来源：青澄财经

作者丨青风

编辑丨六子

9 月 9 日，2026 京东全球科技探索者大会上，京东云正式宣布拟以摩尔线程全功能 GPU 为算力底座，建设十万卡级国产智算集群。

京东云方面表示，面向物理 AI 对实时响应、低延迟、高可靠等要求，已与摩尔线程等合作伙伴打造国产万卡集群，并规划建设十万卡集群，成为国内 AI 云领域自主可控的超大规模算力底座，为大规模模型训练和真实场景应用提供稳定算力支撑。

这是国产 GPU 首次进入头部互联网企业的十万卡级核心智算集群。从千卡，到万卡，再到十万卡，标志着国产算力正式从 " 试点可用 " 跨入 " 规模化商用 " 的新阶段。

这笔订单的分量远不止采购金额本身。它意味着行业对国产 GPU 的评价逻辑正在发生根本切换：过去比的是参数表上的替代率，现在拼的是核心生产系统里的可靠性；过去是 " 给个机会试试 "，现在是 " 压上核心业务用 "。

十万卡不是一次政策驱动的扶持采购，而是头部企业用真金白银投出的一张产业信任票。

01 ‘十万卡是一张产业级信任票’

要读懂这笔订单的分量，得先明白 " 十万卡 " 三个字在 AI 算力语境里的含金量。

大模型时代，算力竞争早已从单卡性能比拼升级为系统级集群能力的较量：千卡是入门入场券，万卡是主流资格证，十万卡则是头部玩家的 " 主力舰 " ——它承载的不是演示性任务，而是一家公司最核心的生产负载，直接决定业务迭代速度与成本底线。

此前很长一段时间，国产芯片在大厂算力体系里更多扮演 " 备胎 " 角色：承接推理任务、部署边缘场景、支撑政务项目，真正决定技术壁垒的大模型预训练，几乎牢牢攥在英伟达手里。

而京东这十万卡订单，相当于直接把国产 GPU 从替补席推上了首发阵容，让其承担核心生产链路的关键角色。

这一转向背后有清晰的政策信号。订单公布前夕，工信部正式印发《信息通信行业发展 " 十五五 " 规划》，明确提出有序部署万卡、十万卡及以上智算集群，加大力度适配国产算力芯片。从过去的 " 鼓励使用 " 到如今的 " 明确规模部署 "，政策导向的递进已经足够清晰。

但若只把这笔订单归因于政策，显然低估了京东的战略考量。财报数据显示，2026 年上半年，京东体系研发投入同比增长 53.2%，已连续三个季度保持加速态势。大会上京东更亮出 " 全球最大物理世界运营中心 " 的目标，京东物流计划 5 年内采购 300 万台机器人、100 万台无人车及 10 万架无人机。

当 AI 要从对话窗口走进仓库、分拣线和配送网络，" 多租几台云服务器 " 的模式显然不够——它需要自建的、可控的、不受制于人的算力底座。

正如京东集团技术委员会主席、京东云总裁曹鹏所言：" 高性能、高可靠的国产算力是物理 AI 战略落地的核心支撑。选择与摩尔线程深度合作，正是看重其在国产训练级 GPU 上的稀缺能力和大规模集群的成熟交付经验。"

这番话里的关键词是 " 稀缺能力 " 与 " 成熟交付 " ——大厂为国产 GPU 下单，买的自然不是情怀，是确定性。

这股风向显然不止京东一家。智谱已落地 1GW 级全国产 AI 算力数据中心，并称国产芯片的硬件效率与 Token 成本已逼近主流英伟达 GPU 水平；MiniMax 透露大规模国产算力集群即将上线并承接真实生产流量；市场更传出 DeepSeek 计划在内蒙古部署至少 16 万颗华为昇腾 AI 芯片。

当行业的主要矛盾从 " 能不能用 " 转向 " 敢不敢大规模用 "，十万卡订单便不是孤立事件，而是整个产业集体转向的缩影。

02 ‘为什么接住十万卡的是摩尔线程’

国产 GPU 赛道玩家不在少数，为何偏偏是摩尔线程接住了这张超级订单？

从它刚交出的半年报里能读出端倪。2026 年上半年，摩尔线程实现营业收入 17.36 亿元，同比增长 147.42%，仅用半年就超过 2025 年全年营收规模；归母净亏损收窄至 1156.31 万元，同比收窄 95.73%，扣除股份支付影响后的净利润已实现转正。

* 图源摩尔线程 2026 年半年报

在已披露财报的国产 AI 芯片 " 四小龙 " 中，摩尔线程营收规模居首。

更值得注意的是其收入结构：云端产品收入 16.93 亿元，占比高达 97.5%。这意味着摩尔线程几乎把全部筹码压在了数据中心智算场景。

真正支撑京东信任的，是已经跑通的智算集群工程数据。摩尔线程基于旗舰产品 MTT S5000 打造的 " 夸娥 " 智算集群，已在北京、无锡、杭州等多地部署交付。

几项核心指标极具说服力：集群规模扩大时保持 95% 的线性扩展效率；训练精度与国际主流计算卡持平，损失曲线高度一致；支持断点续训，有效训练时长占比超 90%；Dense 大模型训练 MFU 达 60%，MoE 模型达 40%。

大模型训练是 GPU 的 " 终极考场 "，这些数字翻译过来只有一句话：这套系统能干活，而且干得稳。

在此基础上，摩尔线程已完成一串 " 国芯训国模 " 的实战验证：基于 MTT S5000 集群，从零完整训练出语料达 25 万亿 Token 的 MoE-236B 基础大模型；全栈原生训练的全球首个 5D 世界模型 " 北大 EvoPhys-World"，曾连续 37 天蝉联斯坦福 WorldScore" 世界生成 " 维度全球榜首；北京智源研究院的具身大脑 RoboBrain 2.5，同样在摩尔线程千卡集群上完成全流程训练，训练误差小于 0.62%。

* 图源摩尔线程

目前，摩尔线程与华为是国内仅有的两家实现万卡级训练集群落地、并完成超大参数模型完整训练验证的 GPU 厂商。

从商业周期看，摩尔线程正从产品验证期，迈入规模化复制期。旗舰卡 MTT S5000 已实现规模化量产，多地集群落地交付；下一代 " 花港 " 架构产品持续推进，" 华山 " 系列主攻训推一体，" 庐山 " 系列预计年内上市，官方数据显示庐山系列 3A 游戏渲染性能提升 15 倍，AI 性能提升 64 倍，光追性能提升 50 倍。

03 ‘全功能 GPU，锚定物理 AI 新赛道’

京东布局物理 AI 的底层诉求，暴露了单一功能 AI 芯片的短板。不同于语言大模型只在数字空间生成文本，物理 AI 要让机器人在真实仓库、工厂环境里完成移动、抓取、作业等复杂动作。

在部署到实体机器人之前，绝大多数训练都要在数字仿真世界完成：生成海量物理场景数据，训练具身大脑，在虚拟环境反复试错，再把模型迁移到实体硬件，也就是 Sim2Real 闭环。

这个链条，正是京东物流、仓储机器人的核心刚需。但过去这些任务分散在异构平台上，训练用 AI 卡、仿真用图形卡、推理用 ASIC，数据反复跨平台迁移，开发链路割裂，效率大打折扣。

国内算力赛道上，绝大多数厂商都选择了单一路线，能打通训练 + 仿真 + 渲染全链路的通用全功能 GPU 玩家，寥寥无几。而摩尔线程的差异化优势，恰恰就在 " 全功能 GPU" 上。

* 图源 WAIC2026 现场图

据摩尔线程联合创始人张钰勃在业绩说明会上介绍，基于自研 MUSA 架构的全功能 GPU，单颗芯片同时支持 AI 计算、图形渲染、物理仿真、科学计算、视频编解码，覆盖全计算精度，从底层解决了多硬件平台来回切换的痛点。

这就意味着京东仓库里的拣货机器人、配送调度系统、仓内数字孪生，可以在同一套 GPU 底座上完成 " 合成数据—基模训练—强化学习—仿真评测—端侧部署 " 全流程，不必在 CUDA 图形卡、第三方物理引擎、专用 AI 卡之间来回倒数据。

目前，摩尔线程已依托 MT Lambda 全栈仿真平台，开源适配 MUSA 架构的 MuJoCo Warp MUSA 物理仿真后端，完成四足机器狗、人形机器人的 Sim2Real 真机验证，并在无锡设立工业具身智能创新中心，联合生态伙伴攻坚工业场景。

此外，软件生态更是决定大规模落地的隐形门槛。摩尔线程 MUSA 已实现对 CUDA 生态的深度兼容：100% 核心数学库兼容、全量 3000+ PyTorch 算子兼容，获 vLLM 与 SGLang 官方支持，开发者数量突破 80 万。

对京东来说，十万卡集群如果软件栈不熟，扩到一万卡都是浪费；MUSA 对 CUDA 的高度兼容，至少把 " 国芯国模 " 的迁移门槛大幅降了下来。

市场总喜欢拿单卡算力参数做横向对比，却常常忽略赛道错位的竞争价值。摩尔线程创始人张建中不久前在业绩会上强调，选择全功能路线，不是放弃极致单卡 AI 算力，而是瞄准物理 AI、数字孪生、科学计算融合的长期需求。

当同行扎堆在单一功能 AI 卡赛道内卷，摩尔线程抢先卡位物理 AI 的全功能算力底座，京东十万卡项目，正是这套差异化路线拿到的顶级产业背书。

04 ‘写在最后’

京东云与摩尔线程的十万卡国产智算集群，可以说是国产算力产业的标志性分水岭。

过去几年，行业反复讨论国产 GPU 能不能 " 用 "；而这一项目落地，直接把命题推进到了能不能大规模稳定支撑产业级物理 AI 生产。

但这只是起点。漫长的工程落地、持续的生态打磨、真实业务场景的压力测试，才是真正的大考。

国产算力的突围，从来不只是单点芯片的弯道超车，而是芯片、软件、集群工程、行业场景、开发者生态协同推进的系统性长征。从十万卡开始，国产算力才算真正走进了产业主战场的深水区。