随着智能体时代的加速到来，万物智能的爆发已近在咫尺，而算力正是决定这一进程速度与深度的基石。面对词元需求的指数级增长，摩尔线程创始人、董事长兼CEO张建中在WAIC 2026上系统介绍了三大“AI工厂”——模型训练工厂、词元生产工厂、智能体生产工厂的落地部署及最新进展。以全功能GPU为核心底座的三大“AI工厂”将构建从模型训练到词元生产再到智能体落地的完整算力闭环，为词元时代的生产力变革提供中国方案。
为什么需要三大AI工厂？
近日，WAIC2026大会盛大召开，摩尔线程以“词元时代 万物智能”为主题，首次开启上海世博展览馆与张江科学会堂双展区联动，并举办高规格主题论坛，系统呈现从算力基础设施到智能应用落地的全栈能力与产业实践。
“我们正处在一个算力需求爆炸的时代”，张建中在主旨演讲中率先强调指出，随着大模型从百亿参数向万亿参数演进，从单一模态向多模态融合，从数字世界向物理世界延伸，AI产业正在面临前所未有的算力挑战。
中国工程院院士、清华大学教授郑纬民在“如何构建生产高质量词元的工厂”主题演讲中也表示，当前AI算力的供给存在结构性矛盾。“Token与Token之间并不相同，存在优质Token和低质Token之分。智能体时代真正稀缺的是稳定、低成本、高等级地产生Token的系统能力。这就要求产业界解决这种结构性错配。三大“AI工厂”是算力基础设施的必然演进。”
国家信息中心大数据发展部副主任魏颖在“Token生产工厂重塑数字贸易发展新格局”演讲中也强调，词元作为新型生产要素，其生产效率和质量直接决定了数字经济的发展质量。高质量词元的规模化生产，不仅是技术问题，更是产业基础设施问题，需要从芯片、集群、软件、生态多个层面系统布局。
行业数据亦印证了这一判断。据公开测算，到2030年全球词元需求量将增长超过1000倍，而传统算力建设模式难以支撑这种指数级增长。一方面，大模型训练需要万卡级集群的连续稳定运行，对集群调度、故障容错、线性扩展提出了极高要求；另一方面，推理部署正在从中心云向边缘和端侧延伸，成本、延迟、能效成为核心考量。更为重要的是，随着具身智能、物理AI、世界模型等新方向的兴起，算力需求不再局限于单纯的AI计算，而是需要同时支持3D渲染、物理仿真、科学计算等多元能力。
摩尔线程提出并系统落地部署三大“AI工厂”战略构想正是对这一行业背景的有效回应。张建中表示：“未来必将是词元经济的时代，核心是算力的工厂化。这就要求我们用工业化大生产的思路来重构AI算力供给体系。”这就像电力革命时代从孤立的发电机走向电网体系一样。三大AI工厂的提出，本质上是对AI产业链进行工业化分工：模型训练工厂解决创造智能的问题，词元生产工厂解决应用智能的问题，智能体生产工厂解决落地智能的问题，三者形成完整的产业闭环。
解构三大AI工厂的内涵与价值
正如张建中在演讲中所指出，三大“AI工厂”并不是三个孤立的产品，而是一个覆盖AI全生命周期的工业化生产体系，每个工厂都有明确的定位、能力边界和价值目标。
模型训练工厂——智能的摇篮，专注于大模型的高效训练与持续迭代，目标是打造高性能、可扩展、高可靠的万卡级智算集群，解决“从0到1创造智能”的问题。摩尔线程高级副总裁董龙飞在展台接受记者采访时指出，高质量的模型训练工厂必须具备多项核心能力，包括万卡级的扩展能力，7×24小时的连续稳定运行能力，对新模型、新算法的快速适配能力，以及覆盖不同模型、不同训练阶段的精度要求，确保模型收敛稳定的高精度，涵盖具身智能、物理 AI、世界模型等新方向的多元计算能力等。“训练是AI产业的塔尖，也是最难攻克的堡垒，没有强大的训练工厂，就没有自主可控的大模型生态。”
词元生产工厂——智能的工厂，聚焦于推理的规模化部署，目标是实现卓越的性价比与吞吐表现，让词元生产更高效、更稳定、更经济，解决“从1到N复制智能”的问题。词元生产正在成为数字经济发展的新形态，其成本、效率、质量直接决定了AI应用的普惠程度。只有当推理成本大幅度地降低，AI才能真正像水和电一样融入千行百业。
智能体生产工厂——智能的载体，致力于智能体（Agent）的孵化与端侧承载，推动代码生成、内容创作、流程自动化等任务的高质量完成，解决“从N到∞落地智能”的问题。智能体是AI走进当今人们生产生活的重要形态，它不仅需要云端的强大算力，更需要边端侧的实时响应，需要“云-边-端”的协同算力支撑。
值得注意的是，摩尔线程的全功能GPU可以有效支撑三大AI工厂的高效运转。与传统只支持AI计算的加速卡不同，摩尔线程全功能GPU基于自研MUSA统一系统架构，单芯片同时支持AI计算加速、3D图形渲染、物理仿真和科学计算、超高清视频编解码四大引擎，这种“算、渲、仿”一体化的能力，在支撑具身智能、物理AI、世界模型训练时展现出显著的技术优势。
“世界模型和具身智能的训练，是下一代AI的核心战场。”董龙飞强调，“这些新方向不仅需要强大的AI计算能力，还需要同时进行高精度的物理仿真和高保真的3D渲染。ASIC算力芯片的应用领域受限，往往只能完成部分工作。而全功能GPU可以在同一颗芯片上满足不同计算需求，这是全功能GPU的差异化优势。”
这一观点也得到了产业界的验证。日前北京大学EvoPhys-World项目团队正是基于摩尔线程全功能GPU，完成了全球首个5D世界模型的全栈原生训练，并在斯坦福WorldScore“世界生成”维度连续37天蝉联榜首。
全栈技术筑牢三大AI工厂底座
在WAIC现场，摩尔线程以三大AI工厂为核心主线，全景展示了从芯片、板卡、服务器、超节点到万卡集群，再到边端产品的完整产品矩阵，系统呈现了三大工厂的技术实现路径。
其中，MTT C256 超节点是摩尔线程面向下一代超大规模智算中心打造的重要基础设施。该产品首创一层 Scale-up 网络，实现标准单宽机柜128卡全互联，并柜扩展可达256卡极速互联，攻克传统多层网络的带宽损耗与高延迟痛点，在2U空间内释放极限的单位面积算力。MTT C256采用计算与交换一体化的高密设计，将大幅提高智算中心GPU部署密度，为万卡乃至十万卡级超大规模长稳训推集群打造坚实算力底座。
模型训练工厂的核心底座，是摩尔线程夸娥（KUAE）万卡级智算集群解决方案。该集群基于旗舰级AI训推一体智算卡MTT S5000构建，浮点运算能力达到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%，有效训练时间占比超过90%，训练线性扩展效率达95%，多项关键指标达到国际主流水平。为提升集群有效算力利用率，保障训练连续性，夸娥万卡级集群集成零中断容错方案，通过DP组及故障隔离机制，在发生故障时仅隔离受影响节点所在的DP组，全程无需整体训练中断，从根本上解决了因节点故障导致训练中断和资源浪费的行业痛点。
展区现场，摩尔线程实景展示了夸娥智算集群。系统管理平台可实时监控算力使用率、节点状态、网络吞吐及存储性能等关键指标。运维人员通过可视化大屏直观掌握GPU、服务器、网络及存储设备的全栈运行状态，确保集群资源始终处于高负载、稳定运行的最佳效能。
现场还展示了多项“国芯国模”训练成果。例如，MoE-236B基础模型，基于25T+高质量训练语料，采用混合专家（MoE）架构，MMLU评测精度与国际主流计算卡持平。智源RoboBrain 2.5具身大脑，国产算力集群首次全流程支撑具身大模型训练，实现“训得稳、训得快”。智驾BEV感知模型，单机与双机训练吞吐均达国际主流训练GPU的1.56-1.67倍，证明智驾模型训练全流程国产化切实可行。
在词元生产工厂展区，摩尔线程展示了基于MTT S5000打造的高性能推理方案，深度适配GLM、DeepSeek、Qwen、Kimi、MiniMax等业界主流大模型，覆盖通用对话、智能编码、多工具自主任务等复杂应用场景，极大降低推理成本。
重磅推出的PD（Prefill-Decode）异构分离方案。针对长上下文大模型推理中Prefill（高算力需求）与Decode（高带宽需求）的不同资源特性，摩尔线程创新性地采用分池部署架构：MTT S5000作为Prefill计算池，充分发挥其长输入高吞吐优势，承担Prompt编码、Attention计算和KV Cache生成；国际主流GPU作为Decode生成池，专注TPOT、输出吞吐和流式稳定性，通过 KV Cache 高效传输实现 P/D 解耦协同。方案可支撑 L3/L4 级别 Token 服务，精度与官方结果对齐、误差小于 1%，独家支持 KV Cache FP8，并支持 1M 上下文处理能力，为大模型推理提供高性价比的国产算力底座。
智能体生产工厂展区则集中展示了从具身智能仿真到端侧智能体承载的能力。在具身智能领域，摩尔线程推出了国产化具身智能仿真平台MT Lambda，基于全功能GPU实现渲染、物理、AI计算在同一芯片中完成，数据“零拷贝”，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。同时发布的MT Lambda for Factory工业具身智能解决方案，正在推动具身智能与工业制造的深度融合。
在端侧产品方面，MTT AICUBE家庭AI中枢，以智能体“小麦”为核心，深度整合“智能体+AI PC+AI NAS”三大核心能力，通过全场景语音控制颠覆传统PC交互方式，为AI时代家庭智能体验提供一站式解决方案。MTT AIBOOK AI算力本，单机可以支持多达12个智能体高效并行运行。其独特创的内存等效扩容技术，无需升级硬件即可在32GB内存上流畅运行80B大MoE模型，预填充速度达8.34 Token/s，解码突破7 Token/s，让普通用户也能在端侧运行超大模型。
携手伙伴共建词元时代生态
三大AI工厂的建设还离不开广泛的生态伙伴支持。在摩尔线程主题论坛上，来自大模型、云计算、科研机构、AI基础设施等领域的合作伙伴齐聚一堂，共同展示了基于摩尔线程算力底座的产业实践。
在模型训练领域，摩尔线程“灯塔计划”正在支持越来越多的科研团队攀登AI高峰。极佳视界分享了世界模型开启物理AGI新时代的探索；北京大学EvoPhys-World项目组则详细介绍了面向场景级万物可控的5D世界模型技术路径。这些产学研合作案例证明，国产全功能GPU不仅能支持传统大语言模型训练，更能支撑世界模型、具身智能等。
在词元生产领域，产业伙伴正在基于摩尔线程算力底座重构AI基础设施。京东云分享了JoyAI大模型联合摩尔线程攻坚，共建全链路具身智能服务如何通过异构计算重构AI基础设施，提升AI生产力；MiniMax展示了“每个人的智能”愿景下，如何利用国产算力实现大模型的普惠化服务；趋境科技则介绍了异构协同打造国产高品质Token工厂的实践经验。
在智能体领域，无问芯穹分享了Infini-AIOps运维智能体在摩尔线程夸娥智算集群上的应用实例，基于Agentic Infra的多GPU集群AIOps实践，展示了如何利用智能体技术提升智算集群的运维效率。随着OPC“一人公司”等新模式的兴起，个人创业者可以借助MTT AIBOOK等端侧产品，调度多种AI Agent组建全天候运作的数字员工团队，实现单人成军的轻量化创业模式。
特别值得关注的是，摩尔线程提出的PD异构分离架构正在成为产业共识。通过国产算力与国际主流算力的协同调度，充分发挥不同芯片的架构优势，在保证服务质量的前提下显著降低词元生产成本，这种开放务实的生态策略正在得到越来越多合作伙伴的认可。
摩尔线程始终坚持“自主发展”与“兼容主流”双线并行的生态战略，全面开源了Torch-MUSA、vLLM-MUSA、SGLang-MUSA等数十个主流框架与工具，持续降低国产算力开发门槛。目前摩尔学院已汇聚45万+开发者与学习者，并将前沿技术与产业实践带入全国200多所高校。
基于本届WAIC2026上的观察可以发现，摩尔线程三大“AI工厂”的提出与系统性地落地部署，标志着中国GPU企业正在从跟随者走向探路者，开始用自己的技术路线和产品理念，为全球AI产业发展提供中国方案。
