5月16日，杭州，國家人工智慧應用中試基地（具身智能）正式揭牌，摩爾線程成為共建合夥人並擔任產業委員會委員，雙方隨即成立“具身智能算力與模擬聯合實驗室”。
僅僅兩天后，5月18日，北京，摩爾線程舉辦“詞元時代，萬物智能”年度發佈會，誇娥萬卡叢集、AICUBE家庭AI中樞、小麥智能體同台亮相。
兩天兩場國家級大戲，釋放的訊號再明確不過。
國產GPU的突圍劇本，可能不再是“拚命追趕輝達”，而是被國家選中，去定義一條輝達還沒完全壟斷的新賽道。
01
中試基地揭牌
從“商業選手”變成“國家級底座”
國家具身智能應用中試基地不是普通的產業聯盟，而是連接實驗室技術與規模化落地的國家級驗證平台，核心任務是破解國產生態不健全、能力碎片化、核心算力依賴進口等共性瓶頸。
摩爾線程能成為共建合夥人，意味著其全功能GPU被納入了國家具身智能基礎設施的底層架構。
這背後的邏輯很清晰。
具身智能不是單純的AI訓練，它需要“虛擬世界訓練、物理世界部署”的閉環，要求晶片同時具備AI計算、圖形渲染與物理模擬能力。
純AI加速卡可以跑矩陣乘法，但面對高保真物理模擬、多模態感測器融合和即時運動控制時往往力不從心。
摩爾線程的全功能GPU基因——單顆晶片同時支撐AI、渲染、模擬、視訊編解碼——恰恰卡住了這個複合型需求的咽喉。
換句話說，在資料中心訓練卡的紅海裡，國產GPU或許還在追趕。
但在具身智能的國家級中試場裡，摩爾線程已經被放在算力底座的位置上。
它不再是某張卡的TFLOPS是否追平H100，而是能否支撐起算力—模擬—模型—場景四位一體的全鏈條自主創新體系。
Dense 60%與MoE 40%
技術誠實比數字神話更值錢
發佈會上，誇娥萬卡叢集Dense大模型訓練MFU達到60%，有效訓練時長90%，線性擴展效率95%。
這組數字確實硬核。但更值得玩味的是，摩爾線程同步披露了MoE模型的MFU約40%。
MoE（混合專家模型）是當下大模型的主流架構，DeepSeek-V4、GPT-4本質上都是MoE。
Dense 60%證明叢集在計算密集型任務上已站穩腳跟，而MoE 40%則暴露了一個產業共性課題。
國產GPU在叢集通訊、卡間互聯和非同步調度上，還有一堂集體功課要補。
輝達NVLink的護城河從來不只是單卡算力，而是那張看不見的高速網際網路。
摩爾線程把MoE的40%擺上檯面，反而顯出一種技術誠實——不拿單項最優來包裝全能，而是讓市場看到真實的差距在那。
對國產GPU來說，承認“通訊課”比炫耀“算力分”更重要，因為這才是從能用走向好用的關鍵一躍。
而中試基地這種國家級平台，最需要的恰恰是這種誠實。
只有暴露真實瓶頸，才能制定有效的產業標準。
AICUBE進客廳
算力從“大國重器”變成“家用電器”
當全行業還在爭論資料中心裡誰家的卡更強時，摩爾線程把一枚AICUBE放在了客廳場景。
50TOPS本地算力、32GB記憶體、能跑30B參數大模型，還能當AI NAS和智能體中樞。
這釋放了一個被忽略的訊號。
算力正在經歷從生產資料到家用電器的躍遷。
中國電信已經推出9.9元/月的Token套餐，算力消費正在從按卡賣轉向按Token賣。
摩爾線程同時佈局萬卡叢集和客廳終端，本質上是在建構一張“雲邊端協同”的算力網。
雲端有誇娥叢集做訓練和中試驗證，端側有AICUBE做家庭推理，中間層有MT Lambda做模擬銜接。
國產GPU如果只在資料中心做“輝達平替”，永遠是被牽著鼻子跑。
但如果能在端側定義“算力家電”的標準，反而可能開闢一條巨頭還沒完全封死的新路。
AICUBE的成敗不取決於跑分，而取決於普通家庭是否願意把“詞元”當作水電一樣的基礎消費。
6月18日的預售，才是真正的市場大考。
MT Lambda+聯合實驗室：具身智能的“國家級閉環”
發佈會上的MT Lambda具身智能模擬平台，與中試基地的聯合實驗室形成了絕妙呼應。
前者負責“虛擬訓練”，後者負責“物理中試”，再加上誇娥叢集的雲端訓練和AICUBE的端側部署，摩爾線程實際上在建構一個完整的具身智能閉環。
大模型在雲端訓練，機器人在數字孿生裡預演百萬次，通過國家中試基地驗證後，再走向工廠、家庭和城市。
這是一個極具縱深感的佈局。
輝達Omniverse在模擬生態上確有先發優勢，但在中國，具身智能的國家級中試標準、場景驗證體系和產業落地路徑，可能由本土玩家深度參與定義。
摩爾線程的聰明之處不在於“避開”輝達，而在於被國家需要。
當具身智能成為AI的下半場和全球科技競爭的戰略制高點，擁有全功能GPU全鏈條能力的企業，自然成為基礎設施的首選。
摩爾線程的5月16日與5月18日，本質上是一場“身份升級”的宣言：從一家試圖追趕輝達的GPU創業公司，升級為國家級具身智能基礎設施的共建者。
國產GPU的真正拐點，或許不在於某張卡是否追平了國際巨頭的參數，而在於能否找到中國市場的原生需求。
無論是智算中心的叢集效率、客廳場景的Token消費，還是物理AI的國家級中試。
當算力從“大國重器”變成“家用電器”，從“實驗室參數”變成“國家底座”，那將是比任何技術突破都更真實的突圍訊號。
詞元時代的大門已經推開，而摩爾線程試圖做的，不是複製門外的巨人，而是在門內找到一張屬於自己的、被國家需要的座位。 (算力豹)