开源开放的生态系统支撑。摩尔线程基于MUSA架构搭建的生态体系，通过MusaCoder代码大模型和MUSACODE编程智能体等AI工具，显著降低了开发者使用国产算力的门槛。同时，摩尔学院联合众多企业、高校，打通产学研用链条，形成了良性的生态循环。
在产业合作层面，多家头部企业与科研机构已率先完成落地验证。京东云携手摩尔线程，通过JoyAI大模型联合攻坚，打造企业级推理平台，实现了国产算力从“能跑模型”到“能跑业务”的跨越。极佳视界利用摩尔线程MTT S5000完成了驾驶世界模型等物理AI模型的训练，聚焦软硬协同下的模型效率深化。北京大学EvoPhys项目组在“灯塔计划”支持下，基于该芯片完成5D世界模型训练，连续37天登顶WorldScore排名，彰显了国产算力在高水平科研中的价值。
MiniMax与趋境科技则在词元生产领域展开合作，通过多芯片适配与PD分离技术，实现了万亿级高品质词元的日均供应能力。无问芯穹则分享了Infini-AIOps运维智能体在夸娥集群上的应用，实现了运维闭环，为算力基础设施的智能化运维树立了标杆。
从三大“AI工厂”的系统化布局，到AI原生终端的场景延伸，再到MUSA生态的广泛连接，摩尔线程正在通过技术创新与产业协同，重新定义国产算力的价值边界。在词元时代，算力不再仅仅是硬件参数的堆砌，而是转化为支撑万物智能的核心动能。随着更多行业场景的落地验证，国产算力正引领着一场深刻的产业变革，为全球人工智能的发展提供坚实、高效、可靠的基石。