如今的AI发展已经进入到了白热化的阶段，大家比拼的不再是单一算力，更是生态体系建设。NVIDIA就凭借完善的CUDA生态牢牢绑定了众多开发者，让自己掌握了AI的定义权，不过随着我国全面进入到AI时代，对于Token也就是词元的需求呈指数级跃升，再配合整个国家对于自主研发以及自主生态系统建设的殷切期待，为国产算力厂商迎来巨大发展机遇。摩尔线程也在这几年坐上了AI的快车道，获得了行业的巨大关注，同时也发布了基于自主知识产权的AI算力矩阵，如今随着AI的发展进入到新时代，摩尔线程则全面展示了“云-边-端”全栈智算矩阵，通过打造完善的生态来让词元充满整个行业。

作为算力的核心，想要实现AI模型的训练与推理，计算集群显然少不了，摩尔线程在2023年宣布了夸娥万卡级智算集群，而时间到了2026年，超级智算集群终于开花结果，目前摩尔线程也已经宣布该项目成功落地，同时给出了不少的硬核指标，称模型算力利用率可以达到60%，MoE大模型利用率为40%，训练时长更是达到了90%，这些效率达到了国际主流水平，如此强大的算力平台对于开发者来说则是如虎添翼。更为重要的是摩尔线程并非只单纯提供智算集群，而是帮助开发者在大模型训练的全阶段都能完美覆盖夸娥的算力，摩尔线程提供的训练套件能够覆盖大模型预训练和后训练全链路，从而让训练成本以及训练时间大幅下降。

如今伴随着用户的日益增多，大模型的推理速度已经愈发重要，特别是现在AI模型日新月异，每一家厂商都希望做到实现新品快速适配，让用户及时体验前沿AI能力。对此摩尔线程也和国内头部大模型厂商合作，全面适配DeepSeek、GLM、MiniMax、Kimi、Qwen等国内头部大模型，并且也囊括了主流的语音、视觉理解及多模态模型。同时摩尔线程也开源了自家的vLLM-MUSA推理架构，未来开发者可以根据这个架构进行微调，从而大幅提升模型在摩尔线程超算集群上的推理速度。如今的摩尔线程也与业内头部大模型企业建立深度合作生态，同时也和其他模型厂商合作，共同打造更加宽广的大模型市场。

上述这些对于普通消费者来说实在是有些高深，消费者更多的还是关心这些大模型什么时候能够惠及大众。摩尔线程也考虑到了普通消费者的需求，在这一次的发布会上推出了智能家庭AI中枢——MTT AICUBE，这款产品内置了“小麦”智能体预装60余项技能（Skills），支持超过36款APP的控制，可以说是一位强大的数据管家，轻松满足家庭各类娱乐需求。

MTT AIBOOK也进行了全面的升级，预装了之前最为火爆的“龙虾”智能体，通过提供多个工具接口有效地降低用户的开发成本，轻松覆盖全场景需求。可以说上述这些终端产品是对用户渴望先进模型落地的最有力的回应。并且摩尔线程也推出了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，能够让具身智能研发企业开发算法更加便利，并且也能依靠夸娥智算集群与SoC芯片形成云边端协同的产品布局。

说一千道一万，摩尔线程所做的种种努力都是为了能够打造属于自己的生态系统，毕竟硬件算力只是AI的一部分，其背后完善的生态系统才是别人愿意采购你产品的底气，而这就需要摩尔线程与合作伙伴的共同努力。首先就是摩尔线程需要开放旗下的架构，同时与CUDA这样的高度成熟的架构能够完美兼容。经过不断的努力，摩尔线程MUSA已经实现了对业界主流CUDA生态的深度兼容。

MUSA 5.1.0已经和CUDA 12.8深度对标，包括完整覆盖PyTorch 3194个算子，此外MUSA也实现了对Top100人工智能与Top100科学计算两大领域加速仓库的100%迁移，也正是因为有着对于生态系统兼容性的极致追求，才会有越来越多的企业选择摩尔线程的MUSA架构，这些企业又给摩尔线程提供了大量的数据，便于其根据企业实际需求对架构进行改进，形成了良性循环。从这一次次的发布会我们可以看到，硬件一直只是摩尔线程的一小部分，其背后完整的AI生态，才是摩尔线程能够取得行业认可的最重要因素。