2026 年的 AI 产业，所有人都在谈论词元。这个曾经只出现在技术论文里的术语，如今变成了企业财务报表上的关键数字，也成了整个行业焦虑的来源。从大模型厂商到云服务商，从应用开发者到终端用户，每个人都在计算自己消耗了多少词元，又能从这些词元中获得多少价值。词元正在成为智能时代的 " 千瓦时 "，它不仅是 AI 处理信息的最小单位，也正成为衡量商业价值的通用标尺。

5 月 18 日，摩尔线程 2026 产品发布会如期而至。与以往不同，这场发布会没有过多渲染技术参数的突破，也没有强调单一产品的性能优势。整场发布会，摩尔线程都在回答同一个问题，在 Agentic AI 时代，如何为产业打造可用、好用、用得起的 AI 基础设施。

从三类工厂到全栈算力：解题 Agentic AI

在这场发布会上，摩尔线程创始人张建中首先提出了对 AI 产业的全新分类方式，将整个行业划分为三种不同的生产形态，第一类是Model Factory，生产模型本身，卖的是底座能力；第二类是Token Factory，生产可调用的词元，卖的是标准化推理服务；第三类是Agent Factory，生产能干活的智能体，卖的是任务执行结果。

这种分类方式的价值在于，它揭示了AI 产业不同发展阶段对基础设施的不同需求。在 Model Factory 时代，行业比拼的是大模型训练能力，需要能够支撑万亿参数模型训练的高性能计算集群；在 Token Factory 时代，行业关注的是推理效率和成本，需要能够提供高吞吐、低延迟推理服务的算力平台；而到了 Agent Factory 时代，AI 开始从数字世界迈向物理世界，对基础设施的要求发生了根本性变化。

如今，人工智能正从数字世界迈向物理世界，具身智能被视为是其中的关键一步。未来 5 至 10 年，以具身智能为核心的物理 AI 将成为 AI 下一波浪潮，催生万亿级市场空间，是连接数字经济与实体经济的关键载体。与感知 AI、生成式 AI 不同，具身智能不仅要 " 思考 "，还要 " 行动 "，这对物理仿真、实时感知、交互决策能力提出了极高要求。

传统的具身智能开发依赖机器人真机训练，在现实中面临三大核心挑战。数据稀缺且获取成本高、真机训练效率低风险高、场景不可控导致模型泛化难。因此，仿真训练已经成为具身智能训练、评测和验证的核心基础设施，它对算力底座提出了三大要求，高精度物理仿真能力、高保真图形渲染能力，以及大规模 AI 训练与推理能力。

在传统的算力架构中，这三者是割裂的。物理仿真使用专用物理引擎，图形渲染用图形显卡，AI 训练用专用 AI 芯片。开发者不得不在三个异构平台之间反复切换、数据迁移、格式转换，导致研发效率极低、仿真到现实差距巨大。同时，高质量仿真合成数据规模化生产存在渲染量指数级爆炸的算力需求，传统算力无法支撑海量并发渲染与复杂物理仿真任务。

摩尔线程持续以全功能 GPU 为核心，构建国产、开放、高性能的具身智能基础设施，打造软硬一体的技术底座与全栈生态平台。其核心优势首先来自于全功能 GPU 的统一算力底座。基于自研 MUSA 架构，摩尔线程的单颗芯片同时支持 AI 计算、图形渲染、物理仿真、科学计算和超高清视频编解码等全功能能力，可以为具身智能提供 " 渲染 + 仿真 +AI 训推 " 一体化的通用算力底座。

在此基础上，摩尔线程推出了首个全栈国产化具身智能仿真平台 MT Lambda。该平台底层基于全功能 GPU 与 MUSA 统一架构，实现渲染、物理、AI 计算在同一芯片中完成，数据 " 零拷贝 "；中间层深度融合自研物理、渲染、AI 三大引擎；上层提供 MT Lambda-Lab 与 MT Lambda-Sim 两大工具平台。它赋能用户构建数据合成、策略训练、仿真验证的高效工作流，打破传统开发、仿真、训练割裂的痛点，满足具身智能对高同步性的严苛要求。在典型工业与自动驾驶仿真负载下，其整体仿真吞吐效率相较传统 CPU 或 " 图算割裂 " 方案，达到了约 30 倍的提升。

在硬件层面，摩尔线程构建了端云协同的完整支撑体系。云端的 " 智慧大脑 " 是夸娥智算集群，支持万卡级并行训练与万亿参数大模型训练。该集群基于 MUSA 统一架构，作为夸娥集群核心加速单元的 MTT S5000 智算卡，单卡 AI 稠密算力达 1000TFLOPS，完整支持从 FP8 到 FP64 的全精度计算。

端侧的 " 敏捷小脑 " 则是基于 " 长江 "SoC 的 MTT E300 AI 模组。其是一颗将 CPU、GPU、NPU 与 VPU 集成于单一芯片的全智能计算核心，面向端侧推理与多模态处理场景，提供 50TOPS 的异构算力。它可直接部署于机器人终端，赋能机器人实现低延迟、高可靠的实时响应，完成感知、决策、执行的本地化闭环。结合端云协同，E300AI 模组能够将云端训练成果快速部署到终端，实现从训练、仿真到部署的全流程。

正是这些从芯片架构到软件平台、从云端集群到端侧模组的完整能力，让摩尔线程实现了从一家 GPU 公司的关键跃升。

构建 " 云 - 边 - 端 " 全场景：国产 GPU 公司的 " 跃升 "

在本次发布会现场，摩尔线程没有将重点放在单一芯片参数的比拼上，反而用了近一半的篇幅展示各类端侧与边缘 AI 产品。从摆在展区最显眼位置的 MTT AIBOOK 算力本，到家庭 AI 中枢 MTT AICUBE，再到面向边缘场景的 MTT E300 模组，这些形态各异的产品背后，都有着同一个算力核心—自研智能 SoC 芯片 " 长江 "。

这一跨越的关键节点，正是 " 长江 " 芯片的推出，摩尔线程形成了以全功能 GPU 为根基、云边端协同的完整产品与能力体系。

基于 " 长江 " 芯片的统一算力底座，摩尔线程构建了覆盖个人、家庭和行业三大场景的边缘与终端 AI 产品矩阵，与云端夸娥智算集群、MT Lambda 仿真平台形成了相互呼应的完整技术闭环。

面向 AI 开发者与学习者的 MTT AIBOOK，是专为 AI Agent 打造的算力本。它搭载原生 Linux 操作系统 MTT AIOS，预装 " 龙虾 " 智能体，支持多智能体协作与端云协同运行，为智能体应用的开发、调试与部署提供了完整的闭环环境。同时，它创新支持原生 Linux、虚拟化 Windows 及容器化 Android 多系统，一台设备即可覆盖开发者的全场景使用需求。

面向智能家庭的 MTT AICUBE，定位为家庭 AI 中枢。它深度整合了" 智能体 +AI PC+AI NAS"三大能力，内置的 " 小麦 " 智能体能够跨应用控制系统工具与第三方 APP；全闪存 AI NAS 提供安全的本地数据存储与管理；同时凭借 " 长江 " 芯片的算力，它具备完整的桌面 AIPC 功能，可满足家庭观影、办公、学习、云游戏及本地大模型运行等多种需求。

面向工业与行业场景的 MTT E300 AI 模组，同样基于 " 长江 " 芯片打造，具备 50TOPS 异构算力，可在 -20 ° C 至 +65 ° C 的宽温环境下稳定运行。它适用于工业质检、能源巡检、智慧教室、具身智能、智能汽车及低空经济等典型边缘场景，能够为这些领域提供高算力、低延迟、强可靠的国产边缘 AI 解决方案。

除了硬件产品，摩尔线程还构建了从芯片、操作系统到上层智能体的全栈软件能力。自研的 MTT AIOS 针对 AI 原生应用进行了深度优化，与 " 小麦 " 等智能体实现了底层打通；在生态建设上，摩尔线程采取了开放兼容的策略。其端侧设备全面支持 PyTorch 等主流 AI 框架，并提供多种模型优化工具，确保现有 AI 应用能够快速、高效地迁移到摩尔线程的硬件平台上。

在发布会的展区现场，这些产品与方案都转化为了可操作的实景体验，覆盖客厅、书房、教室、办公室四大日常场景，让参会者直观感受到摩尔线程全栈能力的实际落地效果。

在客厅展区，MTT AICUBE 作为家庭 AI 中枢的价值得到了充分展现；书房展区则聚焦开发者与办公人群；教室展区呈现了 AI 教育的多种可能性；办公室展区最受关注的是具身智能与 Agent 应用的演示。这些分散在不同场景中的演示，共同构成了摩尔线程全栈能力的具象化图景。它不是一家只提供芯片硬件的公司，而是能够为不同用户群体提供从底层算力到上层智能体的完整解决方案。这种能力的延伸，也让摩尔线程在词元时代的产业分工中，占据了独特的位置。

后记：窥见词元时代的 " 雏形 "

2025 年 12 月 5 日，摩尔线程正式挂牌科创板，成为 " 国产 GPU 第一股 "。仅仅五个月后，公司披露了上市后的首份年报与一季报，2025 年实现营收 15.05 亿元，同比增长 243.37%；2026 年一季度营收 7.38 亿元，同比增长 155.35%。

与此同时，公司 2025 年研发投入达到 13.05 亿元，占营业收入的 86.68%，这一比例在整个半导体行业都处于高位。

这组数据背后，是摩尔线程成立五年来的蜕变。五年间，公司从一个只有几十人的创业团队，成长为拥有逾千名员工、市值数千亿的上市公司；从推出入门级图形显卡，到能够量产覆盖云边端全场景的计算芯片；从单一的硬件供应商，到能够提供系统级解决方案的全栈式 AI 基础设施提供商。这种变化的速度，在全球半导体产业史上都不多见。

如果梳理摩尔线程的发展脉络，会发现一条清晰的" 变 "的轨迹。2023 年之前，公司的发布会主角是芯片架构和硬件参数，观众主要是行业客户和开发者；2024 年，夸娥智算集群的推出，标志着公司开始向系统级能力延伸；而到了 2026 年的这场发布会，主角变成了一个个可操作的应用场景和能直接解决用户问题的产品。摩尔线程的转变，正是整个 AI 产业从技术驱动向应用驱动转型的缩影。

同样在变化的，还有公司对 AI 产业的理解。在本次发布会上提出的 " 三类工厂 " 分类法，打破了传统的上下游思维，将 AI 产业重新定义为模型生产、词元生产和智能体生产三个平行的价值创造环节。这种认知上的升级，让摩尔线程跳出了 " 卖算力 " 的单一商业模式，开始思考如何为不同类型的客户提供差异化的基础设施服务。

然而，在这些快速变化的表象之下，摩尔线程也有一些始终不变的坚持。最核心的是对全功能 GPU 技术路线的坚守。从第一代 " 苏堤 " 架构到第五代 " 花港 " 架构，摩尔线程始终没有走专用 AI 芯片的捷径，而是坚持在单颗芯片上同时集成 AI 计算、图形渲染、物理仿真和视频编解码能力。

在过去几年，这种路线曾被质疑 " 不够聚焦 "，但随着具身智能和物理 AI 的兴起，全功能 GPU 的价值开始凸显。当行业需要一种能够统一支撑三大计算范式的算力底座时，摩尔线程过去五年的技术积累，变成了最坚实的竞争壁垒。

不变的还有对研发的高强度投入。成立五年来，摩尔线程累计研发投入超过 50 亿元，研发人员占比始终保持在 70% 以上。截至 2025 年底，公司累计申请知识产权超过 2000 项，其中发明专利占比超过 85%。正是这种持续的投入，让公司能够保持每年一代架构的迭代速度，在五年内成功量产五颗芯片，构建起完整的产品矩阵。

当然，摩尔线程始终没有改变" 打造自主可控 AI 基础设施 "的初心。公司坚持全栈自研，不依赖国外技术体系。

站在 2026 年这个时间点回望，我们会发现，词元时代的轮廓其实已经清晰可见。它不再是实验室里的概念，而是正在通过一个个具体的产品和应用，走进我们的日常生活。摩尔线程在本次发布会上展示的，正是词元时代的一个" 雏形 "，一个由统一算力底座支撑，覆盖云边端全场景，能够为不同用户提供个性化智能服务的基础设施网络。