摩尔线程全功能 GPU 新体系 | 全栈技术布局与开源生态构建

斐夷所非2026-02-15 10:05

注：本文为 "摩尔线程开源生态" 简介，关注一下国产全功能 GPU 新体系。

略作重排，如有内容异常，请看原文。

2025 年 12 月，摩尔线程在上市 15 天后举办国内首届聚焦全功能 GPU 的开发者大会，发布以自主 MUSA 元计算统一计算架构为依托的全栈技术成果，覆盖 "芯 - 边 - 端 - 云" 的芯片、硬件、智算集群产品矩阵；2026 年 1-2 月，摩尔线程进一步开源 TileLangMUSA 项目，大幅降低国产 GPU 开发门槛。从 2020 年成立至今，摩尔线程历经五年技术淬炼，完成从硬件架构迭代到软件生态构建，再到开发者与产业协同的全链路布局，走出一条 "全栈自研 + 全场景覆盖 + 全生态共建" 的国产 GPU 自主创新路径，推动国产算力从 "能跑" 向 "跑得快、跑得稳、跑得值" 进阶。

一、MUSA 架构：五年迭代，花港架构定义全功能 GPU 新基准

MUSA（Metacomputing Unified System Architecture）是摩尔线程自主研发的元计算统一计算架构，覆盖芯片架构、指令集、编程模型、软件运行库及驱动程序框架全栈体系，历经五年发展已完整定义全功能 GPU 从芯片设计到软件生态的统一技术标准，可高效支持 AI 计算、图形渲染、物理仿真、科学计算、超高清视频编解码等全场景高性能计算。截至 2025 年 6 月，摩尔线程累计授权专利 514 项，其中发明专利 468 项，为架构提供全栈自主可控的技术支撑。

MUSA 硬件架构历经苏堤、春晓、曲院、平湖四代迭代，2025 年发布的第五代架构花港实现全方位技术突破，成为新一代全功能 GPU 的技术底座，技术特性包括：

  1. 算力与能效双提升：同等芯片面积下算力密度提升 50%，单位瓦特性能优化实现计算能效提升 10 倍，为大规模智算集群提供绿色算力底座；
  2. 全精度端到端计算：新增 FP4 计算支持，实现从 FP4、FP6、FP8 到 FP16、BF16、FP64 的全精度覆盖，适配 AI、HPC、图形等多场景计算需求；
  3. 低精度计算深度优化：新增 MTFP6/MTFP4 混合低精度端到端加速技术，原生支持 Attention 机制关键路径的矩阵 rowmax 计算，内置在线量化 / 反量化、随机舍入等硬件加速能力，大幅提升混合精度 SIMT 吞吐量，为 MT Transformer Engine 等下一代 AI 引擎提供底层支撑；
  4. 超大规模互联能力：通过自研 MTLink 高速互联技术，实现片间互联带宽 1314GB/s，支持十万卡级集群组网，为超大规模模型训练奠定基础；
  5. 图形与 AI 深度融合：内置 AI 生成式渲染架构（AGR）与增强型硬件光追引擎，完整支持 DirectX 12 Ultimate，实现图形渲染与智能计算的协同优化，推动 "光追 + AI 渲染" 新范式落地。

配套花港架构，摩尔线程同步推出 MUSA 软件栈 5.0，构建从编译器、算子库到 AI 框架的全栈工具链，完成软件生态的全面升级：

  • 框架适配全面扩展：在 PyTorch、PaddlePaddle 基础上，新增对 JAX、TensorFlow 的原生支持，兼容 Megatron、DeepSpeed 训练框架，新增强化学习训练框架 MT VeRL；
  • 推理引擎多元优化：深度调优自研 MTT 推理引擎与 TensorX，同时适配 SGLang、vLLM、Ollama 等新兴推理框架，满足不同场景的推理需求；
  • 基础计算库效能突破：muDNN 计算库实现 GEMM/FlashAttention 效率超 98%，集群通信效率达 97%，编译器性能较上一代提升 3 倍；
  • 编程语言创新升级：推出面向 AI + 渲染融合的 muLang，原生支持 MUSA C，发布 GPU 中间表示语言 MTX 1.0，同时深度兼容 TileLang、Triton 等高性能编程语言，提升开发者调优自由度；
  • 生态开放持续推进：宣布逐步开源 MATE 算子库、MUTLASS、MT DeepEP 通信库、KUAE 云原生工具包等关键组件，向开发者社区开放底层技术能力。

二、芯边端云产品矩阵：花港架构下的全场景算力落地

基于花港架构，摩尔线程构建起覆盖 AI 训推、图形计算、端侧智能的芯片矩阵，并推出配套硬件产品，实现全功能 GPU 算力从云端到端侧的全场景落地，完成 "芯片 - 硬件" 的技术闭环。

1. 三大芯片：精准适配不同算力场景

摩尔线程发布三款基于花港架构的芯片，分别聚焦 AI 训推一体、图形计算、端侧智能，实现算力场景的精准覆盖：

  • 华山芯片：定位 AI 训推一体全功能 GPU，支持 FP4 到 FP64 全精度计算，搭载 MTFP4/MTFP6 混合低精度加速技术，针对大模型训练做硬件级定制优化；集成新一代异步编程模型，支持常驻核函数、线程束特化，大幅提升并行计算效率，具备支撑万亿参数大模型训练的能力，成为国产 AI 基础设施的重要算力芯片；
  • 庐山芯片：专攻高性能图形计算，相较上一代春晓架构 MTT S80，AI 计算性能提升 64 倍，光线追踪性能提升 50 倍，3A 游戏渲染性能提升 15 倍，显存容量提升 4 倍；引入 AI 生成式渲染架构（AGR）与全新硬件光追引擎，支持 DirectX 12 Ultimate，可满足 3A 游戏、工业设计、数字孪生等专业图形场景需求，标志着国产 GPU 在图形领域从 "追赶" 向 "参与技术标准定义" 进阶；
  • 长江芯片：摩尔线程首款端侧智能 SoC 芯片，突破传统 PC / 服务器算力边界，面向具身智能、车载、AI 计算终端等端侧场景，提供 50 TOPS 异构 AI 算力，成为端侧智能算力的重要载体。

2. 两款端侧硬件：让全功能 GPU 算力触手可及

以长江芯片为核心，摩尔线程推出两款面向开发者的端侧硬件产品，实现全功能 GPU 算力的平民化落地，打造个人智算平台：

  • MTT AIBOOK：专为 AI 学习与开发者打造的个人智算平台，运行基于 Linux 内核的 MT AIOS 操作系统，支持虚拟化与安卓容器，可无缝兼容 Windows、安卓应用；预置完整 AI 开发环境与工具链，开箱即可开展大模型、Agent 开发，内置智能体 "小麦"，支持 2K 高清渲染、本地大模型（MUSAChat72B）、端侧 ASR/TTS，同时预装智源悟界 Emu3.5 多模态模型，实现文本生图、图像编辑等多模态能力；

  • AICube：定位桌面级 AI 计算硬件，采用高性能紧凑设计，为开发者提供轻量化、高可用性的端侧算力支持，可高效处理复杂 AI 推理任务，成为端侧 AI 开发的重要工具。

三、夸娥 KUAE 2.0 万卡集群：国产超大规模智算的重要突破

超大规模智算集群是大模型训练的重要基础设施，摩尔线程在开发者大会上发布夸娥 KUAE 2.0 万卡智算集群，定位国产自主研发的 AI Foundry，实现国产 GPU 在超大规模智算领域的关键突破，成为支撑万亿参数大模型训练的技术底座，关键技术指标与工程化能力达到国际主流水平：

  1. 算力与组网能力：集群 FP8 浮点运算能力达 10Exa-FLOPS，支持十万卡级超大规模组网，十万卡集群训练效率达理想水平的 87%，与国际主流产品的差距仅 5%；
  2. 训练效率优化：在 Dense 大模型训练中算力利用率（MFU）达 60%，MOE 大模型达 40%，有效训练时间占比超 90%，训练线性扩展效率达 95%；基于原生 FP8 能力完整复现 DeepSeek V3 大模型训练流程，自研 FP8 GEMM 算力利用率高达 90%，Flash Attention 算力利用率超 95%，突破 FP8 累加精度等关键技术瓶颈；
  3. 推理性能标杆：与硅基流动深度合作，在 MTT S5000 智算卡上完成 DeepSeek V3 671B 满血版大模型深度适配与性能验证，FP8 低精度推理下单卡 Prefill 吞吐突破 4000 tokens/s，Decode 吞吐超 1000 tokens/s，创下国产 GPU 大模型推理性能新高；
  4. 下一代硬件布局 ：前瞻性披露MTT C256 超节点架构规划，采用计算与交换一体化的高密设计，可系统性提升万卡集群在超大规模智算中心的能效比与训练效能，为下一代超大规模智算打造硬件基石。

四、TileLangMUSA 开源：降低开发门槛，释放国产 GPU 计算潜力

2026 年 1-3 月，摩尔线程正式开源TileLangMUSA项目，实现对高性能 AI 算子编程语言 TileLang 的完整支持，验证 "高层语言 + 国产 GPU" 技术路线的可行性，成为摩尔线程构建开放算力生态的重要一步，设计目标是通过高层抽象与编译器优化，大幅降低国产 GPU 的开发与应用门槛，充分释放全功能 GPU 的计算潜力。

1. TileLangMUSA 技术特性

TileLang 是基于张量分块（Tiling）抽象的领域特定语言（DSL），采用声明式语法与类 Python 前端，开发者可通过接近数学公式的形式描述计算意图，由编译器自动完成循环优化、内存调度与代码生成，兼具开发效率与底层性能。摩尔线程打造的 TileLangMUSA 项目，实现 TileLang 与 MUSA 架构的深度融合，技术特性包括：

  • 广泛的硬件兼容性：已在摩尔线程多代全功能 GPU 上完成功能验证，覆盖 MTT S5000、MTT S4000 等训推一体智算卡；
  • MUSA 架构精准映射：编译器可自动调用 MUSA 的 MMA（矩阵乘累加）指令，充分发挥张量峰值算力；实现 TileLevel Pipeline 多级数据搬运优化，利用 MUSA 异步拷贝指令掩盖访存延迟；完整支持 Warp Specialization 特性，提升并行计算效率；
  • 高可靠性保障：基于 MUSA 架构的 TileLang 原生算子单元测试覆盖率超 80%，为大规模工业应用提供技术保障；
  • 零门槛迁移体验 ：开发者完成环境配置后，可保留原有 import tilelang 开发习惯，通过 Cython 编译后端直接在 MUSA 环境中运行 TileLang 代码，实现算子逻辑的无缝迁移。

2. 实测性能：开发效率与计算性能双提升

以大语言模型关键的 FlashAttention3 和 GEMM（通用矩阵乘）算子为测试对象，在 MTT S5000 上的实测结果显示，TileLangMUSA 实现开发效率与计算性能的双重突破：

  • 开发效率提升 90%：相较手写 MUSA C++ 代码，TileLangMUSA 的代码量减少约 90%，代码逻辑更简洁，大幅降低算子开发与维护成本；
  • 性能媲美手工优化：得益于编译器的自动化优化，生成的 GEMM 算子性能达手写优化版本的 95%，FlashAttention3 算子性能达手写优化版本的 85%；
  • 自动化调优能力：内置 Autotuning 机制，可在 MUSA 架构上快速搜索最优分块策略（Tile Size）与流水线级数，轻松超越未经深度优化的基准实现。

3. 未来规划：打造国产算力统一加速平台

TileLangMUSA 的开源是摩尔线程构建开放算力生态的重要一步，基于此，摩尔线程计划持续推进技术迭代，打造覆盖从单算子到完整大模型的国产算力统一加速平台：

  • 持续进行性能优化，开发更多 MUSA 架构定制扩展，使编译器生成代码性能稳定达到手写优化版本的 90% 以上；
  • 深度集成 SGLang 等主流 AI 框架，实现 Transformer、MoE 等复杂模型架构的跨算子调度与全局优化，完成训练与推理场景的端到端无缝加速；
  • 完善调试、性能分析等工具链，为开发者提供从算子开发到模型部署的全流程技术支持。

五、生态建设：开发者培育与产业协同，构建国产算力正向循环

GPU 行业的竞争围绕生态展开，摩尔线程以 "开放" 为设计理念，构建起 "开发者培育 + 产业协同" 的双重生态体系，形成从硬件到软件、从技术到应用的正向循环，推动 MUSA 生态融入千行百业。

1. 摩尔学院：培育国产 GPU 原生开发者

摩尔线程打造 MUSA 开发者成长平台摩尔学院，截至 2025 年 12 月已汇聚 20 万名开发者，目标培育百万规模的 MUSA 开发者社群：

  • 提供从入门到大师的全体系专业课程，覆盖 MUSA 架构、芯片开发、AI 应用等多领域内容；
  • 深入人才源头，与全国 200 所高校开展产教融合合作，共建联合实验室，通过 "繁星计划" 等开发者竞赛，培养懂国产架构的原生代开发者；
  • 以 MTT AIBOOK、AICube 等硬件产品为载体，为开发者提供随时随地可接入的算力平台，降低开发门槛。

2. 产业协同：全场景覆盖，打造算力 + 行业解决方案

摩尔线程基于 MUSA 架构开展深度产业协同，生态覆盖工业智造、智慧医疗、数字孪生、智慧农业、6G 等多个领域，与行业伙伴共建基于国产算力的解决方案，而非简单的硬件供应：

  • 与雪浪云合作打造工业智能解决方案，推动国产算力在工业智造领域的落地；
  • 与推想医疗完成 AI 医疗软件国产化适配，实现国产 GPU 在智慧医疗场景的应用；
  • 与泛联院共建 6G 智能云基站算力底座，探索 AI for 6G 的前沿应用；
  • 布局具身智能、科学智能（AI4S）等前沿领域，发布 MT Lambda 具身智能仿真训练平台，深度融合物理、渲染与 AI 三大引擎，为前沿技术研发提供算力支撑。

六、发展定位：走出中国特色 GPU 之路，不做 "第二个英伟达"

自 2020 年成立以来，摩尔线程始终被贴上 "中国英伟达" 的标签，但通过此次开发者大会的全栈技术发布与后续的开源生态布局，摩尔线程彻底打破这一叙事框架，走出了一条独属于中国 GPU 产业的自主创新之路：

  • 摒弃 "局部替代" 的发展思路，以 "全功能 GPU" 为设计锚点，区别于单纯的 AI 加速器，将 AI 能力深度嵌入图形渲染、物理仿真、量子计算等高价值垂直场景，实现从通用算力底座到产业纵深应用的延伸；
  • 坚持 "全栈自研 + 全场景覆盖 + 全生态共建" 的发展路径，从硬件架构、芯片设计到软件栈、编程语言，再到开发者培育、产业协同，完成全链路技术自主，构建起独立于海外的国产算力生态；
  • 推动国产 GPU 从 "能跑" 向 "愿意用" 进阶，通过全栈技术优化与生态建设，让开发者主动思考 "我的下一个项目，能不能全在 MUSA 生态里完成"，这正是国产 GPU 产业的重要突破。

从五年前的 0 到 1，到如今构建起覆盖 "芯 - 边 - 端 - 云" 的全栈技术体系与开放的生态体系，摩尔线程用硬核技术成果证明，中国 GPU 的未来不是复刻别人的路径，而是成为最好的自己。随着 MUSA 架构的持续迭代、开源生态的不断完善，以及产业应用的深度落地，摩尔线程正成为多模态智能、具身智能时代的关键算力使能平台，为国产数字经济发展提供坚实的算力支撑。

TileLangMUSA 项目开源地址

缩略词

GPU ：Graphics Processing Unit，图形处理器
AI ：Artificial Intelligence，人工智能
MUSA ：Metacomputing Unified System Architecture，元计算统一计算架构
HPC ：High Performance Computing，高性能计算
SIMT ：Single Instruction Multiple Threads，单指令多线程
AGR ：AI Generative Rendering，AI 生成式渲染架构
SoC ：System on Chip，片上系统
TOPS ：Tera Operations Per Second，万亿次运算每秒
ASR ：Automatic Speech Recognition，自动语音识别
TTS ：Text To Speech，文本转语音
MFU ：Model FLOPS Utilization，模型浮点运算利用率
MoE ：Mixture of Experts，混合专家模型
FP4 ：4-bit Floating Point，4 位浮点精度
FP6 ：6-bit Floating Point，6 位浮点精度
FP8 ：8-bit Floating Point，8 位浮点精度
FP16 ：16-bit Floating Point，16 位浮点精度
BF16 ：BFloat16，脑浮点 16 位精度
FP64 ：64-bit Floating Point，64 位浮点精度
MTFP4 ：MooreThreads FP4，摩尔线程定制 4 位浮点精度
MTFP6 ：MooreThreads FP6，摩尔线程定制 6 位浮点精度
GEMM ：General Matrix Multiplication，通用矩阵乘法
MMA ：Matrix Multiply-Accumulate，矩阵乘累加
DSL ：Domain Specific Language，领域特定语言
IR ：Intermediate Representation，中间表示
FLOPS ：Floating Point Operations Per Second，浮点运算次数每秒
Exa-FLOPS ：Exa Floating Point Operations Per Second，百亿亿次浮点运算每秒
AI4S ：AI for Science，科学智能
6G ：6th Generation Mobile Communication，第六代移动通信
muDNN ：MooreThreads Deep Neural Network library，摩尔线程深度神经网络库
MTX：MooreThreads eXtensible IR，摩尔线程扩展中间表示

Ref:

热门推荐
01PHP Error: 常见错误及其解决方法02GitHub 镜像站点03Claude Code + GLM4.7 避坑指南：解决 Unable to connect to Anthropic services04UV安装并设置国内源05HTB 赛季10 - Pterodactyl - user06openClaw安装飞书插件｜核心踩坑：spawn EINVAL 错误终极解决指南07爬虫逆向之观安（观镜WEB应用安全防护系统）08243 行 microGPT：把“训练 + 推理”拆到骨头里09Android Studio Panda 1 正式版来了：JDK 终于不用手动配了，内存泄漏也有原生方案了10如何解决 OpenClaw “Pairing required” 报错：两种官方解决方案详解