在近日舉辦的首屆MUSA開發者大會上，摩爾線程向業界展示了其在全功能GPU領域的一系列重大突破，涵蓋架構創新、集群能力提升以及生態建設等多個維度。其中，新一代GPU架構“花港”的發布和“夸娥”萬卡智算集群的實際效率披露，成為全場焦點。

“花港”架構的推出，標志著摩爾線程在計算密度和效能方面實現了顯著提升。據介紹，該架構的計算密度提高了50%，效能提升最高可達10倍，并全面支持從FP4到FP64的全精度計算。更引人注目的是，架構中集成了自研的MTLink高速互聯技術，為未來十萬卡規模以上的集群擴展奠定了堅實基礎。摩爾線程創始人、董事長兼CEO在演講中指出，生態體系是GPU行業的核心競爭力，也是其價值所在?；凇盎ǜ邸奔軜?，公司已規劃了兩款芯片：一款是專注于AI訓練與推理一體化的“華山”，另一款是瞄準高性能圖形渲染的“廬山”。其中，“廬山”在圖形性能上實現了數量級的飛躍，AI計算、幾何處理及光線追蹤性能分別提升了64倍、16倍和50倍。這一架構與產品路線的發布，表明摩爾線程正從單一場景的加速卡產品向覆蓋AI計算、圖形渲染、科學計算等全場景的“全功能GPU”平臺邁進。

在集群能力方面，摩爾線程首次公開了“夸娥”萬卡智算集群的關鍵工程效率指標。數據顯示，該集群在訓練稠密大模型時，模型算力利用率（MFU）達到60%，訓練混合專家模型時MFU為40%，訓練線性擴展效率達95%，有效訓練時間占比超過90%。這些指標，尤其是MFU，是衡量超大規模AI集群實際效能的關鍵，直接關系到訓練的總體成本與可行性。中國工程院院士、清華大學計算機系教授在大會上表示，雖然構建國產萬卡乃至十萬卡級別的超大規模智算系統難度極大，但這是必須完成的產業基礎設施任務。他認為，國產計算顯卡與國外主流產品的性能差距正在逐步縮小，而集群能力的突破是發展“主權AI”、實現“算力自主”的重要一環。

在推理側，摩爾線程與硅基流動合作，在DeepSeek R1 671B全量模型上取得了性能突破。經過優化后，MTT S5000單卡在Prefill階段吞吐量突破4000 tokens/s，Decode階段突破1000 tokens/s。這一數據為國產GPU在超大規模模型推理場景樹立了新的性能標桿，也反映了從硬件到軟件系統級調優的顯著成效。

除了硬件與集群的突破，摩爾線程還在生態開放與賦能方面邁出了重要步伐。公司宣布，其自主統一的軟件架構MUSA已迭代至5.0版本，并計劃逐步開源包括計算加速庫、通信庫及系統管理框架在內的核心組件。為降低開發門檻，摩爾線程發布了搭載自研“長江”智能SoC的AI算力本MTT AIBOOK，提供端側50TOPS算力，旨在實現從芯片到開發環境的全棧整合與“開箱即用”。同時，其面向開發者的“摩爾學院”平臺已吸引近20萬學習者，并通過校企合作覆蓋全國超200所高校。這種從底層技術開源、到開發工具供給、再到人才早期培養的全鏈路生態建設思路，體現了國產GPU企業對行業規律的深刻理解——生態的構建是一場需要長期投入、多方協同的馬拉松。

此次發布還揭示了GPU技術演進的前沿趨勢：圖形、AI與高性能計算的深度融合。摩爾線程宣布，基于“花港”架構實現了硬件級光線追蹤加速，并推出了自研的AI生成式渲染技術MTAGR 1.0，推動渲染從“計算”走向“生成”范式。公司已在具身智能、科學智能（AI for Science）、AI for 6G等前沿交叉領域展開布局，發布了具身智能仿真訓練平臺MT Lambda及相應的機器人解決方案。這些舉措表明，其技術路線并非僅追逐單一的AI算力，而是著眼于GPU作為通用計算平臺在未來更廣闊場景中的滲透與價值重塑。

摩爾線程此次的全棧技術展示，反映了當前國產高端算力發展的階段特征：從單點芯片的突破，正進入需要攻克超大規模系統工程、構建繁榮應用生態的“深水區”。萬卡集群的效率公開，意味著國產算力基礎設施已開始接受大規模、高負荷實際場景的檢驗。而架構的迭代、圖形與AI的融合，以及對科學計算等前沿領域的探索，則展現了企業試圖參與定義下一代計算架構的技術布局。然而，通往成熟生態的道路依然漫長。硬件性能的持續提升、軟件棧的深度優化、與國內外主流開發框架及應用的廣泛兼容，以及吸引足夠數量和質量開發者形成網絡效應，均是擺在所有國產GPU廠商面前的共同課題。