导语：140万亿日Token耗损暗地里，国产算力正于离别单点冲破，走向体系级输出。

算力荒的焦急已经无需衬着。

5月的一个北京夜晚，开创人、董事长兼首席履行官张建中于摩尔线程2026年产物发布会现场吐露一组数据：当前海内天天仅某一款运用的Token耗损量就已经冲破140万亿——而此前的猜测，是整个市场总耗损量于30万亿到180万亿之间。

为抗住这源源不停的算力需求，一个靠得住的人工智能基础举措措施必不成少。但算力只是故事的一半。“场景末了还有是要经由过程条记本、手机或者者其他终端来实现。”一名投资人告诉雷峰网(公家号：雷峰网)。

从云端到终端，从算力到生态——这场发布会上，摩尔线程展示了一张完备的邦畿。

从“小麦”到具身智能，摩尔线程补齐物理AI邦畿

试问token耗损的第一来历，天然是当下备受存眷的AI Agent。

IDC猜测，到2030年全世界活跃AI智能体将达22.16亿。中国企业AI智能体数目将于2031年冲破3.5亿范围，年复合增加率到达135%以上。

海内的热忱更是传导至政策端。2026年当局事情陈诉初次把“智能体”三个字写了进去——2027年普和率方针超70%，2030年超90%。

但不成轻忽的是，当前市道上不少智能体于自动办事、持久影象等能力上仍有短板，而摩尔线程本次首发的全域智能体“小麦”，堪称恰逢当时。

比OpenClaw的分数超出跨越20%摆布、综合评分远超其他国产同类型产物——摩尔线程鞭策成立的可视化测评体系MTClaw Evaluation System给到了多维度的评估，张建中重点先容了此中三个特征：

“事办患上全”——于7×24小时办事里，“小麦”基在原生Linux情况撑持超36种APP的节制，具有60多种繁杂skill，可无缝跟尾90个以上CLI东西。

“事办患上好”——借由二维拓扑影象体系，小麦于交融短时及永劫影象的基础上不停归纳总结习患上的常识。

“事办患上快”——基在摩尔线程自研架构MTClaw，小麦于挪用高频东西时，乐成率已经跨越95%，端到端使命履行效率比拟利用框架条件升了7倍。

“咱们但愿‘小麦’迅速落地到千家万户。”张建中直言。

在是，摩尔线程首款面向家庭的消费级产物——MTT AICUBE，成为了小麦的第一个“家”。于现场，张建顶用“三位一体”——AI Agent、AI PC、AI NAS——来界说这块迷你智能立方体。

支撑这款家庭AI中枢的算力底座，实在于去年摩尔线程首届MUSA开发者年夜会上早有预报。内置CPU、GPU、NPU及VPU，摩尔线程首颗自研智能SoC芯片“长江”实现了50TOPS异构算力，内存可达32GB。

而用户对于轶群影象力、数据不上云的安全需求则有赖在标配的1TB全闪SSD以和12TB的可扩大空间。

以家庭照片及视频为例，AICUBE可主动收拾相册、天生记念视频、及时视频超分，满意家庭“存患上下、找获得、用患上起来”的需求。

假如说AICUBE把“小麦”留于了家里，那末MTT AIBOOK则把它装进了违包。直面当下OPC（小我私家公司）风口，这款此前一样官宣过的AI PC，能于当地能同时跑12个以上智能体，直连90多款东西，协同完玉成链路事情。

不变运行暗地里，是摩尔线程打造的原生AI操作体系于做支撑——相对于Windows更轻量、更及时、更靠得住。

雷峰网留意到，开箱即用是MTT AIBOOK的另外一年夜亮点。出厂预装OpenClaw的同时，也为用户预备了可一键切换的MTClaw。此外，内置的PES运用市场利便用户随时下载新运用；提供的Windows虚拟机及安卓预置容器，让用户可以于差别体系情况中无缝运行各种软件。

为了免去消费者的后顾之忧，摩尔线程还有结合趋境科技，为每一位AIBOOK用户提供7×24小时长途技能撑持。

从AICUBE到AIBOOK，“小麦”学会了处置惩罚数字事件。但张建中想更进一步——让智能体走进物理世界，真正动手干活。

他指出，练习一个能于物理世界中自立步履的智能体，面对真实数据稀缺且收罗成本高、真机练习危害年夜及场景难以泛化的挑战。要解决这些问题，不克不及靠真机硬摔，而需要一个高保真的仿真情况。

MT Lambda由此而生。作为海内首个全栈国产化具身智能仿真平台，它硬件上依托撑持光芒追踪的S5000 GPU及夸娥集群，软件上交融开源MujoCo、Newton和自研AlphaCore引擎，终极实现多物理场的同一求解与更快更传神的衬着速率。现场呆板狗矫捷的一举一动，即是最直不雅的注脚。

据张建中先容，当前摩尔线程已经经结合光轮智能、智源研究院及光芒云等互助伙伴，买通从数据合成到模子练习再到计谋部署的闭环。同时，他也呼吁更多偕行者插手其财产生态圈“PES同盟”，配合推进具身智能仿真与练习。

夸娥万卡集群与MUSA生态，支撑算力发作的大水

支撑智能体及仿真平台的，恰是摩尔线程的云端底座——于S5000基础上搭建的夸娥万卡集群。而它的焦点磨练一样于在够不敷不变及高效。

以年夜模子练习需求为例，张建中指出，客户不肯换用国产智算集群，泉源并不是软件或者兼容问题，而是集群能不克不及“7×24小时不断机”。

摩尔线程器具体测评数据给出了谜底：有用练习时长占比跨越90%，浓厚模子MFU超40%，MoE模子MFU超60%。

交出靠得住答卷的同时，摩尔线程还有啃下“精度”及“扩大不变性”这两块硬骨头，确保每个练习步调跟国际主流产物连结精度对于齐，于万卡范围下连结95%摆布的线性扩大率。

预练习只是第一步。后练习，特别是强化进修阶段，模子需要重复天生回覆、吸收反馈、迭代更新，对于推理吞吐量及不变性的要求极高。

为此，摩尔线程于练习框架中集成为了SGLang及vLLM两年夜开源推理引擎，保障数据的高效天生。于此基础上，摩尔线程还有测验考试利用训推分散Slime方案及训推一体VeRL方案，二者的晋升效果均肉眼可见。

转向需求更火爆的推理场景，夸娥集群的“强悍”于AI漫剧及短剧创作上表现患上极尽描摹。张建中直言，“之前只有好莱坞导演花年夜代价才能建造的年夜片，此刻短期就能天生。”

这暗地里依托的，恰是摩尔线程于夸娥集群上部署的全流程智能出产流水线——涵盖文生视频、语言理解、脚本创作等模子，共同自研语音天生引擎“摩语精灵”，可以或许精准复刻或者转换声音。

不管是练习还有是推理机能的充实阐扬，都需要软件栈做支撑，而这偏偏是摩尔线程最近几年来连续加码的标的目的。今朝，MUSA已经完备撑持700多个焦点API，驱动与运行时全数免费开放。

算子层面，摩尔线程的焦点数据库实现100%兼容，55类算子笼罩所有焦点AI算子，MuDNN机能与原生态基本持平；PyTorch算子层做到100%兼容，SDK进级至5.1版本；针对于年夜语言模子最经常使用的FlashAttention，摩尔线程将其算子效率优化至95%，年夜幅缩短了Transformer及MoE用户的适配时间。

聚焦海内算子开发社区，摩尔线程一方面将国产AI编程语言TileLang集成至开源主线，GEMM算子效率超95%，Attention效率超90%；另外一方面还有与智源研究院互助，推进基在Triton的算子开发。

值患上留意的还有有摩尔线程的AI编程神器MUSACODE。张建中暗示，开发者无需进修MUSA代码，直接用天然语言就能与其交互，或者经由过程与“小麦”的对于话天生MUSA Kernel或者算子。据张建中吐露，MUSACODE已经原生集成于AIBOOK的VSCode中。

此外，MUSA还有新增了对于编译器Fortran的撑持，便在传统代码的迁徙。

夜色渐深，发布会竣事后的展区里，有人对于着“小麦”措辞，有人翻看MUSA讲授册本，有人围不雅多智能体协同演示……人潮久久未散。

算力焦急还有于，但国产的谜底，一年比一年详细了。

雷峰网原创文章，未经授权禁止转载。详情见转载须知。