大模型狂飆的盡頭，這家國產 GPU 廠商要把算力放在客廳

AI 算力的故事，正在走向兩個相反的方向。

云端這邊，萬卡、十萬卡集群是行業標配，算力越堆越高，皆因頭部應用日均消耗的 Token 已經突破百萬億。

落到普通人這邊，云端訓練出的聰明模型，往往變成手機里一個要聯網等幾秒鐘才回話的對話框。

算力走進生活的最后一公里，應該是什么樣的？

一個做國產 GPU 的公司，在前幾天的發布會上，一口氣更新了好幾款端側產品，有家庭智能中樞、AI PC、Agent，還有具身智能相關的工作。

本周一，摩爾線程 2026 年發布會上，除了常規的 GPU 顯卡更新、夸娥萬卡級智算集群的迭代，一臺只有手掌大、整塊鎂鋁合金一體 CNC 雕出來的小盒子被搬上了臺。

它叫 MTT AICUBE，按官方說法是「一臺面向家庭的 AI 智算中樞」。更直觀的解釋，AICUBE 就是一個能夠本地運行模型并管理家庭數據的「AI 電腦」，它能聽懂我們的各種需求、能跑本地模型、甚至能存全家照片和視頻。

這場發布會上至少有三件硬件沖著端側去：面向客廳的 AICUBE、面向開發者的 AIBOOK、面向工業的 E300 模組。

摩爾線程創始人、董事長兼 CEO 張建中在臺上講，「過去我們談論很多 IoT 是 Internet of Things，那今天的 IoT 應該叫 Intelligence of Things。」

那么一家做萬卡集群的 GPU 公司，為什么要把戰線拉到客廳？

做 GPU 的公司很多，但選擇哪條路

做 GPU 的玩家不少，但路線分化其實很清楚。

一類像壁仞、天數智芯，走的是純 AI 訓練和推理路線，把算力拉到極致，圖形渲染能力幾乎為零；另一類像景嘉微和礪算，圖形能力扎實，但 AI 推理的短板明顯。沐曦走的是接近 AMD 的路子，數據中心訓推為核心，圖形是后來才補的產品線，且還在研發中。

這些路線都有各自清晰的商業邏輯，但每一條都有一道隱形的邊界。路線決定了一張芯片能去哪里、不能去哪里。

摩爾線程從成立起選的就是另一套邏輯：全功能 GPU。它采用的 MUSA 架構不會在「圖形」和「計算」之間做分割或取舍，同一套芯片可以同時承載 AI 計算、圖形渲染、科學計算、物理仿真與超高清視頻處理五種能力。

這種多能力的整合，正是真實端側場景里的剛需。

一顆只懂得矩陣運算的芯片，很難要它同時做到驅動客廳里的 4K 云游戲、實時數字人；抑或現在爆火的具身智能機器人，AI 決策和物理世界理解也在并行發生；純 AI 加速路線的廠商，可以把算力做到頂，但很難進入千家萬戶、千行百業，進入到同時發生多種計算需求的顯示場景。

換句話說，「全功能」是一個只有在端側才能被真正檢驗的說法。

摩爾線程的架構，注定它要走出數據中心，往邊緣和終端走。這次的三款端側硬件，是這場延伸的起點。

把數據中心放進你的客廳

AICUBE 放在桌上，比一臺 Mac mini 高了一頭。整塊鎂鋁合金一體 CNC 雕刻出來，外接 HDMI 或者 Type-C 接口即可連接電視和顯示屏。并且，AICUBE 還配備了 4 個麥克風陣列和立體聲揚聲器，完美適配了語音交互的需求。

這個產品的定位是「家庭 AI 中樞」，規格層面是 32GB 或 64GB 統一內存，1TB 全閃 SSD 起步，支持最高 12TB 擴展。算力來自摩爾線程自研的「長江」SoC——CPU、GPU、NPU、VPU 異構集成，AI 算力 50TOPS。

它是當今 AI 需求的「三位一體」：AI Agent 的執行能力、AI PC 的算力、AI NAS 的私有存儲。

在現場的演示過程中，產品經理使用 AICUBE 完成了語音播放電影、旅行規劃、自動保存文件、AI 生成朋友圈文案等功能。從這個角度看，AICUBE 很像一臺 Mac mini，但是內置了一個 AI Siri 語音交互系統，再加一個 NAS。

但它真正有意思的地方，是把「數據中心」整合進了一個家庭可接受的形態。

在家庭中我們可能遇到各種場景，無論是當做智能音箱，或者就是一個 NAS 來使用——AICUBE 存在的意義，更在于它是全功能 GPU 架構在最難場景下的一場壓力測試。

算力足夠跑本地大模型，體積輕松塞得進電視柜，功耗低到能 7×24 小時靜音運行，數據要鎖在本地不上云，操作要老人和小孩都能用語音直接調用。

以上這五大約束，任何一個單拿出來都不難。但它們要同時成立，而且要成立在一個售價面向普通家庭的消費級產品上，這才是端側全功能 GPU 的設計目標。

數據中心不需要面對這些約束。它可以用水冷、高壓供電、專業運維來回避物理限制；數據隱私可以靠網絡隔離和權限管理來處理；至于「誰來用」這個問題更是不存在，畢竟如今的數據中心 AI 算力供不應求。

現在大部分家庭 AI 服務還在依賴云端。語音指令、照片、視頻全要上傳服務器。本地化、能同時管存儲、跑模型、聯動多個 APP 的設備，消費市場上幾乎空白。

AICUBE 不僅解決了那些限制，內置的「小麥」智能體還預裝了 60 多項技能，可以跨 36 款以上 App 做控制。摩爾線程的官方數據顯示，「小麥」對高頻工具調用成功率超過 95%，任務執行速度比通用智能體快 7 倍。

MTT AICUBE 在 6 月 18 號京東預售，這些數字很快就會在真實場景中得到驗證，走進我們的客廳。

但從架構角度看，AICUBE 是全功能 GPU 在最難一類場景下的壓力測試。畢竟數據中心的資源可以輕松調度，而端側只有一顆芯片。

摩爾線程這顆「長江」SoC 在一顆芯片里同時跑 AI 推理、3D 圖形渲染、4K 視頻編解碼、NAS 存儲調度，是真實地做到了在緊湊的物理空間里，協調多種計算單元的實時調度。

張建中在臺上還說了一句話：「推理不是某一顆芯片的事情，推理更像是一個解決方案。」AICUBE 大概就是這套解決方案在家庭場景的第一個樣本。

「長江」流向何方？

作為自研的智能 SoC，「長江」和摩爾線程包括云端 GPU 在內的全系列產品共享一套 MUSA 架構，只是被壓縮到了端側的物理形態。

「長江」有 8 個主頻 2.65GHz 的全大核 CPU、全功能 GPU、高能效 NPU 異構集成，最高支持 64GB LPDDR5X 統一內存。

圍繞這顆 SoC，摩爾線程在端側的另外幾款產品也在加速落地。

AIBOOK 面向開發者，被定義為「為智能體而生」的筆記本電腦。

底層跑的是基于 Ubuntu 改造的原生 Linux 系統 MTT AIOS，預裝「龍蝦」(OpenClaw) 智能體，本地能同時穩定跑十幾個 AI Agent，對接 90 多個 CLI 工具接口，支持虛擬化 Windows 和容器化 Android 多系統。

AIBOOK 的預期使命，是在英偉達控制的 CUDA 之外，給國產 GPU 構建一套從開發、調試到部署的閉環工具鏈，讓 MUSA 生態從「能用」走到「有人用」——從最基礎的筆記本形態開始。

MUSA 則是摩爾線程的 GPU 架構，包含從芯片、硬件、軟件棧到生態的統一架構體系，全棧對標 CUDA。

過去幾年，摩爾線程也一直在對 MUSA 軟件棧進行優化：DeepSeek、Qwen、Kimi、MiniMax 這些國內頭部模型現在都能順利支持，vLLM 的官方后端也已接入，SGLang 主線代碼更是提供了原生適配，PyTorch 的算子覆蓋率到了 100%。

MUSA 的適配性已經做的相當扎實，也顯著追上了與 CUDA 之間的差距。

但生態這件事，光有適配還不夠。MUSA 社區的生長需要優秀的地推和開發者深度參與。摩爾線程希望 AIBOOK 能夠在工具鏈普及和 MUSA 的推廣上起到關鍵作用。完整的 MUSA 軟件棧，讓大模型開發者可以順利地在這臺筆記本上直接完成模型訓練的諸多核心階段步驟。

本質上，AIBOOK 是摩爾線程與英偉達 DGX 桌面系列產品對標的開始。

押注端側，降低遷移成本

盡管路途遙遠，MUSA 生態正在證明自己有持續迭代的潛力。

從 AIBOOK 到 AICUBE，從云端顯卡到仿真平臺，這些產品共同構成了摩爾線程的完整拼圖：當云端訓練、邊緣推理與終端交互共享同一套 MUSA 架構時，國產算力的遷移成本、適配門檻與生態碎片化問題，才有可能被系統性解決。

回望摩爾線程的迭代史，早期的游戲顯卡 MTT S80 自 2022 年推出，從只能跑 DX9 到能跑《黑神話：悟空》，實現中國 Top 50 熱門游戲 100% 兼容，并針對其中 44 款已完成專門優化，靠的是底層重構和持續的驅動迭代。這套工程能力，也套用到這次的端側產品上。

更長一點看，摩爾線程押的是另一件事：當算力同時出現在數據中心、開發者桌面、工業現場和家庭客廳，誰能在每個場景都有入口，誰手里的牌就比只守住數據中心的玩家更好打。

遷移成本、適配門檻與生態建設，這些目前都是摩爾線程端側戰略中的關鍵考量。

而從硬件顯卡的持續迭代，MUSA 生態的逐步完善，從底層 100% 兼容主流 CUDA 生態，到全面適配國內 Top 5 開源大模型，這種速度與系統級優化能力，很明顯是摩爾線程重要的護城河，也讓他們在端側的發力有了明顯優勢。

張建中在臺上說，「對于用戶，如果買不到國外的計算芯片，用摩爾線程的 GPU，你不會有任何后顧之憂」。

這份自信的背后，正是國產算力邁向成熟，在每一種形態、每一個場景中站穩腳跟的必經之路。

過去的物聯網（IoT）是 Internet of Things，在摩爾線程的敘事里，未來的萬物互聯將全面演進為 Intelligence of Things（智能物聯網）。

至少端側這條路，摩爾線程是認真要走的。

文｜杜晨、張子豪