新浪科技讯 7月27日午间消息，2025世界人工智能大会（WAIC 2025）于7月26-28日在上海举办。大会期间，摩尔线程首次提出了“AI工厂”理念，公司创始人兼CEO张建中在分享中表示，“为应对生成式AI爆发式增长下的大模型训练效率瓶颈，摩尔线程将通过系统级工程创新，构建新一代AI训练基础设施，为AGI时代打造生产先进模型的“超级工厂”。
据悉，摩尔线程提出的“AI工厂”，如同芯片晶圆厂的制程升级，需要实现从底层芯片架构创新、到集群整体架构的优化，再到软件算法调优和资源调度系统的全面升级。这种全方位的基础设施变革，将推动AI训练从千卡级向万卡级乃至十万卡级规模演进，以系统级工程实现生产力和创新效率飞跃。
具体而言，这座“AI工厂”的智能“产能”，由五大核心要素共同决定，其效率公式可概括为：AI工厂生产效率=加速计算通用性×单芯片有效算力×单节点效率×集群效率×集群稳定性。摩尔线程将以GPU通用算力为基石，将通过先进架构、芯片算力、单节点效率、集群效率优化与可靠性等协同等深度技术创新，将全功能GPU加速计算平台能力转化为工程级训练效率与可靠性保障。
在单芯片算力方面，摩尔线程的GPU单芯片基于MUSA架构的突破性设计，可集成AI计算加速、图形渲染、物理仿真及超高清视频编解码能力，充分适配AI训推、具身智能、AIGC等多样化应用场景。且在计算精度方面支持从FP64至INT8的完整精度谱系，并通过FP8混合精度技术，在主流前沿大模型训练中实现20%~30%的性能跃升。
在内存与通信效率优化上，摩尔线程内存系统通过多精度近存规约引擎、低延迟Scale-Up、通算并行资源隔离等技术，实现了50%的带宽节省和60%的延迟降低。在通信和互联领域，独创ACE异步通信引擎减少了15%的计算资源损耗，MTLink2.0互联技术提供了高出国内行业平均水平60%的带宽，为大规模集群部署奠定了坚实基础。
在构建高效集群的基础上，稳定可靠的运行环境是“AI工厂”持续产出的保障。特别在万卡级AI集群中，硬件故障导致的训练中断会严重浪费算力。摩尔线程创新推出零中断容错技术，故障发生时仅隔离受影响节点组，其余节点继续训练，备机无缝接入，全程无中断。这一方案使KUAE集群有效训练时间占比超99%，大幅降低恢复开销。（文猛）
还没有评论，来说两句吧...