刚从 WAIC 回来，脚板还隐隐作痛。

今年的 WAIC 有多夸张？展览面积首次突破 10 万平方米，1100 多家企业带来了 3000 多项展品，超过 300 款产品全球首发。世博、张江、徐汇三大片区四馆联动，老狐在世博从 H1 逛到 H4，微信步数直接干到几万步。

室外体感温度逼近 40 度，有人说 " 上海弥补了人不能进空气炸锅的遗憾 "。但最热的还得是 WAIC，一张 168 元的单日票被黄牛炒到 1300 元，三日通票喊出 3000 元。就这么热、这么大、这么挤，还是挡不住大家往里涌。

说实话，这届 WAIC 看点太多了。

华为把 1024 卡的昇腾 950 超节点真机搬到了现场，宇树的载人变形机甲 GD01 秀翻全场，H1 馆的 AI 手机展台和 H3 的机器人馆被挤得水泄不通。

但我却想从 H2 馆拎出摩尔线程跟大家聊聊。即便它不是 " 镇馆之宝 "，也没有机器人的热闹。

但当大家都在关注 "AI 能干什么 " 时，老狐想的却是：AI 的算力从哪来，怎么来，怎么才能更便宜地来？

摩尔线程恰好是一个值得观察的样本。

就像一个淘金热现场，所有人都在炫自己淘到了多大的金子，而有人还在给他们埋头造铲子。

WAIC 上 " 最不炫技 " 的展台

老狐在之前的文章里提到过，H2 馆的摩尔线程重点以概念展示为主。所以他们的展台，画风看起来不太像一家芯片公司。

摩尔线程把展台分成三个区域：模型训练工厂、词元生产工厂、智能体生产工厂，并展示了十万卡的算力集群 MTT C256。

这三大工厂，听起来像概念的东西，其实就是摩尔线程在 WAIC 上摆出来的整套解决方案。可以把它们理解为摩尔线程 " AI 工厂 " 的具体形态：三条串在一起的智能生产线。

去年 WAIC 上，摩尔线程就提过 "AI 工厂 " 这个概念，但当时更像一个宏大的概念。

一年过去，这次他们带来了实打实的成果——从零训练的 MoE-236B 基础模型、5D 世界模型全栈原生训练跑通、DeepSeek 等主流大模型 " 发布即适配 "。概念落到了地上。

但 "AI 工厂 " 这个词，不是摩尔线程发明的。

黄仁勋最早在 2022 年就提出了 "AI 工厂 " 概念，他说 "AI 工厂的建设是人类历史上最大规模的基础设施扩张 "。华为也在讲 "AI 工厂 "，去年昇腾的展台标语就是 "AI 工厂，算力底座 "。

但不同阶段、不同位置的公司，讲出来的内涵却不一样。

英伟达的 "AI 工厂 "：核心是算力基础设施本身，围绕能源、芯片、基础设施、模型、应用，构建从芯片到系统到生态的完整闭环。黄仁勋说 "AI 工厂 " 是基础设施，本质上还是在卖他的 GPU 和集群方案。

摩尔线程作为追赶者，它的 "AI 工厂 " 说的是 " 如何在现有基础上把算力转化为智能的生产效率 " ——从芯片设计、集群搭建、软件优化到模型训练，一整套方法论。

摩尔线程提出 "AI 工厂 " 不是跟风，而是基于一个深层变化：AI 产业正在从 " 造模型 " 进入 " 造智能 " 的时代。或者说，从对话框走向真实应用，从实验室走向社会化大生产。

这不是摩尔线程一家的事，是整个产业正在发生的变化。

摩尔线程的三大工厂，就是这个趋势下的具体落地：

模型训练工厂好比 " 炼钢厂 "，产出智能的 " 粗坯 "（大模型本身）。这个环节门槛很高，动辄数万块 GPU，非常烧钱。华为昇腾的典型代表，去年昇腾 384 超节点已累计商用 750 多套。沐曦、燧原也在做同样的事情。

词元生产工厂好比 " 零件厂 "，把 " 粗坯 " 加工成可计量的 Token。这个环节拼的是成本和效率，谁能把每百万 Token 的成本打下来，谁就能掌握定价权。

三大运营商、阿里百度等云厂商都在疯狂建这类工厂。趋境科技已经能做到日均万亿级词元供应。

智能体生产工厂好比 " 组装厂 "，把 Token 装进会干活的 AI 里。这是离用户最近的一环，也是创业公司最有机会的战场。

阶跃星辰做了智能体手机，百度做了 " 百度搭子 "，形态各异，但本质都是把模型能力封装成可执行具体任务的智能体。

三座工厂串起来，就是一座 "AI 工厂 " 里一条完整的 " 智能生产线 "。这不是 PPT，运营商已经在从卖流量转向卖 Token，华为 Atlas 950 的卖点也换成了 "Token 产出效能 "，整个行业都在往这个方向走。

而摩尔线程在全链条上都有布局，这在国产 GPU 厂商里是独一份。

三大工厂，到底做出了什么？

概念讲清楚了，来看看摩尔线程在 WAIC 上拿出来的真东西。

先说一个背景：这届 WAIC 上，算力展区最大的变化不是谁发布了新芯片，而是超节点几乎成了标配。华为、沐曦、燧原、中兴、阿里、摩尔线程，每家都在展示自己的超节点方案。

这意味着，行业已经形成共识：单颗芯片性能再强也没用，集群能力才是真正的护城河。

摩尔线程在展台上的核心展示，是围绕三大工厂的主线来组织的。

模型训练工厂：国芯训国模，不再是口号

这是摩尔线程最硬的一张牌。

他们展示了从零起步完整训练 MoE-236B 基础模型。236B 参数，大概什么量级？GPT-3 是 175B。也就是说，摩尔线程用自己的 GPU 完整训练了一个比 GPT-3 还大的模型，不是跑推理，是从头训练。在国产 GPU 里，能做到这个的并不多。

更牛的是，北大 EvoPhys 团队用摩尔线程的 GPU，完成了全球首个 5D 世界模型的全栈原生训练，连续 37 天登顶 WorldScore" 世界生成 " 维度。所谓 " 世界模型 "，就是让 AI 理解物理世界运行规律的模型，是自动驾驶、具身智能的核心底座。

用国产芯片训练出全球第一的世界模型。这句话放几年前，没人敢说。

支撑这一切的，摩尔线程的是夸娥万卡集群—— 10240 张 GPU、10EFLOPS 算力，Dense 模型利用率 60%，有效训练时长超 90%。

这些数字看起来平常，但懂行的人知道，万卡集群最难的不是把卡连起来，而是让它们持续稳定地跑下去不出错。

词元生产工厂：把 Token 的价格打下来

展台现场，摩尔线程展示了基于 MTT S5000 的高性能推理方案。

MTT S5000 的 FP8 算力是 1000 TFLOPS，单卡推理吞吐能做到 Decode 1000 tokens/s、Prefill 4000 tokens/s。

对 DeepSeek、GLM、Kimi、Qwen 等主流大模型实现了 " 发布即适配 "。可以说，模型一发布，当天就能跑。

更重要的是他们推出的 "PD 分离异构推理 " 方案。什么意思？大模型推理有两个阶段：Prefill（计算密集）和 Decode（带宽密集）。摩尔线程的方案是把 Prefill 放在自己的 GPU 上，把 Decode 放在国际主流 GPU 上，混合部署，性价比大幅提升。

趋境科技在摩尔线程分论坛上透露：他们用摩尔线程的全功能 GPU 与国际主流 GPU 深度融合，已具备日均万亿级高品质词元的供应能力。

1 万亿 Token 是什么概念？粗略算一下，如果每个用户每天消耗 5000 个 Token，那就是 2000 万用户一天的用量。

智能体生产工厂：从数字到物理

这一块可能是普通用户最能感知到的。

摩尔线程展出了自研数字智能体 " 小麦 "，掌握 60 多项技能，支持 38 款 APP 的跨应用控制。

还有全栈具身智能仿真平台 MT Lambda，给机器人开发者提供从仿真训练到真机部署的全链条工具。现场也开放了家庭 AI 中枢 AICUBE 和 AI 算力本 AIBOOK 的体验。

华为秀超节点、沐曦秀超节点、燧原秀超节点，摩尔线程秀三大工厂，清微智能秀可重构架构。每家都在展示自己的系统能力，而不是单颗芯片。

DeepSeek V4 发布当天同时适配华为昇腾、摩尔线程、沐曦、昆仑芯等八大国产算力平台，智谱 GLM-5.2 开 源首日就完成与八大平台的全适配。

这不是某一家公司的胜利，是整个国产算力产业链第一次集体亮相、协同作战。

所以老狐觉得，今年 WAIC 最大的信号，不是哪家 AI 公司发布了什么产品，而是国产算力从 " 有没有 " 进入了 " 能不能规模化落地 " 的新阶段。摩尔线程只是这个变化的一个切片。

撰稿：ZXS