国产GPU的战事，进入“十万卡集群”

回头望去，“轻舟已过万重山”。

文｜刘俊宏

编｜王一粟

2025年，国产GPU跟着DeepSeek一体机一起“出道”。那是国产GPU第一次被普通人看见的时刻。

在那一年，大家普遍以为国产GPU的定位在端侧、在推理、在帮企业摊薄成本。能用了，这是当时的全部结论，也是当时的天花板。

但现在，国产GPU的生态位已经彻底变了。

2026年9月9日，在2026京东全球科技探索者大会上，京东云宣布拟建设十万卡全功能GPU集群，打造超大规模国产智算基础设施。该集群以摩尔线程全功能GPU为算力底座，聚焦大模型训练、推理及具身智能等关键领域，向全行业开放算力。

这标志着国产GPU首次进入头部AI云企业十万卡级核心智算集群，国产智算从“可用”走向“规模化商用”。

过去，国产GPU的合作往往打着试点或适配的旗号。而这一次，十万卡级别的核心集群，说明京东把未来算力底座的关键一席，交给了摩尔线程。

从一体机到十万卡，国产GPU仅仅用了不到两年的时间。这背后，是行业玩家共同走过的一段极不平凡的旅途。

曾经，为了落地这一目标，行业玩家可以说是想尽了办法：一体机、强调单点参数、推理侧应用、集成交付……

这些方式大多针对特定需求、拼成本做差异化，走的是与国际主流计算卡曲线竞争的路子。从某种角度上说，过去的国产GPU可能从未真正进入AI大模型应用的正面战场。

但这一次，摩尔线程与京东的合作，正在改变所有人对国产GPU的印象。

能应用于训练，说明国产GPU摆脱了推理侧降本的定位，开始支撑AI大模型的智能上限；成为互联网科技巨头公司算力底座，说明国产GPU的买家结构正在变化，产品和ROI开始经得起资本测算。此外，还有一点同样重要——摩尔线程将支撑京东的具身智能战略，这意味着国产GPU有能力进入比大语言模型更广阔的物理AI领域，那是一片更大的市场。

或许，摩尔线程这次的合作，标志着国产GPU的一个新起点。

京东为什么选择摩尔线程？

2026年，算力是全球最紧俏的“硬通货”。

全球头部科技公司把加速卡和数据中心写成资本开支，已经是每个财报季的固定动作。为了争抢有限的计算卡，有的公司已经开始用大规模融资去扩机房、抢交付窗口。

虽然科技公司们“求卡若渴”，但买算力这件事，科技公司没有什么情怀可言。

既然买卡是资本开支，买单的逻辑就非常明确。科技公司最关心的无非就是三件事：稳不稳定，能不能接入现有IT体系，投资回报能不能向投资者讲清楚。

其中，互联网厂商由于采购规模大、应用场景丰富、对产品性能和软件生态要求更高的特征，是行业公认最具代表性的客户群体。

这次跟摩尔线程合作的京东，恰好就是这种买方里的极端样本。

从公司业务层面看，京东有零售、物流、仓储的现成业务，算力需要支撑模型回到仓库和运配里干活；使用AI的战略主线是多元的物理AI，而不是单一的大语言模型。另一边，京东的投入逻辑也很清晰，走的是基础设施路线——先建算力底座，再谈模型与场景，是典型的长期且大量的资源投入计划。

更关键的是，京东还很懂国产算力。

过去一年，京东已与摩尔线程等厂商合作打造了国产万卡集群；今年7月WAIC期间，京东集团技术委员会主席、京东云总裁曹鹏还曾公开表示，京东云正携手摩尔线程推进JoyAI大模型联合攻坚，“让国产算力‘不仅能跑好模型，更能跑好业务’”。所以这次的十万卡合作，不是一次性的豪赌，而是把已经验证过的路线再往上推一档。

从互联网科技公司的特性看，如果一家算力卡厂商能进入大规模采购环节，更大的意义在于尽调，而不是某种试点性质的站台。

所以判断国产GPU走到了哪一步，与其看谁又发布了一张推理卡，不如看谁进了头部云的核心集群。

京东为什么会选择摩尔线程？回到本次合作来看，内容分为三层。

在训练侧，将围绕芯片、云平台到模型训练进行全栈协同，联合打造JoyAI全系大模型。这代表着“国芯训国模”已经进入大规模产业化阶段。

在推理侧，双方将深度优化夸娥智算集群与xLLM推理平台，为企业提供极致性价比的推理服务。这代表着国产GPU即将体现出ROI优势。

在具身智能侧，是以全功能GPU赋能京东全链路具身服务，加速模型训练、仿真与高质量数据生成，构建“数据→训练→仿真→部署”的完整闭环。这代表着摩尔线程已打通了具身智能从合成数据生成、大模型训练、仿真验证到端侧硬件部署的完整链路。

对于这次合作，曹鹏总结说：“我们正全面推进物理AI战略落地，高性能、高可靠的国产算力是核心支撑。选择与摩尔线程深度合作，正是看重其在国产训练级GPU上的稀缺能力和大规模集群的成熟交付经验。此次合作，是京东云AI战略布局的重要一步，也是我们拥抱国产智算生态的重要起点。”

当然，从官宣到真正落地还需要时间验证，但京东的信任已经给出。接下来，要看摩尔线程如何证明自己值得这份托付。

摩尔线程的万卡集群 如何闯京东的“五道关”？

从公司画像看到，京东的需求非常明确。

分别是要训练级能力，不只是推理；要全功能，因为AI负载要能支持物理世界的业务；要十万卡级可交付；要长期稳定；还要迁得进现有IT体系。

这五个要求里，训练是最难的一道。

如果只是用于推理应用，那相对容易许多。因为推理负载相对独立，单卡不够可以用数量去补。但训练不行，它要求成千上万张卡在同一张网络里同构运转，高速互联，精度收敛一致，任何一环掉链子，损失的是整个集群的时间。

所以，在训练领域被“刷掉的卡”从来不是跑分不够的，而是中途退场的。这个领域真正的考验方式是看“有效训练时长”，就是刨去故障和中断，时间还剩多少真的花在了训练上。

对于这部分需求，摩尔线程早就证明了自己。

据了解，摩尔线程的夸娥万卡级智算集群已成功部署并上线服务，多项关键指标达到国际主流水平。具体参数层面，浮点运算能力达10 Exa-Flops，训练算力利用率（MFU）在Dense大模型上达60%、MoE大模型上达40%，有效训练时长占比超90%，训练线性扩展效率达95%。而且，集群支持断点续训，训练精度与国际主流计算卡持平，训练损失曲线高度一致。简单来说，就是集群不仅强，而且可靠。

值得一提的是，作为集群底座的MTT S5000，是摩尔线程第四代MUSA架构“平湖”打造的训推一体智算卡，支持当下AI大模型训练的FP8至FP64全精度。目前，这款卡已经实现持续规模化量产，也首批拿到了国家《安全可靠测评》。这意味着，无论是从数据指标、量产能力、AI支持能力还是国家“背书”层面，摩尔线程基本上已经把“该拿的奖拿满了”。

数据指标之外，更有说服力的是经验。据公司披露，基于MTT S5000构建的集群已实现规模化销售，在北京、无锡、杭州等多地完成部署与交付。

如果说，技术和经验只能证明实力，那么供应稳定需要公司能保证产品落地的可持续性。

因为十万卡集群的建设周期通常以年计。采购方必须要能确认供应商在三五年内不仅能持续供货，而且还要能“稳坐行业牌桌”。

在这一层面，摩尔线程做的相当扎实。

首先是技术研发层面，成立近六年，摩尔线程量产了五颗芯片，推出苏堤、春晓、曲院、平湖、花港五代GPU架构，约一年一代。这种迭代速度，显示出摩尔线程对研发从不吝啬。据统计，公司自2022年以来累计研发投入近59亿元。

这种研发投入水平，会不会是摩尔线程只重视研发而不重视商业化？

在今年上半年业绩说明会上，就有投资者问过这个问题。摩尔线程联合创始人、职工董事周苑解释说，底层架构研发的长期投入和短期商业化交付从来不是“”二选一”的问题。因为只有把“底座”做得足够扎实、可复用、可扩展，研发投入才能沉淀为更短交付周期、更低边际成本和更高客户粘性的长期复利。

翻译过来，就是摩尔线程选择把MUSA统一架构和软件栈这套底座做扎实，后续产品都能基于同一底座快速“长出来”。这样客户和开发者的软件资产也能跨代复用、平滑迁移，攒下来的长期复利自然越来越厚，公司只会越跑越快。

经营业绩，是这一观点最好的佐证。

财务数据显示，摩尔线程当下正处于高速增长期。2026年上半年，摩尔线程营收17.36亿元，同比增长147.42%，已超过2025年全年；毛利总额9.89亿元，同比增长103.78%；归母净亏损同比收窄95.73%。摩尔线程在保持高速增长的同时，可能即将抵达盈利临界点。

针对接下来的营收预期，可以从订单层面验证。在今年3月，摩尔线程曾披露过一笔总价款6.6亿元的夸娥智算集群合同。根据行业人士分析，这一项目规模极有可能为万卡级别。

单靠经营业绩高增长，可能证明不了十万卡一定能建成，但万卡交付能持续形成订单，这能直接说明摩尔线程的规模化能力。

而这种能力，能做到的厂商不多。据公司业绩说明会口径，国内目前实现万卡级大模型训练集群落地、并完成超大参数模型完整训练验证的厂商只有两家，摩尔线程是其中之一——另一家是华为。

最后，迁移是京东提出的最后一道关卡，看似最不起眼，却往往决定成败。

任何一家科技公司已有的模型和工作负载，都不可能为一张新卡重写一遍。迁移成本很大程度上影响客户战略落地的进度。

今年7月WAIC期间，摩尔线程创始人、董事长兼首席执行官张建中曾谈到过一个行业心结：“我经常听到国内的模型公司担心，用国产的训练平台会不会耽误时间，会不会影响追赶世界先进水平？”他给出的回答是，摩尔线程随时可以给用户提供本地化服务，“这肯定比国外公司做得更好”。

底气从何而来？在MUSA软件栈。

摩尔线程的MUSA软件栈采取的是“自主发展”与“兼容国际主流”双线并行的策略。具体来说是100%核心数学库兼容，全量3000多个PyTorch算子兼容，覆盖55类核心AI算子。简单来说就对，开发者迁移的学习成本被压到了最低。在AI模型层面，摩尔线程还获得vLLM与SGLang两大推理框架官方支持，主流模型可实现Day-0支持。在生态建设层面，目前开发者数量已突破80万，这显示出生态也初步成型。

到这里，京东给摩尔线程提出的五道关里的四道都有了答案。但还有一个问题悬着。

京东的负载长在仓库和机器人身上，它为什么需要一张全功能GPU，而不是一张更便宜、更专精的训练卡？

做全功能GPU摩尔线程的物理AI时代

事实上，选通用芯片还是专用芯片是AI行业老生常谈的争执了。只是从结果上来说，专用路线一直比通用路线“矮一头”。

为什么会这样？明明专用芯片有相当多的优势，例如便宜、效率高、能原生适配模型，还能按需求强化设计。

这是因为，上述这些优点建立在一个共同前提之上——模型的形态已经成熟定型。而现在的AI大模型，还远远没有摸到上限。

以语言模型跟物理AI所需的模型为例。语言模型处理的本质是词元序列，计算相对可控。但要实现物理AI，模型要处理的是空间、接触、视觉、动作和物理约束。需求宽了不止一个维度，连带着算力的形态就得跟着变。

在模型仍在高速进化的阶段，“什么都能做”，恰恰是通用GPU最大的优势。

这对应着物理AI领域，开发者们一个真实的痛点。物理仿真用专用物理引擎，图形渲染用图形显卡，AI训练用专用AI芯片，三者相互割裂，开发者不得不在三个异构平台之间反复切换，研发效率极低。想用国产算力解决，但大多数厂商走的是强调专业化的路线，例如一些玩家强调做AI计算，在单一环节做出差异化。

诚然，走这条路线可以在自己的赛道里很强，但终究托不住物理AI的完整问题。

语言模型时代，一张擅长矩阵运算的卡可以走很远。但是在物理AI时代，云上训练、仿真验证、端侧部署必须“说”同一套架构语言。所以摩尔线程选了那条更难、但上限更高的路——全功能GPU。

据了解，摩尔线程全功能GPU基于自主研发的MUSA架构，率先实现了单芯片同时支持AI计算加速、图形渲染、物理仿真和科学计算、超高清视频编解码的技术突破，是国内稀缺的“算、渲、仿”一体化通用算力底座，也是极少数原生支持从FP8到FP64全计算精度的国产GPU厂商。

BPoWCGK3MXp3tAp5NyREm0ZTbErJ3Vf4Z8j0687AgqSb8vQSJ1hMOaqIK3Hys%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg%26tp%3Dwxpic%26wxfrom%3D5%26wx_lazy%3D1%23imgIndex%3D4" title="双击查看原图" />

这条路线值不值？可能暂时还不好说。但选择这条路线，是公司层面的一次差异化表达。

摩尔线程联合创始人、董事、副总经理张钰勃说：“在物理AI与具身智能领域，摩尔线程是目前国内唯一依托全功能GPU，打通合成数据生成—大模型训练—仿真验证—端侧硬件部署完整链路的算力厂商。具身智能需要AI计算、物理仿真、图形渲染和端侧推理协同，体现了全功能GPU的差异化优势。”

同时，为了让物理AI能在硬件上“跑起来”，摩尔线程还给出了一套软件栈。

例如全栈具身智能仿真平台MT Lambda，能让渲染、物理、AI三类负载在同一颗GPU内完成，数据“零拷贝”；MT Lambda for Factory能面向工业领域应用。在仿真环节，摩尔线程开源了具身智能领域首个基于MUSA架构的GPU加速物理仿真后端MuJoCo Warp MUSA，并完成四足机器狗与两足人形机器人的Sim2Real真机验证。同时，摩尔线程还在无锡设立工业具身智能创新中心，与首批16家生态伙伴共建。可以说，在物理AI应用的不少环节，摩尔线程都有对应的产品或平台在跑。

结合摩尔线程与京东的合作，也能再一次确认全功能GPU的价值。双方合作的三条产线里，推理侧的性价比优化和具身侧的闭环构建，都直接调用图形与仿真能力。这种需求，一张只能做AI训练的卡可接不住。

也只有选择全功能GPU，京东才能真正展开自己在物理AI领域的战略。今年4月，京东发布了行业首个覆盖“采、存、标、训、评、仿、测”全链路的具身智能数据基础设施，发动最多60万人、计划两年积累1000万小时人类真实场景视频数据。

两边合作，一个有场景和数据，一个有全功能算力，双方的合作是各自长板的对接。

放眼本次合作之外，摩尔线程还在将全功能GPU的道路从云端往外铺到边缘和端侧。

在云端，有智算卡S5000与训推一体机SGX5000，以及面向更高密度部署的超节点架构——公司已与中国移动研究院、之江实验室等伙伴发布OISA高密超节点参考设计；边缘侧有搭载自研智能SoC“长江”的MTT E300；终端有AI算力本AIBOOK和家庭AI中枢AICUBE；甚至还做着消费级与专业图形——国内首款支持Windows操作系统及DirectX 11/12的游戏显卡MTT S80/S70就出自这家公司。

张建中在WAIC 2026上把这套布局概括为三大“AI工厂”——模型训练工厂、词元生产工厂、智能体生产工厂。这些布局，背后每一层都是一片正在打开的市场。

结语

摩尔线程的这次合作，一定程度上改写了国产GPU的坐标。

对摩尔线程，这是国产GPU首次进入头部AI云企业十万卡级核心智算集群，技术与交付被一家独立买方验算。但对行业来说，摩尔线程打开了一道门。

过去中国AI的故事里，强的是模型，弱的是底座。但这次，全球的AI竞争中，国产GPU也有了固定座位。