一句话看懂：摩尔线程不仅完成了从预训练到强化学习的全流程国产GPU大模型训练，其支持的5D世界模型EvoPhys-World更在斯坦福大学评测中获得第一。这标志着国产GPU的竞争，正从堆砌硬件参数转向比拼“生产高质量Token”的系统能力。
事件核心：发生了什么
在2026年世界人工智能大会上，摩尔线程创始人张建中提出，AI算力的价值衡量标准正从“多少张卡”转向“每天生产多少高质量Token”。当前算力严重紧缺——月之暗面因算力不足暂停Kimi K3新用户订阅。在此背景下，摩尔线程率先将AI基础设施划分为三座“工厂”：模型训练工厂、词元生产工厂和智能体生产工厂。其中，训练工厂已基于夸娥（KUAE）智算集群和MUSA软件栈，在国产万卡集群上从零训练出MoE-236B基础模型。更关键的是，北京大学团队在摩尔线程MTT S5000 GPU上全程原生训练出的5D世界模型EvoPhys-World，在斯坦福大学WorldScore榜单的“世界生成”赛道中夺得第一。
为什么重要
这打破了“国产GPU只能做推理、不能做大模型训练”的刻板印象。EvoPhys-World在具身智能和世界模型上的成功，证明国产芯片在复杂前沿模型训练中已具备完整闭环能力。同时，摩尔线程提出的PD分离异构推理方案，通过将Prefill阶段放在MTT S5000、Decode阶段放在现有国际主流GPU上，实现了“3+2≈9”的等效性能，为大量已采购异构GPU的企业提供了一个极具成本优势的国产化混合部署路径。这直接挑战了以单芯片峰值算力为核心的旧评价体系，倒逼行业转向考虑系统效率、Token成本和服务稳定性的新框架。
对用户/开发者/创作者的影响
对于AI应用开发者，这意味着未来调用国产大模型的推理成本有望显著下降——摩尔线程通过KV Cache优化和PD分离，试图将成本拉到与国际主流GPU接近的水平。对于具身智能和3D内容创作者，MTT S5000同时具备AI计算和图形渲染能力，支持3DGS、数字孪生等新型负载，这意味着工具链可能从单一品牌硬件中解放出来。对于企业IT采购者，摩尔线程的“三座工厂”概念提供了一个可量化的投资评估框架：不再只问GPU算力，而要追问“这套系统能否稳定生产每日万亿Token，并且支持模型迭代”。
值得关注的后续
第一，EvoPhys-World等世界模型的训练成果能否在更多行业（如自动驾驶、工业仿真）中复制落地，是验证平台通用性的关键。第二，PD分离异构推理方案是否已形成规模化商用案例，还是停留在实验室测试阶段，直接决定其商业说服力。第三，竞品如华为昇腾、寒武纪等是否会跟进“Token成本”叙事，并推出类似的异构调度方案，将影响整个国产GPU的竞争格局。
来源：InfoQ CN
