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。
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。