当下 ，我们正身处Agentic AI（智能体/代理AI）蓬勃发展的时代——人人皆可通过智能体发号施令 。而Agentic AI的下一站，必定是物理AI ，即“AI与人的亲密接触 ” 。在2026世界人工智能大会（WAIC 2026）期间 ，摩尔线程创始人 、董事长兼首席执行官张建中发表了题为“词元时代万物智能”的主题演讲。
他指出，从感知 、生成到代理 ，再到物理AI的演进历程中 ，“每一步跨越，都离不开一个关键技术加速器——全功能GPU（Universal GPU） 。摩尔线程的成长史 ，也正是全功能GPU的发展史 ” 。
张建中在论坛中阐释了本届分会主题“词元时代 ”的由来。在Agentic AI时代 ，Token的消耗量正呈现出人意料的暴涨态势——不是一倍两倍，而是数十倍乃至上万倍 。他以数据佐证：2026年初某现象级AI应用火爆期间，单日活跃Token数已达约140万亿量级 。与此同时 ，大模型参数规模持续跃升——以Kimi K3为例 ，其参数达2.8万亿，较此前国内前沿大模型约1万亿的参数规模扩大一倍有余。在Scaling Law依然成立的前提下 ，算力基础设施已成为决定模型训练时长与能力上限的核心关键 。
基于此 ，张建中在演讲中指出，基于摩尔线程夸娥（KUAE）智算集群打造的三大“AI工厂”——“模型训练工厂 ”“词元生产工厂 ”“智能体生产工厂” ，凭借显著的全场景通用优势 ，支撑起从训练到推理、从数字世界到物理世界的多元算力需求 。
“模型训练工厂 ”：具备全功能 、高性能 、高扩展、高精度 、高稳定 、效果优等特性。结合完备的训练套件以及领先的训练优化、强化学习等技术，以摩尔线程全功能GPU为根基的夸娥智算集群 ，在关键维度均已实现突破。例如 ，在高扩展方面，随着集群训练规模持续扩大 ，可保持高达95%的线性扩展效率；在高精度方面 ，训练精度与世界 主流计算卡持平，训练损失曲线高度一致；在高稳定方面，集群支持断点续训 ，有效训练时长占比超90% 。基于此 ，摩尔线程夸娥智算集群已完成多项“国芯训国模 ”的实践成果，包括从零起步完整训练MoE-236B基础模型 ，以及实现北京大学5D世界模型EvoPhys-World的全栈原生训练等 ，充分验证了国产芯片在超大规模 、超长连续稳定训练上的全链路闭环能力 。
秦铭蔚/摄
“词元生产工厂”：实现全适配 、高性能、低延迟、高性价比。摩尔线程高性能推理套件深度适配SGLang 、vLLM等主流推理框架，覆盖大语言模型 、视觉、语音 、DiT及视频生成等多模态推理场景 。近来 ，摩尔线程可实现对DeepSeek 、MiniMax、GLM 、Kimi 、Qwen等主流大模型的“发布即适配” 。此外 ，摩尔线程推出基于MTT S5000的PD分离异构推理方案，将高算力需求的Prefill计算池（MTT S5000）与高带宽的Decode生成池（世界 主流GPU）异构分离、分池部署 ，大幅提升了性价比。
“智能体生产工厂 ”：高效连接数字世界与物理世界 。摩尔线程自研全域数字智能体“小麦 ” ，掌握60余项技能（Skills），支持38款APP的跨应用控制 ，并通过前端多模型 、丰富知识库的灵活配置 ，做到更快 、更准、更懂你 。同时，摩尔线程全栈具身智能仿真平台MT Lambda，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 ，致力于生产物理世界的智能体。
张建中称 ，为承载“小麦”智能体的智慧进化，摩尔线程打造了两款AI原生终端——AI算力本MTT AIBOOK和家庭AI中枢MTT AICUBE ，构建起“云-边-端 ”协同的全场景智算矩阵 。而支撑三大“AI工厂 ”和两款AI原生终端的 ，则是摩尔线程基于MUSA架构搭建的开源开放生态 。
值得一提的是，当前AI大模型正迈向十万亿级参数 ，多模态与MoE架构驱动算力集群进入超节点时代。据记者了解 ，在WAIC期间，摩尔线程还首次公开展示了其创新的MTT C256超节点 ，用创新架构首创了一层Scale-up网络 ，旨在将256张GPU有效聚合为一台数据中心级超级计算机，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 ，攻克了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 。
（文章来源：世界 金融报）
