2025年12月20日，摩尔线程首届MUSA开发者大会（MDC 2025）于北京中关村国际创新中心正式开幕。本次大会上，摩尔线程集中发布了一系列技术与产品进展：
新架构“花港”亮相：发布全功能GPU架构“花港”，支持FP4到FP64的全精度计算，密度密度提升50%，效能提升10倍。未来将基于该架构推出高性能AI训推一体“华山”芯片与专攻高性能图形渲染的“庐山”芯片。“夸娥”万卡高效训练：发布夸娥万卡智算集群，展示了其支撑万亿参数模型训练的工程化能力与可靠性，在多项关键精度指标上达到国际主流水平。推理性能实现飞越：摩尔线程联合硅基流动，在DeepSeek R1 671B全量模型上实现性能突破，MTT S5000单卡Prefill吞吐突破4000 tokens/s、Decode吞吐突破1000 tokens/s，树立国产推理性能新标杆。超节点架构前瞻：分享面向下一代超大规模智算中心的MTT C256超节点架构规划，着眼高密硬件架构，将实现极致智算性能。全新个人智算平台：正式发布搭载智能SoC芯片“长江”的AI算力本MTT AIBOOK，赋能“摩尔学院”20万开发者与学习者。图形进化与前沿探索：实现硬件级光线追踪加速与自研AI生成式渲染技术，具身智能、科学智能（AI4S）、AI for 6G等前沿领域的深度布局，进一步印证了全功能GPU技术路线的广度与面向未来的可扩展性。
摩尔线程创始人、董事长兼CEO张建中在主题演讲中强调了MUSA架构作为全功能GPU基石的先进性与技术引领性，并表示：“生态体系是GPU行业的核心护城河与价值所在，依托MUSA架构的优势，我们持续加大研发投入，致力于攻克从硬件到软件的核心技术挑战，以开放创新不断深化与生态伙伴的协同，共同构建自立自强的国产计算产业生态。
中国工程院院士、清华大学计算机系教授郑纬民在大会上发表了题为《中国主权的AI计算引擎构建研究——以国产GPU为代表的自主可控路径观察》的主题演讲，为国产GPU及主权AI的发展提供了系统性思路。
郑纬民指出，我们所处的时代正在经历深刻变革。过去，芯片产业高度依赖全球化分工：架构设计、设备制造、代工与封装由不同国家和地区分工完成。然而，近年来全球环境发生了变化，“主权AI”已从学术讨论逐步成为国家必须正面回答的现实问题。针对这一背景，郑纬民提出了构建主权AI的五大关键点，并结合摩尔线程的实践进行了深入解析。
郑纬民强调，主权AI需要构建系统性工程框架，其中最核心的三大支柱为：算力自主、算法自强以及生态自立。算力自主是物理层面的安全底座，包括三项核心能力：芯片设计自主可控、制造与供应链风险可控、系统与集群交付能力强。摩尔线程的国产全功能GPU正是这一理念的代表，通过整合AI、3D渲染与HPC功能，构建可独立运行、稳定可靠的算力体系。
在算法自强方面，郑纬民指出，GPU不仅要支持大模型训练，还要能实现大模型的优化与适配。这意味着硬件与算法必须深度协同，以充分发挥芯片潜力。摩尔线程针对大模型训练提供了完整的软件与硬件配套方案，使得国产GPU在训练效率和性能上与国际同类产品接近甚至部分超越。
生态自立则更具战略意义。郑纬民强调，硬件能力虽重要，但生态是否成熟决定了平台能否被广泛采纳。真正的生态建设不仅是厂家提供硬件，更要让开发者“愿意用”。
摩尔线程通过类CUDA的生态实践、开源项目以及开发者工具链建设，使国产GPU平台从“能跑”走向“好用”，最终让开发者主动选择国产生态。这一点在Mooncake大模型推理架构及KTransformers等开源项目中得到体现，实现了软硬件生态的有机融合。
郑纬民在演讲中提出，物理AI与世界模型的计算需求呈现三位一体特征：支持AI运算、3D渲染能力和HPC高精度计算能力。摩尔线程通过全功能GPU，将这三方面能力集成于单芯片，实现从AI驱动的新一代渲染平台，到数字孪生、工业仿真、视频生成与实时交互等多场景的覆盖。
发布会上，摩尔线程展示了其新一代GPU在AI模型训练、3D场景渲染以及HPC高精度计算上的性能指标，并演示了在视频生成、工业仿真及多模态AI应用中的实际效果。郑纬民指出，这种一体化设计不仅提升了性能，更为国产芯片的主权可控奠定了基础。
大模型训练需要极大算力支撑。郑纬民强调，国产GPU的万卡乃至十万卡集群建设极具挑战，不仅需要解决互联网络与拓扑设计问题，还需保证可靠性与运维能力，以及供电与散热系统的高效运作。他指出：“十万卡系统不是简单叠加电源和机架，而是一个高度复杂的系统工程。”
摩尔线程在大会上展示了其大规模GPU集群方案，涵盖互联网络设计、容错机制、自动运维系统以及散热供电优化等全链条技术。郑纬民表示，这些工程实践标志着国产算力平台从“能用”向“好用”迈出了关键一步，为大模型训练和主权AI的落地提供了可靠保障。
在郑纬民看来，真正决定国产主权AI成败的关键，是开发者生态。国产平台需要解决迁移成本高、工具链不成熟、社区支持不足等问题。
他强调，“从能用到好用，再到愿意用”，是生态建设的三个阶段。摩尔线程MUSA平台便是类CUDA的国产实践，通过完善的工具链、开源项目支持以及社区建设，使开发者能够低成本、高效率地在国产GPU上完成大模型训练和推理。
开源在生态建设中扮演重要角色。郑纬民以清华大学团队的Mooncake和KTransformers项目为例，展示了开源如何助力国产GPU在大模型推理与混合CPU/GPU使用场景下实现优化，同时降低了开发成本。这也符合后CUDA时代的趋势，即模型使用者更多依赖开源项目而非单一商业闭源方案。
郑纬民指出，当前国产GPU产业仍面临碎片化问题。不同厂商提供不同接口、不同系统环境增加了开发者负担。为实现主权AI的全面落地，产业协同、软硬件协同设计以及应用生态统一标准至关重要。他呼吁产业界与开发者团结一心，共同解决生态薄弱、应用不足等问题。
摩尔线程在发布会上也提出了多项产业协同举措，包括与高校和科研院所合作推进GPU算力开放实验室、与软件开发商协同优化算法性能、以及推动产业联盟建立统一接口标准，旨在形成国产生态“百花齐放”的发展局面。
随着国产GPU技术逐步成熟、开发者生态逐步完善以及产业协同不断推进，中国主权AI的落地路径日益清晰。摩尔线程的新一代全功能GPU发布会，结合郑纬民院士对算力、算法与生态的系统阐述，为国产GPU及主权AI产业提供了重要的实践指南。未来，随着大规模GPU集群的建设和多模态AI应用的推广，国产主权AI的创新能力与国际竞争力都将得到进一步验证。
2025年12月20日，摩尔线程首届MUSA开发者大会（MDC 2025）于北京中关村国际创新中心正式开幕。本次大会上，摩尔线程集中发布了一系列技术与产品进展：
新架构“花港”亮相：发布全功能GPU架构“花港”，支持FP4到FP64的全精度计算，密度密度提升50%，效能提升10倍。未来将基于该架构推出高性能AI训推一体“华山”芯片与专攻高性能图形渲染的“庐山”芯片。“夸娥”万卡高效训练：发布夸娥万卡智算集群，展示了其支撑万亿参数模型训练的工程化能力与可靠性，在多项关键精度指标上达到国际主流水平。推理性能实现飞越：摩尔线程联合硅基流动，在DeepSeek R1 671B全量模型上实现性能突破，MTT S5000单卡Prefill吞吐突破4000 tokens/s、Decode吞吐突破1000 tokens/s，树立国产推理性能新标杆。超节点架构前瞻：分享面向下一代超大规模智算中心的MTT C256超节点架构规划，着眼高密硬件架构，将实现极致智算性能。全新个人智算平台：正式发布搭载智能SoC芯片“长江”的AI算力本MTT AIBOOK，赋能“摩尔学院”20万开发者与学习者。图形进化与前沿探索：实现硬件级光线追踪加速与自研AI生成式渲染技术，具身智能、科学智能（AI4S）、AI for 6G等前沿领域的深度布局，进一步印证了全功能GPU技术路线的广度与面向未来的可扩展性。
摩尔线程创始人、董事长兼CEO张建中在主题演讲中强调了MUSA架构作为全功能GPU基石的先进性与技术引领性，并表示：“生态体系是GPU行业的核心护城河与价值所在，依托MUSA架构的优势，我们持续加大研发投入，致力于攻克从硬件到软件的核心技术挑战，以开放创新不断深化与生态伙伴的协同，共同构建自立自强的国产计算产业生态。
中国工程院院士、清华大学计算机系教授郑纬民在大会上发表了题为《中国主权的AI计算引擎构建研究——以国产GPU为代表的自主可控路径观察》的主题演讲，为国产GPU及主权AI的发展提供了系统性思路。
郑纬民指出，我们所处的时代正在经历深刻变革。过去，芯片产业高度依赖全球化分工：架构设计、设备制造、代工与封装由不同国家和地区分工完成。然而，近年来全球环境发生了变化，“主权AI”已从学术讨论逐步成为国家必须正面回答的现实问题。针对这一背景，郑纬民提出了构建主权AI的五大关键点，并结合摩尔线程的实践进行了深入解析。
主权AI的三大支柱：算力自主、算法自强与生态自立
郑纬民强调，主权AI需要构建系统性工程框架，其中最核心的三大支柱为：算力自主、算法自强以及生态自立。算力自主是物理层面的安全底座，包括三项核心能力：芯片设计自主可控、制造与供应链风险可控、系统与集群交付能力强。摩尔线程的国产全功能GPU正是这一理念的代表，通过整合AI、3D渲染与HPC功能，构建可独立运行、稳定可靠的算力体系。
在算法自强方面，郑纬民指出，GPU不仅要支持大模型训练，还要能实现大模型的优化与适配。这意味着硬件与算法必须深度协同，以充分发挥芯片潜力。摩尔线程针对大模型训练提供了完整的软件与硬件配套方案，使得国产GPU在训练效率和性能上与国际同类产品接近甚至部分超越。
生态自立则更具战略意义。郑纬民强调，硬件能力虽重要，但生态是否成熟决定了平台能否被广泛采纳。真正的生态建设不仅是厂家提供硬件，更要让开发者“愿意用”。
摩尔线程通过类CUDA的生态实践、开源项目以及开发者工具链建设，使国产GPU平台从“能跑”走向“好用”，最终让开发者主动选择国产生态。这一点在Mooncake大模型推理架构及KTransformers等开源项目中得到体现，实现了软硬件生态的有机融合。
AI+3D+HPC一体化架构：全功能GPU的实践
郑纬民在演讲中提出，物理AI与世界模型的计算需求呈现三位一体特征：支持AI运算、3D渲染能力和HPC高精度计算能力。摩尔线程通过全功能GPU，将这三方面能力集成于单芯片，实现从AI驱动的新一代渲染平台，到数字孪生、工业仿真、视频生成与实时交互等多场景的覆盖。
发布会上，摩尔线程展示了其新一代GPU在AI模型训练、3D场景渲染以及HPC高精度计算上的性能指标，并演示了在视频生成、工业仿真及多模态AI应用中的实际效果。郑纬民指出，这种一体化设计不仅提升了性能，更为国产芯片的主权可控奠定了基础。
从单卡到万卡、十万卡集群：算力自主的基石
大模型训练需要极大算力支撑。郑纬民强调，国产GPU的万卡乃至十万卡集群建设极具挑战，不仅需要解决互联网络与拓扑设计问题，还需保证可靠性与运维能力，以及供电与散热系统的高效运作。他指出：“十万卡系统不是简单叠加电源和机架，而是一个高度复杂的系统工程。”
摩尔线程在大会上展示了其大规模GPU集群方案，涵盖互联网络设计、容错机制、自动运维系统以及散热供电优化等全链条技术。郑纬民表示，这些工程实践标志着国产算力平台从“能用”向“好用”迈出了关键一步，为大模型训练和主权AI的落地提供了可靠保障。
开发者与类CUDA生态建设：从“能用”到“愿意用”
在郑纬民看来，真正决定国产主权AI成败的关键，是开发者生态。国产平台需要解决迁移成本高、工具链不成熟、社区支持不足等问题。
他强调，“从能用到好用，再到愿意用”，是生态建设的三个阶段。摩尔线程MUSA平台便是类CUDA的国产实践，通过完善的工具链、开源项目支持以及社区建设，使开发者能够低成本、高效率地在国产GPU上完成大模型训练和推理。
开源在生态建设中扮演重要角色。郑纬民以清华大学团队的Mooncake和KTransformers项目为例，展示了开源如何助力国产GPU在大模型推理与混合CPU/GPU使用场景下实现优化，同时降低了开发成本。这也符合后CUDA时代的趋势，即模型使用者更多依赖开源项目而非单一商业闭源方案。
产业协同：从碎片化走向合力
郑纬民指出，当前国产GPU产业仍面临碎片化问题。不同厂商提供不同接口、不同系统环境增加了开发者负担。为实现主权AI的全面落地，产业协同、软硬件协同设计以及应用生态统一标准至关重要。他呼吁产业界与开发者团结一心，共同解决生态薄弱、应用不足等问题。
摩尔线程在发布会上也提出了多项产业协同举措，包括与高校和科研院所合作推进GPU算力开放实验室、与软件开发商协同优化算法性能、以及推动产业联盟建立统一接口标准，旨在形成国产生态“百花齐放”的发展局面。
随着国产GPU技术逐步成熟、开发者生态逐步完善以及产业协同不断推进，中国主权AI的落地路径日益清晰。摩尔线程的新一代全功能GPU发布会，结合郑纬民院士对算力、算法与生态的系统阐述，为国产GPU及主权AI产业提供了重要的实践指南。未来，随着大规模GPU集群的建设和多模态AI应用的推广，国产主权AI的创新能力与国际竞争力都将得到进一步验证。