中经记者 李玉洋 北京报道

" 今天其实行业人都很焦虑，每天讨论的话题就是我们今天用了多少 Token（词元）。我们已经真正进入了词元时代。"5 月 18 日，摩尔线程（688795.SH）创始人、董事长兼首席执行官张建中在年度产品发布会上表示，因为 Token，IoT 的含义从 Internet of Things 转变为 Intelligence of Things，这得益于 Agentic AI 在过去几个月中的迅速发展。

《中国经营报》记者注意到，摩尔线程通过此次发布会全面展示了 " 云—边—端 " 全栈智算矩阵：从万卡级规模的夸娥智算集群，到自研 " 长江 "SoC 驱动的智能终端 MTT AICUBE 和 MTT AIBOOK；从数字世界智能体 " 小麦 "，到加速物理 AI 落地的首个全栈具身智能仿真平台 MT Lambda，再到持续进化的 MUSA 生态。

对于当前常被讨论的 AI 工厂（Factory），张建中把其分为模型训练工厂（Model Factory）、词元生产工厂（Token Factory）和智能体生产工厂（Agent Factory）。而摩尔线程在 Agentic AI 时代要做的是帮助产业打造 AI 基础设施，服务每个用户的需求。

Token 消耗量指数级增加

" 夸娥（KUAE）智算集群是摩尔线程的核心战略。" 张建中表示，大模型的训练对于产业界，尤其是大模型公司来说非常关键，当前大模型版本的迭代周期变得越来越短，" 从早期的三个月变成两个月，甚至一个月，有的希望两个礼拜就快速迭代上市 "。

他提到虽然国内模型与国外模型仍有差距，但国内开源策略非常有价值，中国大模型推理用户群体服务数量全球第一，因此日均消耗 Token 量也急剧增加，而 Token 消耗量的指数级增加，对于我国是一个巨大的增长机会。

" 在全场景消耗 Token 应用中，早期 AI Coding 和 AIGC，也就是写代码和生成视频这两个是最顶级的 Killer Apps，但是今天‘龙虾’（OpenClaw）这样的 Agentic AI 应用已经占据了大半壁江山。" 张建中表示，Agent 的崛起，加上 Coding 和 AIGC，让整个 AI 的应用场景变得更加广泛，" 摩尔线程希望通过夸娥去满足模型训练、推理和智能体的应用，满足整个市场的需要 "。

据介绍，目前，摩尔线程的夸娥万卡级智算集群已成功落地，多项关键指标达到国际主流水平，在 Dense 大模型训练中的模型算力利用率（MFU）达 60%，在 MoE 大模型上达 40%，有效训练时长达 90%，训练线性扩展效率达 95%。

事实上，大模型训练是一项极为复杂的系统性工程，涵盖预训练（Pre-train）、持续预训练（CPT）、长文本训练、微调（SFT）及强化学习（RL）等流程。为赋能开发者，摩尔线程推出夸娥训练套件，覆盖大模型预训练和后训练全链路，包括训练框架、AI 框架及训练辅助工具等核心组件，专门优化了对强化学习的支持，兼容业界主流的 VeRL 训推一体与 Slime 训推分离框架，并完成了对多项微调框架的适配。

在推理端，摩尔线程展现了其深厚的生态底蕴与 " 发布即适配 "（Day-0 适配）的响应速度。目前，摩尔线程已全面适配 DeepSeek、GLM、MiniMax、Kimi、Qwen 等国内头部大模型，以及主流的语音、视觉理解及多模态模型。值得一提的是，摩尔线程在推理框架 SGLang 主线代码中获得了官方原生支持，并开源了 vLLM-MUSA，可原生获得摩尔线程 GPU 加速能力，大幅提升推理效率。

发布首款家庭智能设备

为满足 Token 时代爆发的端侧算力需求，摩尔线程立足自研 " 长江 " 智能 SoC，正式宣布全面深化端侧 AI 战略布局，并发布首款面向家庭场景的消费级产品—— MTT AICUBE，实现了算力从云端智算集群向边缘和终端的延伸。

据介绍，作为该端侧战略的关键落子，MTT AICUBE 重新定义了家庭智能设备的形态与体验。它不仅仅是一台计算硬件，更是摩尔线程以全域智能体 " 小麦 " 为核心，以端侧本地算力为引擎，以全闪存私有云为数据底座，以全栈自研 OS 为系统支撑，将 " 端云一体 " 的能力首次完整带入家庭场景。

从 " 龙虾 " 引发的自主执行热潮，到 AI Agent 任务执行规模的指数级增长，智能体正以前所未有的速度进入每个人的生活。在摩尔线程看来，家庭正成为端侧智能体落地的关键场景。

"AICUBE 是家庭 AI 中枢。" 张建中表示，MTT AICUBE 三位一体，是 AI Agent + AI PC + AI NAS 的结合，其内置的 " 小麦 " 智能体预装 60 余项技能（Skills），支持超 36 款 App 的跨应用控制。

同时，摩尔线程还宣布 MTT AIBOOK 全面升级，AIBOOK 在 MTT AIOS 原生 Linux 系统下，预装原生 " 龙虾 " 智能体，支持多智能体协作，为智能体应用的开发、调试与部署提供完整的闭环解决方案。

除 AICUBE 与 AIBOOK 外，摩尔线程以 " 长江 " 智能 SoC 为核心还构建了专为嵌入式边缘场景设计的 MTT E300 AI 模组，支持混合精度计算，为工业质检、能源巡检、智慧教室、具身智能、智能汽车及低空经济等典型场景提供高效、低延迟、强可靠的边缘 AI 能力。

值得一提的是，摩尔线程发布了其首个全栈具身智能仿真平台 MT Lambda。张建中表示，尽管仿真训练平台能加速机器人的训练周期，但仍面临三大挑战：一是缺少大量的数据，数据的获取成本非常高；二是用真机训练风险高，代价也太高；三是场景不易泛化。

据介绍，MT Lambda 平台构建了从底层算力、核心引擎到上层框架及工具的完整解决方案：底层基于全功能 GPU，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；上层则提供 MT Lambda-Lab 具身策略开发与训练平台以及 MT Lambda-Sim 高保真物理仿真与渲染平台。

在具身智能领域，摩尔线程依托夸娥智算集群、仿真平台及端侧 SoC 芯片，已经形成云边端协同的产品与能力布局。同时，摩尔线程积极拓展具身生态 " 朋友圈 "，通过与光轮智能在合成数据等关键领域共筑国产具身智能仿真底座，以及与光线云联合打造 RaysTwins 具身仿真平台等深度合作，共同推动技术成果加速转化落地。

据介绍，作为贯穿摩尔线程全功能 GPU 硬件与全栈软件体系的底层架构，MUSA 已全面实现对业界主流 CUDA 生态的深度兼容。摩尔线程最新发布的 MUSA SDK 5.1.0，对标 CUDA 12.8，从驱动与运行时新增 248 个 API，兼容接口数达到 761，到核心数学库的 100% 对齐，从覆盖 55 类核心 AI 算子，到完整支持 PyTorch 全部 3194 个算子，MUSA 软件栈全链路覆盖了底层驱动、编译器、算子加速库、训练与推理框架，让国产 GPU 真正具备 " 即插即用 " 的开放能力。

来源：《中国经营报》

编辑：吴清

校对：张国刚

审核：李正豪