国产GPU独角兽，摩尔线程从技术到生态的进阶之路

在全球科技竞争的大舞台上,国产GPU正努力突破重围,寻求崛起。摩尔线程自成立以来便肩负着推动国产GPU发展的重任,在技术创新、产品布局和生态建设等方面不断探索,走出了一条独具特色的发展之路。

技术路径多元,谁能锚定AI时代的最优解?

一直以来,英伟达在全球数据中心GPU市场占据了极高份额。面对这一市场格局,全球AI领域的创新企业纷纷探索破局之道,掀起了自主研发芯片的热潮。当前,AI芯片领域主要存在三条主流技术路径。通用型全功能GPU,能够兼顾通用计算、AI加速计算与图形计算,摩尔线程便是国内少数实现这类全功能覆盖的代表性企业,其产品在功能完整性上优势显著。GPGPU则专注于AI加速计算,去除了图形渲染模块,在国际市场已有成熟的计算卡产品,国内也涌现出一批专注该方向的芯片创新企业。DSA芯片针对特定领域或应用场景需求设计,拥有定制化的硬件架构与配套软件,海外有谷歌TPU、Tesla Dojo等产品,国内也有昇腾系列NPU、百度昆仑等代表性芯片。

全功能GPU虽技术门槛最高,但应用场景广泛,它不断吸纳DSA芯片的优势特性,同时保持着GPU固有的灵活性与扩展性。有投资人观察到,DSA芯片更适合大厂自用场景,因其对灵活性与可编程性要求较低,而应对多变场景时,DSA芯片和GPGPU都难以与全功能GPU相媲美。随着计算范式的不断演进,融合图形与AI计算能力的全功能GPU已成为主流通用算力载体,为人工智能、自动驾驶等前沿领域提供支撑。摩尔线程选择这条技术路径,展现出其独特的布局眼光。

国内聚焦全功能属性的 GPU 产品

在众多企业扎堆DSA还是GPGPU赛道,陷入同质化竞争,甚至可能引发价格战的情况下,摩尔线程聚焦全功能GPU,走出了一条差异化发展之路。英伟达作为全球市值第一的公司,以及AMD的架构转型,都证明了全功能GPU拥有更高的成长空间。

技术路径具有前瞻性,聚焦全功能 GPU 的综合价值

在技术前瞻性上,全功能GPU从底层技术到生态再到商业化的闭环已被英伟达的市场表现所验证。摩尔线程选择的“全功能GPU”路线,在通用性和灵活性上优势巨大,避免了陷入单一领域的竞争。在自主研发方面,截至2024年12月,摩尔线程在关键技术领域已获得450项授权专利,在国内GPU企业中处于领先。自2020年成立以来,摩尔线程构建了从芯片到集群的智算完整产品线,在B端和C端均有布局。

在B端市场,摩尔线程夸娥(KUAE)智算集群已成为大模型训练与推理的核心支撑设施。在C端领域,MTT S80显卡硬件性能达到行业主流,软件上每月迭代驱动程序,能够流畅运行最新3A大作,并且成为国内极少数支持DirectX12的显卡,深受玩家青睐。

自研MUSA生态以自主技术为核心

国产AI芯片发展中,生态建设难度极高,需要漫长的追赶与替代周期。对于国产GPU而言,突破现有生态壁垒,需先实现与主流体系的兼容,再构建自主工具链与资源库。生态的关键价值在于联结硬件与软件。全球领先的GPU企业通常采用统一系统架构,在芯片层面具备全功能特性,在生态层面拥有海量开发者工具与资源库。

摩尔线程自研的MUSA架构拥有自主知识产权,既能良好兼容CUDA,又能独立发展自身的MUSA生态,方便开发者将CUDA应用迁移到MUSA上。同时,摩尔线程提供MUSA软件栈与开发工具,涵盖通用计算驱动、MUSA编译器、AI算子库、通用计算库、性能分析工具等,助力各类应用快速落地。而且,摩尔线程所有GPU硬件都基于MUSA统一系统架构,融合图形和AI计算能力,形成主流通用算力,在通用性和灵活性上优势突出。

年度迭代升级,呼应大模型的持续演进

AI领域发展日新月异,Scaling Law持续生效,Transformer架构衍生出丰富生态,AI、3D与HPC加速融合,大模型参数飞速增长,这对AI算力迭代提出了极高要求。