在世界人工智能大会即将拉开帷幕之际，国产芯片产业的目光聚焦于摩尔线程所打造的“AI工厂”。这一创新成果在2025年成为了行业内热议的话题。
摩尔线程的创始人兼首席执行官张建中，在一场以“算力进化，精度革命”为主题的技术分享会上，详细阐述了公司如何应对生成式AI的迅猛增长所带来的大模型训练效率瓶颈。他介绍，摩尔线程通过系统性的工程创新，构建了一个面向AI训练的新时代基础设施，旨在AGI（通用人工智能）时代打造一座能够高效生产先进模型的“超级工厂”。
摩尔线程的“AI工厂”概念，类似于芯片晶圆厂的制程升级，它不仅是一次技术上的革新，更是一场全方位的系统性变革。这包括从底层芯片架构的创新，到集群整体架构的优化，再到软件算法和资源调度系统的全面升级。这一系列变革将推动AI训练规模从千卡级跃升至万卡级，乃至十万卡级，从而实现生产力和创新效率的显著提升。
“AI工厂”的生产效率由五大核心要素共同决定，即加速计算的通用性、单芯片的有效算力、单节点的效率、集群的效率以及集群的稳定性。摩尔线程以全功能GPU的通用算力为基础，通过一系列深度技术创新，将这些要素协同提升，从而转化为工程级的训练效率和可靠性保障。
摩尔线程通过软硬深度协同的系统级创新，构建了“AI工厂”的五大核心技术支柱，旨在实现大模型训练效率的质的飞跃。首先，他们以自主研发的全功能GPU为核心，构建了兼具功能完备性和精度完整性的通用性底座，全面满足从AI训练、推理到科学计算的全场景需求。
基于突破性的MUSA架构，摩尔线程的GPU单芯片集成了AI计算加速、图形渲染、物理仿真及超高清视频编解码能力，完美适配多样化的应用场景。在计算精度方面，摩尔线程支持从FP64至INT8的完整精度谱系，并通过FP8混合精度技术，在前沿大模型训练中实现了20%-30%的性能提升。
芯片的有效算力是驱动“AI工厂”高效运转的关键。摩尔线程通过自研的MUSA架构，在计算、内存、通信方面取得了三重突破，显著提升了单GPU的运算效率。他们采用创新的多引擎、可伸缩GPU架构，构建了全局共享的计算、内存与通信资源池，不仅突破了传统GPU的限制，还大幅提升了资源利用率。
在计算层面，摩尔线程的AI加速系统支持多种混合精度计算。作为国内首批实现FP8算力量产的GPU厂商，其FP8技术通过一系列创新设计，在保证计算精度的同时，将Transformer计算性能提升了约30%。在内存系统方面，他们通过多项技术实现了带宽节省和延迟降低。在通信和互联领域，独创的ACE异步通信引擎和MTLink2.0互联技术为大规模集群部署奠定了坚实基础。
摩尔线程通过MUSA全栈系统软件实现了关键技术突破，推动“AI工厂”从单点创新转向系统级效能提升。他们自研的KUAE计算集群通过5D大规模分布式并行计算技术，实现了上千节点的高效协作，显著提升了大规模集群的训练效率。同时，他们还创新推出了零中断容错技术，确保在硬件故障发生时，训练过程能够无缝继续，大幅降低了恢复开销。
摩尔线程凭借全功能GPU的通用计算能力、创新的MUSA架构、优化的MUSA软件栈、自研的KUAE集群以及零中断容错技术，成功构建起高效的“AI工厂”。这一完善的“AI工厂”不仅具备高效训练大模型的能力，还拥有推理验证能力，实现了“训练-验证-部署”的无缝衔接。
摩尔线程的全功能GPU正在持续加速计算领域的革新，以“KUAE+MUSA”为核心，他们将加速推动AI技术在多个关键领域的应用与部署，包括物理仿真、AIGC、科学计算、具身智能、医疗影像分析、工业大模型等。摩尔线程还计划于今年10月举办首届MUSA开发者大会，邀请全球开发者共同探讨前沿技术，共享MUSA自主新生态。
