訓(xùn)練大模型，有點(diǎn)像煉丹。而算力，就是煉丹爐里的柴。只有爐火純青，才能真正煉出好丹。

過去這幾年，AI浪潮蓬勃發(fā)展，大模型的參數(shù)規(guī)模越來越大。煉丹難度不斷增加，往里面投的柴（算力），也越來越多。

如今，AI的發(fā)展已經(jīng)進(jìn)入了新的階段。大模型參數(shù)規(guī)模從千億走向萬億，對(duì)算力的需求，也達(dá)到空前的規(guī)模。AI的應(yīng)用也在加速。Agentic AI的爆發(fā)，也對(duì)算力提出了更高的要求。

面對(duì)這些新的挑戰(zhàn)，業(yè)界逐漸意識(shí)到，當(dāng)煉丹難度（參數(shù)規(guī)模）達(dá)到一定程度，僅僅靠“堆料（算力）”，已經(jīng)無法進(jìn)行有效的應(yīng)對(duì)。

那么，到底該怎么做，才能真正滿足AI下一步發(fā)展的需求呢？算力的供給模式，是否需要進(jìn)行徹底的變革？又該如何進(jìn)行變革？

前不久，在WAIC 2025期間，我聆聽了摩爾線程創(chuàng)始人兼CEO張建中的一場(chǎng)演講。在演講中，他對(duì)上面提到的問題進(jìn)行了全面且系統(tǒng)的解答。

張建中提出了一個(gè)創(chuàng)新的概念——AI工廠（AI Foundry）。

他認(rèn)為，算力的供給模式正在發(fā)生巨變。構(gòu)建萬卡集群，并非一萬張GPU卡的簡(jiǎn)單堆疊，而是一項(xiàng)高度復(fù)雜的超級(jí)系統(tǒng)工程。它涉及到超大規(guī)模的組網(wǎng)互聯(lián)、高效率的集群計(jì)算、長(zhǎng)期穩(wěn)定性和高可用性等諸多技術(shù)難題。想要真正實(shí)現(xiàn)有效的算力供給，就必須通過構(gòu)建新一代AI訓(xùn)練基礎(chǔ)設(shè)施，即AI工廠（AI Foundry）。

這場(chǎng)演講的信息量很大，給我?guī)砹撕艽蟮膯l(fā)。張建中真正從宏觀到微觀，講明白了該如何應(yīng)對(duì)AI所帶來的算力需求爆炸式增長(zhǎng)，打造真正好用的算力基礎(chǔ)設(shè)施。

接下來，我就基于演講的內(nèi)容，結(jié)合個(gè)人的理解，給大家做一個(gè)深入解讀。

█ AI Foundry：生產(chǎn)先進(jìn)模型的超級(jí)工廠

Foundry這個(gè)概念源自芯片半導(dǎo)體產(chǎn)業(yè)，指的是芯片代工廠，專門生產(chǎn)芯片的地方。

摩爾線程提出的AI Foundry，則是專門生產(chǎn)“智能”的地方。

之所以提出AI工廠，本質(zhì)在于AI算力的供給模式正在發(fā)生變化。傳統(tǒng)的供給模式是前面說的“堆卡”——生產(chǎn)算力更強(qiáng)、數(shù)量更多的算卡，然后進(jìn)行數(shù)量堆疊，以此滿足用戶需求。

如今，大模型參數(shù)規(guī)模不斷增長(zhǎng)，更新迭代的速度不斷加快，對(duì)算力的要求也越來越高。大模型本身也在從大語言模型向多模態(tài)和世界模型轉(zhuǎn)變，這就使得整個(gè)AI計(jì)算基礎(chǔ)設(shè)施都必須進(jìn)行自我變革，以運(yùn)行和支持一切模型。

換言之，AI算力供給，需要從粗放的“作坊式”向精細(xì)的“工廠式”進(jìn)行轉(zhuǎn)變。

芯片工廠，為了造出更強(qiáng)大的芯片，需要不斷研發(fā)和嘗試更先進(jìn)的工藝制程，需要在軟件、硬件、流程、管理等各個(gè)維度進(jìn)行提升，以此來不斷突破物理極限，提升生產(chǎn)力。

而AI工廠，為了提供更強(qiáng)大的算力，需要高效率、高能量、高產(chǎn)出的一套方式方法，在單卡算力的基礎(chǔ)上，綜合考慮網(wǎng)絡(luò)拓?fù)洹⑵g互聯(lián)、卡間互聯(lián)、節(jié)點(diǎn)間互聯(lián)、集群管理、效率、算法、工具、算子庫、框架等一系列因素。這些，也就是AI工廠的能力。

當(dāng)千卡集群向萬卡集群演進(jìn)，AI工廠的必要性就愈加凸顯。在算力供給側(cè)，需要重新搭建物理拓?fù)浣Y(jié)構(gòu)，重新設(shè)計(jì)管理方式，重新優(yōu)化集群系統(tǒng)上的任務(wù)調(diào)度，重新開發(fā)和提升及各種不同的算子和效率。

摩爾線程將所有的要素進(jìn)行了完整梳理，提出了五大核心要素，也就是：加速計(jì)算通用性、單芯片有效算力、單節(jié)點(diǎn)效率、集群效率、集群穩(wěn)定性。

把每個(gè)核心要素都做到極致，打造端到端的能力，才是真正優(yōu)秀的AI工廠，才有核心競(jìng)爭(zhēng)力，才能獲得最后的成功。

█ 五大核心要素，構(gòu)筑AI 工廠性能底座

接下來，我們就分別解讀一下這五大核心要素。

●加速計(jì)算通用性

回望GPU的發(fā)展史，其核心角色始終是加速計(jì)算。摩爾線程進(jìn)一步指出，全功能GPU是加速計(jì)算的核心驅(qū)動(dòng)力。也就是說，全功能GPU不能只用于單個(gè)功能，而應(yīng)該實(shí)現(xiàn)多場(chǎng)景的覆蓋，其核心體現(xiàn)為四大引擎的協(xié)同：AI計(jì)算加速、圖形渲染、物理仿真和科學(xué)計(jì)算、超高清視頻編解碼。這構(gòu)成了摩爾線程全功能GPU的核心能力譜系。

支持AI全場(chǎng)景加速，就需要全功能GPU，它是一個(gè)功能完備的通用底座，也可以理解為是一個(gè)可以通吃所有領(lǐng)域行業(yè)的通用加速平臺(tái)。

除了功能完備之外，全功能GPU還要實(shí)現(xiàn)“精度完整”。這里，就要提到FP64、FP32、FP16、FP8、FP4和INT8等概念。

這些是IEEE定義的各種不同數(shù)據(jù)類型。詳細(xì)解釋這些概念稍微有點(diǎn)復(fù)雜。大家可以簡(jiǎn)單理解——早期的時(shí)候，業(yè)界都是用FP32進(jìn)行訓(xùn)練，后來用FP16，并以此作為標(biāo)配。如今，用FP8做大模型訓(xùn)練，也被證明是一個(gè)不錯(cuò)的選擇。

摩爾線程支持從FP64至INT8的完整精度譜系，能針對(duì)多種精度進(jìn)行混合訓(xùn)練。

●單芯片有效算力

芯片是算力的核心單元。提升單芯片的有效算力，是驅(qū)動(dòng)AI工廠高效運(yùn)轉(zhuǎn)的關(guān)鍵。

需要注意的是，芯片的有效算力并不僅僅是指芯片的理論峰值算力，更重要的是在實(shí)際應(yīng)用場(chǎng)景中能夠穩(wěn)定、高效地發(fā)揮出來的算力。

摩爾線程在芯片設(shè)計(jì)上下了很大的功夫，通過優(yōu)化芯片架構(gòu)、提升計(jì)算性能、優(yōu)化內(nèi)存和通信效率等多種手段，來確保單GPU的有效算力能夠進(jìn)一步突破極限。

先看看架構(gòu)。

摩爾線程采用了自研的MUSA架構(gòu)（Meta-computing Unified System Architecture，元計(jì)算統(tǒng)一架構(gòu)）。這個(gè)Meta-computing（元計(jì)算）的命名，體現(xiàn)出這個(gè)架構(gòu)支持所有的計(jì)算場(chǎng)景。不僅滿足當(dāng)前的計(jì)算需求，也要應(yīng)對(duì)未來的計(jì)算需求。

統(tǒng)一架構(gòu)，完整來說，是多引擎可配置統(tǒng)一系統(tǒng)架構(gòu)。這意味著，架構(gòu)從頂層角度考慮到了計(jì)算、通信、存儲(chǔ)、指令集之間的相互交接、相互協(xié)調(diào)、相互調(diào)度的功能。同樣也是“一個(gè)架構(gòu)服務(wù)多個(gè)領(lǐng)域”。

MUSA架構(gòu)的核心能力，是可以利用統(tǒng)一的編程指令集，驅(qū)動(dòng)架構(gòu)下的所有引擎，包括圖形處理引擎、通用計(jì)算引擎、多媒體引擎、通信引擎等。計(jì)算、通信、存儲(chǔ)、調(diào)度、加速等工作任務(wù)的協(xié)同融合，都被整合在統(tǒng)一的底層引擎之下，便于用戶和開發(fā)者去調(diào)用。

MUSA還有一個(gè)特點(diǎn)，是資源池化。

它通過硬件資源池化及動(dòng)態(tài)資源調(diào)度技術(shù)，構(gòu)建了全局共享的計(jì)算、內(nèi)存與通信資源池。這一設(shè)計(jì)不僅突破了傳統(tǒng)GPU功能單一的限制，還在保障通用性的同時(shí)顯著提升了資源利用率。

MUSA架構(gòu)的引擎中，有兩個(gè)專門用于AI計(jì)算加速系統(tǒng)的引擎，分別是張量計(jì)算引擎（TCE）和張量訪存引擎（TME）。

前者主要負(fù)責(zé)執(zhí)行AI計(jì)算任務(wù)中的核心運(yùn)算，如矩陣乘法等，是算力輸出的“主力軍”。而后者則專注于優(yōu)化數(shù)據(jù)訪問模式，減少內(nèi)存延遲，提高數(shù)據(jù)吞吐量，確保計(jì)算引擎能夠高效、穩(wěn)定地獲取所需數(shù)據(jù)。

在池化的基礎(chǔ)上，通過引擎異步流水（ATB）技術(shù)，把底層各種不同的硬件加速流水線（例如圖形計(jì)算、超級(jí)計(jì)算、Tensor計(jì)算、編解碼等）變成了一根根管道，融合在一起隨意調(diào)度。

基于一個(gè)資源池，所有的結(jié)果都共享一個(gè)內(nèi)存，所有的引擎在上面工作，所有的數(shù)據(jù)、存在一個(gè)地方。這就是最典型的數(shù)據(jù)驅(qū)動(dòng)、引擎支持和引擎集散的統(tǒng)一系統(tǒng)架構(gòu)，可以讓實(shí)現(xiàn)最高的工作效率。

在計(jì)算層面，前面我們已經(jīng)提到，摩爾線程的GPU全面支持INT8/FP8/FP16/BF16/TF32等多種混合精度計(jì)算。

作為國內(nèi)首批實(shí)現(xiàn)FP8算力量產(chǎn)的GPU廠商，摩爾線程的FP8技術(shù)通過快速格式轉(zhuǎn)換、動(dòng)態(tài)范圍智能適配和高精度累加器等創(chuàng)新設(shè)計(jì)，在保證計(jì)算精度的同時(shí)，將Transformer計(jì)算性能提升約30%。

在內(nèi)存系統(tǒng)方面，通過多精度近存規(guī)約引擎、低延遲Scale-Up、通算并行資源隔離等技術(shù)，實(shí)現(xiàn)了50%的帶寬節(jié)省和60%的延遲降低。

在通信和互聯(lián)方面，基于獨(dú)創(chuàng)的ACE異步通信引擎，減少了15%的計(jì)算資源損耗。

MTLink2.0互聯(lián)技術(shù)，提供了高出國內(nèi)行業(yè)平均水平60%的帶寬，為大規(guī)模集群部署奠定了堅(jiān)實(shí)基礎(chǔ)。

●單節(jié)點(diǎn)效率

剛才說的是單芯片，現(xiàn)在，我們?cè)偻弦患?jí)，看看單節(jié)點(diǎn)。一個(gè)節(jié)點(diǎn)包括了多個(gè)芯片，涉及到了芯片之間的互聯(lián)協(xié)同。

在這個(gè)環(huán)節(jié)，摩爾線程的核心創(chuàng)新包括：任務(wù)調(diào)度優(yōu)化、極致性能算子庫、通信效能躍升、低精度計(jì)算效率革新、開發(fā)生態(tài)完善。

任務(wù)調(diào)度優(yōu)化，是指GPU驅(qū)動(dòng)任務(wù)調(diào)度優(yōu)化。體現(xiàn)在兩個(gè)方面：首先，核函數(shù)（計(jì)算任務(wù)從CPU主機(jī)傳輸?shù)紾PU設(shè)備并執(zhí)行的過程）啟動(dòng)時(shí)間相比業(yè)界平均時(shí)間縮短了50%。其次，支持千次計(jì)算指令單次并行下發(fā)。摩爾線程的任務(wù)之間延遲遠(yuǎn)遠(yuǎn)小于國際主流芯片公司，實(shí)現(xiàn)了："個(gè)子比別人小、但跳得比別人高"。

在算子庫方面，摩爾線程的muDDN算子進(jìn)行了極致性能優(yōu)化，相比cuDDN有10-20%的領(lǐng)先。而且，摩爾線程的GEMM算子算力利用率達(dá)98%，F(xiàn)lash Attention算子算力利用率突破95%。這也是非常出色的成績(jī)。

在通信方面，摩爾線程在兼顧傳輸速率的基礎(chǔ)上，重點(diǎn)優(yōu)化了穩(wěn)定性、可靠性和帶寬利用率。

他們的MCCL通信庫，可以實(shí)現(xiàn)97%的RDMA網(wǎng)絡(luò)帶寬利用率?；诋惒酵ㄐ乓鎯?yōu)化計(jì)算通信并行，大模型訓(xùn)練集群整體性能可以提升10%。

在低精度計(jì)算效率方面，除了對(duì)FP8 Transformer的支持，摩爾線程還有一個(gè)行業(yè)首創(chuàng)的技術(shù)創(chuàng)新——細(xì)粒度重計(jì)算（Recompute），計(jì)算開銷可以減少4倍。

最后是開發(fā)生態(tài)方面。

摩爾線程推出了Triton-MUSA編譯器 + MUSA Graph，可以實(shí)現(xiàn)DeepSeek R1推理加速1.5倍，全面兼容Triton等主流框架。

為了幫助開發(fā)者降低開發(fā)門檻，提升效率，摩爾線程還打造了完整的軟件開發(fā)套件。

●集群效率

節(jié)點(diǎn)再往上，就是集群。我們可以看看在集群效率提升上，摩爾線程做了些什么。

摩爾線程將自家研發(fā)的集群系統(tǒng)方案命名為KUAE（夸娥）。

這個(gè)集群通過5D大規(guī)模分布式并行計(jì)算技術(shù)，可以實(shí)現(xiàn)上千節(jié)點(diǎn)的高效協(xié)作，推動(dòng)AI基礎(chǔ)設(shè)施從單點(diǎn)優(yōu)化邁向系統(tǒng)工程級(jí)突破。

所謂的“5D”，是指DP數(shù)據(jù)并行、TP張量并行、SP序列并行、EP專家并行、PP流水線并行的5大類型任務(wù)可以大規(guī)模、分布式的并行訓(xùn)練。

KUAE能夠做到端到端的模型訓(xùn)練支持，包括數(shù)據(jù)處理、預(yù)訓(xùn)練、后訓(xùn)練等。而且，KUAE還可以支持所有的模型種類，包括LLM/VLM、混合專家模型、世界模型、具身智能模型等。

為了提升集群的訓(xùn)練效率，實(shí)現(xiàn)訓(xùn)練性能的最優(yōu)化，KUAE提供了一套性能仿真工具——SIMUMAX。

它可以自動(dòng)找出一個(gè)最佳的并行策略，滿足用戶的模型訓(xùn)練需求，協(xié)助進(jìn)行性能優(yōu)化。SIMUMAX還可以精準(zhǔn)模擬FP8混合精度訓(xùn)練與算子融合，為DeepSeek等模型縮短訓(xùn)練周期提供科學(xué)依據(jù)。

●集群穩(wěn)定性

集群訓(xùn)練，穩(wěn)定性是一個(gè)大問題。對(duì)于訓(xùn)練過程中可能發(fā)生的中斷，業(yè)界普遍采用CheckPoint進(jìn)行應(yīng)對(duì)。也就是定期進(jìn)行備份，中斷后再進(jìn)行恢復(fù)。

在此基礎(chǔ)上，摩爾線程創(chuàng)新提出了CheckPoint加速方案，利用RDMA技術(shù)，將百GB級(jí)備份恢復(fù)時(shí)間從數(shù)分鐘壓縮至1秒，大幅縮短了中斷時(shí)間，提升了訓(xùn)練效率。

摩爾線程還專門發(fā)明了一個(gè)創(chuàng)新的集群穩(wěn)定性管理方案——零中斷容錯(cuò)技術(shù)。

傳統(tǒng)模式下，如果發(fā)生硬件故障導(dǎo)致訓(xùn)練中斷，需要先替換硬件，然后寫讀Checkpoint，耽誤大量時(shí)間，增加了訓(xùn)練成本。

采用摩爾線程的零中斷容錯(cuò)技術(shù)，故障發(fā)生時(shí)，僅隔離受影響節(jié)點(diǎn)組，其余節(jié)點(diǎn)繼續(xù)訓(xùn)練，備機(jī)無縫接入，全程無中斷。這一方案使KUAE集群的有效訓(xùn)練時(shí)間占比超過99%，大幅降低中斷恢復(fù)開銷。

摩爾線程還獨(dú)創(chuàng)了多維度訓(xùn)練洞察體系，實(shí)現(xiàn)對(duì)訓(xùn)練過程的動(dòng)態(tài)監(jiān)測(cè)與智能診斷。如果發(fā)現(xiàn)滿節(jié)點(diǎn)，就可以及時(shí)進(jìn)行處理維護(hù)。這使得集群的異常處理效率提升了50%。結(jié)合集群巡檢與起飛檢查，訓(xùn)練成功率提高10%，為大規(guī)模AI訓(xùn)練提供穩(wěn)定保障。

█ 最后的話

前面介紹了摩爾線程AI工廠的很多技術(shù)細(xì)節(jié)。我們可以看出，他們對(duì)算力的理解是相當(dāng)全面而且深刻的。作為一家半導(dǎo)體創(chuàng)新創(chuàng)業(yè)的公司，能擁有這么深厚的技術(shù)積累，確實(shí)非常不容易。

AI工廠作為一個(gè)支撐全場(chǎng)景算力需求的超級(jí)工廠，其背后的技術(shù)挑戰(zhàn)超乎想象。從底層硬件設(shè)計(jì)到上層軟件生態(tài)，摩爾線程都要進(jìn)行深入的創(chuàng)新和優(yōu)化，以確保AI工廠的高效運(yùn)轉(zhuǎn)。他們的努力不僅體現(xiàn)在單個(gè)組件的性能提升上，更在于整個(gè)系統(tǒng)的協(xié)同優(yōu)化，實(shí)現(xiàn)了從單點(diǎn)創(chuàng)新到系統(tǒng)級(jí)效能的飛躍。

總而言之，摩爾線程的AI工廠不僅是其算力戰(zhàn)略的體現(xiàn)，或許也將為整個(gè)行業(yè)帶來新的范式。

以摩爾線程為代表的國產(chǎn)算力企業(yè)正在加速崛起，他們的每一步都走得非常扎實(shí)。我們有理由相信，在這些企業(yè)的共同努力下，我們國家的算力產(chǎn)業(yè)一定會(huì)加速縮小和國際巨頭的差距，并最終實(shí)現(xiàn)超越。