“福特汽车时刻”降临：AI工厂引领基础设施新范式

大洋彼岸，《AI行动计划》横空出世，传递出大力发展AI基建、产业效率优先的强烈信号；黄浦江畔，世界人工智能大会（WAIC 2025）隆重举办，新一代国产人工智能基础设施建设成为核心议题。

这不是简单的时点巧合，而是人工智能革命迈向规模化、系统化新阶段的重要标志。从某种意义上讲，此刻堪比当年福特汽车工厂迅猛崛起的“决定性瞬间”，一场由技术突围到规模化生产的关键跨越即将达成。

在福特汽车工厂诞生前，工业革命主要聚焦于蒸汽机、纺织机等单一机器的效率提升，而“福特制”首次将生产视为整体系统，通过流水线整合标准化零件、专用机床与能源网络，实现人、机、物料、工序的精准协同。管理学大师彼得·德鲁克认为，福特制开创了新的范式，即以系统思维重塑现代化生产体系。

当下，人工智能革命也恰好处于“第二次飞跃”的起点。伴随生成式AI的加速渗透，大模型更新迭代的周期越来越短，多模态演化的趋势愈发显著，千行万业拥抱AI应用的热情颇为高涨，这对建设新一代AI基础设施提出了迫切需求。单点的技术突破显然已无法适应AGI如飞的脚步，系统级创新才能构建最坚实强劲的“跳板”。

令人欣喜的是，在世界人工智能大会（WAIC 2025）期间，摩尔线程开创性地提出“AI工厂”理念，致力于通过系统级工程创新，打造生产先进模型的“超级工厂”——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升级，以全方位蜕变的计算基础设施，推动AI训练和推理迈向更高境界。

摩尔线程创始人兼CEO张建中

摩尔线程创始人兼CEO张建中认为，“AI工厂”的产能由五大要素共同决定，其公式可概括为“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”。这个公式与“福特制”倡导的系统性变革范式不谋而合。作为国内全功能GPU的翘楚，摩尔线程能否上演率先垂范的戏码，让新型的AI工厂扮演类似福特汽车工厂的角色，成为驱动人工智能惠及天下的核心基石？

以全功能GPU与自研MUSA架构打造“AI工厂”坚实底座

在构建“AI工厂”的宏伟蓝图中，GPU无疑是算力核心，倘若缺乏性能优异的算力芯片，整个AI工厂的顺畅运行就无从谈起。不过，目前市面上的GPU技术路线各异，若只提供功能单一的计算能力，则无法承担重任。

纵观GPU的演进轨迹，会发现从上世纪90年代至今，GPU经历了图形加速与处理、深度学习和AI早期探索、感知AI爆发及生成式AI浪潮等多个发展阶段，始终是算力进化的最佳引擎，其价值绝非仅是在单一功能或特定场景与AI进行“适配”。

不难看出，计算功能的完备性与精度完整性是GPU施展拳脚的必要条件。摩尔线程深谙此道，以自主研发的全功能GPU为核心构建通用性底座。基于MUSA架构的突破性设计，其GPU单芯片即可集成AI计算加速、图形渲染、物理仿真及超高清视频编解码等能力，满足AI训推、具身智能、AIGC、科学计算等应用场景的多元化需求。

如果说“功能完备”是GPU开疆扩土的利器，那么更完整的计算精度则是其提升效率的法宝。摩尔线程支持从FP64至INT8的全精度谱系，并借助FP8混合精度技术，在主流前沿大模型训练中达成20%~30%的效能跃升，树立起国产GPU算力效率的新标杆。通用性底座与精度变革双剑合璧，可为世界模型和新兴AI架构的演化提供前瞻性支撑，促进人工智能落地生根。

为了进一步增强AI工厂高效运转的能力，多管齐下改善芯片的有效算力至关重要。摩尔线程采用多引擎、可伸缩GPU架构，通过硬件资源池化及动态资源调度技术，构建全局共享的计算、内存与通信资源池。这种开创先河的设计思路在保障通用性的同时大幅提升资源利用率，而可伸缩架构更能针对不同市场需求快速调整芯片配置，显著降低新品的开发成本。

在计算层面，摩尔线程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，使Transformer计算性能提升约30%；在内存系统层面，借助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50%的带宽节省和60%的延迟降低；在通信和互联层面，独创的ACE异步通信引擎减少15%的计算资源损耗，MTLink2.0互联技术提供高出业界平均水平60%的带宽，为大规模集群部署奠定根基。

以软硬协同和系统级创新探索崭新路径

詹姆斯·沃麦克在其著作《流水线：一部关于新工业革命的诗篇》中指出，福特模式不只是“造车更快”，而是通过“流水线+供应链+管理”的系统级重组实现规模效率的质变。从AI工厂的视角来看，单个GPU的进化亦不足以达成智能时代的远大目标，唯有依循软硬协同与系统级创新路径，才能完成从单节点到大规模集群的跃迁。

这条道路挑战重重，摩尔线程选择迎难而上，以MUSA全栈系统软件为核心突破口，不断提升单节点计算效率，持续释放KUAE集群潜能，推动AI工厂迈上更高台阶。

据摩尔线程GPU计算软件开发总监吴庆透露，MUSA全栈系统软件主要从三个维度擢升KUAE集群的核心竞争力：一是构建高效的计算驱动和运行时库，借助深度优化的软硬件任务调动性能，促使用户的Kernel launch开销大幅缩减；二是算子库不仅追求极致性能，还顾及覆盖广度和兼容性，性能突出的muDNN、更易用的MUTLASS以及MUSA AI Tensor Engine开源推理算子库能满足不同类型需求；三是基于高性能集合通信库及通算并行，避免抢占计算核心资源，在集群环境实现多重目标。

显而易见，全栈系统软件对集群运行能力的提升发挥着举足轻重的作用，而随着大模型训练和推理的全面爆发，打造适应多场景的混合精度训推方案，也日益成为国产GPU集群的“基本修养”。摩尔线程副总裁王华认为，在大模型训练中识别出对精度要求不高的操作，将其替换为以FP8为代表的低精度计算渐成业界共识。摩尔线程能提供包括FP8在内的全精度算力，构建支持多种不同数据类型的混合精度训练方案，可以满足大规模智能生产的更高要求。

尤值一提的是，虽然能力增强与效率优先是AI工厂引领基础设施变革的核心抓手，但集群的稳定性与可靠性同样不容忽视，各种故障导致的生产中断会造成巨大损失。正是在这样的背景下，摩尔线程的零中断容错技术应运而生，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，使KUAE集群有效训练时间占比超99%；同时，基于多维度训练洞察体系实现动态监测与智能诊断，促进异常处理效率提升50%，为AI工厂的行稳致远保驾护航。

AI超级工厂加速人工智能全面落地进程

埃森哲最新发布的研究报告显示，53%的中国企业正在通过AI连接和融合多个流程，比全球平均水平高11个百分点。这表明AI逐步从工具属性向全场景深度部署转变，人工智能在中国市场的落地进程明显加快。

面对时钟加速转动的新局面，AI工厂既需高效训练大模型，又要具备强大的推理验证能力，进而为AGI的开花结果创造必要条件。摩尔线程通过构建覆盖LLM、视觉、生成类模型的全流程推理解决方案，实现“训练-验证-部署”的无缝衔接——MT Transformer、TensorX自研推理引擎与vLLM-MUSA推理框架协同发力，为打通“最后一公里”扫除了障碍。

在WAIC 2025现场，摩尔线程以全功能GPU为核心构建的“云边端”全栈AI产品和解决方案集中亮相，夸娥智算集群及各行业应用案例尤为吸睛。基于在专业图形渲染、大模型训推、具身智能、物理仿真、AI for Science等领域积累的雄厚实力，摩尔线程深度赋能创娱教育、智能制造、智慧医疗、智能驾驶、数字服务等纷繁场景，充分展现了AI工厂驱动产业变革的无限潜能。

站在更开阔的视角，国产GPU生态系统的完善还有很长的路要走，吸引更多开发者参与其间是必由之径。摩尔线程今年特别开设了线上与线下相结合的“摩尔学院”，并将于10月在北京举办首届MUSA开发者大会，有望驱动国产GPU新生态早日成型。有了良好生态系统的加持，中国的AI工厂必将进化为“超级物种”，在全球舞台赢得更多的话语权，赋予“世界工厂”全新的内涵。

—— 越看越精彩 ——

【IT创事记】聚焦于企业级科技生态、策略及商业知识。你可以在各主流媒体平台看到IT创事记的同名文字专栏和【IT创事记·短视频】专栏。如果你有相应的内容希望分享，记得在公众号留言告诉我们。