摩尔线程WAIC公布AI工厂新进展，国芯训国模Token性价比提升

在2026年世界人工智能大会（WAIC）上，摩尔线程一次性展示了三大“AI工厂”的阶段成果——模型训练工厂、词元生产工厂与智能体生产工厂。这些命名直观地揭示了AI落地实践中最关键的三个环节，令人印象深刻。

首先看行业现状：当前前沿基础模型平均每两个月完成一次迭代，词元消耗量呈指数级激增，算力需求随之水涨船高。摩尔线程创始人张建中在大会现场指出，依托夸娥（KUAE）智算集群打造的这三大“AI工厂”，能够覆盖从模型训练到推理、从数字世界到物理世界的多元算力需求。这一表述看似宏大，但从具体成果来看，并非空泛之谈。

在训练环节，“模型训练工厂”的表现尤为突出。它整合了完备的训练套件，并融合先进的训练优化与强化学习等技术，在扩展效率、训练精度与系统稳定性等关键维度实现了实质性突破。例如，随着集群规模持续扩大，线性扩展效率稳定保持在95%以上，这一水平并非所有厂商都能达成。训练精度方面，与国际主流计算卡持平，损失曲线高度一致。稳定性上，集群支持断点续训，有效训练时长占比超过90%。

基于这些能力，夸娥智算集群已成功完成多项“国芯训国模”实践，包括从零开始完整训练一个MoE-236B基础模型。这充分验证了国产芯片在超大规模、超长连续稳定训练场景下的全链路闭环能力。换言之，从模型设计到训练完成，整个流程均可通过国产算力实现。

推理侧，“词元生产工厂”深度适配SGLang、vLLM等主流推理框架，覆盖大语言模型、视觉、语音、DiT以及视频生成等多模态场景。目前，已能够对DeepSeek、MiniMax、GLM、Kimi、Qwen等主流大模型实现“发布即适配”。更值得关注的是，基于MTT S5000的PD分离异构推理方案，将高算力需求的Prefill计算池（MTT S5000）与高带宽的Decode生成池（国际主流GPU）分开部署，显著提升了性价比。这一策略既发挥了国产芯片的优势，又兼顾了实际性能表现。

具体应用案例方面，极佳视界合伙人毛继明介绍，他们基于MTT S5000联合完成了驾驶世界模型、驾驶重建模型、具身世界模型、世界动作模型等物理AI模型的训练。北京大学EvoPhys项目组在摩尔线程“灯塔计划”支持下，基于MTT S5000完成了全栈原生训练的5D世界模型EvoPhys-World，连续37天位居WorldScore“世界生成”维度榜首。这些成果表明，国产算力在物理世界模型训练领域已具备实际应用价值。

最后是智能体落地环节——“智能体生产工厂”。摩尔线程自研的全域数字智能体“小麦”，已掌握60多项技能，支持38款App的跨应用控制。通过前端多模型与丰富知识库的灵活配置，能够实现更快、更准、更懂用户的智能交互体验。同时，全栈具身智能仿真平台MT Lambda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，目标直指物理世界智能体的生产。

为承载“小麦”的持续进化，摩尔线程还打造了两款AI原生终端设备——AI算力本MTT AIBOOK与家庭AI中枢MTT AICUBE，形成了“云-边-端”协同的全场景智算矩阵。而这一切的底层支撑，是MUSA架构搭建的开源开放生态。京东集团技术委员会主席曹鹏透露，京东云正与摩尔线程通过JoyAI大模型联合攻关，共同打造高效企业级推理平台，并共建全链路具身智能服务，旨在让国产算力不仅能够跑好模型，更能跑好实际业务。这或许正是整个故事最务实的落脚点。