https://mp.weixin.qq.com/s/WZic9VZpHi7cBkgbVF0lMQ

摩尔线程开源GPU计算驱动基准测试套件：GPU驱动性能的专业“标尺”

https://mp.weixin.qq.com/s/67H03VWpYOTNkVNLYOrBdQ

Day-0支持｜摩尔线程MTT S5000率先完成对GLM-5的适配

https://mp.weixin.qq.com/s/BqLe9gNuOcBhZomfPvSdRA

摩尔线程全功能GPU实现HTJ2K高性能编解码，加速电影技术自主化

https://mp.weixin.qq.com/s/UQTsqM37SucXRdpNP3cXsg

重塑人机协作：摩尔线程MT GUI Agent 图形用户界面智能体

https://mp.weixin.qq.com/s/KWFh69w9-gKdd6gtkjjssg

全栈国产AI Coding，免费体验30天！

https://mp.weixin.qq.com/s/W0_WH69HIzh3FrNB_LL0ZA

摩尔线程率先完成YOLO26深度适配，以全栈能力加速端到端视觉AI部署

https://mp.weixin.qq.com/s/R_P8kmYoevc1rbtMXsdm-w

摩尔线程开源TileLang-MUSA，以高效算子开发释放全功能GPU计算潜力

https://mp.weixin.qq.com/s/OZG2HOzMQgIQIKq95cMVCg

摩尔线程开源TorchCodec-MUSA，全功能GPU加速PyTorch多模态训练

https://mp.weixin.qq.com/s/_7iR6P9L95_Qnr2VJIpnKA

摩尔线程开源MUSA加速版MONAI 1.5.0，国产全功能GPU赋能AI医学影像

https://mp.weixin.qq.com/s/78fNnxwMxyB08Pr6OPu0gQ

摩尔线程×智源｜S5000千卡集群+FlagOS驱动RoboBrain2.5具身大脑模型训练

2026年1月9日，TritonNext技术大会在北京隆重举行，摩尔线程编译器首席架构师海纳在会上发表了题为《FlagTree在摩尔线程GPU的适配与优化》的主题报告，展示了摩尔线程基于MUSA架构在Triton计算语言深度适配与优化方面取得的最新突破。作为连接上层计算语言与底层硬件的核心编译平台，FlagTree在此过程中发挥了关键支撑作用。

![图1.jpg](/uploaded/developer/news/editor/2026/01/13/ug1ha3e9owc.jpg)
摩尔线程的旗舰级训推一体全功能智算卡MTT S5000已实现对Triton计算语言的深度适配，包括矩阵乘与Linear Layout映射、Warp Specialization（Warp特化）、流水线优化与WASP技术在内的关键技术。这些优化使得开发者无需深入底层硬件细节，即可通过Triton语言实现接近硬件峰值的性能表现。

摩尔线程正积极推动开源生态与行业标准化，依托MUSA软件栈，深度适配并融入了由智源研究院主导的FlagOS开源系统。此前，北京智源人工智能研究院发布了面向多种AI芯片的系统软件栈——众智FlagOS 1.6，摩尔线程作为深度融入FlagOS生态的国产全功能GPU厂商，在TritonNext 2026大会上被授予相关荣誉。

![图2.jpg](/uploaded/developer/news/editor/2026/01/13/bey2t187yy.jpg)
FlagOS是面向多芯片架构、多场景需求的标准化AI性能基准与系统化支撑体系，致力于通过自动化测试与统一评估框架，构建开放、公平、高效的软硬件协同生态。基于FlagOS，摩尔线程在如下方面取得了实质性进展：

* 算子适配：MUSA已实现对高性能通用算子库FlagGems的快速适配，在算子支持覆盖率与平均执行性能上均位居行业前列；
* 性能验证：摩尔线程已向AI性能基准测试FlagPerf提交代码，并在MTT S5000上完成了端到端的标准化性能验证； 
* 分布式支持：MUSA已完成对大模型分布式推理与训练框架FlagScale的适配，MTT S5000能够高效执行编译与任务调度，为大规模AI应用的部署提供有力支撑。

目前，摩尔线程MUSA软件栈已全面支持MUSA C、Triton及TileLang等多种编程模型，为AI开发者提供了高效、灵活的全功能GPU开发环境。此次技术分享，充分展示了国产计算生态在软硬件协同设计与性能优化方面的持续突破。摩尔线程将持续通过底层技术创新与开放生态建设，加速推进国产全功能GPU的标准化、易用化进程，助力开发者更高效地释放国产算力潜能，共同推动人工智能产业高质量发展。

了解更多FlagOS信息请在微信中搜索“智源FlagOpen”或点击“[阅读原文](https://mp.weixin.qq.com/s/QQykxEnhFWBOPIB-jmCZ_g)”。

摩尔线程亮相TritonNext 2026大会，FlagTree释放全功能GPU潜力

https://mp.weixin.qq.com/s/zO8axuyxgjGg-D9U4AyVQA

摩尔线程发布SimuMax v1.1：从仿真工具升级为全栈工作流平台，助力大模型训练提效

https://academy.mthreads.com/page/GEMMOptimizationChallenge

MUSA开发者大赛 —— GEMM优化挑战赛

https://mp.weixin.qq.com/s/r4XuCom3HDmfUHQOsW-_hQ

摩尔线程王华：万卡训练中，最危险的往往是「不报错」丨GAIR 2025

12月17日，在香港举办的**全球图形学领域**备受瞩目的**顶级学术盛会 SIGGRAPH Asia 2025**上，摩尔线程在3D Gaussian Splatting Reconstruction Challenge（3DGS 重建挑战赛）中凭借**自研技术LiteGS**出色的算法实力和软硬件协同优化能力，**斩获银奖**，再次证明**摩尔线程在新一代图形渲染技术上的深度积累与全球学术界的高度认可**。

![](/uploaded/developer/news/editor/2025/12/18/wukpj6pgn4k.png)

***
▼活动预告：欢迎锁定**12月20日-21日**，**摩尔线程MUSA开发者大会**，我们将在具身智能等前沿专题中，深入解码**3DGS**如何赋能未来。
***
#### 3DGS：下一代图形渲染的范式革命，开启AI加速的高效渲染时代
3D Gaussian Splatting（3DGS，三维高斯溅射）是2023年提出的一项革命性3D 场景表示与渲染技术，以可参数化的3D 高斯分布为核心，实现了画质、效率与资源占用之间的卓越平衡。与传统 NeRF 相比，3DGS 在保持逼真渲染质量的前提下，将渲染效率提升数百至上千倍，并在光线追踪、VR/AR 实时渲染、多模态融合等方向展现出极强的适应性与扩展性。

![](/uploaded/developer/news/editor/2025/12/18/1971erzrgsz.webp)

作为近年来快速发展的神经渲染技术，3DGS不仅在三维重建与实时渲染等方向展现出卓越优势，也在更广泛的 AI 场景中具备潜在的基础价值。尤其是在具身智能（Embodied AI）等需要智能体理解并与真实环境交互的前沿领域，高质量、低延迟的三维环境建模至关重要。3DGS 以其高保真场景显示、快速优化能力和轻量级结构，为构建准确的世界模型提供了可靠支撑，有助于提升路径规划、环境感知和复杂操作任务的能力。随着 AI 技术向“理解并操作真实世界”方向不断延展，**3DGS 正逐渐成为具身智能训练场景中的关键基础技术之一**。
正因其对未来图形学技术路线的关键意义，3DGS已成为全球学术界与产业界竞相投入的研究方向，受到 SIGGRAPH Asia 等权威机构的高度关注。
#### 极致挑战：60秒高质量重建，推动3DGS技术走向实用化临界点
本次竞赛为参赛团队设置了**极具挑战性**的任务：参赛者需在60秒内，基于主办方提供的真实终端视频序列（10–30秒）、存在误差的相机轨迹以及终端SLAM点云，在极短时间内完成完整的3DGS高质量重建。
主办方以PSNR（重建质量）与重建速度为综合评价指标，力求在完全公开、公正的条件下得出权威排名。

![](/uploaded/developer/news/editor/2025/12/18/7sxpmbi1scb.png)

目前3D Gaussian Splatting Reconstruction Challenge（3DGS重建挑战赛）的结果及数据集已向全球公开，相关资料可在SIGGRAPH Asia官方网站获取：
https://gaplab.cuhk.edu.cn/projects/gsRaceSIGA2025

![](/uploaded/developer/news/editor/2025/12/18/1vrn3ixzwla.png)
#### 摩尔线程的技术答卷：以全栈能力实现精度与速度的极致平衡
摩尔线程AI团队以参赛编号“**MT-AI**”进入决赛阶段，在重建精度与效率两项指标上取得均衡且亮眼的表现：
* 平均 PSNR：27.58（位列前三）
* 重建耗时：34秒（显著领先多数队伍）

凭借行业领先的3DGS 算法构建能力与软硬件协同优化优势，摩尔线程最终获得**二等奖（银牌）**的优秀成绩。

![](/uploaded/developer/news/editor/2025/12/18/wo1fexp9msb.webp)
#### 开放协作：摩尔线程开源3DGS基础库 LiteGS
作为一种新兴的场景表示与新视角合成技术，3DGS凭借高渲染质量与实时渲染速度，在计算机图形学与视觉领域实现了显著突破。该技术通过数以百万计的各向异性三维高斯基元来表示三维场景，以实现逼真的渲染效果，并在自动驾驶、虚拟现实、数字孪生等领域展现出巨大潜力。然而，尽管3DGS的渲染速度极快，其训练过程却往往需要数十分钟甚至数小时，成为制约其广泛应用的主要瓶颈。现有优化方案往往仅从单一层面入手，难以系统性地解决训练过程中的性能制约。
为此，**摩尔线程自主研发了3DGS基础库LiteGS**，首次实现了从底层GPU系统、中层数据管理到高层算法设计的全链路协同优化：
* 在GPU系统层面，摩尔线程创新提出基于“One Warp Per Tile”原则的“Warp-Based Raster”新范式，将梯度聚合简化为一次Warp内归约，并结合扫描线算法与混合精度策略，大幅降低梯度计算开销，同时实现高效的像素级统计能力；
* 在数据管理层，引入“聚类-剔除-压缩”流水线，借助Morton编码以极低开销对高斯基元进行动态空间重排，显著提升数据局部性，减少缓存失效与Warp分支；
* 在算法设计层，摒弃原有模糊的度量指标，采用更为鲁棒的像素不透明度梯度方差作为致密化的核心判据，精准识别欠拟合区域，其轻量化计算直接受益于底层光栅化器的高效统计支持。

![](/uploaded/developer/news/editor/2025/12/18/hm0bo1flmom.webp)

通过系统与算法的协同优化，**LiteGS在训练效率与重建质量上均实现显著领先**，树立了该领域新的性能标杆。在达到与当前质量最优方案同等水平时，LiteGS可获得高达10.8倍的训练加速，且参数量减少一半以上；在相同参数量下，LiteGS在PSNR指标上超出主流方案0.2–0.4 dB，训练时间缩短3.8至7倍。针对轻量化模型，LiteGS仅需原版3DGS约10%的训练时间与20%的参数量，即可实现同等质量，展现出卓越的工程实用性与技术前瞻性。

![](/uploaded/developer/news/editor/2025/12/18/evz08rkv3r6.webp)

目前，LiteGS已在GitHub平台全面开源，以推动三维重建与渲染技术的开放协作与持续演进。

***
▼ **LiteGS 开源地址**：
https://github.com/MooreThreads/LiteGS
***
摩尔线程此次在国际图形学顶会赛事上的获奖，不止是一次竞赛胜利，更是准确把握全球技术发展趋势并引领**未来图形计算技术**方向的战略体现。作为图形学领域未来发展的重要方向，3DGS技术对算法与硬件协同提出了极高要求。摩尔线程通过**创新的算法设计、深度优化的自研硬件以及高效的软硬件协同**，在本次赛事中展现了卓越的综合能力。这一成就，**印证了摩尔线程在图形智能计算领域技术路径的前瞻性与工程可行性**，并体现了公司将前沿研究快速转化为实践成果的强大执行力。
展望未来，摩尔线程将继续**深耕图形、人工智能与高性能计算的融合创新**，坚持全栈技术研发，持续推动图形计算技术的进步与发展。摩尔线程期待与全球产学研伙伴深化合作，共同构建更高效、开放、智能的图形计算生态，为行业进步与用户价值创造提供坚实支撑。

SIGGRAPH Asia 2025：摩尔线程赢图形顶会3DGS挑战赛大奖，自研LiteGS全面开源

近日，摩尔线程的创新研究论文**《TurboRAG: Accelerating Retrieval-Augmented Generation with Precomputed KV Caches for Chunked Text》**被自然语言处理领域的顶级国际会议EMNLP 2025收录。该论文提出了**一种创新的“混合离线-在线”RAG推理架构，通过预计算与复用KV Cache（Key-Value Cache），显著提升生成式检索增强系统的推理效率，为大模型在高频交互与实时响应场景中的应用提供了全新的技术解决方案。**

传统Retrieval-Augmented Generation（RAG）系统在处理多文档任务时面临显著瓶颈：频繁检索文档需要重复编码，带来大量冗余计算；长上下文拼接注意力机制复杂度呈平方级增长，严重影响首令牌生成速度，导致延迟；同时，显存占用过高也限制了批处理规模，影响系统整体吞吐，形成性能瓶颈。这些问题制约了RAG系统在实时交互场景中的广泛应用。
![TurboRAG](/uploaded/developer/news/editor/2025/11/17/ldm904nhd3.png)

摩尔线程TurboRAG通过引入“分块预计算KV Cache”与“位置重编码”两项核心技术，在不改变模型架构的前提下，实现了多文档上下文的快速拼接与高效推理。实验结果显示，在LongBench等多文档问答基准测试中，TurboRAG将首令牌生成速度最高加快9.4倍，平均提升8.6倍，同时在线推理计算量大幅降低98.5%。在大模型文档问答的准确性基准RGB中，即使噪声文档比例高达80%，TurboRAG的答案准确率仍与GPT-4o相当，且模型通用能力保持稳定。该技术已成功在Qwen2、LLaMA等主流开源模型上完成验证，展现出优秀的通用性与工程落地潜力。
作为专注于智能计算创新的科技企业，摩尔线程持续深耕大模型推理加速与系统优化领域。本次被EMNLP 2025收录的TurboRAG研究成果，体现了公司在"算法-系统协同设计"方面的技术实力。未来，摩尔线程将继续加大在高性能推理、知识增强等核心领域的研发投入，推动人工智能技术在实际应用中的创新发展。


摩尔线程TurboRAG研究成果被自然语言处理顶会EMNLP 2025收录

近日，摩尔线程在人工智能前沿领域取得重要突破，其提出的新一代大语言模型对齐框架——**URPO统一奖励与策略优化，**相关研究论文已被人工智能领域的国际顶级学术会议AAAI 2026收录。这一成果标志着摩尔线程在大模型基础技术探索上迈出了关键一步，**为简化大模型训练流程、突破模型性能上限提供了全新的技术路径。**
![](/uploaded/developer/news/editor/2025/11/13/h0u4felucno.png)
当前，在大模型的后训练对齐阶段，主流技术如基于人类反馈的强化学习（RLHF），普遍采用“策略模型”与“奖励模型”分离的多阶段训练框架。这种解耦设计虽广泛应用，却存在明显短板：不仅工程繁琐复杂、计算资源消耗巨大，更因奖励模型在强化学习过程中保持固定，无法适配持续进化的策略模型，导致二者“能力失配”，从而限制模型性能的进一步提升。

在题为《URPO: A Unified Reward & Policy Optimization Framework for Large Language Models》的论文中，摩尔线程AI研究团队提出了URPO统一奖励与策略优化（**Unified Reward & Policy Optimization，URPO）框架**，创新地将“指令遵循”（选手）和“奖励评判”（裁判）两大角色融合于单一模型中，并在统一训练阶段实现同步优化。URPO从以下三方面攻克技术挑战：
* 
1. 数据格式统一：将异构的偏好数据、可验证推理数据和开放式指令数据，统一重构为适用于GRPO训练的信号格式。
2. 自我奖励循环：针对开放式指令，模型生成多个候选回答后，自主调用其“裁判”角色进行评分，并将结果作为GRPO训练的奖励信号，形成一个高效的自我改进循环。
3. 协同进化机制：通过在同一批次中混合处理三类数据，模型的生成能力与评判能力得以协同进化。生成能力提升带动评判更精准，而精准评判进一步引导生成质量跃升，从而突破静态奖励模型的性能瓶颈。

5. 实验结果显示，基于Qwen2.5-7B模型，URPO框架显著超越依赖独立奖励模型的传统基线：在**AlpacaEval指令跟随榜单**上，得分从42.24提升至**44.84**；在综合推理能力测试中，平均分从32.66提升至35.66。尤为突出的是，作为训练的“副产品”，该模型**内部自然涌现出卓越的评判能力**，在**RewardBench奖励模型评测**中取得**85.15**的高分，表现甚至优于其替代的专用奖励模型（83.55分）。

除了卓越的性能表现，URPO框架在工程落地方面同样展现出显著优势。该技术基于GRPO算法进行轻量化迭代实现，在代码层面仅需添加少量补丁即可完成部署，大幅降低了技术迁移与应用门槛。目前，**URPO已在摩尔线程自研计算卡上实现稳定高效运行**，充分发挥软硬件协同优化的底层优势；同时，摩尔线程已完成VERL等主流强化学习框架的深度适配，让这一简洁高效的对齐方案能快速融入现有研发体系，既保留了技术延续性，又为行业提供了兼具性能、效率与兼容性的一体化解决方案。

URPO框架的成功，是摩尔线程坚持底层技术创新、攻坚大模型核心挑战的重要成果。该研究不仅提供了一种更简洁、高效、性能更强的对齐方案，更通过“选手-裁判”一体化的设计，为大模型实现持续自我进化开辟了新路径。未来，摩尔线程将继续深耕大模型等前沿技术领域，以坚实的创新成果推动人工智能产业实现跨越式发展。


摩尔线程大模型对齐研究获顶会认可：URPO框架入选AAAI 2026

近日，由「DaoCloud 道客」与vLLM社区联合举办的Meetup在上海成功举行。活动吸引了数百名开发者到场交流，线上观看超3000人次，现场围绕vLLM推理优化这一热门话题展开了深入探讨。

![](/uploaded/developer/news/editor/2025/11/13/fx5c4c2ifk.jpg)
摩尔线程的技术代表薛磊在会上分享了vLLM推理引擎在摩尔线程MUSA架构GPU上的适配与优化实践。他提到，团队通过插件化机制，优化了Flash Attention、DeepGEMM等关键算子，并集成MCCL、DeepEP等自研通信库，有效提升了计算效率。在分布式推理方面，还提出了PD分离、Mooncake KVCache传输引擎、专家并行（EP）与DeepEP通信优化等策略，以突破互联带宽瓶颈，从而提升MoE模型在国产智算集群上的性能表现。
目前，摩尔线程全功能GPU已实现在vLLM等先进框架上的高性能推理，这为构建自主可控的国产AI算力生态奠定了坚实基础。
活动现场，来自阿里云、上海交通大学、「DaoCloud 道客」的技术专家也分享了相关实践与见解。未来，摩尔线程期待与广大开发者继续携手，共同推进AI推理技术迈向更成熟、更实用的新阶段。




摩尔线程亮相vLLM推理优化实战Meetup 分享国产芯片实践成果

在10月26日举办的YOLO Vision 2025（YV25）大会上，摩尔线程端侧SoC研发技术负责人刘令飞受邀发表演讲，介绍了摩尔线程AI计算模组对主流CV模型的广泛支持，以及在多路视频环境下高效运行YOLOv8s/m模型的实践成果。

该模组依托CPU+GPU+NPU异构计算架构与高带宽统一内存设计，支持多个异构加速器之间的高效数据交换和任务并发，在多路1080P视频流输入场景中，成功实现了YOLOv8s/m模型的实时处理，充分验证了在高并发、低延迟推理任务中的有效性与稳定性，展示了摩尔线程在边缘计算与AI推理领域的技术实力。
![](/uploaded/developer/news/editor/2025/11/13/paytpk7hj3l.jpg)

刘令飞在分享中指出，摩尔线程AI计算模组具备高达50TOPS的INT8稠密算力，可有力支持复杂视觉任务的高效执行。在软件工具层面，摩尔线程自研的MTNN工具链和编译器实现了多种模型量化方式及前处理融合，显著提升了模型在NPU上的部署与推理效率，并实现了优异的能效比，而在GPU上，通过适配PyTorch生态，增强了系统在实际应用中的灵活性。基于Torch-MUSA的AOT（Ahead-of-Time）静态编译技术，配合MUSA自研高性能算子库和高性能Triton编译器，能大幅提升系统推理性能，降低推理时延。

为助力开发者优化模型性能，摩尔线程还推出了可视化性能分析工具Moore Perf System，可精准定位处理流程中的瓶颈，为系统调优提供直观的数据支持。

在推动技术普及与生态共建方面，摩尔线程已在Gitee平台开源超过40个计算机视觉模型，覆盖目标检测、图像分割、姿态估计、光学字符识别（OCR）及人脸识别等多个关键领域。这些资源不仅包含完整的模型实现，还提供了从模型转换到性能调优的详尽示例，旨在降低开发门槛，加速AI应用在边缘端的落地。
未来，摩尔线程将持续优化端侧AI工具链，致力于提升YOLO系列及Transformer等主流视觉模型在边缘设备上的性能表现与应用效率，携手广大开发者共同拓展AI技术在边缘计算场景中的创新应用。


摩尔线程出席YOLO Vision，展示端侧CV技术新突破

摩尔线程发布大模型训练仿真工具SimuMax v1.0：仿真精度显著提升，显存误差仅1%

![](/uploaded/developer/news/editor/2025/05/21/ol3xjp6385.png)
开发者可在[摩尔线程摩尔学院](https://academy.mthreads.com/)领取折扣优惠券，享受 AutoDL 平台的 **GPU 算力租用专属优惠**！

[AutoDL.com ](https://www.autodl.com/home)是目前全国最大的 C 端 AI 算力租用平台之一，面向“大 AI 圈”内的科研工作者和科技企业提供弹性、好用、省钱的 GPU 租用服务。

**活动时间**：2025年5月21日-2025年6月15日
点击**[活动链接](https://academy.mthreads.com/page/ComputingPowerActivity2025)**即刻参加



AI 算力狂欢价！摩尔线程携手 AutoDL 推出专属算力优惠活动

摩尔线程基于自研元计算统一系统架构（ Meta-computing Unified System Architecture, 简称 MUSA ）GPU，全面支持 DeepSeek 开源生态，致力于加速 AGI 时代到来。
详情请联系 <qiheng.lv@mthreads.com>。
摩尔线程将陆续发布结合摩尔线程 GPU 产品和 DeepSeek 创新技术的项目，并将逐步开源。
<https://github.com/MooreThreads/MT-DeepSeek/>
![](/uploaded/developer/news/editor/2025/02/25/wblc5237rc.jpg)

摩尔线程 MT-DeepSeek  开源项目计划

开源MUTLASS｜摩尔线程加速基于国产GPU的算子开发以及算法创新

开源 vLLM-MUSA｜摩尔线程持续加速基于国产 GPU 的 AI 大模型推理开发

![](/uploaded/developer/news/editor/2024/11/24/8xy7v6fam6u.png)在2024年复旦大学博士生学术论坛（计算机科学技术篇）上，摩尔线程智能科技（北京）股份有限公司的市场生态高级总监吕其恒先生带来了题为《国产算力生态构建全球智算新格局》的专题分享。    

吕其恒先生在论坛上深度解读了国产算力生态的发展现状与未来趋势，系统分析了我国在算力领域取得的最新成果以及面临的挑战。他的前瞻性见解和深入分析引发了与会师生的高度关注与热烈讨论。此外，复旦大学计算机科学技术学院党委副书记顾宁先生在专项研讨结束后，为吕其恒先生颁发了感谢信，以表彰他对论坛的贡献。
![](/uploaded/developer/news/editor/2024/11/24/9z56enj6byn.png)

![](/uploaded/developer/news/editor/2024/11/14/ufaz54r4xc.jfif)这次论坛不仅促进了学术交流，也展现了摩尔线程智能科技在推动国产算力生态发展中的积极作用。

“AI赋能，创新未来”，摩尔线程出席复旦大学博士生学术论坛（计算机科学技术篇）

摩尔线程发布图形显卡驱动程序v270.80.2，优化多款游戏体验

解锁 DirectX 12｜摩尔线程内测版驱动发布

万卡万P万亿参数通用算力！摩尔线程夸娥智算中心解决方案重磅升级

7月2日至5日，2025全球数字经济大会在北京举行。本届大会以“建设数字友好城市”为主题，构建“1+6+N”活动框架，通过理念升级、形式创新与生态协同，推动北京实践走向世界，为全球数字经济共创、共享、共生提供“中国智慧”。作为国内领先的全功能GPU创新企业，摩尔线程受邀亮相北京信息技术应用创新体验区，首次集中展示其赋能工业智能化的核心技术能力与应用成果，旨在通过国产全功能GPU算力底座驱动工业升级，为制造业高质量发展注入新动能。大会期间发布《2024北京数字经济标杆企业评价报告》，摩尔线程凭借卓越的技术创新与应用实践能力，荣获“北京市数字经济标杆企业”。![](/uploaded/developer/news/editor/2025/07/05/ym8j1t7v9so.webp)

大会现场，摩尔线程展出了多款可为工业场景提供强大算力的智算产品及工业化解决方案，包括MTT S4000训推一体全功能智算卡、MTT X300高性能渲染卡、MCCX D800 AI大模型一体机，以及工业大模型、工艺智能体等。这些产品及解决方案覆盖云端、边缘到终端的全场景算力需求，为工业制造提供高效、安全且可扩展的算力支持，助力实现从零件制造、工艺装配到设备管理的全流程智能化升级。“AI+工业”案例入选赋能工业制造全流程为展示北京“人工智能+”行业应用成果，展现中国数字经济发展的“北京样板”，数字经济大会广泛征集“北京市人工智能赋能行业发展典型案例”。摩尔线程联合工业领域合作伙伴雪浪云，共同申报的“国产全功能GPU加速制造业智能化升级”AI+工业案例成功入选。该系统基于“国产GPU算力+国产模型+国产应用”架构打造，构建了涵盖工艺、生产与设备全流程的工业智能解决方案，实现了制造核心技术从底层到应用的国产化闭环，推动制造业产业链智能化升级。
![](/uploaded/developer/news/editor/2025/07/05/5g8qrc3uh0n.jpg)
▼  零部件加工环节-图零大模型：依托摩尔线程全功能GPU的强大算力及MCCX D800 AI大模型一体机的端侧推理能力，“图零”大模型利用多模态大模型实现大小模型结合进行多策略增强的图纸参数识别，可智能解析CAD图纸，快速提取技术要求、标注信息、几何、规格、加工工艺、最小公差等相关数据并建立参数之间的内在逻辑关系，实现气泡图智能标注，能够提供加工工艺生成、加工设备推荐与匹配、零部件选型、供应商匹配服务，赋能首件检测（FAI）、图纸审核与标注、第三方检测等产品研发工程智能化。
!
![](/uploaded/developer/news/editor/2025/07/05/lhcn035avw.webp)
▼装配工艺环节-工艺生成智能体：“工艺知识智能体”融合数模一体化、知识图谱与大模型技术，基于摩尔线程全功能GPU，面向航空航天复杂装备总装环节，通过大模型动态知识抽取并构建工艺图谱、数模实时渲染，基于数模一体化支撑多智能体协同推理完成工艺参数、质量缺陷、工装设计、仿真验证等多维实体的语义关联与结构化表达，实现装配工艺全流程的智能问答、辅助生成和决策优化。

▼运维管理环节-装备运维智能体：通过将摩尔线边缘解决方案部署到盾构机、挖掘机等重型设备，通过“算力下沉+智能前置”，重构重型装备的神经中枢，使其从“执行工具”升级为“决策主体”。这一变革不仅提升单项性能（如计算速度、识别准确率）、升级传统实时监测和故障预警能力的同时，更推动高端装备实现从 “自动化单体作业” 到 “自主化群体协同” 的跨越，成为AI时代装备竞争力的核心载体。打造全栈AI能力持续深耕产业实践摩尔线程始终致力于将国产全功能GPU算力深度融入产业实践。此前联合雪浪云打造的工业大模型一体机，通过全栈AI生态能力提供高效算力支撑，为企业提供“开箱即用”的一站式高性价比训推解决方案，有效解决大模型落地中的硬件选型、成本、安全等关键问题。依托MUSA架构、全栈AI生态及夸娥集群级算力部署的技术积淀，摩尔线程持续强化覆盖芯片到系统的全栈AI智算能力，为智能制造构建坚实的算力底座。全球数字经济大会自2021年举办以来，已成为链接国际数字技术合作、展示标杆城市建设成果的重要平台。摩尔线程以全功能GPU为核心，致力于向全球提供加速计算的基础设施和一站式解决方案，为各行各业的数智化转型提供强大的AI计算支持。未来，摩尔线程将继续发挥全功能GPU优势，携手更多合作伙伴共创数字经济新范式，以强劲算力支撑中国新质生产力发展。

▼关于摩尔线程开发者摩尔线程开发者是国产 GPU 创新企业摩尔线程专为技术爱好者和开发者打造的一站式服务平台。摩尔线程致力于构建一个技术共享和创新驱动的开发者生态服务体系，助力开发者实现技术突破，推动创新应用落地。


新闻