破解大模型算力困局？国产GPU用“AI工厂”给出答案_风闻

人工智能蓬勃发展，AI芯片成为全球讨论热点。凭借GPU先发优势，英伟达在领先算力和友好生态的支持下近乎垄断市场，公司业绩和市值屡创新高。AMD CEO Lisa Su在日前的采访中也预测道：“仅用于AI和大型计算系统的加速器市场规模在几年内就会超过 5000 亿美元。”正是在这样的市场现状下，无论是做芯片的，还是使用芯片的，都对加速计算倍加关注，进而催生了倚仗不同架构、不同技术的算力演进之路。

在世界人工智能大会WAIC前夕，国内全功能GPU厂商摩尔线程带来了他们的分享与最新实践。**摩尔线程创始人兼CEO张建中表示，在面向未来的AI基础设施建设中，具备计算功能完备性与精度完整性的全功能GPU，将是支撑多元场景的核心基石。**基于此，摩尔线程正试图打造生产智能的“AI工厂”，以系统级的技术创新和工程化的能力，提升AGI时代先进模型的生产效率。

全功能GPU，持续加速计算

在摩尔线程看来，算力革命的进化史，就是一部全功能GPU的发展史。

上世纪末面世的第一张游戏卡只干一件事——加速3D图形计算，其他任务都是CPU来完成。这种产品有点类似当下的ASIC：任务单一，不灵活，很难编程。对程序员、开发者来讲不太友好；到了本世纪初，我们才真正迎来了图形处理器，因为它真正开放了编程接口，每个人都可以在上面开发，发挥各自的创意。

进入21世纪第二个十年，DirectX 12的推出给GPU带来了更多的可能。而随着多伦多大学研究生Alex Krizhevsky和Ilya Sutskever及其导师Geoffrey Hinton开发的AlexNet在ImageNet比赛上大杀四方之后，GPU加速了人工智能时代的到来。

盘点全球排名TOP 100的HPC，当中80%都是被GPU厂商占据，这意味着GPU的通用性，加速了图形图像、超级计算、人工智能等一系列计算平台的革命。换而言之，当今几乎所有关键算力，都已由全功能GPU承载。

所谓全功能GPU有四大核心引擎：一是AI计算加速；二是现代3D图形渲染；三是物理仿真和科学计算；四是超高清视频编解码。与此同时，全功能GPU具备全精度计算，支持从FP64至INT8的完整精度谱系。

正是基于全功能GPU的技术积累，成立于2020年的摩尔线程已构建起完整的计算加速体系：成功推出四代GPU架构和智能SoC产品，拓展出覆盖AI智算、专业图形加速、桌面级图形加速等领域丰富完整的计算加速产品矩阵，全面支持云计算、边缘计算及终端设备市场，满足从政务、企业智能计算到个人消费场景的多层次需求。

围绕GPU的加速技术革命，还在持续进化。这场革命的起点，以OpenAI发布ChatGPT开始，一场轰轰烈烈的生成式AI竞赛席卷全球。领先的开发者也正在以前所未有的速度更新大模型。作为这场“战役”的关键，聚焦“算力”的AI基础设施正在以空前的速度扩建。

OpenAI CEO Sam Altman日前曾表示，将在今年年底前推出超过 100 万个 GPU，未来，他的目标是将GPU拥有数量提高100倍。xAI的创始人Elon Musk随后也表示，“xAI 的目标是在 5 年内实现 5000 万个与 H100 相当的 AI 计算能力（但能效更高）。”

在单卡算力有限的前提下。如何打造有效算力更强大的基础设施，已经成为全球争夺的重点。

基于此，摩尔线程将打造生产先进模型的“AI工厂”，以系统级技术创新和工程能力，致力于解决大模型训练效率瓶颈，为AGI时代提供可靠的底层算力支撑。

在摩尔线程看来， “AI工厂”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、到集群整体架构优化，再到软件算法调优和资源调度系统的全面升级。这种全方位的基础设施变革，将推动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。

五大技术构建“AI工厂”

如图所示，这座“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。

首先看加速通用性方面，如前文所说，这是摩尔线程从成立伊始就坚持全功能GPU的发展方向。在拥有了全功能GPU之后，还需要有“全精度”。作为国内极少数具备FP8大模型训练平台，能把训练和推理集成到一起的企业，是摩尔线程的另一个优势。

其次看单芯片有效算力，而架构作是芯片设计的核心基础，决定了芯片的功能、性能和功耗等关键指标。这时候，公司自研架构的优势就完全显现出来。

据介绍，摩尔线程自研的MUSA架构不仅突破了传统GPU功能单一的限制，还在保障通用性的同时显著提升资源利用率。其参数化配置可伸缩架构，允许面向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。作为国内首批实现FP8算力量产的GPU厂商，其FP8技术通过快速格式转换、动态范围智能适配和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%。

正是基于这个先进架构，让摩尔线程在单芯片GPU上即可集成AI计算加速、图形渲染、物理仿真及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。在计算精度方面，摩尔线程支持从FP64至INT8的完整精度谱系，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。

这还远远不够，内存系统方面，摩尔线程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，实现了50%的带宽节省和60%的延迟降低。在通信和互联领域，独创的ACE异步通信引擎减少了15%的计算资源损耗。通过上述计算、内存、通信三重突破，显著提升单芯片有效算力。

来到**“单节点计算效率”**方面，要在这方面实现提升，则需要全栈的系统软件。

据介绍，在软件栈方面，摩尔线程首先通过提供高效的GPU驱动提升了工作效率（核函数启动时间缩短50%）；在算子方面，摩尔线程的muDNN算子也获得了极致的性能优化（GEMM算子算力利用率达98%，Flash Attention 算子算力利用率突破95%）；至于通信方面，摩尔线程让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%。

此外，摩尔线程在细粒度方面可以重计算，这也是一个非常重要的点，让训练精度能保持更高，累计误差更小。摩尔线程的FP8优化与重计算技术显著降低了训练开销。

要获得一个高效率的节点，除了软件栈之外，生态系统的支持和帮助也非常重要。

于是，为了让开发者更好地将算力强劲的芯片用起来，摩尔线程打造了包括Torch Profiler，监控、管理，performance tuning等在内的一套完整的软件开发工具。在这些工具和生态的支持下，开发者能让摩尔线程的软硬件的协调工作，提升整体的效率和性能。如图所示，摩尔线程基于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。

为了提升“AI工厂”的生产效率，还需要关注**“集群效率”和“集群稳定性”**。

所谓的AI算力集群，是指通过高速网络，将大量高性能计算节点互联，从而形成的一种分布式计算系统。在单卡或单节点，甚至超节点算力受限的当下，这是发展AGI的必经之路。因此，如何将效率和稳定性提高，就成为评价一个集群是否好用的关键。这也是摩尔线程“夸娥”集群致力于实现的目标。

资料显示，“夸娥”是摩尔线程推出的，以全功能GPU为硬件核心，软硬一体化、完整的系统级算力解决方案，旨在为大规模GPU算力的建设和运营管理提供系统级支持。KUAE为智算中心提供端到端解决方案，支持万卡级规模扩展能力，单集群可部署超1,000个计算节点，每节点集成8颗自研OAM模组化GPU，通过3D全互联拓扑实现亚微秒级通信延迟，为大模型预训练提供稳定高效的算力支撑。其中，KUAE1是支持千卡互联的第一代智算融合中心产品；KUAE2是2024年底推出的第二代大规模智算融合中心产品，支持万卡互联。

据介绍，借助整合数据、模型、张量、流水线和专家并行技术创新5D并行训练，夸娥全面支持Transformer等主流架构，显著提升大规模集群训练效率；基于自主研发的Simumax工具，夸娥能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；针对大模型稳定性难题，夸娥还创新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。

为了保证夸娥稳定运行，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。此外，KUAE集群还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%；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。

赋能开发者，服务千行百业

从图形渲染基石到AI算力引擎，摩尔线程全功能GPU持续加速计算革新。以“KUAE+MUSA”为智算业务核心，摩尔线程将加速赋能千行百业，推动全功能GPU驱动的AI技术在物理仿真、AIGC、科学计算、具身智能、智能体、医疗影像分析、工业大模型等关键领域的应用与部署。

展望未来，摩尔线程希望能通过全功能的GPU和“AI工厂”，用好的推理引擎，赋能更多开发者，让他们服务千行百业。

在WAIC 2025现场，摩尔线程还展示了联合国内科研机构，基于国产SPONGE和DSDP软件，打造的软硬件协同的生命科学解决方案；在物理仿真方面，摩尔线程携手硒钼科技，开启AI for Science科研新范式；此外，摩尔线程还带来了联合超图共同构建的、覆盖训练、推理到可视化的完整国产化链条的遥感大模型解决方案，补齐了遥感智能解译方案全国产关键一环。

不仅如此，全功能GPU赋能的创娱教育、智能制造、智慧医疗和智能驾驶，也是摩尔线程WAIC 2025展位上其他不得不提的亮点。

正如大家所见，人工智能正在改变每一个行业，但要实现真正的人工智能，需要面对的挑战毋庸置疑。因此，笔者认为。拥有夯实技术底座的摩尔线程，必然能在“AI+时代”扮演重要角色。