摘要：
在中国市场，摩尔线程想构建一个中国版英伟达生态大厦。
凤凰网科技 出品
作者｜Dale
编辑｜董雨晴
英伟达的CUDA生态，一个被类比成“AI时代的Windows”系统的发布，在2006年刚刚面世时，几乎无人问津。
“一直到2010年，我们去研究一些CUDA的东西的时候，还是会觉得各种问题，之前大家都是英特尔的X86，很成熟了，一做CUDA，这也不行，那也不行，我们就开玩笑怎么做这么烂的？”一位在早年间就专注于英伟达CUDA做软件研究的从业者告诉凤凰网科技，这样的状态持续了仅五六年，到2015年，想再找CUDA的bug就很难了。
CUDA生态的开发者数量在2020年约为180万，到2025年已超过450万，每月工具包下载量达数十万次。到今天，英伟达还在不断加深这个护城河。
在中国市场，摩尔线程试图重讲一个类似的故事，构建一个中国版英伟达生态大厦。
12月20日，在北京中关村国际创新中心，摩尔线程首届MUSA开发者大会（MDC 2025）现场，摩尔线程创始人张建中在上市后首次公开亮相演讲，从“花港”新架构，到“夸娥”万卡集群，再到单卡推理性能突破，第一次系统性摊开了自己的技术底牌，步步直比英伟达。宣布该开发者大会信息后，摩尔线程连涨三天，合计涨幅超50%。
“生态体系是GPU行业的核心护城河与价值所在。”张建中在主题演讲中直言，这不仅是摩尔线程五年来在自主全功能GPU架构MUSA上的投入，也是其在2025年末向市场交出的新答卷。
对标英伟达，亮出全新架构“花港”
如果说芯片是算力的躯体，那么架构就是其灵魂。英伟达的Blackwell、Hopper均以架构命名，其重要性不言而喻明。摩尔线程此次发布的全功能GPU架构“花港”，正是其面向下一代计算范式的核心载体。
根据官方资料，“花港”架构在计算密度、能效、精度支持、互联能力及图形技术等方面实现全面突破：
计算性能显著提升：基于新一代指令集，算力密度提升50%，能效大幅优化；支持从FP4到FP64的全精度端到端计算，新增MTFP6/MTFP4及混合低精度支持。
异步编程与超大规模互联：集成新一代异步编程模型；通过自研MTLink高速互联技术，支持十万卡以上规模智算集群扩展。
图形与AI深度融合：内置AI生成式渲染架构，增强硬件光线追踪加速引擎，完整支持DirectX 12 Ultimate。
基于“花港”架构，摩尔线程明确了两条芯片产品线：
“华山”：专注AI训推一体与超大规模智能计算，为万卡级智算集群提供算力支撑，定位为“下一代AI工厂的坚实底座”。官方表示其性能约在Hopper和Blackwell之间。
“庐山”：专攻高性能图形渲染，图形性能实现全面跨越：AI计算性能提升64倍，几何处理性能提升16倍，光线追踪性能提升50倍，运行3A游戏性能提升15倍。
在行业人士看来，放眼全球，目前仅英伟达等极少数企业具备真正意义上的全功能GPU量产能力。摩尔线程的切入，填补了国内该类型产品的空白，形成了差异化壁垒。不过，以上两款产品还都是“期货”，量产还需要时间。
在AI算力竞争已进入“万卡集群”时代的今天，摩尔线程正式发布了夸娥万卡智算集群（KUAE 2.0），并展示了其支撑万亿参数模型训练的工程化能力。
该集群核心指标包括：训练算力利用率（MFU）在Dense大模型上达60%，MOE大模型上达40%，有效训练时间占比超过90%，训练线性扩展效率达95%，“在多项关键精度指标上达到国际主流水平”。
在推理侧，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。这一数据被官方称为“树立国产推理性能新标杆”。
中国工程院院士、清华大学计算机系教授郑纬民在大会演讲中指出，虽然构建国产万卡乃至十万卡级别的超大规模智算系统存在难度，但“这是必须完成的产业基础设施任务”。
摊牌了，要做中国“CUDA”
GPU之战，终局在生态，英伟达凭借CUDA构筑了近二十年的护城河。
“MUSA不仅完整定义了从芯片设计到软件生态的统一技术标准，更代表了公司坚持底层创新、践行长期主义的战略核心。”张建中表示。
据官方披露，截至2025年12月，摩尔线程通过“摩尔学院”汇聚了20万名开发者与学习者，并通过“国产计算生态与AI教育共建行动”走进全国200多所高校，吸引超10万名学子参与。
在软件栈层面，MUSA 5.0实现全面升级：原生支持MUSA C，深度兼容TileLang、Triton；核心计算库muDNN实现GEMM/FlashAttention效率超98%，通信效率达97%。公司还计划逐步开源计算加速库、通信库及系统管理框架等核心组件。
“只有生态能把所有开发者联合在一起，单一企业很难独自建设整个生态。”
实际上，摩尔线程为何如此重视生态？不单单是对标英伟达那么简单。
一位AI行业从业者告诉凤凰网科技，“通过软硬件的协同设计，做比较好的软件实现，还是能够把国产算力充分发挥起来的”。
不少从业者都认为，以当前的模型预训练需求来说，依旧以英伟达的芯片为最优解，但其同样溢价不菲，单个芯片市场报价通常在20万至25万元之间。在持续暴涨的AI需求面前，这是一笔需要计算的经济账。
因此在获准向中国出售H200之际，黄仁勋也表示，“美国放松对AI芯片销售的限制，中国是否会接受英伟达的H200芯片，我对此并不确定。”
“现阶段来看，如果大家愿意在软件上做相关工作，最终国产算力方案未必不如国外”，前述AI行业从业者表示，不过其也认识到国产生态建设之难。
摆在摩尔线程面前的，仍是漫漫长路：生态建设非一日之功，大规模商用部署仍需持续验证，国际竞争环境日益复杂。亮剑之后，更关键的是如何攻城。
