“Token的消耗量自今年年初以来，无论是按月对比还是按天对比，都在呈指数级增加。”正在进行的2026世界人工智能（885728）大会(下称“2026WAIC”)上，摩尔线程（688795）创始人、董事长兼首席执行官张建中如是说。为了迎接Token经济时代的到来，作为国产算力的主力军，摩尔线程（688795）已构筑起“三大‘AI工厂’、两大AI原生终端、一大MUSA生态”的战略方阵。
在2026WAIC上，摩尔线程（688795）首次公开多项训练推理实践成果，并公开展示了MTT C256超节点。摩尔线程（688795）生态副总裁兼生态科研部总经理吕其恒对包括《华夏时报》记者在内的媒体表示，从这次展会上可以看到，人工智能（885728）应用已经成了企业变革和生产增长的核心要素，需求被创造的速度在加快，国产算力的渗透度也明显增强了。
三大“AI工厂”提供支撑
智能体催生了一种全新的经济形态，即“Token(词元)经济”，尤其是今年年初OpenClaw全球爆火后。据央视报道，中国信息通信研究院副院长魏亮表示，我国日均Token调用量已经从2024年初的约1000亿，飙升到了2026年3月底的140万亿，增长超过千倍。
“举个例子，普通人最快的阅读速度一目十行，但是对于AI来讲，家里所有书柜的书给它，可能几分钟之内就看完了。这种超乎人类极限的阅读、生成、理解与计算速度，让Token的消耗量呈指数级增加。”张建中说。
Token经济的爆发，对算力提出了更高的要求和更大的需求。在这个基础上，摩尔线程（688795）希望为AI发展提供支撑，基于摩尔线程（688795）夸娥(KUAE)智算集群，该公司打造了“模型训练工厂”“词元生产工厂”和“智能体生产工厂”，支撑从训练到推理、从数字世界到物理世界的多元算力需求。
“模型训练工厂”专门训练不同的模型，是一个非常复杂、难度系数高、要求非常高的工厂。摩尔线程（688795）方面称，结合完备的训练套件和领先的训练优化、强化学习等技术，以摩尔线程（688795）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，如在高精度方面，训练精度与国际主流计算卡持平，训练损失曲线高度一致。
“词元生产工厂”生成各种不同模型的Token服务。张建中表示，在这个工厂里，降低每个Token的成本、做到很快适配和部署是最典型的用户痛点。摩尔线程（688795）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，目前，摩尔线程（688795）可实现对DeepSeek、MiniMax、GLM、Kimi、Qwen等主流大模型的“发布即适配”。
“智能体工厂”则是与消费（883434）者最近的AI环节。摩尔线程（688795）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，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。
不过，在实际场景当中，这三个层面的产品是如何实现算力协同和数据互通的呢？“这三个工厂面向不同的市场和不同市场里面的定位，很难说哪个优先。摩尔线程（688795）有统一的GPU架构(MUSA)，三个工厂不是说不同的技术和不同的产品，整个技术体系从硬件、GPU芯片架构到芯片，再到上面的系统，其实都是完整统一的体系，所以一套方案可以支撑三个工厂。”摩尔线程（688795）高级副总裁董龙飞对本报记者表示。
超节点方案公开亮相
值得一提的是，这次WAIC上，摩尔线程（688795）还首次公开展示了MTT C256超节点。超节点是一种为构建大规模AI算力集群而设计的新型技术架构，通过高速互联协议将多个计算节点紧密耦合，形成逻辑上单一、物理上分布的计算系统，具备大带宽、低时延与内存统一编址等技术特征。
据介绍，摩尔线程（688795）MTT C256超节点首创一层Scale-up网络，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，采用计算与交换一体化的高密设计，将大幅提高智算中心GPU部署密度，为万卡乃至十万卡级超大规模长稳训推集群打造坚实算力底座。
超节点已经是当下国产算力厂商的共识，除了摩尔线程（688795），壁仞科技（HK6082）、燧原科技和沐曦股份（688802）也展示了各自的超节点方案。和其他厂商相比，摩尔线程（688795）的优势是什么呢？“在我们的系统里，定义了自己的MTLink协议，可以把卡和卡之间的通讯降低到亚微秒这个级别，人一次眨眼大概是10万微秒，所以它是几十万分之一眨眼的速度就可以通讯一次。在一次大模型计算里面，要发生非常多次的通讯，所以我们可以通过这种技术把256张GPU像一张GPU一样都整合在一起。”董龙飞说。
不过，超节点虽然解决了大模型规模化训练中因跨设备通信延迟与带宽不足导致的“通信墙”瓶颈，但这项技术成本也非常高。董龙飞坦言，一台超节点要亿元以上，以前一台服务器是8张卡，换一张卡服务器就不能用了，如果超节点里面坏一张卡，上亿的设备就不能用了，哪怕只有一天不能用，也要损失很多钱。
所以，在他看来，超节点技术还需要解决非常多工程性、稳定性的问题。根据几家厂商展示的内容，联接方案有一些差别，比如摩尔线程（688795）用创新架构首创了一层Scale-up网络，壁仞科技（HK6082）采用的是NPO光互连的方式，燧原科技也展示了NPO光互连原型系统方案。
董龙飞认为，虽然每家GPU企业都有自己的互联技术，但在超节点系统里，这些技术其实是通过后端的交换网络拓扑来实现的，而这个交换层本身也是可以解耦的，所以超节点其实是更上层、系统级别的事情，“当然，每家企业都在研究最适合自己计算需求的拓扑架构和CPU适配，包括推动国产化CPU、GPU以及交换技术的研发。大家都在这几条技术线上不断推动，所以这些路线并不是完全互斥或者割裂的，本质上其实是一种产业融合。”
