从 GPT 系列、Gemini 到 DeepSeek、QWen 的快速更新，模型训练迭代时间已缩短至不足 3 个月，在当今生成式人工智能高速发展的浪潮中，AI 模型的规模和复杂度不断攀升，迭代速度也在缩短，如何高效、稳定地生产先进 AI 模型，成为了科技竞争的核心焦点。

大模型训练对算力、效率和系统稳定性的高要求，催生了全新的基础设施理念—— "AI 工厂 "。

摩尔线程创始人兼 CEO 张建中在世界人工智能大会（WAIC 2025）开幕前夕的技术分享会中表示，为应对生成式 AI 爆发式增长下的大模型训练效率瓶颈，摩尔线程将通过系统级工程创新，构建新一代 AI 训练基础设施，致力于为 AGI 时代打造生产先进模型的 " 超级工厂 "。

生产先进模型的超级工厂，不仅代表了 AI 算力架构的创新，更象征着从芯片设计到大规模集群协同的系统级工程升级。 

什么样的基础设施能够称之为 AI 工厂？

可以类比传统的工厂。首先，它必须拥有强大且通用的计算引擎，能够支撑从训练、推理到实际部署的全流程 AI 生产。其次，AI 工厂不是冷冰冰的算力堆叠，更是一套系统性的工程创新集合，包括硬件架构优化、软件系统协同、高效能集群建设和持续稳定的运行保障。

这些要素共同转化为更高的 AI 生产效率和更低的应用门槛，从而推动通用人工智能的产业化进程。

摩尔线程提出的 "AI 工厂 "，如同芯片晶圆厂的制程升级，是一个系统性、全方位的变革，需要实现从底层芯片架构创新、到集群整体架构的优化，再到软件算法调优和资源调度系统的全面升级。通过全方位的基础设施变革，推动 AI 训练从千卡级向万卡级乃至十万卡级规模演进，以系统级工程实现生产力和创新效率的飞跃。

张建中指出，"AI 工厂 " 的智能 " 产能 "，由五大核心要素共同决定，其效率公式可概括为：AI 工厂生产效率 = 加速计算通用性 × 单芯片有效算力 × 单节点效率 × 集群效率 × 集群稳定性。

提升 AI 生产效率的五大核心要素

加速计算通用性、单芯片有效算力、单节点效率、集群效率、集群稳定性这五大核心要素，恰好是系统由小到大，从硬件到软件再到系统的关键。

1. 加速计算通用性

摩尔线程的构建 AI 工厂是以自研的全功能 GPU 通用算力为基石，具备全功能 GPU 具备 " 功能完备 " 与 " 精度完整 " 特性，在国内芯片公司中独具优势。

摩尔线程基于自研 MUSA 架构的全功能 GPU，单芯片即可集成 AI 计算加速（训推一体）、图形渲染（2D+3D）、物理仿真和科学计算、超高清视频编解码能力，充分适配 AI 训推、具身智能、AIGC 等多样化应用场景。

而全功能 GPU 支持从 FP64 至 INT8 的完整精度谱系，原生支持 FP8 大模型训练及推理，并通过 FP8 混合精度技术，在主流前沿大模型训练中实现 20%~30% 的性能跃升，为国产 GPU 的算力效率树立行业标杆。

这种通用性不仅极大提升了硬件资源利用率，降低了系统冗余和开发成本，更为未来世界模型和新兴 AI 形态的动态演进提供了坚实底座。

2. 单芯片有效算力

高效芯片并非只谈峰值算力，更考验实际应用场景下的 " 有效算力 "，摩尔线程通过三大突破——计算、内存、通信，显著提升单 GPU 运算效率。

运算效率依赖于架构，摩尔线程创新的全功能、多引擎、可配置、可伸缩 GPU 架构，通过硬件资源池化及动态资源调度技术，构建了全局共享的计算、内存与通信资源池，允许根据目标市场快速裁剪出优化的芯片配置，大幅降低了新品芯片的开发成本，在保障通用性的同时显著提升了资源利用率。

在计算层面，AI 加速系统（TCE/TME）全面支持 INT8/FP8/FP16/BF16/TF32 等多种混合精度计算。其中 FP8 技术通过快速格式转换、动态范围智能适配、高精度累加器等创新设计，在保证计算精度的同时，将 Transformer 计算性能提升约 30%。

内存优化方面，通过多精度近存规约引擎、低延迟 Scale-Up、通算并行资源隔离等技术，内存系统实现了 50% 的带宽节省和 60% 的延迟降低，有效提升数据传输能力。

通信效率的优化，是通过独创的 ACE 异步通信引擎减少了 15% 的计算资源损耗。另外，MTLink2.0 互连技术提供了高出国内行业平均水平 60% 的带宽，为大规模集群部署奠定了坚实基础。

3. 单节点效率

单芯片的有效算力高还不够，节点层面的执行效率，更是 AI 工厂整体效能的基础。

摩尔线程是通过 MUSA 全栈系统软件实现关键技术突破，其中的核心包括了五个方面：

首先是任务调度优化，核函数启动（Kernel Launch）时间缩短 50%。其次是极致性能算子库，GEMM 算子算力利用率达 98%，Flash Attention 算子算力利用率突破 95%。然后是通信效能提升，MCCL 通信库实现 RDMA 网络 97% 带宽利用率；基于异步通信引擎优化计算通信并行，集群性能提升 10%。还有低精度计算效率革新，FP8 优化与行业首创细粒度重计算技术，显著降低训练开销。以及开发生态完善，基于 Triton-MUSA 编译器 + MUSA Graph 实现 DeepSeek-R1 推理加速 1.5 倍，全面兼容 Triton 等主流框架。

强大的单节点处理能力，不仅能够缩短大模型单机训练时间，更能在 AI 推理和实际业务部署中实现更低延时和更高吞吐，显著提升每台设备的投资回报率。这也为边缘计算、私有部署等行业 AI 场景提供了强力支持。

4. 集群效率

AI 工厂是成千上万甚至十万块 GPU 高效协同的大规模集群。摩尔线程自研 KUAE 计算集群通过 5D 大规模分布式并行计算技术，实现上千节点的高效协作，推动 AI 基础设施从单点优化迈向系统工程级突破。

其中，创新 5D 并行训练通过整合数据、模型、张量、流水线和专家并行技术，全面支持 Transformer 等主流架构，显著提升大规模集群训练效率。

性能仿真与优化，通过自研 Simumax 工具面向超大规模集群自动搜索最优并行策略，精准模拟 FP8 混合精度训练与算子融合，为 DeepSeek 等模型缩短训练周期提供科学依据。

还有秒级备份恢复，针对大模型稳定性难题，创新 CheckPoint 加速方案利用 RDMA 技术，将百 GB 级备份恢复时间从数分钟压缩至 1 秒，提升 GPU 有效算力利用率。

根据摩尔线程给出的数据，基于平湖架构 KUAE2 智算集群，无论千卡集群或更大规模，在每个应用场景都能做到比国外主流产品更高的性能和效率，达到行业领先水平。

5. 集群稳定性

即便集群的效率再高，对于任何大规模训练任务，可持续产出的稳定性才是真正的护城河。

为此，摩尔线程创新推出零中断容错技术，故障发生时仅隔离受影响节点组，其余节点继续训练，备机无缝接入，全程无中断。这一方案使 KUAE 集群有效训练时间占比超 99%，大幅降低恢复开销。

同时，KUAE 集群通过多维度训练洞察体系实现动态监测与智能诊断，异常处理效率提升 50%，让用户看得见和管理得到每一个训练集群的每一片 GPU。再结合集群巡检与起飞检查，训练成功率提高 10%，为大规模 AI 训练提供稳定保障。

张建中说，" 摩尔线程的 AI 工厂从五个点分别去做很多的工作提升能力，我们高效率的工厂等于全功能的 GPU X MUSA 统一系统架构 X 全栈软件栈 X 高效的 KUAE 集群 X 零中断。只有这样的组合，才能确保每一个环节都做到最好，100% X 100% X 100% 才能确保 100% 的成功率。"

AI 工厂将加速哪些行业的发展？

完善的 "AI 工厂 " 不仅需要高效训练大模型，还需具备推理验证能力。

摩尔线程基于自研 MUSA 技术栈，构建覆盖 LLM、视觉、生成类模型的全流程推理解决方案，实现 " 训练 - 验证 - 部署 " 的无缝衔接。其 MT Transformer 自研推理引擎、TensorX 自研推理引擎和 vLLM-MUSA 推理框架，为模型验证和部署提供极致性能支持。

摩尔线程的数据显示，其旗舰产品 MTT S5000 满血跑 DeepSeek R1 模型推理，速度达到 100 tokens/s，达到行业领先水平。

这就意味着，AI 工厂驱动的不仅是 AI 产业自身的技术跃升，更是各行各业智能化升级的关键引擎，摩尔线程以 "KUAE+MUSA" 为智算业务核心，将加速众多行业的发展。

比如 AIGC 与内容创作：通过超大规模模型训练，实现更高质量的文本生成、图像、音频和视频内容创作，催生数字媒体、广告动漫等新业态爆发。

科学计算与工程仿真：AI 工厂全功能 GPU 在物理仿真、药物研发、材料设计中高效支持科学建模与大数据分析，推动科研创新周期大幅缩短。

工业智能体与智能制造：AI 工厂支持工业领域的大模型训练和实时推理，提升自动化工厂、机器人、工业检测等核心环节的智能化水平，实现生产降本增效、精益管理。

医疗影像分析：高效算力赋能医学图像分析、病理识别和疾病诊断，助力医疗智能化升级与普惠健康。

智慧交通与智能驾驶：通过海量传感器数据的实时处理与模型训练，为自动驾驶、高速公路管理、城市交通优化提供坚实算力基础。

具身智能与智能体：全能 GPU 支持具身智能 AI 体在虚拟与物理环境间、高效进行感知、思考与运动控制，推动智能机器人、虚拟人等前沿发展。

摩尔线程在 2025 世界人工智能大会（WAIC）的站台上也展示了在上述场景中的应用。

可以看到，摩尔线程 "AI 工厂 " 力图打破算力桎梏，为千行百业的数智化转型提供底座。从图形渲染到 AI 算力引擎，从全功能 GPU 到系统级优化，其五大核心技术要素构筑的不只是一个 " 生产先进模型的超级工厂 "，更是 AGI 新时代产业智能升级的动力源泉。雷峰网